劉 煒，陸存豪

自動(dòng)駕駛汽車環(huán)境感知傳感器研究

劉 煒，陸存豪*

（揚(yáng)州大學(xué) 機(jī)械工程學(xué)院，江蘇 揚(yáng)州 225000）

近年來(lái)，自動(dòng)駕駛技術(shù)作為智能網(wǎng)聯(lián)汽車的重要組成部分，成為熱點(diǎn)話題。環(huán)境感知系統(tǒng)是自動(dòng)駕駛汽車的感官神經(jīng)，扮演著“眼睛”的角色。文章通過(guò)查閱相關(guān)文獻(xiàn)，結(jié)合當(dāng)前研究熱點(diǎn)，對(duì)自動(dòng)駕駛汽車系統(tǒng)組成做簡(jiǎn)要介紹，同時(shí)對(duì)其環(huán)境感知系統(tǒng)所使用傳感器的種類、工作原理、應(yīng)用場(chǎng)景等方面做了系統(tǒng)介紹，對(duì)不同傳感器進(jìn)行對(duì)比分析并提出建議。通過(guò)介紹，能夠幫助讀者對(duì)自動(dòng)駕駛汽車環(huán)境感知系統(tǒng)有初步了解，同時(shí)對(duì)相關(guān)技術(shù)人員給予一定指導(dǎo)。

自動(dòng)駕駛汽車；環(huán)境感知；傳感器；激光雷達(dá)；毫米波雷達(dá)

作為一種新興技術(shù)，自動(dòng)駕駛汽車（Auto- mated Vehicle, AV）在環(huán)境感知、高精度地圖、人機(jī)交互、人工智能、機(jī)器視覺(jué)、機(jī)器學(xué)習(xí)等相關(guān)技術(shù)的加持下，有望代替人工駕駛，在緩解城市交通擁堵、降低交通事故、提高出行效率等方面發(fā)揮重要作用[1]。隨著“交通強(qiáng)國(guó)”戰(zhàn)略的提出，自動(dòng)駕駛迎來(lái)了新一輪的研究熱潮，不少地方進(jìn)行智能網(wǎng)聯(lián)汽車的示范，然而截至目前并沒(méi)有一臺(tái)完全意義上的自動(dòng)駕駛汽車[2]。

自動(dòng)駕駛汽車帶來(lái)便利的同時(shí)，也面臨著一系列挑戰(zhàn)。如遇突發(fā)情況時(shí)，應(yīng)該駕駛員駕駛還是自動(dòng)駕駛問(wèn)題；自動(dòng)駕駛車輛和其他車輛碰撞時(shí)責(zé)任問(wèn)題；兩輛自動(dòng)駕駛車輛碰撞時(shí)責(zé)任問(wèn)題等等，均難以妄下定論。為此不少學(xué)者認(rèn)為通過(guò)法律的途徑來(lái)判斷事故的責(zé)任，以達(dá)到自動(dòng)駕駛汽車進(jìn)一步推廣應(yīng)用的目的[3-5]。然而造成這種現(xiàn)象的根本原因是目前的自動(dòng)駕駛技術(shù)還不成熟，完全代替人工駕駛在短時(shí)間內(nèi)不能實(shí)現(xiàn)。

為此，對(duì)于自動(dòng)駕駛汽車的安全性評(píng)價(jià)顯得尤為重要，朱冰等基于自然駕駛數(shù)據(jù)建立了一種融合多種參數(shù)的場(chǎng)景風(fēng)險(xiǎn)指數(shù)，并通過(guò)仿真驗(yàn)證了所提出的自動(dòng)駕駛汽車安全性評(píng)價(jià)方法的準(zhǔn)確性[6]。為了進(jìn)一步提高自動(dòng)駕駛汽車的智能化，彭浩楠等針對(duì)雙車道公路交通場(chǎng)景進(jìn)行了自動(dòng)駕駛汽車雙車道換道方法的研究，通過(guò)評(píng)估和決策模型計(jì)算出車輛是否需要保持或變道，同時(shí)求出最優(yōu)的路徑規(guī)劃[7]。一切技術(shù)的前提都需要數(shù)據(jù)的支持，對(duì)于自動(dòng)駕駛汽車而言，其所處的環(huán)境數(shù)據(jù)至關(guān)重要，需要相關(guān)傳感器才能夠獲取。

1 自動(dòng)駕駛系統(tǒng)

自動(dòng)駕駛系統(tǒng)主要由環(huán)境感知系統(tǒng)、中央決策系統(tǒng)和底層控制執(zhí)行系統(tǒng)三部分組成，如圖1所示[8]。感知層通過(guò)相關(guān)傳感器獲取車輛所在位置的環(huán)境信息，包括道路、行人、車輛、信號(hào)燈、障礙物等方面，并根據(jù)高精度地圖、北斗導(dǎo)航、全球定位系統(tǒng)（Global Positioning System, GPS）等獲取到車輛的位置信息進(jìn)行融合后傳遞給中央決策系統(tǒng)，在該部分進(jìn)行分析計(jì)算之后，迅速規(guī)劃出車輛的行駛路線、速度等，同時(shí)將這些信號(hào)傳遞給底層執(zhí)行機(jī)構(gòu)，來(lái)完成車輛的加速、制動(dòng)、轉(zhuǎn)向等具體運(yùn)動(dòng)狀態(tài)。同時(shí)中央決策機(jī)構(gòu)能夠?qū)崟r(shí)檢測(cè)車輛的故障信息并及時(shí)反饋給駕駛員[9]。

環(huán)境感知系統(tǒng)作為自動(dòng)駕駛系統(tǒng)的“眼睛”，具有十分重要的作用和地位，需要具備較高的準(zhǔn)確性、靈敏性、實(shí)時(shí)性、魯棒性。傳感器的選擇對(duì)于環(huán)境數(shù)據(jù)的完整性與準(zhǔn)確度至關(guān)重要，這對(duì)于自動(dòng)駕駛汽車后續(xù)的路徑規(guī)劃、行駛狀態(tài)、車輛狀態(tài)等具有決定性的作用[10]。

圖1 自動(dòng)駕駛系統(tǒng)組成

2 環(huán)境感知系統(tǒng)傳感器

攝像頭和雷達(dá)是自動(dòng)駕駛汽車環(huán)境感知系統(tǒng)最重要的傳感器[11]。攝像頭能夠直接拍攝圖像和視頻，并通過(guò)簡(jiǎn)單的連接便可將數(shù)據(jù)傳輸?shù)街醒霙Q策機(jī)構(gòu)，其時(shí)效性、靈敏性、準(zhǔn)確性較高，然而普通的攝像頭只能采集二維圖像和視頻信息，在一定方面滿足不了自動(dòng)駕駛系統(tǒng)的信息需求。雷達(dá)則彌補(bǔ)了這一缺陷，通過(guò)雷達(dá)可以準(zhǔn)確獲取探測(cè)目標(biāo)的位置信息、運(yùn)動(dòng)信息等具體而準(zhǔn)確的數(shù)據(jù)，對(duì)于系統(tǒng)進(jìn)一步的分析提供了精確的數(shù)據(jù)支撐。

2.1 攝像頭

攝像頭是環(huán)境感知系統(tǒng)中應(yīng)用最多的傳感器，在整個(gè)系統(tǒng)中扮演著“眼睛”的角色，可以直接獲得車輛周圍的環(huán)境并傳輸?shù)阶詣?dòng)駕駛系統(tǒng)的決策層。攝像頭的評(píng)價(jià)指標(biāo)主要包含以下幾個(gè)方面：分辨率、幀率、焦距、降噪能力、還原度、鏡頭等，因此，需要選擇合適的攝像頭才能達(dá)到良好的效果。根據(jù)攝像頭數(shù)量可分為單目攝像頭、雙目攝像頭和多目攝像頭，按照焦距可分為長(zhǎng)焦攝像頭、廣角攝像頭等，除此之外還有特殊的紅外攝像頭、全景攝像頭、深度攝像頭、事件攝像頭等。

1.單目攝像頭

單目攝像頭（Monocular Camera, MC）由單個(gè)攝像頭組成，結(jié)構(gòu)簡(jiǎn)單，成本低，便于標(biāo)定和識(shí)別。但在單張圖片里，無(wú)法確定一個(gè)物體的真實(shí)大小，具有尺度不確定性[12]。沈念偉等利用單目攝像頭獲取車輛前方視頻信息，通過(guò)最大熵分割法分離障礙物，最終提取出車輛前方障礙物信息[13]。孫博文等利用單目攝像頭對(duì)動(dòng)態(tài)手勢(shì)的識(shí)別進(jìn)行研究，通過(guò)改進(jìn)相關(guān)算法并結(jié)合神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法的可靠性，最終得到了高精度的手勢(shì)識(shí)別系統(tǒng)[14]。

2.雙目攝像頭

雙目攝像頭（Binocular Camera, BC）由兩個(gè)攝像頭組成，由于兩個(gè)攝像頭之間的位置已知，可以估算出空間的距離，但是與標(biāo)定較為復(fù)雜，深度量程和精度受到雙目基線與分辨率的限制，運(yùn)算量大[15]。李學(xué)森利用雙目攝像頭在改進(jìn)的Census變換立體測(cè)距算法的加持下在簡(jiǎn)單環(huán)境中能夠快速檢測(cè)與追蹤目標(biāo)[16]。胡嘉祺等采用雙目攝像頭獲取環(huán)境信息，設(shè)計(jì)了一種低功耗的路徑規(guī)劃小車，并通過(guò)算法的優(yōu)化，不但降低了小車的總體能耗，而且對(duì)于小車整體性能也有一定提升[17]。

3.紅外攝像頭

紅外攝像頭（Infrared Camera, IC）通過(guò)熱成像原理對(duì)行人進(jìn)行檢測(cè)，不需要可見(jiàn)光且反應(yīng)速度快。但是對(duì)于徑向運(yùn)動(dòng)的辨別能力很差，沒(méi)有角度測(cè)量能力，不能完成靜止測(cè)距，因此應(yīng)用較少[18]。圖2為525CP-4型紅外攝像頭。金展翌考慮到普通彩色攝像頭只有在光照條件下才生效的弊端，對(duì)紅外攝像頭夜間識(shí)別手勢(shì)進(jìn)行了一系列的研究，最終實(shí)現(xiàn)了夜間多種手勢(shì)的識(shí)別，識(shí)別率達(dá)91.8%[19]。曾進(jìn)等以紅外攝像頭為載體，搭建了夜間睡眠姿勢(shì)檢測(cè)平臺(tái)，對(duì)于人們睡眠檢測(cè)具有重要意義[20]。

圖2 525CP-4型紅外攝像頭

4.全景攝像頭

全景攝像頭（Panoramic Camera, PC）可以提供更多的視野，然而需要對(duì)拍攝的圖像進(jìn)行處進(jìn)一步拼接和變形處理，得到一張位于車頂?shù)沫h(huán)境俯視圖，對(duì)汽車導(dǎo)航、定位和地圖制圖都很有幫助。但其邊緣畸變非常嚴(yán)重，需要算法處理之后才能正常顯示[21]。圖3為TL-IPC55A型全景攝像頭。黃思曉基于樹(shù)莓派平臺(tái)，采用4個(gè)全景攝像頭收集小車的環(huán)境信息并進(jìn)行拼接，通過(guò)透視變換后將小車所在的位置映射到2D地圖上，以此來(lái)確定小車所在的位置[22]。

圖3 TL-IPC55A型全景攝像頭

5.深度攝像頭

深度攝像頭（Depth Camera, DC）除了能夠獲取平面圖像，還可以獲得拍攝對(duì)象的深度信息，即三維的位置和尺寸信息[23]。與傳統(tǒng)攝像頭相比，深度攝像頭能夠根據(jù)物理直接的距離信息獲取其位置關(guān)系。此外，深度信息對(duì)于傳統(tǒng)的應(yīng)用同樣有效，如對(duì)目標(biāo)圖像的分割、跟蹤、識(shí)別等。在對(duì)圖像進(jìn)一步深化處理后，可以建立3D模型，對(duì)于傳統(tǒng)的圖像識(shí)別與追蹤的效率大大提高，圖4為Intel RealSense深度攝像頭。

圖4 Intel RealSense深度攝像頭

6.事件攝像頭

事件攝像頭（Event Camera, EC）作為一種新型產(chǎn)品，具備高動(dòng)態(tài)范圍，低時(shí)延的特點(diǎn)。正由于低時(shí)延的特征，在拍攝高速運(yùn)動(dòng)的物體時(shí)，不會(huì)發(fā)生模糊的效果，因此，拍攝十分清晰，并且不受曝光的影響，成像速度非?？?，能夠很好地解決普通相機(jī)拍照模糊的缺陷[24]。圖5為Inilabs事件攝像頭。

圖5 Inilabs事件攝像頭

2.2 雷達(dá)

雷達(dá)，是通過(guò)無(wú)線電的方式探測(cè)目標(biāo)的位置。不同的雷達(dá)具有不同的功能，但其組成大致相同，主要包括發(fā)射系統(tǒng)、接收系統(tǒng)以及處理系統(tǒng)，同時(shí)還有電源系統(tǒng)、顯示系統(tǒng)、抗干擾系統(tǒng)等輔助系統(tǒng)[25]。環(huán)境感知系統(tǒng)中使用的雷達(dá)主要有三種，包括激光雷達(dá)、毫米波雷達(dá)和超聲波雷達(dá)[26-28]。

1.激光雷達(dá)

激光雷達(dá)（Lidar）主要由發(fā)射器、接收機(jī)、信息處理系統(tǒng)、跟蹤架等部件組成。激光雷達(dá)根據(jù)其發(fā)射波形可分為脈沖激光雷達(dá)、連續(xù)波激光雷達(dá)和混合型激光雷達(dá)等，按照其光波段可分為紫外激光雷達(dá)、可見(jiàn)光激光雷達(dá)和紅外激光雷達(dá)等。其工作原理為激光發(fā)射器發(fā)射一束激光脈沖，當(dāng)激光脈沖照射到待檢測(cè)目標(biāo)后產(chǎn)生反射，反射信號(hào)被激光接收機(jī)接收后送至信號(hào)處理系統(tǒng)，同時(shí)反饋給控制系統(tǒng)，由此來(lái)計(jì)算待測(cè)目標(biāo)與雷達(dá)所在位置的距離[29]。在自動(dòng)駕駛汽車中，激光雷達(dá)應(yīng)用廣泛，通過(guò)激光雷達(dá)探測(cè)車輛前方障礙物的位置，系統(tǒng)通過(guò)激光雷達(dá)獲取到的環(huán)境信息對(duì)其進(jìn)行有目標(biāo)地提取并處理，并作進(jìn)一步的判斷。激光雷達(dá)受環(huán)境干擾較小，測(cè)量精度高，但其成本較高，且容易受到霧天的影響。如圖6所示為L(zhǎng)iDAR T1型激光雷達(dá)。

圖6 LiDAR T1型激光雷達(dá)

高鵬等通過(guò)激光雷達(dá)提出一種激光里程計(jì)的方法，通過(guò)提取點(diǎn)云的關(guān)鍵信息來(lái)確定移動(dòng)機(jī)器人的位置并構(gòu)建地圖，這種方法在果園機(jī)器人上得以實(shí)現(xiàn)與驗(yàn)證[30]。溫淑慧等利用激光雷達(dá)設(shè)計(jì)了基于機(jī)器人操作系統(tǒng)的小車自主構(gòu)建地圖與路徑規(guī)劃的系統(tǒng)，并通過(guò)算法提高了機(jī)器人自主導(dǎo)航的性能與效率[31]。張謙利用激光雷達(dá)對(duì)環(huán)境感知范圍廣的特點(diǎn)，獲取環(huán)境點(diǎn)云并建立數(shù)據(jù)庫(kù)對(duì)獲取的信息進(jìn)行融合處理，最終獲得最佳路徑規(guī)劃[32]。

2.毫米波雷達(dá)

毫米波雷達(dá)（Millimeter Wave Radar, MWR）根據(jù)頻率不同分為24 GHz、77 GHz和79 GHz三類。24 GHz為短波雷達(dá)，測(cè)量距離低于30公尺，主要用于倒車輔助、停車輔助等；77 GHz的感測(cè)距離可達(dá)100 m，因此用作盲點(diǎn)的探測(cè)；79 GHz的感測(cè)距離約為250 m，在主動(dòng)巡航系統(tǒng)和前向碰撞報(bào)警系統(tǒng)中應(yīng)用廣泛。其工作原理為發(fā)射器發(fā)出毫米波，根據(jù)多普勒效應(yīng)，被探測(cè)的目標(biāo)具有相對(duì)運(yùn)動(dòng)時(shí)，接收到的信號(hào)頻率與發(fā)射時(shí)不同，由此來(lái)測(cè)得待測(cè)目標(biāo)的位置信息[33]。連續(xù)波雷達(dá)體積小、質(zhì)量輕、損耗低，廣泛應(yīng)用于自動(dòng)駕駛汽車的輔助系統(tǒng)。圖7為ARS408-21型毫米波雷達(dá)。

圖7 ARS408-21型毫米波雷達(dá)

張磊等針對(duì)駕駛員疲勞駕駛多發(fā)的現(xiàn)象，利用毫米波雷達(dá)設(shè)計(jì)了一種疲勞駕駛檢測(cè)系統(tǒng)，通過(guò)實(shí)時(shí)檢測(cè)駕駛員的呼吸頻率與心率，來(lái)判斷駕駛員的疲勞程度，以此來(lái)減少疲勞駕駛所帶來(lái)的安全隱患[34]。費(fèi)文玉等利用毫米波雷達(dá)設(shè)計(jì)了一種汽車開(kāi)門防撞系統(tǒng)，很好地解決了汽車?？吭诼愤厱r(shí)開(kāi)門存在視野盲區(qū)而發(fā)生撞門的事件[35]。薛其威等通過(guò)將毫米波雷達(dá)與攝像頭組合，建立了基于多模態(tài)的車輛三維檢測(cè)算法，準(zhǔn)確率與計(jì)算效率都滿足檢測(cè)的要求[36]。

3.超聲波雷達(dá)

顧名思義，超聲波雷達(dá)（Ultrasonic Radar, UR）通過(guò)超聲波來(lái)測(cè)量障礙物的距離，但其測(cè)量距離較短，一般不超過(guò)3 m。超聲波雷達(dá)對(duì)于光照、磁場(chǎng)等敏感度低，因此，可以在黑暗等惡劣環(huán)境下工作，常常安裝在自動(dòng)駕駛汽車的保險(xiǎn)杠上，用來(lái)輔助倒車、泊車等工況。其工作原理為由于超聲波在空氣中的傳播速度固定，便可通過(guò)發(fā)射與接收超聲波的時(shí)間差來(lái)計(jì)算超聲波雷達(dá)與障礙物之間的距離。超聲波雷達(dá)能夠?qū)崿F(xiàn)實(shí)時(shí)控制、反應(yīng)迅速、適應(yīng)力強(qiáng)、計(jì)算簡(jiǎn)單等優(yōu)點(diǎn)，是自動(dòng)駕駛汽車環(huán)境感知系統(tǒng)必不可少的傳感器之一。圖8為DYP-A05-V1.1型超聲波雷達(dá)。

圖8 DYP-A05-V1.1型超聲波雷達(dá)

紀(jì)者通過(guò)超聲波雷達(dá)設(shè)計(jì)了一種自動(dòng)泊車系統(tǒng)，提供了一種低成本且強(qiáng)適應(yīng)性的自動(dòng)泊車解決方案，該方案在MATLAB平臺(tái)上驗(yàn)證了可行性[38]。仇旭等運(yùn)用超聲波雷達(dá)，基于擬合特征線段的方法改進(jìn)了一種車位檢測(cè)算法，準(zhǔn)確率高達(dá)92.5%[39]。付鵬等通過(guò)超聲波雷達(dá)對(duì)汽車自動(dòng)泊車位的類型進(jìn)行細(xì)致研究，對(duì)自動(dòng)泊車的流程與原理進(jìn)行分析，為自動(dòng)泊車系統(tǒng)做出理論指導(dǎo)[40]。

3 環(huán)境感知系統(tǒng)傳感器對(duì)比分析

上文分別介紹了自動(dòng)駕駛汽車環(huán)境感知系統(tǒng)所使用的各種傳感器，由于種類較多，下面通過(guò)表格進(jìn)行相關(guān)總結(jié)與分析，如表1所示。

由表1可以看出，各種傳感器的優(yōu)缺點(diǎn)與應(yīng)用場(chǎng)景并不相同，各有所長(zhǎng)，在實(shí)際應(yīng)用中，需要將它們根據(jù)實(shí)際車輛工作的需要進(jìn)行選擇，同時(shí)將傳感器進(jìn)行組合應(yīng)用，取長(zhǎng)補(bǔ)短，保證工作協(xié)同的同時(shí)，還要防止信息的冗余。不但如此，將傳感器與對(duì)應(yīng)算法的匹配也至關(guān)重要，通過(guò)軟硬件的結(jié)合，共同實(shí)現(xiàn)環(huán)境感知的效果，為自動(dòng)駕駛汽車提供準(zhǔn)確、實(shí)時(shí)、高效的路況信息、行人信息、位置信息，這樣才能發(fā)揮環(huán)境感知系統(tǒng)傳感器的最大功能。

表1 環(huán)境感知系統(tǒng)傳感器的優(yōu)缺點(diǎn)對(duì)比

傳感器優(yōu)勢(shì)缺點(diǎn)應(yīng)用場(chǎng)景 攝像頭像素高、刷新快；實(shí)時(shí)性強(qiáng)；顏色識(shí)別；可識(shí)別物質(zhì)受光線影響大；依賴算法；不穩(wěn)定車輛、行人、車道線檢測(cè)；交通標(biāo)志識(shí)別；場(chǎng)景分割 激光雷達(dá)精度和分辨率高；受光線影響??；視野寬，無(wú)盲區(qū)受霧霾天氣的影響較大；同頻干擾探測(cè)障俯物、3D識(shí)別；高精度地圖高精度定位 毫米波雷達(dá)體積小、安裝方便；距離遠(yuǎn)、穿透力強(qiáng)測(cè)量角度受限；采樣點(diǎn)稀疏，分辨率低；不能識(shí)別小物體自適應(yīng)巡航等 超聲波雷達(dá)近距離測(cè)量較準(zhǔn)確距離近、受溫度影響倒車?yán)走_(dá)、自動(dòng)泊車等

自動(dòng)駕駛汽車環(huán)境感知系統(tǒng)是自動(dòng)駕駛系統(tǒng)最基礎(chǔ)也是至關(guān)重要的一個(gè)環(huán)節(jié)，環(huán)境感知的程度，對(duì)于決策層做出車輛行駛狀態(tài)起到關(guān)鍵作用。然而目前環(huán)境感知仍存在許多問(wèn)題，比如依靠單一的傳感器無(wú)法檢測(cè)到完整的環(huán)境信息，而多個(gè)傳感器的使用又會(huì)造成信息的多余，在處理過(guò)程中增加了許多繁瑣的過(guò)程；比如在復(fù)雜的場(chǎng)景下環(huán)境感知的實(shí)時(shí)性、復(fù)雜性、靈敏性等問(wèn)題亟需解決，同時(shí)在面對(duì)突發(fā)情況時(shí)，及時(shí)作出檢測(cè)和判斷至關(guān)重要；又比如軟硬件的適配與技術(shù)的革新，環(huán)境感知系統(tǒng)的效率與準(zhǔn)確度不僅僅依靠硬件的功能，更重要的是進(jìn)行軟件與硬件的適配，通過(guò)軟件將硬件的功能完美地發(fā)揮出來(lái)，往往可以達(dá)到事半功倍的效果。

目前自動(dòng)駕駛汽車等級(jí)最高可達(dá)4級(jí)，如華為與北汽集團(tuán)合力推出的極狐阿爾法S·HI、特斯拉model3等。其中極狐阿爾法S·HI搭載3個(gè)激光雷達(dá)、6個(gè)毫米波雷達(dá)、13個(gè)攝像頭和超聲波雷達(dá)，共34個(gè)傳感器，而特斯拉model3搭載了8個(gè)攝像頭、1個(gè)毫米波雷達(dá)和12個(gè)超聲波雷達(dá)，共21個(gè)傳感器。然而要實(shí)現(xiàn)完全意義上的4級(jí)自動(dòng)駕駛等級(jí)，仍需要進(jìn)一步研究。

4 總結(jié)與展望

本文以車輛自動(dòng)駕駛為入口，介紹了車輛自動(dòng)駕駛系統(tǒng)的系統(tǒng)組成與相關(guān)作用，著重介紹了環(huán)境感知系統(tǒng)的重要作用與相關(guān)傳感器，并通過(guò)表格的形式對(duì)各種傳感器進(jìn)行對(duì)比與分析，通過(guò)分析得出，為了提升自動(dòng)駕駛汽車的可靠性、準(zhǔn)確性和魯棒性，多傳感器融合技術(shù)是必不可少的, 結(jié)合不同傳感器的特點(diǎn), 每種傳感器技術(shù)都可以在高度集成的系統(tǒng)中發(fā)揮其優(yōu)勢(shì), 獲取更準(zhǔn)確的環(huán)境信息。

目前，自動(dòng)駕駛技術(shù)正由L3向L4級(jí)別邁進(jìn)，這對(duì)環(huán)境感知系統(tǒng)提出了更高的要求，產(chǎn)品技術(shù)的升級(jí)離不開(kāi)軟件與硬件的升級(jí)，同時(shí)軟件與硬件的協(xié)同配合是一種有效的方式，通過(guò)技術(shù)不斷地升級(jí)與迭代，高精度、高效率、高反應(yīng)的環(huán)境感知系統(tǒng)一定會(huì)早日實(shí)現(xiàn)，完全自動(dòng)駕駛技術(shù)也必然成為現(xiàn)實(shí)。

[1] 呂偉,郭伏,任增根,等.行人與高級(jí)自動(dòng)駕駛汽車的交互研究綜述:基于行人視角[J].工業(yè)工程與管理, 2022,27(6):75-85.

[2] 任永利,董航瑞.車路協(xié)同+自動(dòng)駕駛助力鄭州智慧島交通強(qiáng)國(guó)示范[J].科技導(dǎo)報(bào),2020,38(9):82-88.

[3] 孫笑笑,呂西萍.自動(dòng)駕駛汽車事故責(zé)任主體的識(shí)別[J].法制博覽,2022(10):1-4.

[4] 吳存?zhèn)?自動(dòng)駕駛汽車侵權(quán)責(zé)任研究[D].北京:中國(guó)社會(huì)科學(xué)院大學(xué),2021.

[5] 黃陳辰.自動(dòng)駕駛汽車交通事故中刑事責(zé)任的劃分與承擔(dān)[J].大連海事大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2021, 20(3):40-47.

[6] 朱冰,張培興,劉斌,等.基于自然駕駛數(shù)據(jù)的自動(dòng)駕駛汽車安全性評(píng)價(jià)方法[J].中國(guó)公路學(xué)報(bào),2022,35 (7):283-291.

[7] 彭浩楠,唐明環(huán),查奇文,等.自動(dòng)駕駛汽車雙車道換道最優(yōu)軌跡規(guī)劃方法[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版), 2022,52(12):2852-2863.

[8] CVETICANIN L,NINKOV I.Sensors in Self-Driving Car[C]//Machine and Industrial Design in Mechanical Engineering Mechanisms and Machine Science.Cham: Springer,2021.

[9] CHEN R,YANG Z.A Cooperative Merging Strategy for Connected and Automated Vehicles Based on Game Theory with Transferable Utility[J].IEEE Tran- sactions on Intelligent Transportation Systems,2022, 23(10):19213-19223.

[10] 詹德凱.自動(dòng)駕駛汽車環(huán)境感知系統(tǒng)傳感器技術(shù)現(xiàn)狀及發(fā)展趨勢(shì)[J].遼寧省交通高等?？茖W(xué)校學(xué)報(bào), 2021,23(3):21-26.

[11] 宋琪.基于多源傳感器融合的無(wú)人車環(huán)境感知算法研究[D].長(zhǎng)春:吉林大學(xué),2021.

[12] ANDRADE D C, BUENO F. A Novel Strategy for Road Lane Detection and Tracking Based on a Vehicle’s Forward Monocular Camera[J].IEEE Tran- sactions on Intelligent Transportation Systems,2019, 20(4):1497-1507.

[13] 沈念偉,于大泳.基于單目攝像頭的車輛前方障礙物的檢測(cè)研究[J].農(nóng)業(yè)裝備與車輛工程,2022,60(1):84- 87.

[14] 孫博文,于峰.基于深度學(xué)習(xí)的單目攝像頭動(dòng)態(tài)手勢(shì)識(shí)別與交互[J].哈爾濱理工大學(xué)學(xué)報(bào),2021,26(1):30- 38.

[15] ZHANG Z Q, LI S C, LI C Y, et al. Navigation Path Detection Method for a Banana Orchard Inspection Robot Based on Binocular Vision[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2021,37(21):9-15.

[16] 李學(xué)森.基于雙目攝像頭的特定環(huán)境目標(biāo)快速檢測(cè)與追蹤研究[D].桂林:廣西師范大學(xué),2021.

[17] 胡嘉祺,趙漢濤,葉俊澤,等.基于能耗地圖的低功耗小車設(shè)計(jì)及實(shí)現(xiàn)[J].電子測(cè)量技術(shù),2019,42(21):10-14.

[18] 成春陽(yáng),黃淵博,盧鑫,等.基于主動(dòng)紅外濾光環(huán)視成像的車道線檢測(cè)算法[J].激光與光電子學(xué)進(jìn)展,2018,55 (12):288-296.

[19] 金展翌.基于紅外攝像頭的手勢(shì)識(shí)別[D].南京:東南大學(xué),2020.

[20] 曾進(jìn),老志輝,許綿渠.基于紅外攝像頭的睡眠姿勢(shì)嵌入式監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J].電子技術(shù)與軟件工程,2019 (15):168-170.

[21] 孫宛路.基于魚(yú)眼環(huán)視的車道線檢測(cè)技術(shù)研究[D].長(zhǎng)春:吉林大學(xué),2020.

[22] 黃思曉.基于360°全景攝像頭圖像識(shí)別的行車輔助系統(tǒng)[J].電子技術(shù)與軟件工程,2021(11):77-79.

[23] 董理,胡茂海,楊志榮.基于深度相機(jī)的物體姿態(tài)感知方法[J].激光與光電子學(xué)進(jìn)展,2022,59(14):300-307.

[24] 粟傈,楊帆,王向禹,等.基于事件相機(jī)的機(jī)器人感知與控制綜述[J].自動(dòng)化學(xué)報(bào),2022,48(8):1869-1889.

[25] 李響,楊德貴.認(rèn)知雷達(dá)及其關(guān)鍵技術(shù)的研究進(jìn)展分析[J].現(xiàn)代雷達(dá),2022,44(3):1-9.

[26] LIU L, HE J. A LiDAR–Camera Fusion 3D Object Detection Algorithm[J].Information,2022,13(4):169.

[27] WANG Z Y, YU G Z.A Train Positioning Method Based-On Vision and Millimeter-Wave Radar Data Fusion[J].IEEE Transactions on Intelligent Transpor- tation Systems,2022,23(5):4603-4613.

[28] 仇旭.基于相機(jī)和超聲波雷達(dá)的車輛環(huán)境感知技術(shù)研究[D].長(zhǎng)沙:湖南大學(xué),2020.

[29] LETARD M, COLLIN A.Classification of Land-Water Continuum Habitats Using Exclusively Airborne Topobathymetric Lidar Green Waveforms and Infrared Intensity Point Clouds[J].Remote Sensing,2022,341: 14.

[30] 高鵬,姜軍生,白陽(yáng),等.基于改進(jìn)A*算法的果園移動(dòng)機(jī)器人建圖定位與路徑規(guī)劃方法與試驗(yàn)[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào),2022,43(1):142-149.

[31] 溫淑慧,問(wèn)澤藤,劉鑫,等.基于ROS的移動(dòng)機(jī)器人自主建圖與路徑規(guī)劃[J].沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào),2022,44 (1):90-94.

[32] 張謙.基于激光雷達(dá)的機(jī)器人路徑規(guī)劃[J].激光雜志,2018,39(5):88-91.

[33] 馬小龍,余強(qiáng),劉建蓓.基于路側(cè)毫米波雷達(dá)的車輛碰撞概率計(jì)算方法[J].交通運(yùn)輸系統(tǒng)工程與信息,2022, 22(1):57-66.

[34] 張磊,方遒,孫彥超.基于毫米波雷達(dá)的疲勞駕駛監(jiān)測(cè)系統(tǒng)[J].機(jī)電技術(shù),2022(2):92-95.

[35] 費(fèi)文玉,左付山,趙風(fēng)財(cái),等.基于毫米波雷達(dá)的汽車開(kāi)門防撞系統(tǒng)設(shè)計(jì)[J].汽車實(shí)用技術(shù),2022,47(6):75-81.

[36] 薛其威,伍錫如.基于多模態(tài)特征融合的無(wú)人駕駛系統(tǒng)車輛檢測(cè)[J].廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2022,40(2):37-48.

[37] PAULET M V, SALCEANU A.Ultrasonic Radar[C]// International Conference and Exposition on Electrical and Power Engineering,Romania.IEEE Xplore, 2016: 551-554.

[38] 紀(jì)者.基于超聲波雷達(dá)的自動(dòng)泊車系統(tǒng)研究[D].北京:北京交通大學(xué),2021.

[39] 仇旭,朱浩,鄧元望.基于超聲波雷達(dá)的改進(jìn)車位檢測(cè)算法研究[J].中國(guó)機(jī)械工程,2020,31(14):1747-1753.

[40] 付鵬,李嫩,陳庚,等.基于超聲波雷達(dá)的泊車位類型檢測(cè)[J].汽車實(shí)用技術(shù),2020,45(7):25-27.

Research on Environmentally Aware Sensors for Autonomous Vehicles

LIU Wei, LU Cunhao*

( School of Mechanical Engineering, Yangzhou University, Yangzhou 225000, China )

In recent years, autonomous driving technology, as an important part of intelligent networked vehicles, has become a hot topic, and the environmental perception system is the sensory nerve of autonomous vehicles and plays the role of "eye". This paper makes a brief intro- duction to the composition of the autonomous vehicle system by consulting the relevant literature and combining the current research hotspots, and at the same time introduces the types, working principles, and application scenarios of the sensors used in the environment perception system, and compares and analyzes different sensors and makes suggestions. Through the introduction of this article, it can help readers have a preliminary understanding of the environmental perception system of autonomous vehicles, and at the same time give some guidance to relevant technical personnel.

Autonomous vehicle; Environmental awareness; Sensors; Lidar; Millimeter wave radar

U462

A

1671-7988(2023)10-197-07

10.16638/j.cnki.1671-7988.2023.010.040

劉煒（1999—），男，碩士研究生，研究方向?yàn)檐嚨谰€識(shí)別技術(shù)、圖像處理技術(shù)，E-mail:lw199988@163.com。

陸存豪（1988—），男, 博士，講師，研究方向?yàn)檐嚨谰€識(shí)別技術(shù)、圖像處理技術(shù)，E-mail:lch_ok@yzu.edu.cn。