无人驾驶概况及技术简析

无人驾驶概况及技术简析2024年4月3日无人驾驶概况及技术简析一、无人驾驶发展历史二、无人驾驶关键技术三、无人驾驶实践与展望报告内容1.1无人驾驶发展史1958年，美国通用汽车展出了Firebird3。1984年，卡耐基梅隆大学研发了全世界第一辆真正意义的无人驾驶车辆。1995年，卡耐基梅隆大学Navlab5完成从匹兹堡到圣地亚哥约4585公里的无人驾驶试验。1997年美国PATH计划无人公路系统实验，演示了自适应巡航、超车换道、车辆编队等功能。进入21世纪后，美国国防部先进研究项目局举办了DARPA挑战赛，掀起了无人驾驶技术研发的热潮。1994年，普罗米修斯项目无人驾驶车辆在高速公路上混入正常交通流行驶。195619771984199420世纪1977年，日本筑波工程研究实验室开发了第一个基于摄像头自动驾驶汽车。1995199721世纪1999Mobileye建立，公司的使命定为开发和推广一个视觉系统。1.1无人驾驶发展史2003，清华大学研制成功THMR-V型无人驾驶车辆。2007年开始，Mobileye驾驶辅助系统芯片EyeQ芯片被安装到汽车中。2009年，Google已完成多款无人驾驶样车，以及近100万公里的实际道路测试。2011年，柏林自由大学顺利完成拥堵交通流、交通信号灯及环岛通行等诸多项目。2014年，宝马、奔驰、奥迪相继推出交通拥堵助手。20032007200921世纪201120142015年，google无人车完成美国加州公路测试。20152016年1月，Uber推出无人驾驶载客服务。20161.1无人驾驶发展史2017年7月，全球首款L3自动驾驶量产车奥迪A8正式发布。2016年9月，Uber在匹兹堡市向公众开放无人驾驶汽车出行服务。2016年4月，Driver.ai获得美国加利福尼亚州测试无人驾驶汽车执照。2016年8月，nuTonomy无人驾驶出租车在新家破投入试运行。2016年12月，ChrisUrmson成立了自己的自动驾驶创业公司。2016年1月，初创公司Nauto使用行车记录仪实现ADAS功能。2016年12月，Google剥离无人车部门为独立子公司Waymo。2016年2017年2016年10月，Zendrive推出驾驶员保护功能。2017年8月8日，Mobileye将与英特尔的自动驾驶部分合并。2017年1月，Quanergy公司的SolidStateLiDARS3获得了汽车无人类的最高奖项。1月9月12月4月8月10月1月7月8月1.2汽车巨头布局无人驾驶公司宣布日期自动驾驶商业日期具体业务丰田2015年1月2020年力争在2020年左右实现自动驾驶汽车的商品化，投入市场销售日产2013年2020年到2020年，将推出多款打在商业化自动驾驶技术的量产车型大众2015年11月2020年将推出辉腾电动版，采用最新的自动驾驶技术奔驰2015年1月2020年奔驰S500已开始自动驾驶路试，并推出HighwayPilot系统，用于卡车。未来的商用时间预计在2020年左右。通用2013年9月2020年计划于2020年前推出首款无人驾驶汽车凯迪拉卡SRX。现代2015年5月2020年预计到2020年，具备无人驾驶功能的现代汽车将率先投入商用。起亚2016年1月2025年CES展上推出全新DriveWise子品牌，包含驾驶辅助和半自动驾驶。2016年集中在ADAS领域，关注安全和便利度；2020年实现部分自动驾驶功能，安心和无事故；2025年实现高度自动驾驶功能；2030年实现完全自动化，提升生活品质。谷歌2015年1月2020年希望在2020年推出全自动无人驾驶汽车。博世2015年4月2020年在2016年CES展发布逆行预警、HighwayPilot系统；预计在2020年高速公路将实现自动驾驶技术。沃尔沃2015年11月2020年发布Intellisafe自动驾驶计划，到2020年实现高度自动驾驶计划。福特2015年6月2019年搭载预碰撞和行人检测技术蒙迪欧车型已经在欧洲上市，于明年在美国上市，而包括预碰撞技术在内的多项无人驾驶技术将于2019年在全球范围内普及。百年汽车产业核心竞争力转移图19世纪20世纪21世纪时间汽车工业核心竞争力底盘结构机械轮胎传动车身能源碳排放发动机被动安全电气模块化线控和数控主动安全汽车电子新能源电动汽车轻量化

数字汽车驾驶系统智能化自动驾驶7

信息技术和无人制造成为热点，无人驾驶集位置服务、车联网和机器人等技术于一身，无论是实践云计算、物联网，还是研发机器人，无人驾驶都被推到风口浪尖，占有重要位置。1.3无人驾驶汽车分级标准

9NHTSASAESAE称呼定义驾驶操作环境感知极限工况应对工况L0L0无自动化人类驾驶驾驶员驾驶员驾驶员-L1L1辅助驾驶对方向盘或加减速中的一项操作提供驾驶支持。驾驶员系统部分L2L2部分自动化对方向盘和加减速中的多项操作提供驾驶支持,不能解放驾驶员的注意力。系统L3L3有条件自动由自动驾驶系统完成所有的驾驶操作，需要人类监督干预。系统L4L4高度自动化在特定道路范围和天气条件下，由自动驾驶系统完成所有的驾驶操作。系统L5全自动化在所有人类驾驶者可以应付的道路和环境条件下，由自动驾驶系统自主完成所有的驾驶操作。全部发展路线：渐进式以传统的汽车厂商为代表，从ADAS切入，“渐进式“地从高级辅助驾驶实现到无人驾驶的过渡。倒车提醒语音导航疲劳驾驶提醒后景前视自动换道自动泊车自适应巡航夜间自动行车城际高速自动驾驶自动防侧碰撞自动跟随行驶自动防追尾湿滑路面自动驾驶……发展路线：渐进式L3级奥迪A8全球首款量产版自动驾驶汽车：1个激光雷达，5个毫米波雷达，5个摄像头，12个超声波雷达。发展路线：颠覆式以Google、百度、Uber等为代表的互联网公司，通过价格高昂的传感器(激光雷达为主)，“一步到位”地实现完全无人驾驶。发展路线：混血儿以Tesla等为代表的一边自己造车，但不按传统汽车厂的路线发展无人驾驶，另一边利用互联网思维发展无人驾驶技术，利用上路产品作为测试无人驾驶系统Bug的手段，同时又打着低成本的牌。2016年5月全球首例自动驾驶致死事故1.4百度Apollo计划2017年4月19日，百度发布一项名为“Apollo”的计划无人驾驶领域的安卓以感知为主的传感器设备的精度不高，在完全开放的环境下，由于天气、关系、突发的路况，无法实现100%的安全，技术鲁棒性不足。以激光雷达为代表的核心传感器成本仍是商业化量产的最大阻碍。人类意图的形式化问题，测试与验证方面的工作量。政策、法规及车辆联网基础设施的建设是一个复杂的系统工程。1.5面临的问题无人驾驶概况及技术简析一、无人驾驶发展历史二、无人驾驶关键技术三、无人驾驶实践与展望报告内容无人驾驶如何受脑科学启发？182.1驾驶认知形式化

从人的视听觉感知切入研究脑认知，用机器模拟人脑对安全驾驶的自学习和驾驶技能积累能力，模拟人脑对驾驶环境的感知、认知、决策和行为控制。尤其重要的是驾驶脑并不模拟在驾驶过程中与安全驾驶无关的驾驶员的其它认知活动，如机器驾驶脑对路边美女、对周边车辆品牌等的认知，都不会有任何兴趣！聚焦：性格工作记忆长期记忆情绪学习和思维反馈动机感觉记忆认知工作记忆感觉记忆在线行动动态感知态势分析自主决策精准控制（小脑）长期记忆行动感知20学习和思维动机长期记忆1/4/8/32/64线

激光雷达雷达传感器24/60/76GHz

毫米波雷达雷达预处理雷达预处理摄像头预处理摄像头预处理中&左右耳摄像头右摄像头摄像头预处理左摄像头视觉传感器定位传感器位置数据北斗GPSRTK

轮速计惯导CAN总线数据OBD接口车速车姿惯导车姿传感器小脑驾驶地图控制二次规划人机交互驾驶先验知识：各类记忆棒一次路径规划驾驶态势CT图短期记忆驾

驶

态

势

图

簇SLAM驾驶态势CT图驾驶态势CT图驾驶态势CT图驾驶态势CT图驾驶态势CT图驾驶态势CT图驾驶态势CT图驾驶态势CT图驾驶态势CT图肢体执行机构紧急干预认知域行动域感知域21传感器传感器传感器传感器传感器传感器数据接收层数据处理层对数极坐标系下的二维数据矩阵驾驶态势图(动态部分)SLAM驾驶地图驾驶态势图(静态部分)执行机构历史图1历史图2历史图8历史图9感知层认知层决策层执行层场景理解与处理方法行为决策路径规划222.2关键技术：目标感知在复杂行驶环境下自主式与协同式的动静态目标检测与跟踪技术，重点解决检测的准确性、鲁棒性和实时性。2.2关键技术：目标检测算法20162014基于RegionProposal的算法利用深度学习进行目标检测的开山之作，开启了基于深度学习目标检测的热潮提出区域建议网络RPN网络，极大提高候选框提取速度NIPS2015FasterR-CNNCVPR2014R-CNN66%mAP0.02fps73.2%mAP7fps基于回归方法的算法直接在图像的多个位置上回归出这个位置的目标边框以及目标类别CVPR2016YOLO结合YOLO中的回归思想和Faster

R-CNN中的RPN机制ECCV2016SSD63.4%mAP45fpsSSD300：74.3%mAP46fpsSSD500：76.8%mAP19fps时间发展度VOC2007在给定的图像上选择一些候选的区域，然后对这些区域提取特征，最后使用训练的分类器进行分类传统算法DPM（HOG+SVM）2.2关键技术：FasterR-CNNRPN……LastconvfeaturemapROIPoolingFCLayerPersoncarbicycle……BoundingboxComputeCNNfeaturesproposals(1)用RPN生成建议窗口(proposals)，每张图片生成300个建议窗口；(2)把建议窗口映射到CNN的最后一层卷积featuremap上；(3)对分类概率和边框回归(Boundingboxregression)联合训练。2.2关键技术：目标感知显著提高识别分类精度以及收敛速度；采用车载NVIDIATX1（15W）运算可达120帧/秒；物体识别率提高将近5%基于深度学习的视觉和LiDAR数据融合方法2.2关键技术：目标感知2.2关键技术：场景认知实现拟人认知过程中场景理解、目标危险行为预判和轨迹生成预测问题。速度变化量转角变化量可用路权及其变化驾驶态势图驾驶态势融合模块自主决策模块控制模块在线执行模块态势记忆池决策记忆池瞬间记忆池驾驶态势图驾驶态势图驾驶态势图驾驶态势图驾驶态势图驾驶态势图场景认知数据流程图GPS雷达摄像头感知理解模块长期记忆池1/2路段记忆1/16路口记忆险情记忆困境记忆泊车记忆反馈反馈反馈反馈点云中隐含着导航、周边障碍物和SLAM数据基于高精度RTK、CPS、MEMSIMU以及车辆动力学信息的最优融合算法融合视觉、激光等多种传感器，实现多种传感器信息的误差消除、补偿和融合多尺度定位地图自学习以及基于地图的高精度匹配和位置估计算法智能驾驶定位系统30智能驾驶定位系统传感器数据定位比较32传感器数据融合参考文章：GPS/IMUDataFusionusingMultisensorKalmanFiltering：IntroductionofContextualAspects.2.2关键技术：自主决策动态场景中拟人行为决策方法和路径规划及避障方法，需要解决决策的有效性和实时性。2.2关键技术：基于强化学习的决策框架控制器执行器数据输入运动指令控制指令控制反馈环境输入端输出端车辆

PolicyIteration

Q-learningOBD车辆信息摄像头雷达GPS惯导感知2.2关键技术：精准执行工控机摄像头CAN总线激光雷达GPS+惯导毫米波雷达IPAD人机界面油门控制器制动控制器电源控制器转向控制器传感器电源灯光喇叭自动驾驶状态转向电机节气门开度电机、保压阀以太网2.2关键技术：端到端学习参考文献：EndtoEndLearningforSelf-DrivingCars，NVIDIACorporation神经网络训练CNN网络架构无人驾驶概况及技术简析一、无人驾驶发展历史二、无人驾驶关键技术三、无人驾驶实践与展望报告内容39项目规格自车车速65公里/小时以上或根据用户定义道路类型结构化道路（高速道路、一级公路、车道线清晰的二、三级公路），非极端恶劣条件，参考LKA天气条件表）道路曲率半径>=250m车道类型单侧车道线、双侧车道线车道线样式符合国家规定的实线、虚线、双线（双实线、虚实线及组合线）车道线颜色符合国家规定的白色、黄色车道线车道线检测范围最大3车道检测或按IFV系统能力报警时机车轮外缘距车道线内侧100mm（可标定）以内时提供报警警告率95%以上（各种环境下，车道标线清晰）LKA环境条件的工作能力表AEB工作的车速范围表LDW技术指标表光照条件天气条件Dawn0.5%Clear92%Day69%Rain7%Dusk4%Snow1%Night26.5%Haze0.5%功能车辆行人Min(km/h)1010Maxstationarytarget(km/