揚州大學(xué)；江蘇 揚州 225127

引言

自動駕駛汽車已被廣泛認為已經(jīng)是我國新一輪汽車工業(yè)和信息科技發(fā)展革命過程中的一個新興產(chǎn)業(yè)，它不僅有助于不斷改善我國道路交通安全、實現(xiàn)高效節(jié)約能源低碳節(jié)能減排、消除交通擁堵、提高經(jīng)濟社會治理效率，并將極大拉動我國新能源車與汽車、電子、通訊、服務(wù)、社會管理經(jīng)濟學(xué)和管理等各個領(lǐng)域的產(chǎn)業(yè)協(xié)同創(chuàng)新發(fā)展，對于加快促進當(dāng)代我國國民經(jīng)濟社會產(chǎn)業(yè)的快速轉(zhuǎn)型結(jié)構(gòu)升級發(fā)展起到重大的前瞻戰(zhàn)略意義。自動駕駛需要通過感知層、控制層、執(zhí)行管理層三者之間的協(xié)同來實現(xiàn)。攝像頭和雷達等各種傳感器分別從區(qū)域內(nèi)和不同范圍內(nèi)獲取了不同的環(huán)境信息，所獲得的多源異質(zhì)性信息很有可能是彼此之間的補充，也很有可能是空間上的冗余甚至矛盾，控制中心最后只能向用戶下達唯一正確的指令，這時候就需要控制中心必須對異質(zhì)性信息做出融合，從而實現(xiàn)綜合性的判斷。

關(guān)鍵詞：自動駕駛? 多傳感器融合? 攝像頭 激光 毫米波

一.關(guān)于自動駕駛國內(nèi)外現(xiàn)狀：

國內(nèi)關(guān)于自動駕駛多傳感器信息融合的研究可以分為企業(yè)和高校兩塊：各個主要的公司包括蘋果、英偉達、 Google 、特斯拉、百度等都在自動駕駛領(lǐng)域積極布局。每個人的工作思路都不一樣，傳感器與網(wǎng)絡(luò)結(jié)構(gòu)都很差。蘋果采用的便攜式是一種多傳感器融合解決方案;特斯拉的汽車ADAS是目前量產(chǎn)中最好的，同時它也是基于汽車工廠的設(shè)計理念。從設(shè)計造價和整車成本的角度來看，自動駕駛系統(tǒng)的造價將受到限制，這意味著它不會配備更昂貴的傳感器，而是將主要集中在攝像頭和視頻技術(shù)上;谷歌的算法相對成熟，但它太多地基于激光雷達，而且價格昂貴。谷歌透露，多年的努力表明，研究無人駕駛這項技術(shù)是可行的，并已基本商業(yè)化。它既有先發(fā)的第一優(yōu)勢，也有先發(fā)的第一劣勢。谷歌通過采用領(lǐng)先的技術(shù)開發(fā)路線，比如激光雷達，并逐漸走向了一個新的起點。在開始自動駕駛的最初幾年，圖像識別技術(shù)還遠未成熟，只能依靠激光雷達。但這樣的一種時代特征與歷史背景，讓這些新的管理方法并沒有真正從技術(shù)上真正得以充分體現(xiàn)和廣泛應(yīng)用發(fā)展出來，而這個發(fā)展過程又恰恰正是新興技術(shù)企業(yè)的發(fā)展契機。Google自研制和發(fā)展的新型激光雷達在安全和技術(shù)可靠性兩個方面已經(jīng)表現(xiàn)得非常突出，但是該公司系列新型激光雷達目前的技術(shù)成本大幅下降仍然可能需要很長的一段發(fā)展時期。通常，業(yè)界普遍認為的"多傳感器融合"，都可以是廣泛定義泛指對于手機攝像頭、激光雷達、毫米波激光雷達、超聲波激光雷達等多種電子傳感器各自分別從互聯(lián)網(wǎng)絡(luò)中獲取搜集出來得到的相關(guān)數(shù)據(jù)然后進行所融合做的"數(shù)據(jù)融合"，而基于百度公司此前獲得的apandora的第二種融合做法原則是"硬件層面的融合"，即在一個硬件技術(shù)層面就把這些相關(guān)聯(lián)的攝像頭、激光雷達全部進行集成了融合到一起，然后再把這些采集出來得到的相關(guān)數(shù)據(jù)然后進行統(tǒng)一地處理輸送并傳給了基于計算機的平臺。

國內(nèi)研究自動駕駛的高校包括但不限于卡內(nèi)基梅隆大學(xué)、科羅拉多大學(xué)、加州理工學(xué)院、麻省理工學(xué)院、韓國KAIST、清華大學(xué)、西北工業(yè)大學(xué)、西安交大、吉林大學(xué)等幾乎清一色使用多傳感器信息融合來完成自動駕駛環(huán)境感知功能，因為對于高校研究來說多傳感器信息融合是最經(jīng)濟且效果最好的方式，尤其是在深度學(xué)習(xí)算法引入后，融合算法使得歷史積累的數(shù)據(jù)能最大發(fā)揮其作用，通過算法"學(xué)習(xí)"環(huán)境然后理解新的環(huán)境。

二.數(shù)據(jù)融合的發(fā)展：

“數(shù)據(jù)融合”的概念大概于1970年提出，以滿足軍事C31系統(tǒng)（指揮、控制、通信和情報）的多源需求，然后在獨立學(xué)科中發(fā)展。根據(jù)相關(guān)數(shù)據(jù)，美國是第一個研究數(shù)據(jù)融合技術(shù)的國家。關(guān)于國外數(shù)據(jù)融合的發(fā)展成就，1973年，美國第一次將信息融合技術(shù)用于聲納研究;1983年，美國國防部將傳感器數(shù)據(jù)融合列為年代重要研究領(lǐng)域的項目;1984年，美國宣布成立數(shù)據(jù)融合專家組，研究工作已進入系統(tǒng)化階段;1988年，傳感器融合技術(shù)被確定為美國國防部最關(guān)鍵的技術(shù)之一，并受到前所未有的重視;1988年，國際信息融合學(xué)會在美國成立，并宣布每年召開一次學(xué)術(shù)會議;到1991年，美國已經(jīng)有50多個數(shù)據(jù)融合技術(shù)引進到試驗床、試驗機使用。其他西方國家也非常重視融合技術(shù)的研究，英國陸軍研制類似于炮兵智能信息融合系統(tǒng)，1982年提出開發(fā)“海軍知識庫”作戰(zhàn)指揮系統(tǒng)。1987年又與其他歐洲幾個國家聯(lián)合開展“決策控制的傳感器信號與知識綜合系統(tǒng)”的研究。法國德國同樣也是在該項技術(shù)的研究上很重視，德國曾在“豹2”坦克的改進中用到信息融合技術(shù)。

相比國外研究方面，我國多傳感器數(shù)據(jù)融合的發(fā)展相對滯后。國內(nèi)一些科研院所和大學(xué)開始加入了數(shù)據(jù)融合的研究，但是起步較晚，缺乏完整成熟的理論體系，為了加快技術(shù)實施，中國將其列入國家863計劃和國家自然基金重點支持項目。

三.關(guān)于傳感器融合介紹：

為了解周邊交通狀況，車輛的自動駕駛技術(shù)采用攝像頭、雷達傳感器、激光測距儀和其他相關(guān)儀器。道路導(dǎo)航技術(shù)通過詳細的地圖實現(xiàn)自動駕駛的目的。自動駕駛技術(shù)主要包括收集道路上的相關(guān)信息，如車輛周圍的情況、相關(guān)警告信號、交通燈等。同時，由主控計算機控制，配合車輛相關(guān)部件完成車輛的駕駛或其他動作，在主控計算機及其系統(tǒng)的幫助下，完成對采集信息的處理和處理，規(guī)劃車輛相應(yīng)的行駛路徑，并在某些緊急情況下進行評估。這些信息主要通過最敏感的傳感器收集，如高清攝像頭和激光雷達;處理過程依賴于主控計算機和相應(yīng)的自動導(dǎo)航系統(tǒng)，如車輛傳感器融合系統(tǒng)、環(huán)視系統(tǒng)和傳感器泊車輔助系統(tǒng)。信息的輸出可直接控制制動器、油門、發(fā)動機轉(zhuǎn)速調(diào)節(jié)、輪胎轉(zhuǎn)向等。目前，自動駕駛汽車的分類分為五個階段，其主要處于第三這一發(fā)展階段。

然而，由于單個傳感器的特點和局限性，我們必須將不同的傳感器應(yīng)用到車輛的智能駕駛系統(tǒng)中，并使用不同的手段和方法進行測量。例如，ark算法和Clark算法是一種計算方法，專門用于計算車輛和障礙物的位置以及車輛和道路的當(dāng)前狀態(tài)。算法中的主要信息來自雷達和攝像機檢測信息。clark 的探測和計算主要包括兩部分：一是利用多融合技術(shù)識別障礙物;然后使用道路檢測和偵察算法對信息進行充分處理，提高了信息的識別率。但是，clark 算法的一個局限性是，在整個實際應(yīng)用過程中，此算法測量的最小寬度約為道路寬度的一半。因此，由于等待我們的障礙物相對較小，此方法無法廣泛使用。

下面將主從攝像頭雷達，激光雷達，毫米波雷達方面來介紹：

（一）攝像頭雷達

從目前研發(fā)的激光雷達或攝像雷達來看，其主要問題是如何識別物體。要想擁有與人腦相同的思維能力，汽車必須能夠直觀地識別道路緊急情況。大陸集團在2018 CES Asia展上推出了第五代視覺平臺的計算機以及第五代攝像頭，利用人工智能技術(shù)預(yù)測和評估可能的道路狀況，以提高車輛的環(huán)境感知能力、駕駛路線規(guī)劃能力和汽車控制能力，推動自動駕駛的實施。

如果車輛想要擁有與人類相同的思考能力，它們不僅必須直觀地識別道路狀況，還應(yīng)該預(yù)測各種可能的交通行為。人工智能是推動自動駕駛研發(fā)進程的必要手段。人工智能是實現(xiàn)真正自動駕駛的必要手段。智能干預(yù)使車輛能夠更準確的預(yù)測周圍的環(huán)境。2018年，大陸集團在CES Asia 2018發(fā)布了第五代MFC 500攝像頭。在上一代攝影技術(shù)的基礎(chǔ)上，攝像頭添加了一個深度學(xué)習(xí)算法，以提高車輛環(huán)境感知、駕駛路徑規(guī)劃和運動控制能力。

傳統(tǒng)的基于規(guī)則算法的自動駕駛系統(tǒng)可以判斷行人是否對駕駛安全構(gòu)成威脅。只有當(dāng)行人出現(xiàn)在車道上時，他們才會做出緊急反應(yīng)。人工智能算法可以提前檢測出行人的意圖。作為一名經(jīng)驗豐富的老飛行員，該人工智能系統(tǒng)的關(guān)鍵在于其學(xué)習(xí)能力。該系統(tǒng)從雷達和攝像機信號中獲取真實駕駛條件下的環(huán)境信息，然后軟件對這些數(shù)據(jù)進行分析，以獲得學(xué)習(xí)和使用該系統(tǒng)的不同執(zhí)行策略。

（二）激光雷達

激光光度傳感器：利用先進的激光掃描技術(shù)檢測物體內(nèi)部光度的光學(xué)傳感器。它由電子激光儀器組成，激光測量探測器和其他激光控制電路構(gòu)成。激光遙控傳感器是一種新型的遠程自動測量儀器。其主要技術(shù)優(yōu)勢之一是，它可以輕松直接地在線實施自動控制測量，而無需意外接觸傳感器具有速度快，精度高，，測量量大，抗光電干擾能力強的特點，適合內(nèi)部機器人Slam應(yīng)用，提供360度掃描場和5.5hz/10hz的旋轉(zhuǎn)頻率，確保8個測距儀的距離，是機器人消費者和硬件愛好者等成本敏感領(lǐng)域的理想傳感器。Rplidar A2運行速度非?？?，每秒超過4000個樣本。Rplidar A1支持2000個樣本。一次必須掃描360個樣本才能達到10Hz的掃描頻率。用戶可以通過檢查掃描引擎速度自由定制從2Hz到10Hz的掃描頻率。Rpliar將適應(yīng)速度掃描。目前，Rpliar A2以每秒4000多個樣本的速度測量高速距離，Rpliar A1支持從2000到10Hz的樣本。一次必須掃描360個樣本才能達到10Hz的掃描頻率。用戶可以通過檢查掃描引擎速度自由定制從2Hz到10Hz的掃描頻率。RPLIDAR 將適應(yīng)現(xiàn)在的掃描速度。

（三）毫米波雷達

20世紀40年代，毫米波雷達開始研發(fā)。它的第一個應(yīng)用是海上導(dǎo)航。由于其低功率和傳輸損耗，其發(fā)展非常有限。德國AEG Telefunken和Bosch公司已開始注資研究將毫米波車輛應(yīng)用于防撞的技術(shù)。由于成本高，沒有后續(xù)行動。直到80年代末，歐洲才開始實施“高效和安全的歐洲交通計劃”重新啟動了毫米波雷達研究項目。毫米波雷達在我國的研究和發(fā)展日益增多。傳統(tǒng)的24GHz毫米波雷達已被多家國家公司成功研制，并逐步形成市場化產(chǎn)品。

雷達式火控傳感器由火控超聲波和毫米波雷達兩個大部分結(jié)合組成，二者的整體反應(yīng)時間表以及其它的整體操作準確性均值都要遠遠明顯高于火控攝像頭，而超聲毫米波火控雷達則已經(jīng)能夠把其與方向盤的誤差直接控制在2度以內(nèi)。它雖然能夠很好地自動適應(yīng)各種極端的惡劣氣候天氣并且所達到要求的天氣探測持續(xù)時間不會很長，只是由于它的價格過高。目前這些內(nèi)置傳感器的各種多樣化功能組合己經(jīng)逐漸發(fā)展成為自動無人駕駛汽車系統(tǒng)的重要標準。各個不同類型的光傳感器之間的應(yīng)用優(yōu)缺點并不相同，可以與之形成很好的交叉應(yīng)用互補，在不同的應(yīng)用情況下都能發(fā)揮自己的獨特長處。

四.總結(jié)與展望：

雖然多傳感器融合技術(shù)已經(jīng)得到了廣泛的應(yīng)用，但仍然存在傳感器生成信息的異構(gòu)性、多態(tài)性、完整性和不確定性以及數(shù)據(jù)干擾等問題。在這個階段，毫米波測試沒有統(tǒng)一的國際測試標準。雖然一些項目總體上取得了進展，但仍需進一步開發(fā)和完善。許多現(xiàn)有系統(tǒng)僅適用于室內(nèi)或室外環(huán)境，交通規(guī)劃是理想的。但是，在現(xiàn)實生活中，復(fù)雜的交通環(huán)境和駕駛員行為的不確定性使自動駕駛充滿挑戰(zhàn)。

五.結(jié)束語：

多傳感器信息融合已廣泛應(yīng)用于集成電路技術(shù)、軍事信號處理、醫(yī)學(xué)、氣象、農(nóng)業(yè)科學(xué)等各領(lǐng)域，但也引起了軍事以及民用部門的重視，多傳感器融合技術(shù)的應(yīng)用不僅提高了置信率和分辨率，也增加了系統(tǒng)的魯棒性和容錯性。將信息融合到多個傳感器已成為信息科學(xué)發(fā)展的一個必然階段。隨著科學(xué)和現(xiàn)代技術(shù)的不斷進步，多傳感器融合技術(shù)有朝一日將擴展到更大的領(lǐng)域，并在重大項目中廣泛應(yīng)用，以進一步推動科學(xué)技術(shù)和社會的發(fā)展。

參考文獻：

[1]宮天丞.綜述自動駕駛發(fā)展與組成情況[J].通訊世界，2018（11）：293-294.

[2]崔碩，姜洪亮，戎輝，王文揚.多傳感器信息融合技術(shù)綜述[J].汽車電器，2018（09）：41-43.

[3]王遠桂，何歡.人工智能2.0給自動駕駛發(fā)展帶來的影響[J].現(xiàn)代電信科技，2017，47（4）：20～24.

[4]王禹，吳石峰，陶恂.自動駕駛中多傳感器信息融合技術(shù)的研究[J].福建電腦，2019，35（01）：110-112.

[5]朱敏慧.人工智能推進自動駕駛研發(fā)進程[J].汽車與配件，2018（20）：38-39.

[6]祝彬.國外毫米波雷達制導(dǎo)技術(shù)的發(fā)展狀況[J].中國 航天，2007（1）： 40-43.

[7]宋瑞，陳艷梅，張志國.車載毫米波雷達測試現(xiàn)狀分析[J].汽車與配件，2020（07）：68-71.

[8]郭蓬，郭劍銳，戎輝，唐風(fēng)敏，王文揚，王夢丹.毫米波雷達研究現(xiàn)狀及其測試項目[J].汽車電器，2018（10）：33-35.

基金項目：

2020年江蘇省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目“自動駕駛汽車多傳感器信息融合系統(tǒng)研究”，項目編號：X20200419

作者簡介：

李璠（1999—），女，漢族，甘肅天水人，揚州大學(xué)本科在讀，電子信息工程專業(yè)