《 无人驾驶原理与实践》一1.1 初识无人驾驶系统

第1章

初识无人驾驶系统

       近两年来随着无人驾驶技术突飞猛进，各大整车企业、无人驾驶系统解决方案提供商（如百度阿波罗、景驰等）也在不断努力，以将无人驾驶技术向商业化落地推进。显然，无人驾驶技术已经不再是遥不可及的“未来技术”。无人驾驶技术范畴不仅仅涉及车辆控制、路径规划、感知融合等领域，还涉及人工智能、机器学习、深度学习、强化学习等前沿领域，无人驾驶在未来的5～10年里必将掀起一场新的技术和市场革命。
       站在工程应用的角度，学习和实践无人驾驶系统中的各种基本算法是非常有必要的。本章为无人驾驶系统概述，主要介绍无人车以及无人驾驶系统的概念、无人驾驶技术的意义、无人驾驶技术的发展历程以及现代无人驾驶系统的体系结构。通过本书，读者会对当前流行的无人驾驶系统和算法体系等有一个清晰、完整的理解。

1.1什么是无人驾驶

       无人驾驶汽车（SelfDriving Car）也称为无人车、自动驾驶汽车，是指车辆能够依据自身对周围环境条件的感知、理解，自行进行运动控制，且能达到人类驾驶员驾驶水平。
       无人驾驶系统包含的技术范畴很广，是一门交叉学科，包含多传感器融合技术、信号处理技术、通信技术、人工智能技术，计算机技术等。若用一句话来概述无人驾驶系统技术，即“通过多种车载传感器（如摄像头、激光雷达、毫米波雷达、GPS、惯性传感器等）来识别车辆所处的周边环境和状态，并根据所获得的环境信息（包括道路信息、交通信息、车辆位置和障碍物信息等）自主做出分析和判断，从而自主地控制车辆运动，最终实现无人驾驶”。

1.1.1无人驾驶的分级标准

      在车辆智能化的分级中，工业界目前有两套标准，一套是由美国交通部下属的国家高速公路安全管理局（National Highway Traffic Safety Administration，NHTSA）制定的，另一套是由国际汽车工程师协会（Society of Automotive Engineer，SAE）制定的。两者的L0、L1、L2的分类都是相同的，不同之处在于NHTSA的L4被SAE细分为L4和L5。考虑到国内多采用SAE标准，本书将采用SAE标准介绍。图11是SAE的分级标准［1］。

图11SAE无人驾驶系统分级机制

       其中，L0级即完全由人类驾驶员驾驶车辆。
       L1又称为辅助驾驶，增加了预警提示类的ADAS功能，包括车道偏离预警（Lane Departure Warning，LDW）、前撞预警（Forward Collision Warning，FCW）、盲点检测（Blind Spot Detection，BSD）预警等，主要是预警提示，并无主动干预功能。
       L2称为半自动驾驶或者部分自动驾驶，这类系统已经具备了干预辅助类的ADAS功能，包括自适应巡航控制（Adaptive Cruise Control，ACC）、紧急自动刹车（Autonomous Emergency Braking，AEB）、车道保持辅助（Lane Keeping Assist，LKA）等，这个等级的车辆已经实现在高速公路上自主加速，或在紧急时刻自主刹车等功能，能达到进行简单的自动控制操作的程度。
       从L2到L3，无人驾驶系统的能力发生了本质的改变，L2及以下还是由人来监控驾驶环境，并且需要人来直接进行车辆控制；而L3级被称为自动驾驶，这个等级下的无人驾驶系统已经具备了综合干预辅助类功能，包括自动加速、自动刹车、自动转向等，处于L3级的车辆系统已经能够依靠自身传感器来感知周围驾驶环境，但是监控任务仍然需要人类驾驶员来主导，在紧急情况下仍然需要人类驾驶员进行干预。
       L4又称为高度自动驾驶，是指在限定区域或限定环境下（如固定园区、封闭、半封闭高速公路等环境下），可以实现由车辆完全感知环境，并在紧急情况下进行自主干预，无须人类驾驶员进行任何干预动作。在L4级中，车辆可以没有方向盘、油门、刹车踏板，但其只能限定在特殊场景和环境下应用。L4和L3的最主要区别在于是否仍然需要人类干预，L4的无人车能够在紧急情况下自行解决问题，而L3的无人车在此情况下则需要人类驾驶员的介入。
       L5即全自动驾驶，L5不需要驾驶员，也不需要任何人来干预方向盘和油门、刹车等，也不局限于特定场景的驾驶，可以适应任意场景和环境下的自动驾驶。
       目前大多数无人驾驶创业公司、整车厂等仍然处于L2到L4级别无人驾驶技术阶段，即无人驾驶原型车仅能够在特定的限制区域（如封闭或半封闭园区内、路况非常良好的部分高速路段等）测试，并且需要车上安全员随时进行介入。很多互联网公司（如百度、Waymo、Uber、景驰、小马等）均在测试和研发L4级别的无人驾驶系统，但是在本书撰写之时，L4级无人驾驶仍然还有大量的实际问题需要解决，包括技术、成本、量产、法律法规、市场等。一些公司宣称已经实现了在特定园区内的L4无人驾驶，这其实是带有一定迷惑性的，一方面，这些固定园区的场景规模一般较小，场景简单，不会覆盖到红绿灯、各种复杂标志标线、大量行人穿过马路等现实的复杂场景，仅仅能够在园区进行无人驾驶的demo并没有达到真正的L4水准；另一方面，就无人驾驶的区域而言，显然开放、复杂路段的无人驾驶要比封闭、半封闭环境下的无人驾驶复杂得多，无人驾驶技术存在一种“长尾效应”，即最后5%需要解决的技术问题可能需要花费95%以上的精力；再者，目前L4级无人驾驶技术主要基于高精度地图（HD Map）实现，构建高精度地图需要较高成本，并且可适用范围有限，即在没有绘制高精度地图或地图基本元素变化很大的地方，无人驾驶系统几乎完全不能运行，这也是为什么当前无人驾驶初创公司展示的案例多为精心设计的场地演示，而非在普通公共道路上的真实实际应用。这也引出了我们马上要展开的一个话题——实现真实公共道路的无人驾驶技术到底有多困难？