无人驾驶分级及关键技术

　　无人驾驶汽车
　　无人驾驶汽车，又称自动驾驶汽车或轮式移动机器人，是一种运输动力的无人地面载具。我们理想的无人驾驶汽车是无需人类操作即能从地点A行驶到地点B，不管途中环境多复杂天气多恶劣都由机器自己完成。无人驾驶汽车的核心在于无人驾驶技术，如果说汽车工业是制造业的皇冠，那么无人驾驶技术就是皇冠上的明珠。
　　无人驾驶汽车需要多门技术整合才能实现，它并非是一项单一的新技术，其中包括雷达、激光雷达、摄像头、GPS、计算机视觉、决策系统、操作系统、高精地图、实时定位、机械控制、能耗散热管理等等。尽管无人驾驶汽车看起来很科幻，但实际上梦想正在照进现实。

　　无人驾驶分级
　　针对无人驾驶汽车自动化的程度一般可以分为6个级别，按照自动化程度从低到高顺序分别为Level 0 到Level 5。
　　Level 0：无任何自动化驾驶功能，行驶过程完全依靠人类司机控制汽车，包括汽车启动、行驶过程中的各种环境状况的观察、各种操作决策等等。简单来说，需要人类控制驾驶的汽车都属于这个级别。
　　Level 1：单一功能自动化，行驶过程中将部分控制权交给机器管理，但是司机仍然需要把控整体。比如自适应巡航、应急刹车辅助、车道保持等等。司机手脚不能同时脱离控制系统。
　　Level 2：部分自动化，行驶过程中司机和汽车共享汽车控制权，在某些预设环境下司机能够完全脱离控制系统，但司机需要随时待命，且需要在短时间内接管汽车。
　　Level 3：有条件自动化，在有限情况下实现自动行驶。比如在高速路上机器完全负责整个汽车的操控，司机可以完全完全脱离控制系统，司机需要随时待命，但有足够的预警时间。
　　Level 4：高度自动化，在特定道路限定下行驶过程中无需司机介入。司机仅需要设置好起点和终点即可，剩下的交由汽车自行控制。
　　Level 5：完全自动化，在任何环境中行驶都无需司机介入。司机仅需要设置好起点和终点即可，剩下的交由汽车自行控制。

无线雷达
无线雷达（Radio Detection and Ranging）是汽车上很常见的组件，它的工作原理是发射出无线电波后经过远处物体将无线电波反射回来从而达到探测效果。通过无线雷达能够获得物体的数量、大小、运动速度、运动方向等等信息，在无人驾驶领域它经常被用于自适应巡航和自动紧急制动场景。

雷达
雷达向目标区域发出无线电波，某个物体将无线电波反射回来，便能够计算两者之间的距离。距离d=c⋅t/2，其中t为从无线电波发射到反射回来的时间间隔，c为光速（3⋅10的八次方米每秒）。
雷达可用来识别数百码之外的物体，并且能够检测它的大小及运动速度。但它不能够捕获到物体的细节。

　激光雷达
　　激光雷达LiDAR（Light Detection and Ranging），即激光探测及测距系统，是以发射激光束来探测物体的雷达系统。其工作原理是向目标物体发射大量激光束探测信号，然后接收器处理目标反射回来的信号即可获得目标的有关信息，比如目标的距离、方位、高度、速度、姿态、甚至形状等信息。无人驾驶汽车的激光雷达一般都安装在车顶上，不断地高速旋转对周围环境进行扫描，通过它能够得到周围物体的三维信息。
　　
　　激光雷达
　　激光雷达的测量原理相对比较简单，比如下图中车上的激光雷达向目标物体发出一束激光，就可以通过光速来计算距离了，而加上光束的角度后则能得到更多指标。
　　对于实际立体物体，通过激光雷达对整个物体扫描就能够形成3D点云。激光雷达对目标发射出多个光束，接收器接收反射回来的光束后对信号进行处理，从而形成3D点云。
　　
　　3D激光雷达
　　激光雷达提供了比无线雷达更高分辨率的解决方案，能比无线雷达捕获更多信息。激光雷达造价贵，运行时需要不停旋转，同时它无法在多雾多尘的天气工作。

　　无人驾驶汽车关键技术
　　无人驾驶汽车是未来汽车发展的方向，是各种顶尖科技成果为一体的智慧型汽车。就目前发展现状来看，还有以下几个方面的技术OTR需取得突破。
　　1、传感器技术
　　现在无人车能出现很大程度上依赖传感器的进步。现在的无人驾驶汽车采用激光雷达，直接感知路面状况，用于分析计算。
　　2、定位
　　目前主要的定位系统中美国的GPS应用最为广泛，技术也较为成熟，但目前民用的GPS定位精度远达不到无人车的需求，GPS官方民用定位精度“《10 m”，更高精度的GPS基本要依靠差分完成。差分的原理很简单：设置一个固定基站，固定基站校准位置，再将信号传递给车载设备，车载设备在接收到基站信号和GPS信号后差分获得。但是每一个基站的有效范围也就30 km。于是有很多技术要解决GPS精度不足的问题，如地图匹配。
　　3、避障
　　车辆前方有障碍，障碍物是运动的还是静止的，车是停下来还是绕过去。这部分主要的难度是从传感器识别障碍，在车辆运动的前提下，确定障碍的运动状态。也就是说你要在运动的坐标系下，计算另一个物体相对静坐标系的速度，并作出判断。
　　4、识别
　　人能轻易识别出道路上的交通标识，如限速牌、红绿灯，同时作出相应的反应，但这对于机器来说是一个困难的挑战。目前的机器视觉技术还难以识别像树木、行人、动物等物体。这些物体的识别都要通过视觉系统完成。在无人车上不但需要能在有限的时间里识别出来，并且还要考虑道路中可能有的光线变化、遮挡等问题。要完善解决这些问题，还需要等待机器视觉和图像识别领域的技术突破。
　　5、控制
　　除了上面的避障以外，其他外围机构的改造可能会存在一些改造上的问题。如何介入转向架、如何介入油门。这部分技术的难度较小，汽车控制技术如今已比较成熟，而无人驾驶汽车在未来基本为纯电动汽车，在控制难度上将小于传统的内燃机汽车。