本文來源：智車科技

　　／ 導(dǎo)讀 ／

　　對(duì)于目前火熱的自動(dòng)駕駛而言，普通人可能會(huì)產(chǎn)生疑問,，自動(dòng)駕駛系統(tǒng)如何感知周圍環(huán)境并做出相應(yīng)的合理的決定并執(zhí)行,？其實(shí)，自動(dòng)駕駛技術(shù)的主要模塊共三大類,，即感知,、規(guī)劃和控制。它們之間相互協(xié)作,，共同為車輛的安全性與舒適性保駕護(hù)航,。簡(jiǎn)單來說，感知由環(huán)境建模和本地化組成,，它們分別依賴于外界和本體的傳感器,。規(guī)劃旨在基于感知結(jié)果傳遞的信息來生成最佳軌跡，以便到達(dá)給定的目的地,。最后,，控制模塊專用于通過命令車輛的執(zhí)行器來跟蹤生成的軌跡。

　　在這其中,，感知模塊作為自動(dòng)駕駛的“眼睛”,，是車輛檢測(cè)的主要技術(shù)，也是自動(dòng)駕駛自主行駛的基礎(chǔ)與前提,。

　　作為軟件棧的最上游,，感知模塊目前是自動(dòng)駕駛領(lǐng)域最為火熱的方向，而只有成熟解決該塊難題,，自動(dòng)駕駛才能翻過一座山,，繼續(xù)向下游決策大腦領(lǐng)域發(fā)起總攻。本文將帶領(lǐng)讀者詳細(xì)了解目前最為關(guān)鍵的感知檢測(cè)技術(shù),。

　　1

　　什么是自動(dòng)駕駛的感知模塊,？

　　感知是將各類硬件傳感器采集到的數(shù)據(jù)進(jìn)行收集、處理,，并生成實(shí)時(shí)的感知結(jié)果的過程,。感知層的傳感器類型一般包括激光雷達(dá)、攝像頭,、毫米波雷達(dá),、超聲波雷達(dá)、速度和加速度傳感器等,。對(duì)于不同的傳感器,，其優(yōu)勢(shì)與特征都是各不相同的，大多數(shù)自動(dòng)駕駛都需要配備多種傳感器，才能在復(fù)雜的世界中對(duì)外界物體進(jìn)行盡可能完美地感知,。

　　激光雷達(dá)（LiDDAR）：能釋放多束激光,，接受物體反射信號(hào)，計(jì)算目標(biāo)與自身的距離,。激光雷達(dá)提供生成環(huán)境的3D點(diǎn)云圖像提供一系列的（x,， y， z）坐標(biāo),，與已有的高精度地圖上的坐標(biāo)進(jìn)行對(duì)比,，就可以很精確地做出車輛定位。激光雷達(dá)是自主發(fā)射光線并搜集反射信號(hào),，因此可以在夜間環(huán)境工作,。但當(dāng)天氣條件惡劣，如大雪大霧等,，會(huì)對(duì)激光造成影響,，使得準(zhǔn)確性下降。

　　毫米波雷達(dá)：毫米波雷達(dá)發(fā)出和接收的是電磁波,，與激光雷達(dá)相比毫米波雷達(dá)會(huì)有很多測(cè)量短距離的場(chǎng)景,，如側(cè)向警示、倒車警示等,。全天候工作使其不可或缺,，但分辨率低，同樣難以成像,。相比于激光雷達(dá),，毫米波的技術(shù)非常成熟，從上世紀(jì)90年代開始應(yīng)用于自適應(yīng)巡航,。毫米波雷達(dá)憑借可穿透塵霧,、風(fēng)雪、不受惡劣天氣影響,、可全天候工作的絕對(duì)優(yōu)勢(shì),，成為自動(dòng)駕駛不可或缺的主力傳感器。

　　攝像頭：自動(dòng)駕駛的“眼睛”,，識(shí)別標(biāo)識(shí),、物體，但無法點(diǎn)陣建模,、遠(yuǎn)距測(cè)距。攝像頭的技術(shù)最為成熟,，車載應(yīng)用起步最早,，在ADAS階段作為絕對(duì)主流的視覺傳感器。進(jìn)入自動(dòng)駕駛時(shí)代，由于攝像頭獨(dú)有的視覺影像識(shí)別功能,，是名副其實(shí)的自動(dòng)駕駛的眼睛,。根據(jù)多傳感器系統(tǒng)的融合，攝像頭需要至少6個(gè)以上,。目前產(chǎn)業(yè)內(nèi)的龍頭由于成本,、技術(shù)和客戶等優(yōu)勢(shì)，新進(jìn)入者不容易獲得競(jìng)爭(zhēng)優(yōu)勢(shì),。

　　在擁有了每種傳感器所感知到的物體之后,，接下來便是將其融合。

　　2

　　感知融合技術(shù)

　　進(jìn)行自動(dòng)分析和綜合,，以完成所需的決策和估計(jì)而進(jìn)行的信息處理過程,。和人的感知相似，不同的傳感器擁有其他傳感器不可替代的作用,，當(dāng)各種傳感器進(jìn)行多層次,，多空間的信息互補(bǔ)和優(yōu)化組合處理，最終產(chǎn)生對(duì)觀測(cè)環(huán)境的一致性解釋,。

　　多傳感器融合的技術(shù)以及工程化落地難度無疑是復(fù)雜的,，那么為何眾多自動(dòng)駕駛公司依然趨之若鶩，想要攻克工程落地中的一個(gè)個(gè)難題,？這是因?yàn)槎鄠鞲衅魅诤峡梢院芎玫貞?yīng)用上每個(gè)傳感器自身的優(yōu)勢(shì),，統(tǒng)一之后為下游輸出一個(gè)更加穩(wěn)定、全面的感知信息,，讓下游規(guī)控模塊能夠根據(jù)這些精確穩(wěn)定的結(jié)果實(shí)現(xiàn)車輛最終的安全駕駛,。可以說一個(gè)好的感知融合模塊,，將極大提升決策的精準(zhǔn)性與安全性,，也將直接代表了自動(dòng)駕駛最終的智能表現(xiàn)水平。

　　3

　　感知模塊的技術(shù)分類

　　其中無人駕駛的視覺感知系統(tǒng)都基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)視覺技術(shù),，應(yīng)用于無人駕駛領(lǐng)域,，主要分為四個(gè)模塊：動(dòng)態(tài)物體檢測(cè)（DOD：Dynamic Object Detection）、通行空間（FS：Free Space）,、車道線檢測(cè)（LD：Lane Detection）,、靜態(tài)物體檢測(cè)（SOD：Static Object Detection）。

　　1. 動(dòng)態(tài)物體檢測(cè)（DOD： Dynamic Object Detection）

　　動(dòng)態(tài)物體檢測(cè)的目的是對(duì)車輛（轎車,、卡車,、電動(dòng)車、自行車）,、行人等動(dòng)態(tài)物體的識(shí)別,。檢測(cè)的難點(diǎn)包括 檢測(cè)類別多,、多目標(biāo)追蹤、測(cè)距精度,；外界環(huán)境因素復(fù)雜,，遮擋情況多，朝向不一,；行人,、車輛類型種類眾多，難以覆蓋,，容易誤檢,；加入追蹤、行人身份切換等眾多挑戰(zhàn),。

　　2. 通行空間（FS： Free Space）

　　空間檢測(cè)是對(duì)車輛行駛的安全邊界（可行駛區(qū)域）進(jìn)行劃分,，主要針對(duì)車輛、普通路邊沿,、側(cè)石邊沿,、沒有障礙物可見的邊界、未知邊界等進(jìn)行劃分,。檢測(cè)的難點(diǎn)包括 復(fù)雜環(huán)境場(chǎng)景時(shí),，邊界形狀復(fù)雜多樣，導(dǎo)致泛化難度較大,。

　　不同于其它有明確的單一的檢測(cè)類型的檢測(cè)（如車輛,、行人、交通燈）,，通行空間需要準(zhǔn)確劃分行駛安全區(qū)域,，以及對(duì)影響車輛前行的障礙物邊界。但是在車輛加減速,、路面顛簸,、上下坡道時(shí)，會(huì)導(dǎo)致相機(jī)俯仰角發(fā)生變化,，原有的相機(jī)標(biāo)定參數(shù)不再準(zhǔn)確,，投影到世界坐標(biāo)系后會(huì)出現(xiàn)較大的測(cè)距誤差，通行空間邊界會(huì)出現(xiàn)收縮或開放等問題,。

　　3. 車道線檢測(cè)（LD： Lane Detection）

　　車道檢測(cè)的目的是對(duì)各類車道線（單側(cè)／雙側(cè)車道線,、實(shí)線、虛線,、雙線）進(jìn)行檢測(cè),，還包括線型的顏色（白色／黃色／藍(lán)色）以及特殊的車道線（匯流線、減速線等）等進(jìn)行檢測(cè),。目前是能在輔助駕駛領(lǐng)域有著較為成熟的應(yīng)用,。

　　與此同時(shí),，車道檢測(cè)的難點(diǎn)也很多，包括線型種類多,，不規(guī)則路面檢測(cè)難度大。如遇地面積水,、無效標(biāo)識(shí),、修補(bǔ)路面、陰影情況下,，車道線易被誤檢,、漏檢。彎曲的車道線,、遠(yuǎn)端的車道線,、環(huán)島的車道線等情況的擬合難度較大，檢測(cè)結(jié)果易模糊不清等,。

　　4. 靜態(tài)物體檢測(cè)（SOD： Static Object Detection）

　　靜態(tài)物體檢測(cè)是對(duì)交通紅綠燈,、交通標(biāo)志等靜態(tài)物體的檢測(cè)識(shí)別。這也是自動(dòng)駕駛行駛中遇到最多的物體之一,。其中紅綠燈,、交通標(biāo)識(shí)屬于小物體檢測(cè)，在圖像中所占的像素比極少,，尤其遠(yuǎn)距離的路口,，識(shí)別難度更大。

　　而視覺檢測(cè),，在強(qiáng)光照的情況下,，有時(shí)人眼都難以辨別，而停在路口的斑馬線前的汽車,，需要對(duì)紅綠燈進(jìn)行正確地識(shí)別才能做下一步的判斷,。交通標(biāo)識(shí)種類眾多，采集到的數(shù)據(jù)易出現(xiàn)數(shù)量不均勻的情況,，導(dǎo)致檢測(cè)模型訓(xùn)練不完善,。

　　4

　　總結(jié)

　　從上述對(duì)于目前感知模塊的總結(jié)來看，現(xiàn)環(huán)境的感知技術(shù)較于之前已經(jīng)有了巨大的提升,，從目前輔助駕駛的落地程度就可見一斑,。但與此同時(shí)，要想實(shí)現(xiàn)真正的無人駕駛,，需要達(dá)到人肉眼的檢測(cè)精度及穩(wěn)定性,，對(duì)于感知模塊來說是一個(gè)巨大的挑戰(zhàn)。并且由于深度學(xué)習(xí)算法的天然缺陷,，如何應(yīng)對(duì)數(shù)據(jù)集里從未見過的物體,，如何處理極端場(chǎng)景下的Corner case,，將會(huì)是阻礙在感知發(fā)展前的一道難題。而只有充分解決了這些問題,，真正的無人駕駛才有可能落地,。

更多信息可以來這里獲取==>>電子技術(shù)應(yīng)用-AET<<