汽车自动驾驶技术原理及应用研究

任国昌,王红艳

长城汽车股份有限公司天津哈弗分公司  天津 301712

摘要：我国科技水平和我国各行各业的快速发展，在新时代背景下研究自动驾驶技术，是为了满足个人生活需求，打破传统空间限制和理论约束，创新新型技术，满足人们出行的多样化需求。随着科学技术的迅速发展，人们感受到驾驶的趣味性，也激发了人们对汽车的探索与渴望。自动驾驶汽车凭借计算机实现自动化驾驶功能，这就要求汽车在具备有人驾驶汽车的基础上配置感知定位系统、计算机操作系统、控制系统等构建车辆环境感知、决策和驾驶动作规范的智能功能。同时，要想协助其它系统稳定运行，还需要对汽车内部通信总线、控制系统、电子配置等结构进行重新优化和构建。

关键词:智能汽车;自动驾驶;控制方法;分析

引言

主系统安全体系即通过车载自动驾驶系统的核心算法层来保证驾驶策略和驾驶行为的安全性，也可称为“策略安全”。使用最先进可靠的感知与定位算法、预测决策规划与控制算法来应对道路行驶中的各种场景，尤其是需要保证在遇到难度场景时也可以从驾驶策略和行为上确保安全。自动驾驶主系统安全是软硬件组合套件的安全设计。软件算法是整个自动驾驶系统的核心。

1智能汽车自动驾驶技术内涵

智能汽车的自动驾驶技术主要是以计算机控制技术为核心，以车联网技术为支撑，基于环境感知技术，根据预设的车辆运行轨迹指定汽车驾驶的控制决策，通过车辆的横向、纵向控制系统，保证车辆按照预设轨迹运行，在汽车运行期间，可以根据车身周围环境感知，实现车速调节、车道变换、超车避让等基本操作。汽车自动驾驶原理是指汽车在行驶过程中借助车辆各类感知技术获取外界驾驶的有关数据信息，将驾驶道路、汽车环境、障碍物等信息及时导入车内控制系统中，并对其开展全方位计算与推断，再将结果整理录入汽车执行管理器中，以此为基础调整汽车转向、速度等，此外，其还能在特殊情况下模仿驾驶员行为实现替代功能，并且在一定条件下形成自动化驾驶。通过当前实际调查了解到，自动驾驶技术是凭借智能感知功能对车辆环境进行全方位检测，为其全方位和部分行踪提前开展行程规划，帮助驾驶员减少行驶压力，提高车辆驾驶安全性和可靠性，为驾驶员生命安全保驾护航。

2汽车自动驾驶的关键技术

2.1立体视觉

双目立体视觉通常是指用两台一样的摄像机，从两个视角观察同一景物。双目摄像头因其成本较低，测量距离较为精准，而且可以测量障碍物深度等优点而被广泛应用于障碍物检测技术。但是双目摄像头也有它的局限性。当图像包含复杂的道路场景时，神经网络分类器在检测特征方面的性能会受到限制，此外，神经网络需要大量的图像样本和训练时间，计算负荷较大。为解决这一问题，根据检测到的车道信息，选择感兴趣区域（regionofinterest，ROI）以减少计算负担。障碍物检测系统被设计为可以提供领先车辆和切入车道的侧方车辆的位置。采用鲁棒方法选择检测到的障碍物的数据对，并通过特征匹配和特征聚合来确定合格的对。

2.2理性算法标准能够克服缺陷要件的负面影响

与制造缺陷诉讼仅仅涉及一件产品不同，设计缺陷诉讼质疑的是整条产品生产线上的完整性，因此其穿透了生产商规划的整个核心。为此，企业常常会花费巨大时间和精力成本，聘请最好的律师和专家来阻止原告的缺陷主张，以防缺陷对于企业声誉带来的负面影响。理性算法标准可以从两个方面破解这一困境：一是打破缺陷必定导致十分严重的危害的印象，将算法瑕疵或者算法错误纳入不合理危险当中，稀释缺陷的严重程度，让公众对不合理危险有一个重新的认识。二是打破缺陷必定导致一批产品下架的结果，主张针对单个的人工智能产品进行具体认定。自动驾驶汽车出厂设置可能一样，但流入市场后随着使用的深入，每辆自动驾驶汽车算法性能和性格可能不一。一辆自动驾驶汽车在这一场景下发生事故，并不意味着同批次的其他自动驾驶汽车都会发生事故。此外，理性算法标准强调区分算法缺陷与算法错误。没有算法缺陷的自动驾驶汽车产品也可能会出现算法错误，出现算法错误的自动驾驶汽车产品不一定就是算法缺陷，两者需要区分对待。

2.3神经网络控制

神经网络控制方法是目前应用最为广泛的控制方法及理论之一，目前主要利用卷积神经网络(Convolutionalneuralnetworks，CNN)来帮助控制智能汽车更加平稳、安全、快速运行，主要是通过安装在汽车上高速摄像装置对汽车前场景拍照，通过建立卷积神经网络，以拍摄照片作为输入，以车辆的控制(如汽车转向、方向盘转角、车速等)作为输出。特征提取与模型拟合智能汽车的最终目标是实现无人驾驶，在减少人的参与甚至是没有人的参与的条件下，保证智能汽车自动驾驶的安全性与稳定性，特征提取与模型拟合主要包括特征的选择与归一化处理，是神经网络方法中的重要环节之一，可以提高预测的精准度。

2.4预测决策与规划控制

预测决策与规划控制技术模块相当于自动驾驶汽车的大脑。预测决策与规划是软件算法核心模块，直接影响车辆自动驾驶的能力和效果。该算法模块基于交通安全规范与共识规则，为车辆规划出安全、高效、舒适的行驶路径和轨迹。为了更好提升算法的泛化能力，应用数据挖掘和深度学习算法来实现智能规划驾驶行为。在给定车辆设定的出发地与目的地后，系统生成最优的全局规划路径。车辆能够实时接收感知模块提供的环境和障碍物信息，结合高精度地图，跟踪并预测周边车辆、行人、骑行者或其它障碍物的行为意图和预测轨迹，综合考虑安全性、舒适性和效率，生成驾驶行为决策（跟车、换道、停车等），并按照交通规则和文明交通礼仪对车辆进行运行规划（速度、轨迹等），最终输出到控制模块实现车辆加减速和转向动作。车辆控制部分是最底下一层，直接与车辆底盘通信，将车辆的目标位置和速度通过电信号传给底盘来操作加速踏板、制动和转向盘。自动驾驶的目标是应对城市道路的复杂交通场景，在任何道路交通状况下都能保证自动驾驶车辆处于安全驾驶状态。在软件算法层，有基于海量测试数据训练的深度学习模型，保证自动驾驶车辆在常规驾驶场景下安全高效平稳地通行；也会坚持安全第一原则采取紧急制动策略尽可能避免伤害。

2.5高精度定位、感知与规划、导航

车辆在实现通信和自动计算功能之后，加强对汽车道路行驶环境以及高精度服务功能全面传输到汽车导航系统中，借助定位、环境感知、运动决策、模拟等，大大提高道路信号，并且清楚感应到当前车辆驾驶位置和红绿灯信号状况。导航定位系统能够有效对当前车辆驾驶位置信号进行检测，及时将其报告给驾驶员，并且可以利用高精度立体空间测量技术精准找到自己所处位置。与此同时，通过高精度地图与传感器相结合实现信息采集，其中包含惯性导航、GPS、车距检测器、激光雷达等，以智能视觉系统比作人的眼睛，精准将前方数据技术传输到汽车自动驾驶控制系统中，并且将像素、亮度、颜色等信息转变成数字信号，自动分类各种数据信息，快速完成转向、稳定驾驶等功能，真正实现自动模拟驾驶功能。

结语

确认安全后再部署到更大规模的车队。通过部署规模化自动驾驶车辆不断在实际道路上进行测试和验证，形成实际路上场景和自动驾驶能力不断闭环，使自动驾驶车辆在智能度、安全性等方面持续提升，从而逐渐接近具备自动驾驶车辆走进千家万户的能力。

参考文献：

[1]黄国凯.人工智能在智能网联汽车上的应用进展研究[J].内燃机与配件，2022（03）：226-228.

[2]刘琨，付锐，许建伟.制造业数字化转型背景下战略管理会计创新路径探析——以长安汽车为例[J].国际商务财会，2021（15）：32-39.