環(huán)境信息處理在無人駕駛中的發(fā)展與應(yīng)用

摘要：隨著駕駛安全性需求的不斷增加以及智能自動化技術(shù)的不斷發(fā)展，無人駕駛相關(guān)產(chǎn)業(yè)受到越來越多的關(guān)注。環(huán)境信息的感知及處理作為無人駕駛的關(guān)鍵信息輸入影響著車輛后續(xù)軌跡預(yù)測、路徑規(guī)劃以及運(yùn)動控制等駕駛?cè)蝿?wù)，是決定駕駛安全性及有效性的重要一環(huán)。本文介紹了環(huán)境信息處理在無人駕駛技術(shù)中的發(fā)展及應(yīng)用，并且進(jìn)一步探討了未來無人駕駛技術(shù)中環(huán)境信息應(yīng)用的可能發(fā)展方向。

1

引言

隨著硬件精度的不斷提高、控制器計(jì)算能力的不斷提升以及互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，智能駕駛、無人汽車等概念廣受關(guān)注，無人駕駛技術(shù)研究不斷深入，其應(yīng)用落地也越來越成為可能。由于無人駕駛車輛具有提升駕駛安全性、乘車舒適性以及減少交通事故等特點(diǎn)，因此，近年來無人駕駛技術(shù)已成為自動化智能發(fā)展中備受關(guān)注的方向之一。

2

無人駕駛發(fā)展現(xiàn)狀

無人駕駛技術(shù)的落地與應(yīng)用已成為國際公認(rèn)的未來發(fā)展方向和關(guān)注焦點(diǎn)之一，美、歐、日、中等國家都將駕駛自動化技術(shù)作為交通領(lǐng)域的重點(diǎn)發(fā)展方向，并從國家層面進(jìn)行戰(zhàn)略布局。德國在2017年發(fā)布的《道路交通法第八修正案》中規(guī)定在特定時(shí)間和條件下，高度或全自動化駕駛系統(tǒng)可以接管駕駛?cè)藢ζ嚨目刂?，并?021年發(fā)布的《自動駕駛法》中提出允許被頒發(fā)運(yùn)營許可證的自主駕駛功能操作機(jī)動車在主管部門根據(jù)國土法批準(zhǔn)的特定操作范圍內(nèi)使用以及參與公共道路交通；日本在2021年發(fā)布的《面向?qū)崿F(xiàn)和普及自動駕駛的措施報(bào)告與方針》中提出，到2025年在混合其他交通元素的空間中部署L4級自動駕駛車輛；美國在2021年發(fā)布的《自動駕駛汽車綜合計(jì)劃》中提出優(yōu)化交通監(jiān)管環(huán)境，簡化自動駕駛技術(shù)推行的行政豁免程序，修改現(xiàn)有法規(guī)支持創(chuàng)新并籌建適合自動駕駛的交通環(huán)境。近些年，我國也在不斷推行無人駕駛相關(guān)政策，在2020年發(fā)布的《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》中提出：到2025年實(shí)現(xiàn)有條件自動駕駛的智能汽車達(dá)到規(guī)模化生產(chǎn)，實(shí)現(xiàn)高度自動駕駛的智能汽車在特定環(huán)境下的市場化應(yīng)用，并在2021年發(fā)布的《國家車聯(lián)網(wǎng)產(chǎn)業(yè)標(biāo)準(zhǔn)體系建設(shè)指南》中提出了對智能交通、車聯(lián)網(wǎng)、無人駕駛等的進(jìn)一步要求。國內(nèi)外很多企業(yè)及高校同樣積極關(guān)注和支持無人駕駛技術(shù)的發(fā)展，并在無人駕駛方向投入了大量研究。2015年谷歌提交至機(jī)動車輛管理局的報(bào)告中顯示，其無人駕駛車輛在自動模式下已完成130萬余英里的行程；同年，百度無人車完成首次路測，實(shí)現(xiàn)國內(nèi)混合路況下的全自動駕駛。除了企業(yè)的研究投入，自2005年DARPA開啟無人車挑戰(zhàn)賽的先河以來，諸多自動駕駛汽車挑戰(zhàn)賽也在不斷推進(jìn)這一領(lǐng)域的發(fā)展：歐洲陸基機(jī)器人競賽（ELROB）自2006年舉辦至今，促進(jìn)了無人駕駛數(shù)據(jù)采集與導(dǎo)航?jīng)Q策等多方面的發(fā)展；VisLab洲際無人車挑戰(zhàn)賽，對無人車在不同環(huán)境下的適應(yīng)性提出了更高的要求；歐盟于2011年和2016年舉行的協(xié)同駕駛挑戰(zhàn)賽（GCDC），通過道路上車間通訊提升了駕駛安全性并緩解了交通擁堵問題。此外，近年來越來越多的科技企業(yè)與互聯(lián)網(wǎng)巨頭進(jìn)入無人駕駛行業(yè)，并與傳統(tǒng)車企、應(yīng)用場景方開展戰(zhàn)略合作，加速無人駕駛技術(shù)的迭代與應(yīng)用落地。2020年傳統(tǒng)車企持續(xù)布局智能網(wǎng)聯(lián)與車路協(xié)同，逐步構(gòu)建無人駕駛生態(tài)圈；同年，互聯(lián)網(wǎng)與出行企業(yè)開展智能網(wǎng)聯(lián)技術(shù)應(yīng)用，發(fā)展云端業(yè)務(wù)，百度Apollo、小馬智行等開啟商業(yè)化試點(diǎn)服務(wù)；此外，一些自動駕駛科技公司如Waymo、文遠(yuǎn)智行等開始與傳統(tǒng)車企展開合作，加速無人駕駛的技術(shù)落地與量產(chǎn)；小米、華為、微軟、字節(jié)跳動等科技大廠也于2021年起逐步進(jìn)入無人駕駛領(lǐng)域開啟大廠造車模式。截至2023年，國內(nèi)多個(gè)低速無人駕駛項(xiàng)目已進(jìn)入常態(tài)化運(yùn)營模式，且在此基礎(chǔ)上，僅今年上半年全國各級各部門就公示了近30條無人駕駛產(chǎn)業(yè)相關(guān)政策，以全方位推動無人駕駛應(yīng)用落地，為無人駕駛行業(yè)的發(fā)展提供了明確的發(fā)展方向與生產(chǎn)經(jīng)營環(huán)境。

3

無人駕駛的設(shè)計(jì)架構(gòu)

無人駕駛技術(shù)通過內(nèi)外部傳感器采集外部環(huán)境信息與車輛內(nèi)部數(shù)據(jù)，隨后計(jì)算設(shè)備處理融合數(shù)據(jù)信息傳遞至規(guī)劃系統(tǒng)，并根據(jù)輸出信息執(zhí)行運(yùn)動控制具體內(nèi)容，以此完成感知、決策、執(zhí)行全部流程，達(dá)到車輛自主控制的目的?；诖耍瑹o人駕駛系統(tǒng)架構(gòu)可以概述為感知、規(guī)劃、控制三個(gè)單元，如圖1所示，其中感知單元收集并分析處理環(huán)境信息，規(guī)劃單元針對環(huán)境信息進(jìn)行進(jìn)一步的任務(wù)規(guī)劃以及行為決策，控制單元在此基礎(chǔ)上執(zhí)行最終無人駕駛行為并與交通環(huán)境進(jìn)行實(shí)際交互。圖1無人駕駛系統(tǒng)架構(gòu)感知單元具有無人駕駛系統(tǒng)從環(huán)境中收集并提取相關(guān)知識的能力。感知單元以多種傳感器數(shù)據(jù)與地圖信息數(shù)據(jù)作為輸入，經(jīng)過一系列計(jì)算處理對無人駕駛車輛周圍環(huán)境進(jìn)行感知分析，其作為自動駕駛的輸入模塊為下游模塊提供豐富的交通環(huán)境信息。其中環(huán)境感知特指對于環(huán)境信息的理解能力，例如確定障礙物位置、形狀、類別、速度信息等，以及對環(huán)境的語義理解與分類，如信號燈識別、道路標(biāo)記檢測、行人車輛檢測等。此外，無人駕駛車輛定位模塊也是感知單元的組成部分之一，其作用是確定無人駕駛車輛相對于環(huán)境的位置，以滿足后續(xù)車輛路徑規(guī)劃等任務(wù)需求。規(guī)劃單元負(fù)責(zé)無人駕駛車輛為了達(dá)到某一目標(biāo)而做出的帶有目的性的決策行為。在無人駕駛中該目標(biāo)一般指駕駛目的地，其中包含出行最終目的地以及階段性駕駛行為目的地，如交通路口、車輛匯入?yún)R出口、車輛變道超車目標(biāo)位置等。規(guī)劃單元的主要任務(wù)是在優(yōu)化駕駛軌跡避免碰撞障礙物等基礎(chǔ)安全性需求之上，進(jìn)一步達(dá)到優(yōu)化乘客乘車舒適性、提升交通流效率等高級駕駛目標(biāo)。這就要求無人駕駛車輛可以實(shí)時(shí)檢測周圍交通環(huán)境，并高效完成環(huán)境信息處理任務(wù)以滿足無人駕駛車輛與交通環(huán)境中的障礙物以及其他交通參與者的實(shí)時(shí)交互需求?？刂茊卧哂袔椭鸁o人駕駛車輛精準(zhǔn)執(zhí)行系統(tǒng)規(guī)劃軌跡及動作的能力，從而最終完成無人駕駛?cè)蝿?wù)?？刂茊卧饕獞?yīng)用傳統(tǒng)自動化控制相關(guān)方法，將無人駕駛車輛操控系統(tǒng)與規(guī)劃單元的輸出相連接，并依據(jù)規(guī)劃單元發(fā)出的總線指令精準(zhǔn)控制車輛的加速、制動、轉(zhuǎn)向等行為，以實(shí)現(xiàn)車輛的自主駕駛。控制單元作為無人駕駛技術(shù)的最底層模塊，其運(yùn)動控制的實(shí)現(xiàn)依賴于對復(fù)雜的交通環(huán)境信息（例如交通路面信息、道路曲率等）的準(zhǔn)確捕捉與分析。由此可見，環(huán)境信息處理是無人駕駛技術(shù)應(yīng)用落地的基礎(chǔ)，對于無人駕駛系統(tǒng)各個(gè)單元都有決定性意義。4

環(huán)境信息處理關(guān)鍵技術(shù)及發(fā)展

4.1環(huán)境感知傳感器及其應(yīng)用為了保證無人駕駛車輛安全高效地進(jìn)行交通活動，車輛配備了多種類的環(huán)境感知傳感器用以滿足對環(huán)境信息的實(shí)時(shí)捕捉及響應(yīng)處理需求。常見無人駕駛車輛感知傳感器包括激光雷達(dá)、攝像頭、毫米波雷達(dá)、超聲波雷達(dá)傳感器等，如圖2所示。圖2常見無人駕駛車輛感知傳感器激光雷達(dá)具有實(shí)時(shí)感知以及高分辨率建圖功能，其感知范圍可達(dá)數(shù)十米至數(shù)百米，感知角度范圍基于不同的硬件結(jié)構(gòu)，可以達(dá)到25度至150度（固態(tài)式及混合固態(tài)式）或25度至360度（機(jī)械式）。通常情況下，機(jī)械式激光雷達(dá)傳感器被安裝在無人駕駛車輛頂部，以保證全方位無遮擋進(jìn)行周圍交通環(huán)境的檢測以及定位建圖；固態(tài)式或混合固態(tài)式傳感器多被配置在車輛的前部，以保證車輛行駛方向的交通安全。激光雷達(dá)傳感器具有較好的魯棒性，在光照條件較差、能見度較低的交通環(huán)境中依然可以保持較高感知精確度。攝像頭傳感器是無人駕駛技術(shù)中最常使用的外部感知傳感器之一。得益于其直觀的環(huán)境數(shù)據(jù)采集特性以及相對低廉的價(jià)格，攝像頭傳感器多用來檢測百米級距離的障礙物、分辨環(huán)境信號數(shù)據(jù)等，在目標(biāo)檢測、環(huán)境分割等無人駕駛功能模塊中均有重要應(yīng)用。無人駕駛配置的攝像頭傳感器多被安裝在車輛的前擋風(fēng)玻璃與車輛后視鏡之間，以監(jiān)測車行前方較遠(yuǎn)距離障礙物，實(shí)現(xiàn)碰撞提醒、信號燈檢測等功能；或被安裝在車輛周圍，如左右后視鏡、保險(xiǎn)杠等位置，以提供環(huán)境全景檢測，為自動泊車等低速駕駛功能提供環(huán)境數(shù)據(jù)。除了普通單目攝像頭傳感器外，其他具有特殊功能的攝像頭傳感器在無人駕駛中也有較多應(yīng)用，如雙目攝像頭傳感器，用以引入距離信息，可以實(shí)現(xiàn)20至30米內(nèi)的距離測量，低廉的價(jià)格使得其在一定程度上成為激光雷達(dá)傳感器的替代選擇；紅外攝像頭傳感器常在光照環(huán)境較差、環(huán)境可見度較低的場景中應(yīng)用，以達(dá)到對于駕駛方向障礙物的檢測。毫米波雷達(dá)傳感器是最早應(yīng)用于無人駕駛研究中的外部感知傳感器，常應(yīng)用于距離測量以及相對速度檢測模塊。依據(jù)傳感器測量范圍及精度可以將毫米波雷達(dá)傳感器分類為長距離檢測傳感器、中距離檢測傳感器以及近距離檢測傳感器。長距離檢測傳感器多被安裝在車輛的保險(xiǎn)杠中間，其最遠(yuǎn)測量距離可以達(dá)到200米，以保證車輛在高速行駛的過程中對駕駛方向上障礙物的實(shí)時(shí)檢測和車輛碰撞提醒。中距離檢測傳感器的檢測范圍為百米級內(nèi)，一般對稱安裝在車燈位置下方，主要應(yīng)用在車輛較低速行駛場景中，完成如高密度城市交通環(huán)境中的行人及障礙物檢測等任務(wù)。近距離檢測傳感器檢測范圍在米至十米級別，相較于前兩種毫米波雷達(dá)，近距離毫米波雷達(dá)具有相對更大的檢測角度范圍，其一般被安裝在車輛保險(xiǎn)杠兩端以及車身側(cè)方，以用于自動泊車等駕駛場景中避免車輛與障礙物的碰撞。毫米波雷達(dá)傳感器具有價(jià)格低廉、對環(huán)境魯棒性較好等優(yōu)點(diǎn)。超聲波雷達(dá)傳感器一般應(yīng)用在近距離障礙物檢測任務(wù)中，其感知范圍在十米以內(nèi)，因此其應(yīng)用場景主要是低速泊車環(huán)境。此外，得益于其低廉的價(jià)格優(yōu)勢，無人駕駛汽車中常在車身周圍配備較多的超聲波雷達(dá)傳感器以減少環(huán)境檢測死角。但受限于超聲波傳感器單一的檢測角度以及相對較長的反應(yīng)時(shí)間，其較少被單獨(dú)應(yīng)用在某一無人駕駛模塊中，需要與其他無人駕駛外部感知傳感器配合使用。4.2環(huán)境信息構(gòu)建及地圖信息無人駕駛單車上的外部傳感器信息采集及融合系統(tǒng)受限于傳感器物理精度特性以及駕駛當(dāng)天天氣環(huán)境影響，無法完整、實(shí)時(shí)、高清地感知交通道路實(shí)況以及道路環(huán)境特點(diǎn)，因此對于環(huán)境信息的超視距先驗(yàn)感知以及基于高精度數(shù)據(jù)的地圖信息構(gòu)建在無人駕駛技術(shù)中變得尤為重要。高精地圖是除無人駕駛車輛自身傳感器感知數(shù)據(jù)外另一種服務(wù)于無人駕駛技術(shù)的環(huán)境信息數(shù)據(jù)來源。其利用多種高精度傳感器對交通道路信息進(jìn)行厘米級數(shù)據(jù)采集以及特征融合，隨后對交通元素進(jìn)行分類提取，將不同元素進(jìn)行矢量化構(gòu)建并存儲封裝為離線數(shù)據(jù)以支撐其他模塊需求。高精地圖信息的引入有利于拓展無人駕駛車輛傳感器檢測精度邊界，并提供了豐富的環(huán)境語義信息，從而減少了無人駕駛車輛控制器實(shí)時(shí)數(shù)據(jù)處理壓力，是無人駕駛的核心組成部分之一。相較于傳統(tǒng)導(dǎo)航地圖，高精地圖數(shù)據(jù)具有高精度、高動態(tài)、多維度等特點(diǎn)。其中高精度是指地圖定位精度更高，得益于高精地圖采集車種類豐富且配置性能高的外部感知傳感器，高精度地圖能達(dá)到厘米量級的精度，為無人駕駛車輛行駛提供了更高的安全保障；高動態(tài)是指高精地圖具有更好的實(shí)時(shí)性，由于交通環(huán)境、道路信息的復(fù)雜多變，高精地圖需要具有更高的更新頻率，及時(shí)對無人駕駛車行環(huán)境中的變化進(jìn)行迭代更新，以保證無人駕駛車輛能夠應(yīng)對交通環(huán)境中的道路變化并為其他突發(fā)情況做準(zhǔn)備；多維度是指高精地圖包含數(shù)據(jù)更加豐富，擁有更多信息圖層，相較于其他地圖類型僅能提供一般道路級別數(shù)據(jù)，高精度地圖對路網(wǎng)進(jìn)行了厘米級精度的描述，比如車道相關(guān)屬性（如車道線類型、車道寬度、車道中心線等），甚至包含了道路隔離帶位置、材質(zhì)等其他道路環(huán)境信息。圖3地圖信息類型及發(fā)展雖然高精地圖具有信息豐富、可靠性高等特點(diǎn)，但其冗余的環(huán)境信息同樣會給無人駕駛實(shí)時(shí)處理帶來較大的計(jì)算挑戰(zhàn)。因此，“重感知、輕地圖”的去高精化也是當(dāng)下無人駕駛技術(shù)的一個(gè)發(fā)展方向。基于無人駕駛車輛自身配置的傳感器，一些無人駕駛解決方案僅需要輔助以精度較低的地圖信息即可實(shí)現(xiàn)無人駕駛?cè)蝿?wù)需求。常見低精度地圖類型包括占位柵格地圖、拓?fù)涞貓D等。占位柵格圖使用幾何結(jié)構(gòu)將地圖道路信息分割為大小一致的單元格，然后基于道路單元格構(gòu)建占用網(wǎng)格，在無人駕駛車輛周圍生成網(wǎng)格信息并將交互障礙物信息附加在網(wǎng)格上，隨后以網(wǎng)格單元為最小單位進(jìn)行軌跡規(guī)劃預(yù)測。拓?fù)涞貓D則僅僅保留地圖內(nèi)不會發(fā)生變化的拓?fù)湫畔?，例如道路分岔口、相鄰可變車道等，為無人駕駛車輛行駛提供基本道路信息。地圖信息類型及發(fā)展變化如圖3所示。

4.3端到端感知處理及無人駕駛技術(shù)隨著算力的不斷增加以及AI技術(shù)的不斷發(fā)展，端到端技術(shù)應(yīng)用在無人駕駛領(lǐng)域越來越成為可能。目前的自動駕駛技術(shù)被分割成多個(gè)串行模塊并進(jìn)一步被細(xì)分為目標(biāo)檢測、場景分割、在線建圖、軌跡預(yù)測等一系列駕駛子任務(wù)，但隨之而來就面臨著多任務(wù)誤差累積、任務(wù)協(xié)調(diào)分配等問題。端到端無人駕駛技術(shù)通過采集環(huán)境信息數(shù)據(jù)和車輛狀態(tài)信息直接輸出車輛控制信號，減少了中間環(huán)節(jié)的其他任務(wù)設(shè)計(jì)，具有簡潔高效、避免累積任務(wù)誤差等優(yōu)勢。傳統(tǒng)無人駕駛模型與端到端無人駕駛模型結(jié)構(gòu)比較如圖4所示。圖4無人駕駛模型結(jié)構(gòu)比較最早的端到端無人駕駛嘗試可以追溯到ALVINN模型。該模型構(gòu)建了一個(gè)三層的全連接網(wǎng)絡(luò)以輸出車輛行駛方向，其輸入包括前方攝像頭數(shù)據(jù)、激光測距數(shù)據(jù)以及基于攝像頭圖像的強(qiáng)度反饋數(shù)據(jù)。該模型最終成功實(shí)現(xiàn)了以0.5米每秒的速度行駛通過一段400米長道路。除了早期的利用神經(jīng)網(wǎng)絡(luò)方法訓(xùn)練端到端模型的嘗試，通過模仿學(xué)習(xí)直接獲取環(huán)境信息輸入到控制信號輸出的映射關(guān)系也是獲得無人駕駛端到端模型的一種可能方法；強(qiáng)化學(xué)習(xí)方法則通過環(huán)境交互信息學(xué)習(xí)訓(xùn)練數(shù)據(jù)中的駕駛行為策略，以最大化行為獎勵(lì)，同樣可以實(shí)現(xiàn)無人駕駛端到端模型的構(gòu)建。隨著近年來設(shè)備計(jì)算能力的提升，有研究嘗試將端到端技術(shù)與大模型結(jié)合以實(shí)現(xiàn)無人駕駛需求。UniAD模型將當(dāng)前無人駕駛感知、預(yù)測、決策模塊按照對最終控制單元的影響重新排序組合，并將控制單元的上游任務(wù)進(jìn)行整合包裝，協(xié)調(diào)各子模塊之間的特征分配以及優(yōu)化任務(wù)，從而輸出信號對無人駕駛車輛進(jìn)行最終運(yùn)動控制，以完成無人駕駛需求。當(dāng)然，基于端到端大模型的無人駕駛技術(shù)應(yīng)用落地同樣面臨著一定困難，例如，僅使用有限的外部環(huán)境傳感器感知原始信號作為無人駕駛系統(tǒng)輸入，并直接輸出以無人駕駛軌跡或駕駛控制信號，這樣的端到端黑盒模型可解釋性弱，且其實(shí)際應(yīng)用安全性也有待進(jìn)一步驗(yàn)證，尤其是在復(fù)雜城市道路環(huán)境場景中；由于端到端模型更多的是基于數(shù)據(jù)進(jìn)行模型訓(xùn)練，以模仿實(shí)際人類駕駛員的