環(huán)境感知和定位其實是由3個模塊組成，分別是環(huán)境感知、定位、V2X組成。

1.1攝像頭

攝像頭是最接近于人眼的一種環(huán)境感知設(shè)備。常見的車載攝像頭包含單目攝像頭、雙目攝像頭、環(huán)視攝像頭。單目攝像頭一般一般至于車的頂端，負責(zé)監(jiān)控前方的路障，但是對距離感知不太敏感。

而雙目攝像頭，可以利用視距差，通過三角測距技術(shù)獲取障礙物到車輛的距離。比如下圖P1和P2為兩個攝像頭，P為障礙物?？梢酝ㄟ^三角測距獲取P到車輛的距離。

而環(huán)視攝像頭至少需要4個，可以360度的監(jiān)控全車周邊的情況。

采用攝像頭識別的問題在于需要依賴大量的圖像數(shù)據(jù)積累，并且訓(xùn)練生成視覺模型才能識別，整個的技術(shù)成長周期比較長。除了攝像頭，還可以通過雷達實現(xiàn)環(huán)境感知。雷達分為激光雷達、毫米波雷達和超聲波雷達。

1.2 激光雷達

其中激光雷達又稱LiDAR，他的核心原理是通過發(fā)送一道光，這個光遇到障礙物會反彈回收，通過兩者的時間差來判斷距離。

另外，通過激光雷達的數(shù)據(jù)采集，可以繪制出點云圖，從而實現(xiàn)對障礙物的形狀、大小、距離的描繪，典型的點云圖如下：

激光雷達的一個主要問題就是容易受到天氣的影響，比如降雨天氣下，水珠就容易對激光雷達的效果產(chǎn)生影響。

1.3毫米波雷達

毫米波雷達也能起到車輛和物體的測距效果，通過發(fā)射信號和接收信號之間頻率的轉(zhuǎn)變實現(xiàn)速度的推送。毫米波雷達相較于激光雷達相比，穿透灰塵和煙的能力較強，在非常極端的天氣條件下也可以正常工作。

1.4超聲波雷達

超聲波雷達是輔助駕駛領(lǐng)域應(yīng)用比較多的一種雷達，常常安裝到車后方的保險杠，用于倒車輔助功能。

原理是發(fā)出和接收相同頻率的聲波，然后通過時間差測量距離。超聲波雷達不太適合遠距離測距。

目前自動駕駛領(lǐng)域通常是攝像頭和激光雷達、毫米波雷達配合使用。單一模式的環(huán)境識別都會存在一定的劣勢。

環(huán)境感知技術(shù)主要是幫助車輛獲取道路狀況信息，定位服務(wù)可以幫助車輛獲取到車輛所在的具體坐標，為車輛的決策規(guī)劃提供依據(jù)。常見的定位系統(tǒng)有衛(wèi)星定位、差分定位和慣性導(dǎo)航定位等。

2.1 衛(wèi)星定位

衛(wèi)星定位是日常大家非常熟悉的定位方式，常見的衛(wèi)星定位服務(wù)有美國的GPS、歐洲的伽利略、中國的北斗導(dǎo)航等。這里多說一句，因為自動駕駛系統(tǒng)一旦商用，所有車輛運行軌跡將被定位系統(tǒng)監(jiān)控，所以出于國家安全考慮，各國大概率將采用本國的衛(wèi)星定位系統(tǒng)。

衛(wèi)星定位的基本原理就是通過三角定位的方案，至少3顆衛(wèi)星同時跟地面車輛連接，就可以計算出準確的車輛坐標。

2.2 差分定位

差分定位原理是確定一個參考站，參考站跟衛(wèi)星發(fā)生通信，得到當前位置的誤差，也叫做差分校正量。然后流動站就是汽車，通過差分校正量為汽車的真實定位做校正。差分定位是一種提升GPS定位準確率的技術(shù)方案。

2.3 慣性定位

慣性定位不依賴任何光電技術(shù)。僅依賴于汽車當前的加速度，通過積分可以獲得車的下一時間段的位移，當車速較快的時候，慣性定位會是衛(wèi)星定位的很好地補充。

V2X（Vehicle to Everything）技術(shù)指的是車用無線通信技術(shù)，通過通信去連接其他應(yīng)用，從而衍生出V2R（Vehicle to Road）、V2I（Vehicle to Infrastruction）、V2P（Vehicle to Prestrian）。

3.1 V2R

V2R技術(shù)指的是車輛間的通信，比如有一輛車要轉(zhuǎn)向了，那么通過與后方車輛的通信，讓后方車輛可以提前做避讓。

3.2 V2I\V2P

這兩個可以放到一起介紹，V2I指的是跟一些紅綠燈等設(shè)施的通信。V2P可能是與一些行人的手表、手機相關(guān)的通信。

環(huán)境感知和定位主要起到的是確定外界環(huán)境狀態(tài)的作用，為路徑的決策和規(guī)劃提供依據(jù)。在決策規(guī)劃模塊，主要解決的問題是車輛該怎么走的問題。這里面又分為兩個方面，分別是路徑的規(guī)劃和行為的決策。

1.路徑規(guī)劃

路徑規(guī)劃其實是高精度地圖領(lǐng)域的技術(shù)。傳統(tǒng)的人駕駛模式，如果地圖導(dǎo)航出現(xiàn)了失誤其實可以通過人肉修正。而自動駕駛時代，地圖的準確性以及導(dǎo)航的準確性，將直接關(guān)乎安全性，所以自動駕駛時代的高精度地圖技術(shù)非常重要。

那么如何在高精度地圖領(lǐng)域做路徑規(guī)劃，其實就是求兩點間最短路徑問題。因為在自動駕駛技術(shù)成熟后，很可能乘客上車設(shè)置一個目的地就開始睡覺了，剩下路怎么走相關(guān)問題就依賴于汽車的路徑規(guī)劃。

常用的求最短距離的算法有Dijkstra、Floyd、A*、RRT算法等。在后續(xù)的文章將會逐步介紹這些算法。

2.行為決策

因為車輛自動駕駛問題不是單一變量問題，車輛在形式的過程中既包含車本身的行為，也包含道路上其它行人、汽車的行為。所以行為決策主要包含兩個方面，一個是車輛自己的形式?jīng)Q策，另一個是對于其它行駛車輛的行為的預(yù)測。

2.1 對交通參與方的預(yù)測

對于交通參與方的預(yù)測可以通過多種算法來實現(xiàn)，構(gòu)建一套運動模型的方式。但是有的人會問？道路上其它車輛加速轉(zhuǎn)彎等行為是存在很大不確定性的，這種情況怎么構(gòu)建預(yù)測模型呢。

比較常用的解法是通過高斯噪聲來代表交通參與者運動的不確定性，因為大部分參與方的行為一定是服從正態(tài)分布的，所以整個模型構(gòu)建可以看作是一個高斯過程。對于交通參與方的行為和意圖的預(yù)測，可以看作是一個動態(tài)的時序過程，可以用深度學(xué)習(xí)LSTM這樣的循環(huán)神經(jīng)網(wǎng)絡(luò)解決相應(yīng)的問題。

2.2 車輛自身的行為決策

說回車輛自身，需要決策的指令集包含：行駛、跟車、轉(zhuǎn)彎、換道、停車等。車輛如何做決策，或者做什么樣的決策，需要放到一個場景下去判別。

整體流程應(yīng)該分為4個步驟，首先感知環(huán)境的變化，比如前方有車并道了，然后做場景判斷，前方有車并道場景該調(diào)取什么樣的模型做預(yù)測，最終的行為輸出可能是減速或者自己并到另一個道路。這中間的判斷過程還要考慮其它車輛行為，以及是否符合道路規(guī)章制度。

每次行為的整體決策鏈路非常長，而且每一步?jīng)Q策相互影響，所以這種自動駕駛車輛行為決策的功能可以看成是一系列概率的加成，可以看成是馬爾科夫決策過程。

經(jīng)過環(huán)境感知和決策規(guī)劃之后，就到了執(zhí)行控制的環(huán)節(jié)。如何將決策傳遞給車輛的功能部件，把油門、制動、轉(zhuǎn)向、換擋指令落實，是制動控制的關(guān)鍵，也是標準的動力學(xué)原理。

自動駕駛汽車目前比較可行的方案是通過CAN電力總線去控制每個部件的行為，將指令通過電子信號傳達到每個部件，這也是目前電動汽車的主要傳感方式。CAN總線的關(guān)鍵環(huán)節(jié)是如何通過電信號將指令發(fā)送以及接收，另外就是時間響應(yīng)問題。這一套技術(shù)隨著電動汽車的發(fā)展，相對比較成熟，就不過多介紹。

本文是我學(xué)習(xí)自動駕駛技術(shù)的開篇，還有很多不成熟，后續(xù)會不斷修訂。這篇文章是綜述，把自動駕駛技術(shù)切分成環(huán)境感知和定位、決策規(guī)劃、執(zhí)行控制3個模塊，后續(xù)會針對每個模塊的具體算法以及原理進行詳細的學(xué)習(xí)和分享。

感謝清華出版社的<自動駕駛系列叢書>，感謝在學(xué)習(xí)過程中和我一起討論并給與幫助的朋友們。