【關注】自動駕駛技術與實例最全解析

汽車自動駕駛系統（Motor Vehicle Auto Driving System），是一種通過車載電腦系統實現無人駕駛的智能汽車系統，其結構一般分為：感知系統、決策系統、執行系統3個部分。

１

汽車自動駕駛技術基礎知識

1.0 感知系統

感知系統，是用攝像頭（眼睛）看前面的路，還在用雷達（耳朵）聽車周圍（前、後、左右）的車、人及實體的，甚至會用信息識別單元（大腦）在分析、判斷。感知系統由三部分組成，傳感器、高精度地圖、信息識別單元等。

（1）傳感器，主要有光學攝像頭和雷達，相當人的眼睛和耳朵，其主要功能是車輛收集周圍的「即時信息」。為無人駕駛車輛提供完整、準確的環境數據，長用的傳感設備包括：

(a)光學攝像頭；(b)光學雷達（LiDAR）；(c)微波雷達；(d)導航系統等。

（2）高精度地圖，提供的環境信息中相對固定、更新周期較長的信息,比如車道標記、路緣、交通信號燈等；

（3）信息識別單元，對傳感器接收到信息，利用深度學習等手段，對信息進行識別，目前對外界事物進行準確識別基本算法和技術有：誤差反向傳播算法和先進的數字攝像技術。

1.1攝像頭是眾多預警、識別類ADAS功能的基礎

1）攝像頭的主要應用

車載攝像頭對於智能駕駛是必不可少設備，主要應用於：車道偏離預警（LDW）、車道保持輔助（LKA）、前向碰撞預警（FCW） 行人碰撞預警（PCW）、全景泊車（SVP）、駕駛員疲勞預警、交通標誌識別（TSR）。

2）光學攝像頭優缺點

光學攝像頭是最常用的車載傳感器，同時價格最便宜，是場景解讀的絕佳工具，優點是能分辨顏色，缺點是：

（a）對光線過於敏感，比如過暗或過強的光線以及二者之間的快速切變，都足以影響它的成像的效果，尤其是車輛駛入和駛出隧道，更為明顯；

（b）沒有立體視覺效果時，缺乏「深度「，無法判斷物體和相機（車輛））間的距離。

3）光學攝像頭，按安裝位置不同的分類

車載攝像頭布置位置（見圖1）主要包括內視攝像頭、後視攝像頭、前置攝像頭、側視攝像頭、環視攝像頭等。韓國最大的車載攝像頭製造商Mcnex公司預測，當攝像頭成功取代側視鏡時，汽車上的攝像頭數量將達到12個。

圖1 車載攝像頭布置位置

（a）其中前視攝像頭使用頻率最高，一般為廣角鏡頭，安裝在車內前擋風玻璃上較高的位置或者後視鏡上，以實現較遠的有效距離；

（b）單一攝像頭可實現多重功能，如行車記錄、車道偏離預警、前向碰撞預警、行人識別等；

（c）單一前視攝像頭，通過算法開發優化，可以實現多重功能，通過算法整合，實現更多ADAS功能；

（d）單車多攝像頭將成為趨勢。要實現全套ADAS功能，單車需配備至少5個攝像頭。特斯拉Autopilot 2.0的硬體系統中就包含8個攝像頭。

4）攝像頭的感光元件（CMOS）

攝像頭的感光元件，分CMOS和CCD兩種，在百萬像素內，兩者的感光效果差距是不大。CCD價格相對昂貴，而CMOS具有節能、成本低廉等特點，CMOS，是車載車載攝像頭目前首選的感光元件。

5）車載攝像頭的特殊要求

車載攝像頭，工藝與技術門檻較高，除了對模組和封裝要求較高，且對穩定性以及規格上也有特殊要求：

（a)對車輛後方與側面進行攝影的模塊，能夠抑制低照度攝影時的噪聲，即使是在晚上，也必須能很容易地捕捉到影像；

（b）車載攝像頭模塊，水平視角擴大為25°~135°，要實現廣角以及影像周邊部位的高解析度（注意：手機中攝像頭模塊的水平視角大多為55°左）；

（c）車載攝像頭模塊的機身，要求抑制電磁幹擾、機械強度好、有一點耐高溫性;

（d）車載攝像頭模組，是關乎行車安全的組件，還必須能在供電系統暫時斷電時可靠地工作。

1.2圖像信號處理器ISP及核心算法

1）圖像信號處理器ISP

ISP是對前端圖像傳感器輸出信號處理的單元，其架構為邏輯部分以及運營在其上的firmware（固件）。ISP有獨立和集成兩種方案，獨立ISP晶片性能強大，在短期內仍是主流，但成本較高。CMOS傳感器集成（內置）ISP的集成產品（見圖3），成本低、面積小、功耗低、但能夠完成的算法相對簡單，處理能力較弱，後期在處理能力上有望實現新突破。

圖3 圖像信號處理器ISP

其功能包括3A、壞點校正、去燥、強光抑制、背光補償、色彩增強、鏡頭陰影校正等處理。

2）圖像信號核心算法晶片

目前，主流算法晶片方案主要包括：

（a)嵌入式方案,如ARM、DSP、ASIC、MCU、SOC、FPGA、GPU等，其中ARM、DSP、ASIC、MCU、SOC是軟體編程的，難以滿足ADAS視覺系統中對響應速度的要求；

（b）直接編程處理方案,如現場可編程門陣列（FPGA）是可編程器件，速度較高。FPGA編程和優化都是直接在硬體層面進行的，能耗會低很多，在平衡算法和處理速度，尤其是用於前裝並且算法穩定時，FPGA被視為一個推薦方案。

目前對核心算法晶片的要求：

（a）晶片，必須達到車規級的標準，即道路車輛功能安全標準中的ASIL—B甚至ASIL—D級別；

（b）高寬帶，特別是多傳感器融合的晶片，需要更高的晶片頻率，以及異構設計;

（c）硬體的深度學習設計，滿足人工智慧計算模型要求；

（d）較低的成本和能耗，以實現在智能汽車領域的推廣。

3）深度學習法

（a）深度學習，其概念源於人工神經網絡的研究，是機器學習中一種基於對數據進行表徵學習的方法。

（b）深度學習，含多隱層的多層感知器就是一種深度學習結構。觀測值（例如一幅圖像）可以使用多種方式來表示，如每個像素強度值的向量，或者更抽象地表示成一系列邊、特定形狀的區域等;

（c）深度學習，通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現數據的分布式特徵表示;

（d）深度學習的好處是用非監督式或半監督式的特徵學習和分層特徵提取高效算法來替代手工獲取特徵。

（e）卷積神經網絡是第一個真正多層結構學習算法，它利用空間相對關係減少參數數目以提高訓練性能;

（f）深度機器學習方法，也有監督學習與無監督學習之分．不同的學習框架下建立的學習模型很是不同。例如，卷積神經網絡（Convolutional neural networks，簡稱CNNs）就是一種深度的監督學習下的機器學習模型，而深度置信網（Deep Belief Nets，簡稱DBNs）就是一種無監督學習下的機器學習模型。

1.3）現場可編程門陣列（FPGA）板卡（見圖4）

圖4 現場可編程門陣列（FPGA）板卡

FPGA擁有大量的寄存器資源使其能非常好的應對複雜的高速控制應用和數據處理，小到MP3，大到地球衛星，飛船都有其用武之地。PLD（可編程邏輯器件，Programmable Logic Device）的發展經歷了：

(a)可編程只讀存儲器PROM (Programmable Read only Memory);

(b)可編程邏輯陣列器件PLA ( Programmable Logic Array)；

(c)可編程陣列邏輯PAL (Programmable Array Logic)；通用陣列邏輯GAL ( Generic Array Logic)；

(d)複雜可編程邏輯器件CPLD（Complex Programmable Logic Device）;

(e)現場可編程邏輯陣列FPGA(Field Programmable Gate Array）階段。

現場可編程門陣列與傳統邏輯電路和門陣列（如PAL，GAL及CPLD器件）相比，FPGA具有不同的結構。FPGA利用小型查找表（16&TImes;1RAM）來實現組合邏輯，每個查找表連接到一個D觸發器的輸入端，觸發器再來驅動其他邏輯電路或驅動I/O，由此構成了既可實現組合邏輯功能又可實現時序邏輯功能的基本邏輯單元模塊，這些模塊間利用金屬連線互相連接或連接到I/O模塊。

1.4 全景（360°）影像系統圖像拼接技術

360°全景影像系統圖像拼接技術是在車身周圍安裝多個超廣角攝像頭，同時採集車輛四周的影像，經過圖像處理單元矯正、拼接之後，能形成一幅車身四周的全景俯視圖（見圖2）。在屏幕上，可以直觀地，看到車輛所處的位置以及車輛周報的障礙物，從容操縱泊車入位或通過複雜路面。

圖5 360°全景影像系統圖像

1.5毫米波雷達能夠監測到大範圍內車輛的運行情況

微波雷達的原理和雷射雷達類似，但它發射的是無線電波，而不是雷射。微波雷達價格低、體積小,但精度不及雷射雷達。毫米波的波長介於釐米波和光波之間， 毫米波兼有微波制導和光電制導的優點：

(a) 它較大的波長可以穿透霧、煙、灰塵等,雷射雷達難以穿透的障礙，較好免疫惡劣天氣；

(b)同釐米波導引頭相比，毫米波導引頭具 有體積小、質量輕和空間解析度高的特點；

(c)與紅外、雷射等光學導引頭相比，毫米波導引頭穿透霧、煙、灰塵的能力強，傳輸距離遠，具有全天候全天時的特點；

(d)毫米波雷達，性能穩定，不受目標物體形狀、顏色等幹擾。能很好的彌補了如紅外、雷射、超聲波、 攝像頭等其他傳感器在車載應用中所不具備的使用場景。

這些特性使得毫米波雷達能夠監測到大範圍內車輛的運行情況，同時對於前方車輛的速度、加速度、距離等信息的探測也更加精準，因此是自適應巡航（ACC）、自動緊急剎車(AEB) 的首選傳感器。目前24GHz毫米波雷達系統是市場的主力產品，77GHz毫米波雷達系統，是未來的趨勢。

圖6 毫米波雷達產品外形及結構

毫米波雷達（見圖6）的探測距離一 般在150m-250m之間，有的高性能毫米波雷達探測距離甚至能達到300m，可以滿足汽車在高速運動時探測較大範圍的需求。毫米波雷達應用於汽車的防撞系統，其基本原理（見圖7）：車載毫米波雷達利用電磁波發射後遇到障礙物反射的回波對其不斷檢測，計算出與前方或後方障礙物的相對速度和距離。

圖7 汽車防撞雷達原理框圖

當車輛行進中時，發射機產生的雷達窄波束向前發射調頻連續波（FMCW）信號，當發射信號遇到目標時被反射回來，並為同一天線接收，經混頻放大處理後:

(a)根據其差拍信號時間差，來表示雷達與目標的距離；

(b)根據差頻信號相差與相對速度關係，計算出目標對雷達的相對速度及危險時間;

(c)從而通過防撞系統對車輛做出預判警告。

1.6雷射雷達是將成為一種不可替代的傳感器

雷射雷達（見圖8），即利用雷射來進行探測和測量。其精度有優良。其原理是向周圍發射脈衝雷射，遇到物體後反射回來，通過來回的時間差，計算出距離，從而對周圍環境建立起三維模型。

（1）雷射雷達具有非常優越的性能

(a)雷射雷達解析度高，並且探測距離很長，在200米以上；

(b)雷射的波長短，所以可以探測到非常微小的目標;

(c)雷射雷達可以獲得極高的角度、距離和速度解析度，可以利用都卜勒成像技術獲得非常清晰的圖像;

(d）雷射直線傳播、方向性好、光束非常窄，彌散性非常低，探測精度高；

(e)雷射抗有源幹擾能力強。自然界中能對雷射雷達起幹擾作用的信號源不多。

（2）車用雷射雷達類別

圖8 不同規格車用雷射雷達產品

雷射雷達是一種通過發射雷射束探測目標的位置、速度等特徵量的雷達系統。雷射波段位於0.5μm-10μm，以光電探測器為接收器件。按雷達頻段分，可分為超視距雷達、微波雷達、毫米波雷達以及雷射雷達等。

（3）雷射雷達的空間建模

三維雷射雷達一般安裝在車頂， 可以高速旋轉，主要功能：

(a)以獲得周圍空間的點雲數據，從而即時繪製出車輛周邊的三維空間地圖；

(b)可以測量出周邊其他車輛在，三個方向上的距離、速度、加速度、角速度等信息；

(c)結合 GPS 地圖計算出車輛的位置；

以上龐大豐富的數據信息傳輸給 ECU，經 分析處理後，可以供車輛快速做出判斷。

（4）車用雷射雷達方案

雷射雷達儘量要被做成小體積直接嵌入車身，意味著要將機械旋轉部件做到最小，有許多廠家改為固定雷射光源，通過內部玻璃片旋轉的方式改變雷射光束方向，實現多角度檢測的需要。

車用雷射雷達方案有以地圖為中心和以汽車為中心兩者方案：

(a)以地圖為中心：雷射雷達可以繪製高精度地圖，以Google和百度等網際網路企業的無人駕駛汽車是以地圖為中心；

(b)以汽車為中心：對整車企而言，要一款專為汽車量身定製的雷射雷達產品。不同的汽車，對雷射雷達產品有自己的要求。

1.7高精度地圖系統

1）高精度地圖是面向自動駕駛汽車導航地圖

傳統導航地圖（見圖9 （a）是針對人工駕駛汽車的,高精度地圖（見圖9 （b））是面向自動駕駛汽車，實時性、複雜路況和高可靠性等車規級附加的要求的，其精度已經實現釐米級的誤。

目前高精度地圖有輔助環境感知功能：在高精地圖上標註詳細道路信息，輔助汽車在感知過程中進行驗證。比如車輛傳感器感知到前方道路上的坑窪，可以在跟高精地圖中數據對比，如果地圖中也標記了同樣的坑窪，就能起到驗證判斷的作用。

2）高精度地圖組成

高精地圖分為兩個層級（見圖10），最底層的是靜態高精地圖，上層是動態高精地圖，含有：

(a)車道模型：即引導車輛從A地開往B地的道路規劃，包括車道上詳細信息的和連接關係。

(b)道路部件（Object）：包括交通標誌、指示牌、龍門架、路杆等路側及路面的各類物體，當車輛傳感器探測到這些道路物體，然後再對比地圖，便可得知車輛的精確位置。

(c)道路屬性：包括道路的曲率、航向、坡度以及橫坡，幫助車輛執行轉向、加減速。

(d)多傳感器定位的特徵圖層。

圖10 高精度地圖組成

動態高精地圖：由於路網每天都有變化，如道路標識線磨損及重漆、交通標示改變等、如道路擁堵情況、施工情況、是否有交通事故、交通管制情況、天氣情況等動態交通信息。這些變化需要及時反映在高精地圖上，以確保無人車行駛安全。

4）導航地圖與高精地圖的主要區別

主要體現在使用者不同、用途不同、所屬系統不同、要素和屬性不同。

（a)導航地圖的使用者是人

導航地圖用於人工導航、搜索,在車內屬於車載信息娛樂系統，帶顯示屏，要素跟屬性方面，導航地圖僅包含簡單道路線條、信息點（POI）、行政區劃邊界，基礎道路導航功能，包括由A地到B地的路徑規劃，車輛和道路的定位匹配。

（b)高精地圖的使用者是計算機

高精地圖屬於車載安全系統，包含曲率、坡度、航向、橫坡等數學屬性（見圖11）。用於高精度定位、輔助環境感知、規劃與決策，包含詳細道路模型，包括車道模型、道路部件、道路屬性和其他的定位圖層。具備輔助完成實現高精度的定位位置功能、道路級和車道級的規劃能力、以及車道級的引導能力。

圖11 道路數學屬性

5）高精地圖等級劃分

高精地圖精度，分兩個維度：一是地圖本身的精度，二是高精地圖對自動駕駛的汽車實時精準定位的精度，業內對產品的要求是都要控制在10cm以內。

從數據的精確度和豐富度來講，高精地圖等級設定為三個等級，分別是：

(a)L2級(ADAS用的):業內稱為ADAS Vector Map;

(b)L3級高精地圖:也稱為Vector Map、Intensity Map、Objects Map;

(c)L4級的高精地圖:業內稱為Occupancy Map。

對於高精地圖來說，必須做到實時更新。要想實現 L3 級別和更高的自動駕駛，必須要使用到高精地圖。

目前高精度地圖採集方案均基於移動測量技術，是對於路面信息，進行精度更高的掃描和處理後生成的地圖。通過32線/16線車載雷射雷達＋相機採集道路數據，AI算法＋三維人機互動軟體完成地圖繪製，其精度均達到5-10釐米的誤差。

5）ADAS（主動安全場景）的地圖

ADAS（主動安全場景）的地圖是介於普通的導航電子地圖和高精度地圖之間的。ADAS 對地圖的精度要求不是很高，在普通的導航電子地圖精度上，需要追加一些 ADAS 屬性，比如曲率、坡度、Heading Angle、更加精確的車道數量等屬性，製作成本相對不高。

(a)依據目前車速、汽車剎車速度及司機反映時間，有一個自適應速度建議，ASR ( Adaptive Speed Recommendation ) 功能;

(b)會提前 50-300 米提醒用戶減速;

(c)在有轉彎 ( curve ) 的路段，ASR 會綜合路寬、車道數目、整個路況等因素計算合理的汽車速度,提醒用戶減速。

1.8高精度定位

高精度定位：把自動駕駛汽車上傳感器感知到的環境信息與高精地圖對比，得到車輛在地圖中的精確位置。高精地度起到了高精度定位、輔助環境感知、規劃與決策等功能。

自動駕駛通過人工智慧算法決策做出車道及路徑規劃，給制動、轉向、加速等控制器下達指令，控制車輛開往目的地。

（1）高精度定位系統構

高精度定位系統由移動站和局部基站構成（見圖10）。移動站安裝於車輛，局部基站安裝於樓頂。

圖13 高精度定位系統

（a)局部基站是整個定位系統的基準框架，長期連續跟蹤觀測衛星信號，通過無線數傳電臺實時播發基準站差分改正信息，並實時為各車載移動站提供高精度的載波相位差分（Real-time Kinematic，RTK）數據及起算坐標。

(b)移動站接收來自空間衛星信號及局部基站數據，進行 RTK 實時解算，求得釐米級的高精度實時坐標。

圖14 車載移動站示意圖

２

自動駕駛的決策系統

自動駕駛決策系統負責路線規劃和實時導航。規劃和實時導航不僅高精度數字地圖，還要V2X通信網絡技術的支持。

2.1自動駕駛的作業系統

（a）作業系統，它是支持電腦基礎運作的軟體，例如任務安排、執行應用程式以及控制外部設備；

（b）自動駕駛的作業系統要統一協調安排自動駕駛汽車的硬體各種雷達、攝像頭、聲吶等傳感器等硬體,組織成一個整體系統；

（c）自動駕駛的作業系統必須內置高級的人工智慧，引導自動駕駛的人工智慧作業系統；

（d）自動駕駛汽車的作業系統必須絕對安全可靠，即支持汽車的基礎功能和高級功能，並對接受的到數據實時回饋；

（e）自動駕駛必需要求非常嚴苛的作業系統，必須知道現在汽車在哪裡，知道周圍有什麼，能預期接下來會發生什麼並做出怎樣的應對反應;

（f）無論是從複雜程度還是從監控廣度上，自動駕駛的作業系統，都應該優於電腦或者智慧型手機的作業系統

2.2ARM嵌入式Linux系統

（a）ARM嵌入式Linux作業系統。ARM-Linux程序的開發，主要分為三類：應用程式開發、驅動程序開發、系統內核開發，針對不同種類的軟體開發，有其不同的特點。

（b）自動駕駛汽車的作業系統三大核心能力：實時反饋、完全的可靠性，以及趕超人類的感知能力。管理自動駕駛汽車的作業系統在監控支配汽車時的反應必須精確到微秒級。

2.3自動駕駛處理器(晶片)

英偉達最新自動駕駛處理器，每秒30萬億次運算，功率僅30瓦。圖片顯示的接口是支持的雷達、傳感器、攝像頭的

圖15 Xavier晶片板

2.4算法

預估模型（見圖16）不同速度條件下的適應性算法，車輛當前航向角與航向變化預估量之和作為航向反饋量，期望航向與航向反饋量的差值則作為經典 PID 控制器的輸入偏差計算期望前輪偏角 δ。

圖16 軌跡跟蹤算法預估模型

預估模型是電動轉向器控制的基本理論依據。

３

自動駕駛的執行系統

執行系統也是底層控制系統，負責執行汽車的剎車、加速、轉向的具體操作。工程師們通過特製的「線控裝置」控制方向盤和油門，取代人類司機的手和腳。

3.1線控裝置

線控是的機電行業特定短語，是機電控制的一種物理控制方式。線控系統是用電空系統替代機械系統或者液壓系統。主要是指信號發生器與信號接收器之間的連接方式是通過線纜或其他動作傳到物體進行連接的。

簡單地說，自動駕駛汽車的線控執行，主要包括線控轉向、油門和制動。最難的部分是線控執行中的制動。

(1)線控轉向系統

線控轉向系統（Steer By Wire，SBW）去掉了轉向盤和轉向輪之間的機械連接，具有操縱性、穩定性能更優的特點，且作為主動轉向幹預的一種方式。SBW系統結構如下圖（17），主要分為三個部分：

(a)轉向盤系統，包括轉向盤、轉矩傳感器、轉向角傳感器、轉矩反饋電動機和機械傳動裝置；

(b)電子控制系統，包括車速傳感器，也可以增加橫擺角速度傳感器、加速度傳感器和電子控制單元以提高車輛的操縱穩定性；

(c)轉向系統，包括角位移傳感器、轉向電動機、齒輪齒條轉向機構和其他機械轉向裝置等。

圖17 線控轉向系統（Steer By Wire，SBW）結構

（2）電助力轉向系統

圖18 接觸式EPS電動助力轉向總成及原理

（3）線控油門系統

（a）線控油門系統的優點

控制靈敏、精確，發動機能根據汽車的各種行駛信息精確地調節空燃比，改善發動機的燃燒狀況，提高動力性和燃油經濟性。還可與油壓、溫度和廢氣再循環電子信號結合，減少廢氣排放。減少機械組合零部件，相應減輕機械結構的重量，降低機械零部件的維修機率。

（b）線控油門系統組成

線控油門主要由油門踏板、踏板位移傳感器、電控單元(ECU)、數據總線、電機和油門執行機構組成。

（c）線控油門系統工作原理

位移傳感器安裝在油門踏板內部，隨時監測油門踏板的位置，隨時監測油門踏板位置，當監測到油門踏板高度位置發生變化時，會瞬間將此信息傳送至伺服電機，由伺服電機驅動油門執行機構實行油門控制。

（4）線控制動系統

主動安全的線控制動功能（Brake by wire）,是電子控制單元及傳感器組成的系統，目前有：

（a）電子輔助制動系統（EBA）;(b)適應巡航系統（ACC）;(c)停-走系統（SMS）;(d)電子穩定性控制系統（ESC）;(e)主動避撞系統（ABC）;(f)坡路防退系統（HHS）;(g)電子駐車系統(EBC);(h)自動泊車系統（ASC）;

圖19 制動防抱死系統（ABS）原理圖

（5）CAN總線協議

（a）CAN（Controller Area Network）:即控制器區域網，是一種能夠實現分布式實時控制的串行通信網絡。CAN是德國的Bosch公司開發的（和Intel）。(理解：通過CAN控制器能把多個微處理器（CPU）組成一個區域網，即控制器區域網。

（b）CAN優點:使得它能夠被廣泛的應用。比如：傳輸速度最高到1Mbps，通信距離最遠到10km，無損位仲裁機制，多主結構。CAN控制器價格越來越低，很多MCU也集成了CAN控制器。現在每一輛汽車上都裝有CAN總線。

（c）CAN應用場景

圖20 CAN應用場景

(d）CAN總線分類

CAN總線分為高速CAN總線 低速CAN總線。在汽車上，高速信號是用於傳輸ABS、ESP、TCU等電子控制系統，這些系統需要實時的信號處理，所以用的是高速的CAN信號；而例如車燈等基礎設備則不需要高速的實施環境，所以用的是低速的CAN信號。

４

通信系統

4.1 V2X通信網絡技術

V2X 是指車對外界的信息交換，是一系列車載通訊技術的總稱。V2X包含汽車對汽車V2V）、汽車對路側設備（V2R）、汽車對基礎設施（V2I）、汽車對行人（V2P）、汽車對機車（V2M）及汽車對公交車（V2T）等六大類。V2X是分為：

圖21 V2X（車對萬物）通訊模式

(a) 基於網絡的通訊模式，即車對網絡V2N（車對網絡），比如通過網際網路通信；

(b)直接通訊模式，涵蓋了車對車V2V（車對車）、車對基礎設施V2I（車對基礎設施）以及車對人V2P(車對人)，比如通過5G 通信，射頻識別技術（英文：Radio Frequency IDentification，縮寫：RFID)是一種無線通信技術，見圖21）。

圖22 射頻識別技術用於汽車管理

(c)兩種傳輸模式是互補的（見圖22）。

簡單的來說，V2V是一種比較自動駕駛更高級的技術。自動駕駛可以實現自動跟車，可以探測前方200米左右交通情況，並作相應的汽車輔助動作，如自動駕速度，自動剎車，但是它無法遇見前方的前方車什麼狀態，是不是出了意外，這些要求有V2V的技術支持。

4.2電子電器架構

簡單來說，汽車電子電氣架構就是汽車內部各類通信線路、電子控制新晶片、以及現代導航系統、汽車智能網絡構成的電氣系統。電子電氣架構（Electrical/Electronic Architecture），，是由德爾福公司提出的，集合汽車的電子電氣系統原理設計、中央電器盒的設計、連接器的設計、電子電氣分配系統等設計為一體的整車電子電氣解決方案的概念。

通過EEA的設計，可將動力總成、驅動信息、娛樂信息等車身信息轉化為實際的電源分配的物理布局、信號網絡、數據網絡、診斷、容錯、能量管理等的電子電氣解決方案。

優化汽車電子電氣架構設計,可在有效完善汽車綜合性能的同時,控制降低汽車總重量和生產成本,對於現代汽車製造業的進一步發展,具有重要的現實意義。

4.3安全解決方案

自動駕駛車輛安全主要是指，包含安全設計和安全運行兩大主要內容，其中細分為操作安全、環境安全、行為安全、功能安全、質量安全、機制安全和安全進化七大內容。

4.4雲平臺

（1）雲端主要提供兩大功能，包括分布式計算和分布式存儲。雲平臺的第一個應用就是仿真，如圖23所示。

圖23 雲平臺仿真

（2）高清晰度地圖生成

如圖24所示，高清晰度地圖的生成是一個複雜的過程，涉及到很多步驟。包括原始數據處理，點雲生成，點雲對齊，2維反射地圖生成，高精度地圖標記以及最終地圖生成。

圖24 高清晰度地圖生成過程

（3）深度學習模型訓練

自主駕駛使用了多種不同的深度學習模型，所以要持續更新模型來保證它們的有效性和高效性。由於原始數據的量非常的大，僅靠單機是很難快速地完成模型的訓練的，必須開發高可擴展的分布式深度學習系統。

５

自動駕駛車輛實例

1.自動駕駛汽車硬體系統

自動駕駛的硬體系統，可以粗略地分為感知、決策、控制三部分（還有定位、地圖、預測等模塊）。

圖25 自動駕駛的硬體系統

（1）自動駕駛汽車傳感器

自動駕駛使用的感知類的傳感器，主要有雷射雷達、毫米波雷達、攝像頭、組合導航。

圖23 感知類的傳感器

（a）雷射雷達:安裝在車頂，360度同軸旋轉，可提供周圍一圈的點雲信息。雷射雷達不僅用於車輛感知，也用於定位和高精度地圖的測繪。

（b）攝像頭:光線通過鏡頭、濾光片到後段的CMOS或CCD集成電路，將光信號轉換成電信號，再經過圖像處理器（ISP）轉換成標準的RAW，RGB或YUV等格式的數字圖像信號，再通過數據傳輸接口傳輸到計算單元。

（c）毫米波雷達:和雷射雷達有點類似，基本原理是發射一束電磁波，通過觀察回波和射入波的差異來計算距離和速度，主要分24G和77G，它的安裝是在保險槓上面。

（d）組合導航:GNSS+INS融合在一起就是組合導航系統。一是，GNSS板卡，通過天線接收GPS和RTK信號，解析計算出自身的空間位置。二是，當車輛行駛到林蔭路，或者是有些建築物，GPS就會沒信號或者產生多徑效應，定位就會產生偏移和不準。此時需要通過INS的信息融合來進行組合運算。

（2）傳感器設計適用範圍（表1）

表1 傳感器設計適用範圍

（3）傳感器與車速度的關係

（a）不同速度下的剎車距離及參考值（表2）

表2 不同速度下剎車距離計算公式及參考值

目前，我國城市封閉道路限速80，高速最高限速120。通過這個公式能計算出剎車距離，限速120的情況下最少需要150米的探測範圍。

（b）不同速度下制動距離計算公式及參考值（表3）

表2 不同速度下制動距離計算公式及參考值

限速120的情況下，其制動距離，如果能到200米會更好。

（4）傳感器與解析度的關係（見圖24）

圖24 傳感器與解析度的關係

解析度是通過反正切函數來計算的。

2.自動駕駛汽車的計算單元

圖25 自動駕駛汽車計算單元

（a）PCI-Express(peripheral component interconnect express)是一種高速串行計算機擴展總線標準;

（b）乙太網（Ethernet）是一種計算機區域網技術。乙太網是目前應用最普遍的區域網技術，取代了其他區域網標準如令牌環、FDDI和ARCNET；

（c）CAN是控制器區域網路(Controller Area Network, CAN)的簡稱，是由以研發和生產汽車電子產品著稱的德國BOSCH公司開發的，並最終成為國際標準（ISO 11898），是國際上應用最廣泛的現場總線之一。

3.自動駕駛汽車的線控系統

圖26 線控系統總成

自動駕駛車輛的線控系統，分減速、轉向和加速三大部分。

（a）自動駕駛車輛的線控轉向系統

（b）自動駕駛車輛的加速線控系統

（c）自動駕駛車輛的線控制動解決方案(圖29）。MK C1將制動助力以及制動壓力控制模塊(ABS、ESC)集成一個制動單元當這個失效的時候還有一個MK 100保證冗餘。

4. 自動駕駛整車實例

1）Autopilot 2.0的特斯拉自動駕駛汽車

圖30 Autopilot 2.0的特斯拉自動駕駛汽車

（a）該車共配備 8 個攝像頭（3個前置攝像頭（不同視角 廣角、長焦、中等）；2個側邊攝像頭（一左一右）；3個後置攝像頭；12個超聲波傳感器（傳感距離增加一倍）；一個前置雷達(增強版)；一個後置倒車攝像頭），達到 360 度全車範圍覆蓋，最遠檢測可達 250 米；

（b）搭載12顆超聲波前置雷達可以穿越雨、霧、塵環境，豐富視覺系統的探測數據；傳感器，用以輔助偵測，對物體的距離、軟硬精準度有更大的提升；

（c）增強版的毫米波雷達，能夠在惡劣天氣下工作，也能探測到前方車輛；

（d）汽車主板集成了 Nvidia PX2 處理晶片，運算能力比起第一代自動駕駛系統要高 40 倍，其的性能是前款產品的40倍，大幅提升計算能力。

2)Apollo 2.5自動駕駛汽車

圖 31 Apollo 2.5自動駕駛汽車

Apollo 2.5（限定區域內基於視覺的高速自動駕駛），2套新的硬體系統支持：第一套是禾賽的Pandora套件+2個廣角攝像頭+1個毫米波雷達；另一套是單目廣角攝像頭+1個毫米波雷達。

3）東風無人駕駛L4智慧卡車

L4智慧卡車具有自適應巡航系統和車道保持實現自動跟車、遇彎道行駛完全自主轉向等功能。

圖 32 東風無人駕駛L4智慧卡車

4）深圳自動駕駛公交車

車上配有雷射雷達、毫米波雷達、攝像頭、GPS天線等設備，實現自動駕駛下的行人和車輛檢測、減速避讓、緊急停車、障礙物繞行、變道、自動按站停靠等功能。

圖33 深圳自動駕駛公交車

來源：汽車電子網