概要：在学习或者接触自动驾驶相关技术之前，大家来一起了解无人驾驶车也就是自动驾驶车的相关概念和知识。
前言
随着人工智能的不断发展，自动驾驶领域应用甚广，规划控制作为自动驾驶的核心模块之一，其学习价值和发展前景巨大。
本文主要介绍无人驾驶车的相关概念及知识。
一、什么是无人（自动）驾驶汽车？
无人驾驶汽车顾名思义就是没有人为驾驶或干预的汽车，在行驶期间能够自动避开障碍物，安全舒适地将人送达目的地或者在生产过程中利用无人车达到某一运输需求和目的。
给大家找了几个GIF图片，大家可以初步建立起对于无人驾驶汽车的概念和印象：
随着车辆的保有量逐渐增多以及醉酒、疲劳驾驶引起的交通事故频发，无人驾驶车辆的研究的意义及必要性便突显出来，无人驾驶行业的发展前景也相对广阔。
目前已有一些关于无人驾驶汽车的产品项目落地，但主要还是集中在矿山、仓库、港口等这些工业环境。如今无人驾驶技术的最大障碍是如何让车在复杂的道路以及不可预计的人类环境中安全有效的运行，这就需要大家的努力早日让无人驾驶在咱们的实际生活环境中体现出来。
二、无人（自动）驾驶的等级分类
大家在购买汽车，听过销售人员介绍一些驾驶功能。如辅助驾驶、高级辅助驾驶、或者业内人员听常说的L2、L2+、L3、L4等等，其实这就是按照自动化程度，自动驾驶划分出来的不同的等级。
目前国际上认可的对于自动驾驶等级的标准等级划分有三种：
-
德国联邦公路研究所（BASt）分级标准（2012年发布）
-
美国国家公路交通安全管理局（NHTSA）分级标准（2013年发布）
-
国际自动机工程师学会(SAE)的分级标准（2014年发布）
由于SAE对于自动驾驶分级标准划分最为详细，所以也就成为目前国际最为通用的分级标准。如图所示（结合定义和主要功能）。
- Level 0 ：无自动驾驶，驾驶员完成驾驶任务，有一些系统预警性提示和例如AEB等被动功能，但并没有主要控制车辆。
- Level 1 ：部分辅助驾驶，解放手或脚，驾驶员和系统共同操作，系统有一定的辅助功能，例如ACC等功能进行驾驶任务。
- Level 2 ：部分自动驾驶，同时解放手和脚，不能解放眼睛，驾驶员要全时监控系统执行行驶任务，随时准备接管。
- Level 3 ：受条件制约的自动驾驶，解放眼睛不能解放大脑，系统在执行驾驶任务时发出预警后，驾驶员应及时接管。
- Level 4 ：高度自动驾驶，解放大脑，系统在大多数场景工况下（ODD区域内：地理围栏）安全执行行驶任务，驾驶员基本不用进行操作，系统会自动干预。
- Level 5 ：完全自动驾驶，解放大脑，驾驶员完全不用操作，系统在任何场景工况下可以安全执行行驶任务。
知识普及：
ODD（Operational Design Domain 设计运行域）分为场景、环境、动态元素，如图所示。其中：
- 场景（scenery）：道路条件、地理条件…
- 环境条件（Environment condition）：天气条件、光照条件…
- 动态元素（Dynamic Element）：交通条件…
未来可能随着自动驾驶技术研究能力和实现等级越来越高，ODD也会越来越受到关注，其运行域也会逐步完善，从道路环境到自动驾驶可行驶区域设计再到完全行驶区域设计，L5级自动驾驶的目标也会达到。
注：不同自动驾驶等级代表性的功能及普及的时间等等目前没有相关的定论，严格来说相关的功能等级不能和自动驾驶整车的分级划等号也就是说整车有一个L3级的功能并不代表整车就是一个L3级自动驾驶车，例如：目前泊车功能的普及及应用，自动泊车（APA）属于L2级，远程遥控泊车（RPA）属于L3级，自主代客泊车（AVP）属于L4级。
三、无人（自动）驾驶汽车组成及功能介绍
这块是对于自动驾驶汽车一般体系结构的介绍，主要包括定位模块（Localization）、感知模块（Perception）、预测模块（Prediction）规划模块（Plannning）、控制模块（Controls），如图所示。
定位模块（Localization）
提供车辆在地图中准确的位置信息（position/orientation），服务到下游规划、控制模块。
其中输入主要有：
- 地图（MAP）：高精地图（HDMAP）较准确（可以提供环境中相对固定的信息或者更新周期比较长的信息，主要有车道标记、红绿灯信息等）。
普通地图信息和高精地图信息的区别：
（1）精度：普通地图在m级，高精地图在cm级
（2）更新频率：对于静态信息，普通地图更新频率为一个月或者一季度，高精地图则为天或周；对于动态信息，普通地图不做更新要求，高精地图必须实时更新。
（3）数据广度：普通地图只记录道路级别的数据（形状、坡度、方向），高精地图还需记录车道类型、宽度、护栏、信号灯、交通指示牌。 - 全球卫星导航系统（GPS）
优点：绝对位置相对准确
缺点：精度程度低，且依赖卫星信号，数据更新频率低（大概10Hz） - 惯性测量单元（IMU）：根据上一刻的位置和方位更新下一刻的位置和方位。
优点：不基于外部的信息，更新频率很高
缺点：存在累积误差 - 特征环境定位（Lidar）：通过将观测特征和数据库特征匹配得到当前时刻汽车的位置和姿态。
优点：定位较准确
缺点：受到光线、环境等因素的影响
感知模块（Perception）
通过车载传感器（sensors）来了解车辆周围的环境信息（车辆、车道、行人、物体等等），并能够对环境中的物体进行分类，其实就相当于人的眼睛和大脑，能够看到并识别出身边的各种物体
信息。
一般情况下，自动驾驶汽车包含的传感器主要有四种类型：
- 毫米波雷达：主要有短、中、远程雷达，通过无线电波进行测距。无线电波以光速传播，在电磁波谱中频率最低（波长最长），基于无线电波的反射特性，雷达传感器可以探测到前方物体之外的东西。不过，雷达信号容易被具有相当导电性的材料（如金属物体）反射，并且其他无线电波的干扰也会影响雷达的性能，造成雷达传感器无法对物体进行探测，但雷达信号能够透过雨、雾、灰尘等视线障碍物进行目标检测，适用于侧面和后方避险。
- 摄像头：摄像头通过收集反射到三维环境对象上的光来捕捉二维图像。图像质量通常取决于环境条件，即不同的天气条件，不同的光照环境，都会对图像质量产生不同的影响。计算机视觉和机器学习算法通常用于从捕获的图像／视频中提取有用的信息。目前，由于单目像头难以对物体距离进行测量，通过多台摄像头利用三角测原理实观距离测量的立体视觉方法得到广泛应用。多目立体摄像头，可在一定程度上实现深度、距离的感知，多应用于远距离特征感知和交通检测。
- 激光雷达：LiDAR使用发射器发射激光束，并通过接收器对遇障碍物后返回的激光束进行探测。激光雷达传感器通过发射脉冲激光，计算散射光从发射到遇障碍物返回的时间间隔（TImeofFlight，下行时间），可对三维空间内的物体形状及距离进行有效感知，可在较长距离内（当前车用最长距离为120m）实现感知。多用于三维环境映射和目标检测。
- 超声波：超声波传感器也称为声纳；声音导航测距。在有源传感器中，声波的频率最低（波长最长），因此声波更容易被干扰，这也意味着超声波传感器很容易受到不利环境条件的影响，如下雨和灰尘。另外，其他声波产生的干扰也会影响传感器的性能，需要通过使用多个传感器和依赖额外的传感器类型来缓解干扰。主要应用于近距离目标检测。
其中传感器主要分类有：
- 无源传感器：相机
- 有源传感器：激光雷达、毫米波雷达、超声波雷达
- 辅助传感器：GPS、IMU、RTK
最先进的感知技术一般基于两种：
- 基于计算机视觉：基于几何模型并利用优化方法寻求最优解来解决视觉感知的问题。
- 基于机器学习：通过数据驱动（data-driven）的回归分类模型如神经网络来解决感知问题。
知识普及
什么是无源传感器和有源传感器？
- 无源传感器：无源传感器也称为能量转换型传感器，它不需要外部电源。在自动驾驶汽车上，无源传感器为无源摄像头传感器。
- 有源传感器：也称为能量转换性传感器或换能器，指将非电能量转化为电能量，只转化能量本身，并不转化能量信号的传感器。在自动驾驶汽车里，雷达、激光雷达和超声波传感器都是有源传感器。
- 区别：两者的区别在于是否需要外部供电。无源传感器，不需要电源就能工作；有源传感器，需要供电才能工作。
毫米波雷达拓展小知识
对于毫米波雷达的定义严格来说，77GHz的雷达才属于毫米波雷达，但实际上24GHz的雷达也被称为毫米波雷达长距离与中距离毫米波雷达都是77GHz，短距离是24GHz。其中，77GHz 毫米波雷达主要用在车的正前方，用于对中远距离物体的探测，24GHz 毫米波雷达一般被安装在车侧方和后方，用于盲点检测，辅助停车系统等。目前4D毫米波雷达的感知研究势头兴起，有望代替激光雷达。
预测模块（Prediction）
通过分析周围环境下其他交通代理（车辆、行人等）的行为模式来预测自动驾驶未来的行驶轨迹。
其中，它的输入就是目标物感知的信息（位置、分类、速度等），而输出周围环境的目标物未来的行驶轨迹。
目前的预测方法主要分类两类：
- 基于模型的预测方法：利用物理系统的运动、动力学、物体的状态、速度、加速度等来预测其未来行驶轨迹。
- 数据驱动的预测方法：利用深度学习（deep learning）等模型去预测轨迹，目前难点是不规则环境下的行人预测（不可预性大）。
规划模块（Planning）：
通过感知系统对周围环境做出的判断以及定位系统的精确定位提供给控制器一个合理的路径规划（可行驶、安全、预知）。
规划模块主要是基于前三个模块的输入（定位、感知、预测）来规划出一条合理的路径。
其中主要输入有：
- 感知系统：告诉我们车的周围有什么，发生什么。
- 地图及定位：告诉你从起点到目的点具体位置和路径。
而输出也是两方面：
- 是面向控制器的，它会提供一条可行的路径以及周围环境的一些约束（车道线宽、车道是否有车等）。
- 是对感知系统的一个反馈，可以在不同工况下如隧道对感知传感器的有一个自适应的参数调整和感知状态更新。
简而言之，规划主要是进行路径规划（最优路径）、行为规划（变道、超车等）、动作规划（行为参数规划），为控制器提供一个上层的输入。
控制模块（Controls/controller）
根据自身的条件工况和现在的状态（如油门、刹车、方向盘以及车自身的位置等）通过调整其参数能够更加准确地、舒适地追踪这条合理规划路径。
其中主要输入有：
- 路径规划输出的合理规划信息。
- 地图定位输出的车辆位置状态信息。
而输出主要有：
- 合理的轨迹。
- 油门，刹车，方向盘的参数命令。
总而言之，控制模块是面向控制器上进行的开发及参数调整，主要是控制油门、刹车、方向盘进行一个安全、舒适的自动驾驶行驶操作。
总结
本文主要从自动驾驶汽车的概念出发、介绍了自动驾驶目前的等级分类，以及自动驾驶汽车的体系结构和核心模块，其中感知模块中又为大家介绍了目前常用几种感知传感器的性能和应用，这篇文章希望对初步者或者想要了解自动驾驶行业的同学们有一定的帮助。
初来写作，喜欢的朋友们动动小手点个关注，我会定期分享我的一些知识总结和心得体会，感谢大家！