无人驾驶汽车的工作原理

　　无人驾驶汽车的工作原理
　　在美国国家公路交通安全管理局美国运输部（NHTSA）近日发布了对自驾车技术的当前状态的概览报告。
　　根据该报告，自动驾驶汽车技术仍处于研发阶段。下面给出的地图描绘了美国的受控测试地点，这些地点使用建模，仿真和道路上的自动驾驶汽车组件和系统。
　　资料来源：美国国家公路交通安全管理局
　　本文旨在提供有关自动驾驶和自动驾驶汽车目前在现实世界中的运行方式（从硬件到软件）的基本信息和入门信息。
　　我们将本文分为三个部分：
　　18
　　什么构成无人驾驶汽车（自动驾驶级别）
　　自动驾驶汽车如何与彼此及其周围环境互动
　　Google的Waymo和Tesla的Autopilot如何运作的最新示例
　　我们将从检查自治级别开始：
　　无人驾驶汽车的自主程度
　　根据SAEInternational的说法，自动驾驶汽车具有五个级别的自主权：
　　资料来源：SAEInternational
　　级别1：这是系统和操作员共享控制权的低级别自动化。例如，自适应巡航控制功能控制发动机和制动功率，以实现速度变化和维护，而驾驶员则控制转向。1级系统可能需要随时进行全面的人为控制。
　　级别2：在此级别上，虽然系统控制着车辆操作（例如加速，制动和转向），但需要驾驶员对自动驾驶系统进行持续监控。许多2级车辆要求驾驶员握住方向盘，以使自动驾驶系统持续运行。
　　28
　　级别3：属于此类别的自动驾驶汽车允许驾驶员执行其他任务（例如发短信或看电影），而系统则控制了大多数汽车的运行。但是，对于车辆制造商指定的某些操作，该系统需要驾驶员在有限的时间内进行干预。
　　级别4：该级别支持自动驾驶，而驾驶员的干预最少，但它仅在选定的，称为地理围栏区域的地图位置中支持。
　　级别5：不需要人工干预。
　　尽管5级自治是许多自动驾驶汽车公司的共同梦想，但它们各自达到5级自治的途径却大不相同。一些公司认为3级和4级自治太危险了，因为从机器到人的交接可能是不可预测的并且是危险的（从发短信或看电影转向摆脱事故可能是不切实际的期望）。
　　无人驾驶汽车如何与周围环境互动
　　根据美国运输部的说法，互联和自动驾驶车辆可以通过三种方式相互通信及其周围环境：
　　车对车（V2V）交互
　　自动驾驶汽车之间的V2V交互允许在路线，拥堵，障碍物和危险方面进行信息交换。
　　例如，如果自动驾驶汽车遇到事故或交通流量大但行驶缓慢的情况，它可以将信息中继到其他自动驾驶汽车，后者可以根据接收到的数据调整其路线，并有可能避免事故和交通。
　　车辆到基础架构（V2I）交互
　　自动驾驶汽车可以与基础设施组件（例如智能停车系统）进行通信，以计划路线并在旅程开始之前预留停车位。
　　该信息在自动驾驶汽车必须确定到达目的地（平行，垂直或成角度）时如何停车时特别有用。此外，其他无人驾驶汽车会提前“知道”特定的停车位是否已经预留或开放。
　　车辆到行人（V2P）交互
　　该V2P相互作用主要是进行自驾车和行人的智能手机应用程序之间。
　　据明尼苏达大学（UniversityofMinnesota）称，它资助了一个名为“移动无障碍行人信号”（MAPS）的V2P原型。视觉受损的行人可以使用MAPS分别接收和提供有关交叉路口和行人位置的信息。然后，自动驾驶汽车将使用这些数据以及汽车传感器和LiDAR提供的数据，以更准确地定位行人并可能避免碰撞。
　　38
　　当前无人驾驶汽车和工作部件的例子
　　谷歌和特斯拉是当前自动驾驶汽车领域最大的参与者。为了更好地了解自动驾驶汽车的实时工作原理，本文详细介绍了Google的Waymo和特斯拉的Autopilot的运作方式。
　　谷歌的Waymo
　　根据Google的说法，Waymo是4级自治系统，需要最少的人工干预。
　　Waymo的硬件基础架构
　　下面提供了Waymo硬件的描述性图像：
　　资料来源：谷歌
　　Waymo的基础设施包括各种传感器，雷达和摄像头系统。
　　激光雷达传感器
　　根据Google的说法，Waymo具有能够在不同照明条件下运行的多层传感器套件。该传感器套件本质上是一种全向LiDAR系统，包括短距离，高分辨率中距离和远程LiDAR。这些激光雷达每秒投射数百万个激光脉冲，并计算光束从表面或人身上反射并返回自动驾驶汽车所需的时间。
　　48
　　据报道，Waymo基于从LiDAR光束接收的数据，创建了周围环境的3D地图，识别了移动和不固定的物体，包括其他车辆，骑自行车的人，行人，交通信号灯和各种道路特征。
　　视觉系统
　　Waymo的视觉系统是另一套全向高分辨率相机套件，据称能够在弱光条件下识别颜色。这有助于检测不同的交通信号灯，其他车辆，建筑区域和应急灯。
　　雷达
　　Google称Waymo使用雷达系统通过波长在不同的光和天气条件（例如雨，雪和雾）周围“行进”来感知物体和运动。该雷达系统也是全向的，可以在自动驾驶汽车周围360度跟踪行人和其他车辆的速度。
　　辅助传感器
　　Waymo还补充了额外的传感器，这些传感器包括用于检测紧急警报的音频检测系统和用于跟踪物理位置的GPS。
　　Waymo的自动驾驶软件
　　谷歌声称Waymo的自动驾驶软件已经基于“50亿英里的模拟驾驶和500万英里的公路驾驶体验”进行了培训和测试。它由机器学习算法提供支持。
　　根据Google的说法，Waymo的4级技术可以检测和“理解”物体及其行为，并通过三方面的过程来调整自动驾驶汽车的行为。
　　感知
　　据报道，Waymo可以检测，识别和分类道路上的物体（包括行人和其他车辆），同时随时间测量其速度，方向和加速度。
　　例如，Waymo的感知软件从传感器和雷达收集数据，并创建周围环境的模拟“视图”。由于此功能，Waymo能够确定路灯变绿时，路灯变绿时是否可以继续通过交通，或通过交通锥指示的阻塞车道来调整路线。
　　行为预测
　　根据Google的说法，Waymo可以根据物体的分类来预测物体在道路上的行为，方法是从使用“数百万英里的驾驶经验”构建的训练模型中推断数据。
　　58