---

前言：無人駕駛分級

以下為《汽車駕駛自動化分級》具體標(biāo)準(zhǔn)：

~
0 級駕駛自動化（應(yīng)急輔助）：
駕駛自動化系統(tǒng)不能持續(xù)執(zhí)行動態(tài)駕駛?cè)蝿?wù)中的車輛橫向或縱向運動控制，但具備持續(xù)執(zhí)行動 態(tài)駕駛?cè)蝿?wù)中的部分目標(biāo)和事件探測與響應(yīng)的能力。
需要指出的是，0級駕駛自動化不是無駕駛自動化，0級駕駛自動化可感知環(huán)境，并提供報警、輔助或短暫介入以輔助駕駛員（如車道偏離預(yù)警、前碰撞預(yù)警、自動緊急制動等應(yīng)急輔助功能）。
此外，不具備目標(biāo)和事件探測與響應(yīng)的能力的功能（如:定速巡航、電子穩(wěn)定性控制等）不在駕駛自動化考慮的范圍內(nèi)。
1 級駕駛自動化（部分駕駛輔助）：
駕駛自動化系統(tǒng)在其設(shè)計運行條件內(nèi)持續(xù)地執(zhí)行動態(tài)駕駛?cè)蝿?wù)中的車輛橫向或縱向運動控制，且具備與所執(zhí)行的車輛橫向或縱向運動控制相適應(yīng)的部分目標(biāo)和事件探測與響應(yīng)的能力。對于1級駕駛自動化，駕駛員和駕駛自動化系統(tǒng)共同執(zhí)行動態(tài)駕駛?cè)蝿?wù)，并監(jiān)管駕駛自動化系統(tǒng)的行為和執(zhí)行適當(dāng)?shù)捻憫?yīng)或操作。
2 級駕駛自動化（組合駕駛輔助）：
駕駛自動化系統(tǒng)在其設(shè)計運行條件內(nèi)持續(xù)地執(zhí)行動態(tài)駕駛?cè)蝿?wù)中的車輛橫向和縱向運動控制，且具備與所執(zhí)行的車輛橫向和縱向運動控制相適應(yīng)的部分目標(biāo)和事件探測與響應(yīng)的能力。與1級類似的是，對于2級駕駛自動化，駕駛員和駕駛自動化系統(tǒng)也是共同執(zhí)行動態(tài)駕駛?cè)蝿?wù)，并監(jiān)管駕駛自動化系統(tǒng)的行為和執(zhí)行適當(dāng)?shù)捻憫?yīng)或操作。
3 級駕駛自動化（有條件自動駕駛）：
駕駛自動化系統(tǒng)在其設(shè)計運行條件內(nèi)持續(xù)地執(zhí)行全部動態(tài)駕駛?cè)蝿?wù)。
對于 3 級駕駛自動化，動態(tài)駕駛?cè)蝿?wù)接管用戶以適當(dāng)?shù)姆绞綀?zhí)行動態(tài)駕駛?cè)蝿?wù)接管。
4 級駕駛自動化（高度自動駕駛）：
駕駛自動化系統(tǒng)在其設(shè)計運行條件內(nèi)持續(xù)地執(zhí)行全部動態(tài)駕駛?cè)蝿?wù)和執(zhí)行動態(tài)駕駛?cè)蝿?wù)接管。
對于 4 級駕駛自動化，系統(tǒng)發(fā)出接管請求時，若乘客無響應(yīng)，系統(tǒng)具備自動達(dá)到最小風(fēng)險狀態(tài)的能力。
5 級駕駛自動化（完全自動駕駛）：
駕駛自動化系統(tǒng)在任何可行駛條件下持續(xù)地執(zhí)行全部動態(tài)駕駛?cè)蝿?wù)和執(zhí)行動態(tài)駕駛?cè)蝿?wù)接管。對于5級駕駛自動化，系統(tǒng)發(fā)出接管請求時，乘客無需進(jìn)行響應(yīng)，系統(tǒng)具備自動達(dá)到最小風(fēng)險狀態(tài)的能力。此外，5級駕駛自動化在車輛可行駛環(huán)境下沒有設(shè)計運行條件的限制（商業(yè)和法規(guī)因素等限制除外）。
`

L0,簡單點理解，就是傳統(tǒng)的人來駕駛。
L1,巡航定速（adaptive cruise control，ACC），巡航裝置可以縱向控制車輛，加速減速；
L2，車道保持輔助（Lane keeping）系統(tǒng)可以縱向控制也可以橫向控制汽車，但車市輔助的，人才是主導(dǎo)；
L2.5，可以提供簡單路況下的變道能力，如目前的Tesla；
L2和L3之間有一個鴻溝，權(quán)責(zé)問題（出了事故，誰的責(zé)任）；
L3,在L2的基礎(chǔ)上提供變道能力，在某一時間段內(nèi)車是責(zé)任主體。如最新款奧迪A8
L4,相當(dāng)于全無人駕駛，就是大部分時間由車來做主導(dǎo)。如waymo,Baidu；
L5,駕駛能力上，幾乎和人類沒有關(guān)系，l5的車輛沒有方向盤以及腳踏板以及其他接管設(shè)備。

當(dāng)前，市場上L4人才需求最高，許多車企都是以這個級別作為目標(biāo)的。

一、不同level的無人駕駛實例分析

1.L2級別

比如特斯拉，L2的視覺感知技術(shù)對應(yīng)車道線和周邊情況的觀察效果很好，但是如果是復(fù)雜的十字路口，沒有車道線的話，視覺方案就會存在弊端。

2.L3級別

L3級別的責(zé)任，是奧迪車企負(fù)責(zé)的，但是要進(jìn)入自動駕駛狀態(tài)的條件苛刻，否則仍然認(rèn)為是手動駕駛。

3.L4級別

激光雷達(dá)成本高，開銷巨大。但是激光雷達(dá)具有視覺不具備的好處，在夜間、霧天等極端天氣的感知更加精準(zhǔn)。

①如何在減少成本的情況下，實現(xiàn)類似全方位高精度的感知呢？

車路協(xié)同+邊緣計算：借助RSU和OBU實現(xiàn)。

–RSU（路側(cè)單元）：比如紅綠燈的攝像頭確定的斑馬線的行人位置信息，傳送給無人車；
–OBU（車載單元）：無人車上，接收RSU發(fā)送過來的信息模塊

車路協(xié)同是指車輛與道路基礎(chǔ)設(shè)施之間的信息交互和協(xié)同工作。通過車輛與交通基礎(chǔ)設(shè)施之間的通信，可以實現(xiàn)實時的交通信息共享、交通管理和智能交通控制。例如，交通信號燈可以根據(jù)道路上的車輛流量和擁堵情況進(jìn)行智能調(diào)整，以優(yōu)化交通流暢度和減少交通擁堵。

邊緣計算是一種分布式計算模型，它將計算資源和數(shù)據(jù)處理能力推向網(wǎng)絡(luò)的邊緣，靠近數(shù)據(jù)源和終端設(shè)備。邊緣計算可以在離用戶更近的位置進(jìn)行數(shù)據(jù)處理和決策，減少數(shù)據(jù)傳輸延遲和網(wǎng)絡(luò)帶寬消耗。在車路協(xié)同中，邊緣計算可以用于處理車輛和道路基礎(chǔ)設(shè)施之間的通信數(shù)據(jù)，進(jìn)行實時的數(shù)據(jù)分析和決策，以提供更高效的交通管理和服務(wù)。

綜合起來，車路協(xié)同和邊緣計算可以結(jié)合使用，通過車輛與道路基礎(chǔ)設(shè)施之間的信息交互和邊緣計算的數(shù)據(jù)處理能力，實現(xiàn)智能交通管理和優(yōu)化。例如，車輛可以通過邊緣計算節(jié)點與交通信號燈進(jìn)行通信，交換交通信息并接收優(yōu)化的信號燈控制策略，從而實現(xiàn)更順暢的交通流動。

②路側(cè)終歸是輔助，主車的智能才是重中之重：融合深度學(xué)習(xí)

二、無人駕駛的責(zé)任問題如何界定量化？

RSS模型的目的是，為自動駕駛車輛與人類的責(zé)任概念提供具體可衡量的參數(shù)，并通過對所記錄在案的交通數(shù)據(jù)涉及行為和環(huán)境進(jìn)行分析統(tǒng)計，為自動駕駛汽車界定一個可計量的“安全狀態(tài)”。如果有了這個規(guī)則，軟件能偶做出最安全的決策。

三、自動駕駛研究的編程語言

①C++:高效、實時性強(qiáng)

C++：C++ 是一種高效且功能強(qiáng)大的編程語言，被廣泛用于自動駕駛系統(tǒng)的開發(fā)。它提供了對硬件的底層訪問和控制，適合實現(xiàn)實時的感知、決策和控制算法。

②Python：開發(fā)門檻低、庫豐富、易于深度學(xué)習(xí)

Python：Python 是一種簡潔易讀的編程語言，被廣泛用于自動駕駛系統(tǒng)中的數(shù)據(jù)處理、機(jī)器學(xué)習(xí)和人工智能算法的開發(fā)。Python 的豐富的庫和框架使得開發(fā)者可以快速實現(xiàn)各種算法和模型。

③matlab：同python、計算能力強(qiáng)

MATLAB：MATLAB 是一種用于科學(xué)計算和數(shù)據(jù)分析的編程語言和環(huán)境，也被廣泛用于自動駕駛系統(tǒng)的研究和開發(fā)。MATLAB 提供了豐富的工具箱和函數(shù)，用于開發(fā)和測試感知、控制和決策算法。

④ROS：機(jī)器人操作系統(tǒng)。自動駕駛可以認(rèn)為是輪式智能機(jī)器人，但不同的是，自動駕駛車輛更專注于在道路上進(jìn)行安全和高效的交通運輸，而輪式智能機(jī)器人更專注于在室內(nèi)或特定環(huán)境中執(zhí)行特定任務(wù)。所以自動駕駛核心問題是處理數(shù)據(jù)的運行速度，即實時性。

ROS（Robot Operating System）：ROS 并不是一種編程語言，而是一個機(jī)器人操作系統(tǒng)的框架，支持多種編程語言，如C++、Python等。ROS 提供了一套用于構(gòu)建自動駕駛系統(tǒng)的工具和庫，簡化了開發(fā)過程。

四、L4自動駕駛系統(tǒng)架構(gòu)：軟件與硬件

檢測區(qū)：如GPS、IMU、雷達(dá)、攝像頭
感知區(qū)：定位、物體識別、物體追蹤
決策區(qū)：路徑規(guī)劃、行為預(yù)測、障礙物避讓

底層的話，就是軟件上的操作系統(tǒng)和硬件上的硬件層。同時會與云端的地圖、仿真器、模型訓(xùn)練和數(shù)據(jù)處理相融合。

硬件

1 感知傳感器：

–攝像頭：廣泛應(yīng)用在物體識別和物體追蹤場景，比如車道線檢測，交通燈識別等等，一般無人車都安裝了環(huán)視多枚攝像頭
–激光雷達(dá)：用于障礙物位置識別、繪制地圖、輔助定位等，其準(zhǔn)去率非常高，很多方案都將激光雷達(dá)作為主傳感器使用
–毫米波雷達(dá)：陰雨天、霧霾天氣能夠輔助感知獲取物體位置和速度，觀測距離遠(yuǎn)但誤檢較多
–超聲波：近處高敏度傳感器，常用于作為安全冗余設(shè)備檢測車輛的碰撞安全問題

2 定位系統(tǒng)傳感器：

–IMU：實時測量自身的位姿，200Hz或者更高。包含了三個單軸的加速度計和三個單軸的陀螺儀；加速度計檢測物體在載體坐標(biāo)系統(tǒng)獨立三軸的加速度信號，而陀螺儀檢測載體相對導(dǎo)航坐標(biāo)系的角速度信號

–GNSS：指的是日常說的GPS，無人車一般使用RTK（載波相位差技術(shù)）進(jìn)行定位，頻率較低，10Hz左右。

軟件

1）HMI：可視化駕駛艙內(nèi)顯示，這個也比較多，比如QT、OLED、LCD顯示等
2）操作系統(tǒng)OS
–RTOS：實時操作系統(tǒng)，這個在嵌入式領(lǐng)域已經(jīng)接觸過了。
–QNX：類Unix系統(tǒng)，具有強(qiáng)實時性，符合車規(guī)級的實時操作系統(tǒng)
–RT Linux： Linux內(nèi)核補丁，通過軟件實時進(jìn)行監(jiān)控。（當(dāng)前2.x版本道4.x版本都有RT補丁）

3）Framework：
–ROS：B->M（自動駕駛的軟件框架主流采用ROS）
–其他的有，YARP、Microsoft Robotic、Moos、Cybertron
(ROS雖然是主流，但是其分布式的架構(gòu)，存在不能點對點通信的問題，其他里面的有些是針對此而補足的。但是，不可否認(rèn)，ROS還是最優(yōu)秀的)

4）高精地圖 HD Map（High Dimensional）

–不同于導(dǎo)航地圖，最大特點就是高緯度和高精度
–道路網(wǎng)的的準(zhǔn)確三維表征，如交叉路口布局和路標(biāo)位置
–地圖語義信息，如道路的速度限制、左轉(zhuǎn)車道開始位置
高精地圖的作用：
–導(dǎo)航地圖只能達(dá)到米級精度，高精地圖需要能夠達(dá)到厘米級的精度
–高精地圖坐標(biāo)系：WGS84、墨卡托坐標(biāo)系
–高精地圖提供了其他Level4模塊的數(shù)據(jù)支持

–提供了很多準(zhǔn)確的靜態(tài)物體的信息
–定位可以用于計算相對位置
–幫助傳感器縮小檢測范圍，縮小感興趣（設(shè)備最優(yōu)的工作范圍）區(qū)域ROI（可以提高傳感器的工作效率）
–計算道路導(dǎo)航信息
–幫助車輛識別道路的確切中心線
評：當(dāng)前的Level4級別的，都是基于高精地圖來做的開發(fā)

5）定位 Localiztion
–無人車最重要的一步就是知道自己在哪
–INS：Inertial Navigation System 慣性導(dǎo)航系統(tǒng)
–IMU 獲取自身狀態(tài)（加速度和角速度）后通過狀態(tài)矩陣遞推下一時刻
如果沒有矯正信息的話，這種狀態(tài)遞推會隨著時間不斷累計誤差，導(dǎo)致最終位置發(fā)散

解決定位中IMU的累計誤差的方法：

–RTK：載波相位差分系統(tǒng)，如GNSS（GPS）
–RTK多了一個靜態(tài)基站（自身位置已知，與衛(wèi)星的精確位置關(guān)系也是已知的，當(dāng)實時衛(wèi)星發(fā)送信號給基站，會得到一個測量值，測量值與精確值有一個偏差值），無人車也接受了衛(wèi)星信號，也得到一個測量值，如果基站和無人車的距離不是很遠(yuǎn)時候，可以使用基站的偏差值，對衛(wèi)星與無人車之間的干擾信號進(jìn)行差分抹平，從而獲取更準(zhǔn)確的位置
RTK通過較低的更新頻率提供相對準(zhǔn)確的位置信息，INS則以較高的頻率提供準(zhǔn)確性較差的姿態(tài)信息。通過Kalman Filter 整合兩類數(shù)據(jù)獲取各自優(yōu)勢，合并提供出高準(zhǔn)確性的實時信息

–幾何定位：激光雷達(dá)、攝像頭、高精地圖
–利用激光雷達(dá)或者圖像信息，可以通過物體匹配對汽車進(jìn)行定位。將檢測的數(shù)據(jù)與預(yù)先存在的高精地圖之間匹配，通過比較獲取無人車在高精地圖上的全球位置和行駛方向
–迭代最近點（ICP）\直方濾波（Histogram Filter）

五、自動駕駛的軟件研究問題

感知的四大任務(wù)可以總結(jié)為：檢測、分類、跟蹤、分割

a、感知（perception）

圖像、點云、雷達(dá)反射值：
–學(xué)習(xí)方式：監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)
–R-CNN系列、YOLO、SSD（這幾個都是深度學(xué)習(xí)的經(jīng)典算法）

前融合，指的是將多傳感器的基礎(chǔ)數(shù)據(jù)進(jìn)行融合
后融合，指的是，將任務(wù)分割后，選擇對應(yīng)的傳感器的數(shù)據(jù)作為標(biāo)準(zhǔn)值，比如障礙物探測選擇lidar,障礙物類型分類則選擇camera

LiDAR和Radar在自動駕駛系統(tǒng)中通常結(jié)合使用，以獲得更全面和準(zhǔn)確的環(huán)境感知。LiDAR提供了高精度的三維點云數(shù)據(jù)，可以用于建立環(huán)境地圖和檢測細(xì)節(jié)；而Radar則提供了更長的探測距離和對惡劣天氣的適應(yīng)性，可以用于遠(yuǎn)距離物體檢測和運動跟蹤。

b、預(yù)測（Prediction）

–實時性和準(zhǔn)確性
–基于狀態(tài)進(jìn)行預(yù)測：Kalman Filter、Particle Filter（這里狀態(tài)預(yù)測可以這么理解，已知當(dāng)前車子的速度，方向等等信息，通過兩種濾波進(jìn)行簡單計算出下一個位置，得到的簡單的預(yù)測）

–基于車道序列進(jìn)行預(yù)測
–通過機(jī)器學(xué)習(xí)模型化簡為分類問題
–行人預(yù)測：無人車需要非常重視安全問題，其中人的安全最為重要，而行人的意圖變化卻是最難預(yù)測的，也是約束最少的。

c、決策與規(guī)劃

d、控制