无人驾驶的道路上，这三个传感器必不可少

近日有报道称，谷歌的一辆无人驾驶汽车在美国加州城市芒廷维尤道路上行驶时，因开得太慢被交警拦下，而谷歌则回应称这是出于安全和大众接受角度考虑。

尽管如此，谷歌无人驾驶汽车总行驶里程，在今年10月底已经突破120万英里（约合193万公里）大关。惊人的是，这个没有方向盘、没有刹车踏板、没有油门踏板的无人驾驶汽车，经谷歌方面宣称，从未收到过违章罚单。这样的记录，在“马路杀手”频现的当下尤为令人惊叹。

那么，这样的技术是如何实现的？无人驾驶汽车如何实现避障？如何识别各种交通信号并作出判断？行驶路线又如何规划控制？这些技术的背后，有三大关键传感器设备在默默地工作着。

导航系统 定位误差不超车道宽度

无人驾驶汽车对GPS定位精度、抗干扰性提出了特殊要求。在无人车行驶时，GPS导航系统要不间断地对无人车进行定位。在这个过程中，无人车GPS导航系统要求GPS定位误差不超过一个车道宽度

无人车面临的另一关键挑战，是需要确保它们有完美无缺的导航功能。

快速发展的数字地图（DigitalMap，DM），能为无人驾驶车提供详细的道路坐标信息，同时路径规划算法的不断优化，为无人驾驶车GPS自主导航系统利用DM进行导航与路径规划提供了可能性。今年8月份，奥迪、宝马和戴姆勒联手斥资31亿美元（约合人民币197亿元）从诺基亚手中收购了Here地图业务。导航已经成为厂商们研发无人驾驶技术的重要前提。

实现导航的主要技术，是如今在现实生活中已经广泛应用的GPS技术。由于GPS技术所具有的全球性、全天候、无积累误差、自动测量的特点，在无人车中同样可以利用GPS进行定位、导航。

由于应用背景的特殊，无人驾驶汽车对GPS定位精度、抗干扰性提出了特殊要求。据了解，在无人车行驶时，GPS导航系统要不间断地对无人车进行定位。在这个过程中，无人车GPS导航系统要求GPS定位误差不超过一个车道宽度。

大幅提升GPS测量精度的是差分GPS测量技术。相比传统的GPS技术，差分GPS测量会在一个测站对两个目标的观测量、两个测站对一个目标的观测量或一个测站对一个目标的两次观测量之间进行求差，目的在于消去公共的误差源，包括电离层和对流层效应等。

差分GPS测量技术为无人驾驶车GPS自主导航系统的实现提供了必要的技术支持，特别是CORS基站网的广泛建立，用户实现了大范围内的实时高精度差分，使导航误差成功缩减至小于车道宽度，无人车可通过高清相机、激光雷达对交通标志线的识别和马路道牙的检测，使无人车行驶时保持在车道内。

不过，再精准的GPS也会有信号失灵的时候。这时候，无人驾驶汽车的另一项定位技术——惯性导航技术就将派上用场。这项最早应用于军事领域的技术，一开始是用来为火箭导航的。它采用机械陀螺仪、加速度计作为惯性传感器，不间断采集载体的瞬时加速度、瞬时角速度和旋转角度，以牛顿力学三大定律为理论基础推算载体的运行速度和运行轨迹，通过不断的实时计算得到载体位置信息。

从GPS接受机或惯性导航设备接收到实时传来的位置数据后，车载电脑会进行分析处理，结合路网文件判定无人车的当前位置，并给出无人车纵向和横向控制要求，进而达到在无人行驶中的稳定控制。

传感避障

相机、雷达、GPS、车载电脑协同作用

避障主要是由测距仪、雷达跟摄像头同时得到道路信息，测距仪可以高速获取障碍物的距离。接着由车载电脑处理信息并且通过控制算法作出线路决策

为了使无人车安全、快速的到达指定目的地，从原理上来说，需要通过传感器感知路况和周边情况，然后传输到中央处理器，中央处理器根据人工智能对情况作出判断，然后通知电传系统，电传系统根据信号操控机械装置，最后由机械装置操控车辆做出各种动作。

最为人所好奇的是，当行驶途中障碍物出现时，无人驾驶汽车如何实现避障？华南理工大学机械与汽车工程学院教授李巍华向记者介绍，避障主要是由测距仪、雷达跟摄像头同时得到道路信息，测距仪可以高速获取障碍物的距离。接着由车载电脑处理信息并且通过控制算法作出线路决策。

谷歌从2009年至今都在为这项技术埋头苦干，其中避障和路径规划是两大核心问题。相机、雷达、GPS等用于检测道路信息的传感器，就仿如无人驾驶汽车的耳目。

根据今年5月中旬谷歌披露的技术细节信息，在避障方面，激光测距仪、摄像头以及雷达堪称三大关键的传感设备。

谷歌无人驾驶汽车的一个突出特点就是其车顶上方的旋转式激光测距仪，该测距仪能发出64道激光光束，帮助汽车识别道路上潜在的危险。该激光的强度比较高，能计算出200米范围内物体的距离，并借此创建出环境模型。

在谷歌无人驾驶汽车的前后保险杠上面，一共安装了四个雷达，这是自适应巡航控制系统的一部分，可以保证无人驾驶汽车在道路行驶时处在安全的跟车距离上，按照谷歌的设计，其无人车需要和前车保持2-4秒的安全反应距离，具体设置根据车速变化。从而能最大限度地保证乘客的安全。

而安装于车头的前置相机主要用于近景观察，这个相机除了要负责记录车辆周边环境等详细信息，还要负责记录行驶过程中的交通信号灯、交通标志标线等。如同眼睛的作用，无人驾驶汽车的视觉传感器系统，在无人驾驶智能车的安全可靠行驶中起着无法替代的作用。

此外，谷歌汽车的后轮上，还有超声传感器。这个传感器有利于保持汽车在一定的轨道上运行，不至于跑偏。在遇到需要倒车的情况时，这些超声传感器还能快速测算后方物体或墙体的距离，帮助汽车在狭窄的车位中实现停靠。

机器视觉 图像处理识别交通信号

车载计算机的处理运算就如同无人驾驶汽车的大脑。它的运算速度，很大程度上决定了汽车作出准确及时判断的程度。因此，基于图像处理的障碍物识别技术成为无人驾驶领域未来发展的一种趋势

设想一下，无人驾驶汽车跟在一部车的后面，而前车的转向灯突然开启，这时候，无人驾驶汽车该如何作出反应？还有各种的限速、单行道、双行道和人行道标示等等，这些都需要无人驾驶汽车进行识别。

在这个时候，车载计算机的处理运算就如同无人驾驶汽车的大脑。它的运算速度，很大程度上决定了汽车作出准确及时判断的程度。因此，基于图像处理的障碍物识别技术成为无人驾驶领域未来发展的一种趋势。

笔者查阅多篇论文，视觉传感器系统所需要完成的识别任务，至少包括以下多个方面内容：对车道线进行识别，保证车辆在车道内行驶，并确定需要作有无障碍物判断的感兴趣区域；判断区域内是否有行人、车辆等需要避让的障碍物，是否需要对车辆行驶状态作出及时改变；判断障碍物是动态还是静态，如果是动态则预判其下一步行动；当感知部分的传感器采集到前方的信号灯信息时，要做出正确识别。

李巍华介绍，在判断障碍物的动静态时，无人驾驶汽车首先会识别移动物体是动态还是静态，假如是动态，就进一步判断是什么，比如说是人，那遵循人先通过原则；在判断障碍物性质时，则会通过图像处理技术，对障碍物的高低大小进行识别，如果不影响车辆通行，则直接通过；而在识别红绿指示灯时，为了避免同颜色同形状的其他物体的干扰，视觉系统会将其交通灯视为一个立体视觉的整体，并根据它的高度以及形状进行判断。

要完成这一系列工作，视觉传感器系统主要由图像的采集模块、处理模块、特征提取模块等组成。其中图像采集模块的主要功能是获取外界的数字图像；图像处理模块是对采集来的图像进行预处理，为后面的特征值提取、障碍物的检测做准备工作。

为了使识别更有效率，系统通过算法对图像信息进行筛选，只提取感兴趣区域。比如，车辆在直线行驶和转弯时，智能车对于前方区域进行判定障碍物是否存在的范围是不一样的。当车辆根据信号灯指示需要转弯时，车辆正前方区域的障碍物则不必检测因此也就不必作为障碍物对待。这样就避免了对图像中的所有部分进行处理，在很大程度上保证了系统的实时性。

应用展望

值得注意的是，各厂商不约而同地将一些无人驾驶汽车上市的时间设定在2020年前后。不过，这个无人驾驶汽车并非指真正意义上能够摆脱司机的驾驶模式

在不久前结束的第44届东京车展及第66届德国法兰克福国际车展上，有不少厂商纷纷展示了他们所研发的无人驾驶概念车。

如日产公司展出了配备人工智能自动驾驶功能的IDS概念车，有人驾驶时汽车人工智能能够学习驾驶者的驾车习惯，并在无人驾驶时模拟这一习惯；丰田公司旗下高端车品牌雷克萨斯展出的该品牌首款氢燃料电池车LF-FC、三菱汽车展出的SUV款eX概念车等，也都具备无人驾驶功能……

除了传统车商，科技企业对于无人驾驶技术的应用更加激进，特斯拉甚至已经宣称，在该品牌较新车型上下载“自动驾驶”（Autopilot）功能，就可以基本实现自动驾驶，但特斯拉同时也警告司机不要完全放弃控制汽车……

各厂商不约而同地将一些无人驾驶汽车上市的时间设定在2020年前后。不过，这个无人驾驶汽车并非指真正意义上能够摆脱司机的驾驶模式，又或者仅适用于个别地区而非完全能在城市道路上实现无人驾驶的汽车。

据路透社报道，丰田首席安全官吉田盛隆（MoritakaYoshida）最近在展示公司自动驾驶技术的一次演示会上表示：“我们预期，到2020年汽车还离不开司机。”

事实上，在业界一般会将无人驾驶技术分成四个阶段：第一阶段是包括车道偏离警告在内的驾驶员辅助技术；第二阶段是半自动驾驶，包括紧急自动刹车、自动泊车等；第三阶段是高度自动驾驶，即汽车在驾驶员监控下，自动控制行驶；第四阶段是完全自动驾驶，指在没有驾驶员监控的情况下，汽车实现完全的自动驾驶。

我们如今所讨论的无人驾驶，一般指第三阶段及以上的无人驾驶。而谷歌及各大厂商们所希望最终实现的，显然是最终形态的第四阶段。距离实现这一目标，大多数专家认为，至少仍需要数10年的时间。


推荐阅读：

第三代智能车用电机控制器方案

除了GPS,哪些是车主们最需要的汽车智能硬件？

百度无人车实现自驾，BAT中为何百度先做无人车？