无人驾驶汽车如何解放司机双手？

近日有报导称，谷歌的1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斟酌。

虽然如此，谷歌无人驾驶汽车总行驶里程，在今年10月底已突破120万英里（约合193万千米）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，从未收到过背章罚单。这样的记录，在“马路杀手”频现确当下尤其使人惊叹。

那末，这样的技术是如何实现的？无人驾驶汽车如何实现避障？如何辨认各种交通讯号并作出判断？行驶线路又如何计划控制？这些技术的背后，依托的是摄像头、雷达、GPS等传感器检测道路信息，同时由车载电脑分析处理道路信息数据并控制车辆，使无人车安全、快速到达指定目的地。

随着技术的日益发展，无人驾驶汽车正在从科幻电影中的场景道具变得愈来愈真实，而不管是谷歌、苹果、UBER这样的互联网科技企业，还是奔驰、沃尔沃、凯迪拉克等传统汽车厂商，都正在加入这个“战团”。

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，测距仪可以高速获得障碍物的距离。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，从原理上来讲，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，测距仪可以高速获得障碍物的距离。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，其中避障和路径计划是两大核心问题。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线人。

根据今年5月中旬谷歌表露的技术细节信息，在避障方面，激光测距仪、摄像头和雷达可谓3大关键的传感装备。

谷歌无人驾驶汽车的1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，帮助汽车辨认道路上潜伏的危险。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，1共安装了4个雷达，这是自适应巡航控制系统的1部份，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，依照谷歌的设计，其无人车需要和前车保持2⑷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视察，这个相机除要负责记录车辆周边环境等详细信息，还要负责记录行驶进程中的交通讯号灯、交通标志标线等。犹如眼睛的作用，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没法替换的作用。

另外，谷歌汽车的后轮上，还有超声传感器。这个传感器有益于保持汽车在1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

图象处理辨认交通讯号

车载计算机的处理运算就犹如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，基于图象处理的障碍物辨认技术成为无人驾驶领域未来发展的1种趋势。

假想1下，无人驾驶汽车跟在1部车的后面，而前车的转向灯突然开启，这时候候，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辨认。

在这个时候，车载计算机的处理运算就犹如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，基于图象处理的障碍物辨认技术成为无人驾驶领域未来发展的1种趋势。

记者查阅多篇论文，视觉传感器系统所需要完成的辨认任务，最少包括以下多个方面内容：对车道线进行辨认，保证车辆在车道内行驶，并肯定需要作有没有障碍物判断的感兴趣区域；判断区域内是不是有行人、车辆等需要躲避的障碍物，是不是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1步行动；当感知部份的传感器收集到前方的信号灯信息时，要做出正确辨认。

李巍华介绍，在判断障碍物的消息态时，无人驾驶汽车首先会辨认移动物体是动态还是静态，假设是动态，就进1步判断是甚么，比如说是人，那遵守人先通过原则；在判断障碍物性质时，则会通过图象处理技术，对障碍物的高低大小进行辨认，如果不影响车辆通行，则直接通过；而在辨认红绿唆使灯时，为了不同色彩同形状的其他物体的干扰，视觉系统会将其交通灯视为1个立体视觉的整体，并根据它的高度和形状进行判断。

要完成这1系列工作，视觉传感器系统主要由图象的收集模块、处理模块、特点提取模块等组成。其中图象收集模块的主要功能是获得外界的数字图象；图象处理模块是对收集来的图象进行预处理，为后面的特点值提取、障碍物的检测做准备工作。

为了使辨认更有效力，系统通过算法对图象信息进行挑选，只提取感兴趣区域。比如，车辆在直线行驶和转弯时，智能车对前方区域进行判定障碍物是不是存在的范围是不1样的。当车辆根据信号灯唆使需要转弯时，车辆正前方区域的障碍物则没必要检测因此也就没必要作为障碍物对待。这样就避免了对图象中的所有部份进行处理，在很大程度上保证了系统的实时性。

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导航系统要不中断地对无人车进行定位。在这个进程中，无人车GPS导航系统要求GPS定位误差不超过1个车道宽度。

无人车面临的另外一关键挑战，是需要确保它们有完善无缺的导航功能。

快速发展的数字地图（Digital Map，DM），能为无人驾驶车提供详细的道路坐标信息，同时路径计划算法的不断优化，为无人驾驶车GPS自主导航系统利用DM进行导航与路径计划提供了可能性。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。导航已成为厂商们研发无人驾驶技术的重要条件。

实现导航的主要技术，是如今在现实生活中已广泛利用的GPS技术。由于GPS技术所具有的全球性、全天候、无积累误差、自动丈量的特点，在无人车中一样可以利用GPS进行定位、导航。

由于利用背景的特殊，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导航系统要不中断地对无人车进行定位。在这个进程中，无人车GPS导航系统要求GPS定位误差不超过1个车道宽度。

大幅提升GPS丈量精度的是差分GPS丈量技术。相比传统的GPS技术，差分GPS丈量会在1个测站对两个目标的观丈量、两个测站对1个目标的观丈量或1个测站对1个目标的两次观丈量之间进行求差，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丈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，无人车可通太高清相机、激光雷达对交通标志线的辨认和马路道牙的检测，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。这时候候，无人驾驶汽车的另外一项定位技术——惯性导航技术就将派上用处。这项最早利用于军事领域的技术，1开始是用来为火箭导航的。它采取机械陀螺仪、加速度计作为惯性传感器，不中断收集载体的瞬时加速度、瞬时角速度和旋转角度，以牛顿力学3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接受机或惯性导航装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确当前位置，并给出无人车纵向和横向控制要求，进而到达在无人行驶中的稳定控制。

5年内或迎技术井喷

利用展望

值得注意的是，各厂商不谋而合地将1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不是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，有很多厂商纷纭展现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，并在无人驾驶时摹拟这1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、3菱汽车展出的SUV款eX概念车等，也都具有无人驾驶功能……

除传统车商，科技企业对无人驾驶技术的利用更加激进，特斯拉乃至已宣称，在该品牌较新车型上下载“自动驾驶”（Autopilot）功能，就能够基本实现自动驾驶，但特斯拉同时也正告司机不要完全放弃控制汽车……

值得注意的是，各厂商不谋而合地将1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不是指真正意义上能够摆脱司机的驾驶模式，又或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

据路透社报导，丰田首席安全官吉田盛隆（Moritaka Yoshida）最近在展现公司自动驾驶技术的1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1般会将无人驾驶技术分成4个阶段：第1阶段是包括车道偏离正告在内的驾驶员辅助技术；第2阶段是半自动驾驶，包括紧急自动刹车、自动停车等；第3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4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，1般指第3阶段及以上的无人驾驶。而谷歌及各大厂商们所希望终究实现的，明显是终究形态的第4阶段。距离实现这1目标，大多数专家认为，最少仍需要数10年的时间。

■延伸

无人驾驶汽车还要帮助管理城市

关于无人驾驶汽车的美好假想，其实不仅仅在于解放司机。

在今年10月份的1次新闻发布会上，Here联网驾驶体验副总裁弗洛里斯·冯—德—克拉斯霍斯特（Floris van de Klashorst）说，未来无人驾驶汽车不单单在城市内穿梭，还帮助管理城市。

当汽车在城市中穿梭和在公路上行驶时，它们不但搜集与交通车流有关的数据，还会搜集与它们“看到”的事物有关的数据。它们将成为智能“蜂群”，出于导航目的相互“交谈”，也向控制中枢发送信息，帮助管理机构了解城市正在产生的1切事物。

冯-德-克拉斯霍斯特表示：“汽车将帮助我们保护地图。”汽车保护的地图将成为动态的“活的事物”，使车辆和它们所处的环境保持同步。他说，“地图不再是静态的，它将成为真实世界高清、高精度的表示”。