论文部分内容阅读
摘 要：无人车是指无需人员操控的集环境感知、路径规划、自动控制等功能于一身的地面自主移动车辆系统，可辅助或代替人类在复杂地形条件下完成既定任务。无人车技术是当今前沿科技的重要发展方向，它是一个国家计算机科学、模式识别和智能控制技术发展水平的体现，也是衡量一个国家科研实力和工业水平的重要标志。无人车环境感知技术是无人车其它技术研究的前提条件，本文简要介绍了无人车环境感知技术的概念、基本分类及发展现状和趋势。
关键词：无人车；环境感知；传感器；发展趋势
二十一世纪以后，随着信息技术、智能控制技术、仿真技术等的飞速发展，无人驾驶技术的发展和应用得到了极大的推动。20世纪80年代，美国开发了一种可以在校园道路上自由行驶的8轮无人驾驶车辆。上世纪90年代末，美国国防部开始开发无人驾驶汽车，并成功研制了DEMOIII无人驾驶车。该车采用CCD、激光雷达、微波等多传感器融合系统，实现对环境的感知和障碍物的检测。
我国无人驾驶汽车的研究工作相对滞后，大多采用校企合作的方式。1992，中国国防部成功研制了第一辆真正的无人驾驶汽车。该车采用双目视觉技术检测车道线和交通标志。2015，百度无人驾驶车在北京完成了全自动驾驶测试，实现了车辆减速、车道变换、上下坡道等操作，完成了不同道路场景的切换。
一、 环境感知的概念
无人驾驶车辆的环境感知是指通过在平台上安装的环境感知传感器获取的环境信息，而综合决策控制系统所能理解的环境是自主路径规划和决策前提。所使用的传感器包括激光雷达、毫米波雷达、可见光相机和红外摄像机。根据传感器的性能指标，可以满足传感器的装配方案，满足建模要求。
二、 环境感知系统的组成
环境传感系统一般包括传感器、传感器数据处理和多传感器数据融合3个子系统。传感器系统通常使用相机、激光雷达、超声波传感器、微波雷达和其他车辆传感器来感知环境。在各种光照和天气条件下，单一传感器难以满足环境意识的需要。多传感器融合可以将空间和时间之间的互补和冗余信息结合起来，结合一些优化准则，提炼和产生观测环境的一致性解释或描述，以及无人地面平台的自适应路径规划，为自主导航提供了必要和可靠的信息。多传感器融合技术应用于大多数无人飞行器系统中，如视觉传感器具有良好的角分辨力，但无法获得距离信息，雷达分辨力差的测距设备可以获得准确的距离信息和深度信息。
三、 感知技术的分类
（一）微波雷达
微波雷达应用于上世纪60年代的汽車防撞系统中。其中最具代表性的是福特和伊顿共同开发的Vorad微波车辆雷达防撞系统。该系统可检测出左右目标，在有危险时发出声光报警，并可与汽车制动机构连接，实现自动制动。它是当今世界上最成功的汽车雷达防撞系统。然而，与毫米波雷达相比，微波雷达具有分辨率低、体积大等缺点，使得其在汽车防撞系统中的应用远远小于毫米波雷达。
（二）毫米波雷达
毫米波雷达的波长为1～10毫米。它位于微波和远红外波重叠的波长范围内。因此，它具有两种光谱特征。毫米波的理论和技术是微波向高频的延伸和光波向低频的发展。毫米波雷达通过在频域中在24GHz到300 GHz发射具有一定斜率的连续调频信号来感知周围环境信息。当检测到前方障碍物时，将具有相同斜率的信号反射回来并反射信号，并通过混频器获得频率信号，从而计算目标障碍物的速度、距离和角度值。毫米波雷达具有毫米波波长，对烟雾和烟雾有很强的穿透能力。同时毫米波雷达具有体积小、重量轻、穿透能力强、适应各种气象条件等优点，被广泛应用于需要环境感知和障碍物的无人飞行器等移动机器人系统中。沈阳自动化与纳米技术研究所也开展了基于毫米波雷达的汽车防撞系统的研究。
（三）超声波传感器
超声波传感器通过发送一系列高于20000 Hz的波频来实现对环境的感知，并通过计算声发射和接收的时间间隔来获得被检测目标的距离信息。超声波传感器体积小、响应快、价格低廉，广泛应用于各种移动机器人中。它是移动机器人中最常用的测距传感器之一。然而，超声波传感器发出的声信号向两侧衰减，发散到扇形区域，无法定位目标的特定位置，超声波传感器的检测距离较短，测量误差较大。当使用多个超声波传感器定位目标时，容易产生声波的交叉接收，导致测量数据的混乱，增加了特征匹配的难度。
（四）红外传感器
红外线测距是使用调制红外光的精确测距。它是传播过程中的红外扩散原理。由于红外线可以穿透物体，折射率很小，所以高精度测距将考虑红外的应用。红外测距仪具有结构简单、使用方便、数据处理方便、测量范围精度高、抗干扰能力强、几乎不受被测物体尺寸和位置影响、廉价、安全、稳定等优点。同时，还存在测距距离短、测距精度低、方向性差等缺点。
（五）激光测距传感器
激光传感器通过扫描扇区来感知该区域中的障碍物。它利用飞行时间法测距，将激光脉冲发射的激光发射器分为两个通道，一个进入接收器，另一个从镜面到被测物体的表面，反射光通过反射镜返回到接收器。通过测量发射脉冲与反射脉冲之间的时间间隔和光的乘积来测量被测量的障碍物之间的距离。
激光雷达实际上是一种在光学波段（特殊波段）工作的雷达。具有明显的优势：
（1）分辨率很高；
（2）较强的抗干扰能力；
（3）获取的信息量丰富；
（4）整天工作。
因此，激光雷达广泛应用于无人值守地面系统的环境地图构建、自主定位、避障、轨迹跟踪和导航等领域。
（六）视觉传感器
视觉系统由于信息量大、采样周期短、磁场和传感器干扰小、光质量好、能耗小、使用方便等优点，在许多无人地面系统中得到了广泛的应用。视觉传感器将场景的光信号转换为电信号。目前，用于获取图像的视觉传感器主要是数字/工业相机。常见的图像采集传感器包括单目视觉、双目立体视觉、多视点立体视觉等。
（1）单目相机对环境信息的感知较弱，在摄像机前仅获得二维环境信息。
（2）双目摄像机的视觉感知能力强于单目摄像机，能够在一定程度上感知到三维环境信息，但距离信息感知不够准确。
（3）全景相机具有较强的感知环境信息的能力，能够在360度范围内感知二维环境信息。获得的信息量大，外部环境更容易表达。
视觉传感器的缺点是感知距离信息差，难以克服光变化和阴影所造成的干扰。视觉图像处理需要较长的计算时间。图像处理过程复杂，动态性能差，难以适应实时性高的要求。
四、 感知技术的发展趋势
近年来，无人地面车辆系统的环境意识系统在道路检测和障碍识别方面取得了令人瞩目的进展，特别是在结构化道路环境中，如车道保持辅助系统。但在城市道路、非结构化道路、室外环境和恶劣天气中，地面车辆系统的感知面临诸多问题。
1）城市环境
在城市道路中，道路交叉口检测、道路标志和交通信号识别和行人识别是环境意识系统所面临的挑战。由于复杂背景、光照变化和拍摄角度的影响，很难实现精确、实时的地标检测与识别。
2）野外环境
城市环境中道路的几何描述可以解释道路的可行性，但是地形必须在野外进行分析，包括对三维地形几何特征的描述、地形覆盖、检测和可能的障碍分类。复杂场环境中的各种类型的水障碍，作为该领域最常见的障碍类型之一，对无人驾驶车辆的自主导航构成了极大威胁。在障碍物检测领域中，凹形障碍物的检测也是一个难点。
3）不同天气和光照条件下的环境感知
在全天候条件下，环境感知仍存在许多问题。从理论上讲，激光雷达和雷达不受天气和光照条件的影响，前视红外雷达也具有良好的夜间性能。然而，作为环境感知系统的重要组成部分，视觉系统在雾天和夜间性能等特殊天气条件下不好。在这种情况下，对环境的认识还需要进一步研究。
参考文献：
[1] 基于多特征的前方车辆检测与跟踪方法研究[D]. 张玲增.江苏大学 2010
关键词：无人车；环境感知；传感器；发展趋势
二十一世纪以后，随着信息技术、智能控制技术、仿真技术等的飞速发展，无人驾驶技术的发展和应用得到了极大的推动。20世纪80年代，美国开发了一种可以在校园道路上自由行驶的8轮无人驾驶车辆。上世纪90年代末，美国国防部开始开发无人驾驶汽车，并成功研制了DEMOIII无人驾驶车。该车采用CCD、激光雷达、微波等多传感器融合系统，实现对环境的感知和障碍物的检测。
我国无人驾驶汽车的研究工作相对滞后，大多采用校企合作的方式。1992，中国国防部成功研制了第一辆真正的无人驾驶汽车。该车采用双目视觉技术检测车道线和交通标志。2015，百度无人驾驶车在北京完成了全自动驾驶测试，实现了车辆减速、车道变换、上下坡道等操作，完成了不同道路场景的切换。
一、 环境感知的概念
无人驾驶车辆的环境感知是指通过在平台上安装的环境感知传感器获取的环境信息，而综合决策控制系统所能理解的环境是自主路径规划和决策前提。所使用的传感器包括激光雷达、毫米波雷达、可见光相机和红外摄像机。根据传感器的性能指标，可以满足传感器的装配方案，满足建模要求。
二、 环境感知系统的组成
环境传感系统一般包括传感器、传感器数据处理和多传感器数据融合3个子系统。传感器系统通常使用相机、激光雷达、超声波传感器、微波雷达和其他车辆传感器来感知环境。在各种光照和天气条件下，单一传感器难以满足环境意识的需要。多传感器融合可以将空间和时间之间的互补和冗余信息结合起来，结合一些优化准则，提炼和产生观测环境的一致性解释或描述，以及无人地面平台的自适应路径规划，为自主导航提供了必要和可靠的信息。多传感器融合技术应用于大多数无人飞行器系统中，如视觉传感器具有良好的角分辨力，但无法获得距离信息，雷达分辨力差的测距设备可以获得准确的距离信息和深度信息。
三、 感知技术的分类
（一）微波雷达
微波雷达应用于上世纪60年代的汽車防撞系统中。其中最具代表性的是福特和伊顿共同开发的Vorad微波车辆雷达防撞系统。该系统可检测出左右目标，在有危险时发出声光报警，并可与汽车制动机构连接，实现自动制动。它是当今世界上最成功的汽车雷达防撞系统。然而，与毫米波雷达相比，微波雷达具有分辨率低、体积大等缺点，使得其在汽车防撞系统中的应用远远小于毫米波雷达。
（二）毫米波雷达
毫米波雷达的波长为1～10毫米。它位于微波和远红外波重叠的波长范围内。因此，它具有两种光谱特征。毫米波的理论和技术是微波向高频的延伸和光波向低频的发展。毫米波雷达通过在频域中在24GHz到300 GHz发射具有一定斜率的连续调频信号来感知周围环境信息。当检测到前方障碍物时，将具有相同斜率的信号反射回来并反射信号，并通过混频器获得频率信号，从而计算目标障碍物的速度、距离和角度值。毫米波雷达具有毫米波波长，对烟雾和烟雾有很强的穿透能力。同时毫米波雷达具有体积小、重量轻、穿透能力强、适应各种气象条件等优点，被广泛应用于需要环境感知和障碍物的无人飞行器等移动机器人系统中。沈阳自动化与纳米技术研究所也开展了基于毫米波雷达的汽车防撞系统的研究。
（三）超声波传感器
超声波传感器通过发送一系列高于20000 Hz的波频来实现对环境的感知，并通过计算声发射和接收的时间间隔来获得被检测目标的距离信息。超声波传感器体积小、响应快、价格低廉，广泛应用于各种移动机器人中。它是移动机器人中最常用的测距传感器之一。然而，超声波传感器发出的声信号向两侧衰减，发散到扇形区域，无法定位目标的特定位置，超声波传感器的检测距离较短，测量误差较大。当使用多个超声波传感器定位目标时，容易产生声波的交叉接收，导致测量数据的混乱，增加了特征匹配的难度。
（四）红外传感器
红外线测距是使用调制红外光的精确测距。它是传播过程中的红外扩散原理。由于红外线可以穿透物体，折射率很小，所以高精度测距将考虑红外的应用。红外测距仪具有结构简单、使用方便、数据处理方便、测量范围精度高、抗干扰能力强、几乎不受被测物体尺寸和位置影响、廉价、安全、稳定等优点。同时，还存在测距距离短、测距精度低、方向性差等缺点。
（五）激光测距传感器
激光传感器通过扫描扇区来感知该区域中的障碍物。它利用飞行时间法测距，将激光脉冲发射的激光发射器分为两个通道，一个进入接收器，另一个从镜面到被测物体的表面，反射光通过反射镜返回到接收器。通过测量发射脉冲与反射脉冲之间的时间间隔和光的乘积来测量被测量的障碍物之间的距离。
激光雷达实际上是一种在光学波段（特殊波段）工作的雷达。具有明显的优势：
（1）分辨率很高；
（2）较强的抗干扰能力；
（3）获取的信息量丰富；
（4）整天工作。
因此，激光雷达广泛应用于无人值守地面系统的环境地图构建、自主定位、避障、轨迹跟踪和导航等领域。
（六）视觉传感器
视觉系统由于信息量大、采样周期短、磁场和传感器干扰小、光质量好、能耗小、使用方便等优点，在许多无人地面系统中得到了广泛的应用。视觉传感器将场景的光信号转换为电信号。目前，用于获取图像的视觉传感器主要是数字/工业相机。常见的图像采集传感器包括单目视觉、双目立体视觉、多视点立体视觉等。
（1）单目相机对环境信息的感知较弱，在摄像机前仅获得二维环境信息。
（2）双目摄像机的视觉感知能力强于单目摄像机，能够在一定程度上感知到三维环境信息，但距离信息感知不够准确。
（3）全景相机具有较强的感知环境信息的能力，能够在360度范围内感知二维环境信息。获得的信息量大，外部环境更容易表达。
视觉传感器的缺点是感知距离信息差，难以克服光变化和阴影所造成的干扰。视觉图像处理需要较长的计算时间。图像处理过程复杂，动态性能差，难以适应实时性高的要求。
四、 感知技术的发展趋势
近年来，无人地面车辆系统的环境意识系统在道路检测和障碍识别方面取得了令人瞩目的进展，特别是在结构化道路环境中，如车道保持辅助系统。但在城市道路、非结构化道路、室外环境和恶劣天气中，地面车辆系统的感知面临诸多问题。
1）城市环境
在城市道路中，道路交叉口检测、道路标志和交通信号识别和行人识别是环境意识系统所面临的挑战。由于复杂背景、光照变化和拍摄角度的影响，很难实现精确、实时的地标检测与识别。
2）野外环境
城市环境中道路的几何描述可以解释道路的可行性，但是地形必须在野外进行分析，包括对三维地形几何特征的描述、地形覆盖、检测和可能的障碍分类。复杂场环境中的各种类型的水障碍，作为该领域最常见的障碍类型之一，对无人驾驶车辆的自主导航构成了极大威胁。在障碍物检测领域中，凹形障碍物的检测也是一个难点。
3）不同天气和光照条件下的环境感知
在全天候条件下，环境感知仍存在许多问题。从理论上讲，激光雷达和雷达不受天气和光照条件的影响，前视红外雷达也具有良好的夜间性能。然而，作为环境感知系统的重要组成部分，视觉系统在雾天和夜间性能等特殊天气条件下不好。在这种情况下，对环境的认识还需要进一步研究。
参考文献：
[1] 基于多特征的前方车辆检测与跟踪方法研究[D]. 张玲增.江苏大学 2010