到底什么是智能网联汽车？？第二期——决策与控制
引言
目前，我国汽车技术正朝着电动化、智能化、网联化、共享化的“四化”方向发展，这给汽车工业的发展带来了巨大的挑战和机遇。智能网联汽车不仅可提供更安全、更舒适、更节能、更环保的驾驶方式，还会带来汽车产品和技术的升级，从而重塑汽车及相关产业全业态和价值链体系。
本文首先对智能网联汽车技术进行综述性介绍，然后分别介绍视觉传感器在智能网联汽车中的应用、雷达在智能网联汽车中的应用、高精度定位与号航系统、智能网联汽车路径规划与决策控制、汽车总线及车载网络技术、智能网联汽车通信技术、高级驾驶辅助系统(Advanced Driver Assistance Systems，ADAS)与智能网联汽车的应用，最后简要介绍智能网联汽车的操作系统与应用平台。
上期我们聊了智能网联汽车的感知方面的东西，这起我们就在这基础上聊聊决策与规划。
高精度定位与导航系统
1、高精度地图
传统导航地图主要用于辅助驾驶人驾驶，帮助用户规划路径，仅需描述一些典型的道路特征和路口指引，10m级的定位精度即可满足要求。
而高精度地图用于自动驾驶、智能交通系统以及高端的驾驶辅助系统，需要更精确的交通信息，可达到厘米级的定位精度。
精度地图的信息有包含以下内容：
- 道路参考线
- 道路连通性
- 车道模型
- 对象模型
图1 高精地图包含内容（图源网络）
在智能网联汽车领域中，高精度地图在高精度定位，辅助环境感知、规划和决策各个环节都发挥着重要作用
- 决策规划：提供超远距离的道路信息，用于辅助智驾系统全局路径规划
- 辅助高精度定位：可根据道路上的特征物，由车辆与特征物之间的相对位置推算出当前车辆的绝对高精度位置信息。
- 辅助环境感知：利用高精度地图作为先验知识，减少数据处理时的搜索范围，优化系统的计算效率，提高识别精度。
2、高精度地图采集与生产
采集方法：
1、实地采集：通常称为“外业”，是制作高精度地图的第一步，通过采集车现场采集完成。核心设备是激光雷达，高精度差分-惯导-卫星定位系统，通过激光反射形成点云，完成对环境的采集，通过高精定位系统记录行驶轨迹和环境中物体的高精位置信息。
图2 采集设备（图源网络）
2、加工：通常称为“内业”将采集到的信息进行加工，提取高精度地图所需表达的信息，形成高精度地图数据库。加工的过程包括人工处理，深度学习的感知算法。
图3 地图数据库项目（图源网络）
3、后续更新：随着时间变化，道路会由于各种原因发生变化，需要对地图进行周期性或一定原因触发的更新。更新方式有：众包更新，与政府实时交通处理部门合作等。
图4 后续更新流程（图源网络）
目前高精度地图的标准有ADASIS，OpenDrive等，随着智能网联汽车的发展，OpenDrvie被作为高精度地图的标准格式。
3、其他形式的高精度地图
（1）众包数据构建高精度地图
除降低成本外，在实时性上有很大优势，Mobileye和博世分别推出了Roadbook和REM的众包高精度地图技术，安装成本低廉的车载传感器收集路况和道路特征，通过深度学习等算法转换为结构化数据，生产高精度地图。
图5 众包采集示意（图源网络）
（2）实时定位与地图构建
在机器人领域中广泛使用，用激光，视觉，红外线等传感器获取环境特征。由于建图复杂，应用场景有限。但为研发阶段的自动驾驶功能提供了局部地图构建和高精定位。
图6 实时定位与地图构建（SLAM）效果图（图源网络）
4、高精度定位系统
- 全球导航卫星系统（GNSS）种类：
美国：GPS
俄罗斯：GLONASS
欧盟：伽利略
中国：北斗
- GPS卫星定位导航系统组成：
（1）地面控制部分
- 主控站
- 地面天线
- 监测站
- 通信辅助系统
图7 GPS卫星定位导航系统组成示意图（图源网络）
（2）空间部分
由24个以上的工作卫星组成的一个GPS卫星组，每个卫星发射导航和定位信号，用户可以使用这些信号来实现导航。
图8 GPS卫星工作卫星组示意图（图源网络）
（3）用户设备部分
包括卫星导航接收器和卫星天线。根据一定的卫星截止角捕获被测卫星，并跟踪这些卫星的运行情况，基于捕获的数据，可以计算出用户当前的地理位置。
图9 GPS卫星导航接收器（图源网络）
- 北斗卫星导航系统（BDS）
与其他导航系统相比的优势：
- 采用三种轨道卫星组成的混合星座，高轨卫星多，抗遮挡能力强；
- 提供多频点导航信号，可以通过多频信号组合使用提高服务精度；
- 创新融合了导航与通信能力，具有实时导航、快速定位、精确授时、位置报告和短报文通信五大服务。
具体结构与GPS类似
图10 北斗卫星导航系统“三步走”发展策略（图源网络）
- 全球导航卫星系统定位原理
利用卫星作为参考点，用户接收卫星信号并计算到卫星的距离，在地面上进行三角交叉测量。从而计算接收器的位置。计算过程依据三球交叉定位的原理，只需同时观测三颗卫星，获得三个空间距离，并根据每颗卫星的广播星历计算出每颗卫星的空间位置，就可以将接收器的位置计算出来。
图11 三球交叉定位原理（图源网络）
5、惯性导航系统（INS）
- 原理：
基于牛顿运动定律，利用惯性测量单元（IMU）的角度和加速度信息来计算载体的相对位置。因为是自我参照的系统，INS不依赖任何外部参考，因此非常适合于GPS信号无法到达的环境中使用。
- 构成：
陀螺仪：用于测量载体在三个空间轴上的角速度，帮助确定方向和姿态变化。
加速度传感器：MEMS系统通过惯性力产生的电信号测量惯性力的大小，基于牛二定律计算物体的线加速度。
- GNSS和INS的组合应用
互补性：在GNSS信号良好时，利用其精确数据进行定位；在信号丢失或干扰时，切换到INS维持连续的导航信息。
数据融合：通过先进的滤波算法（如卡尔曼滤波器），将两种系统的数据进行有效整合，以减少各自系统的误差，提升整体导航的准确性和稳定性。
图12 卫星定位与惯性导航融合示意图（图源网络）
- INS的其他运用
辅助激光雷达，摄像头等车载举报环境感知系统，获取车辆与环境的高精度位置信息
（6）高精度定位实现方式的总结
- 差分定位卫星
- 磁感应定位
- 惯性定位
- 基于视觉或激光的地图信息匹配和定位
（7）智能网联汽车的导航系统
需要有更高的要求：
- 定位系统：需要车道级甚至厘米级的高精度定位
- 地图信息：需要更丰富的环境信息，如交通元素的形状，位置特征等，实现辅助环境感知，车道级路径规划等功能。
- 路径规划算法：需要车道级的路径规划、路口轨迹的连接、辅助环境感知的提取等，还需考虑个性化因素，做出更智能的决策。
智能网联汽车路径规划与决策控制
实现自动驾驶的核心算法可分为：环境感知、路径规划、行为决策和执行控制等模块。
- 智能网联汽车环境感知与路径规划
- 环境感知
（1）多传感器融合
前问介绍了智能网联汽车上的各类传感器的原理和优缺点，为实现自动驾驶，则需要多种传感器相互配合。汽车自动化程度越高集成在车辆上的传感器数量越多。
传感器融合的理论方法有贝叶斯准则、卡曼滤波、D-S证据理论、模糊集合理论、人工神经网络等。
图13 多传感器融合示意图
（2）智能网联汽车环境感知数据库
目前专门用于无人驾驶的数据集中，比较著名的有KITTI和Cityscapes。
以KITTI数据集为例，是视觉图像与三维雷达数据的融合，利用其可实现车辆真实应用环境下立体图像、光流、视觉距离测量、三维目标检测、三位跟踪等计算机视觉技术的性能评测。
图14 KITTI数据集采集的真实图像数据（图源网络）
- 路径规划可分为全局路径规划方法、局部路径规划方法和混合路径规划方法三种
全局路径规划是一种离线规划方法，准确性取决于获取外部环境信息的准确性。
局部路径规划是一种在线规划方法，依靠安装在车身上的传感装置来获取局部信息。与全局路径规划相比具有实时性
路径规划问题的特点：
- 复杂性
- 随机性
- 多约束性
- 多目标性
全局路径规划的算法：栅格法、拓扑法、可视图法等
局部路径规划的算法：栅格法、人工势场法、遗传算法、空间搜索法、层次法、动作行为法、Dijkstra算法、lee算法、Floyd算法、遗传算法、蚁群算法、神经网络。
（2）智能网联汽车行为决策与车辆控制
- 汽车自动驾驶行为决策
行为决策是基于环境感知和导航子系统的信息输出，这包括选择哪条车道，是否换车道，是否跟车，是否绕道，是否停车等。行为决策层汇集了所有重要的车辆周围信息，在此基础上来确定车辆的驾驶策略，主要包括预测模块，行为规划和动作规划等。
图15 汽车自动驾驶行为决策流程示意图（图源网络）
- 汽车自动驾驶的执行控制
自动驾驶要实现对车辆运动和车身电器进行自动控制，需要相应的线控系统来满足。包括车身电器系统、底盘线控系统。
底盘线控系统包括：
- 转向系统
图16 转向系统组成示意图（图源网络）
2、驱动系统
图17 驱动系统组成示意图（图源网络）
3、制动系统
图18 制动系统组成示意图（图源网络）
4、车辆纵向控制：对车辆前进方向上行驶速度的控制，可以理解为将行驶轨迹考虑为直线，车辆在各轨迹点的速度规划和运动控制。
图19 车辆纵向控制典型结构（图源网络）
5、车辆侧向控制：用于控制车辆保持在规划的行驶路径上，直到完成驾驶任务。
图20 车辆横向控制典型结构（图源网络）
 |
总结
自此，通过感知，决策，控制三个流程，就可以实现智能网联汽车的自动/辅助驾驶。可这三个步骤之间是如何传递信息实现连接的呢？我们下期就来聊聊汽车总线。