自动驾驶汽车技术架构
自动驾驶汽车的工作原理
自动驾驶汽车的工作原理自动驾驶汽车是当今科技发展的一个重要成果，它的出现将对交通运输、出行方式和城市规划等领域产生深远的影响。
自动驾驶汽车的工作原理是在一系列先进的技术和系统的支持下实现的。
本文将在没有小节标题的情况下，通过详细的讲解来阐述自动驾驶汽车的工作原理。
1. 传感器技术自动驾驶汽车的工作需要大量的传感器来获取各种环境信息，常用的传感器包括激光雷达、毫米波雷达、摄像头、超声波传感器等。
激光雷达能够通过发送激光束并测量其反射时间来获得车辆周围的三维空间信息，进而绘制出环境地图；毫米波雷达则主要用于检测车辆周围的障碍物，通过测量反射信号的时间和强度来判断距离和速度；摄像头则用于拍摄和处理车辆周围的图像信息，通过计算机视觉技术来实现车道保持、目标检测和信号识别等功能；超声波传感器主要用于近距离障碍物的探测，例如停车和倒车时的避让。
2. 制导系统自动驾驶汽车的制导系统是实现车辆自主导航和路径规划的核心。
通过将传感器获取的环境信息输入导航算法，自动驾驶汽车能够根据当前位置和目标位置来规划最优路径，并通过控制系统实现精确的转向、加速和制动控制。
制导系统通常由全局定位系统（GPS）、惯性导航系统（INS）和先进的地图数据等组成，其中全局定位系统能够提供车辆当前的精确位置信息，而惯性导航系统则用于测量车辆的线性和角度加速度，从而实现精确定位和姿态估计。
3. 控制系统自动驾驶汽车的控制系统是根据制导系统生成的路径和车辆当前的状态信息来实现精确控制的核心模块。
控制系统一般由车载电脑和传感器融合算法等组成，通过实时采集和处理传感器的数据，并结合导航算法的结果来生成控制指令。
控制系统需要实时调整车辆的速度、转向角度和制动力等参数，通过电子执行器控制车辆的发动机、刹车、转向装置和加速踏板等，以实现精确的控制和操作。
4. 人机交互系统自动驾驶汽车的人机交互系统是为了保证人与车辆之间的良好沟通和协作而设计的。
通过触摸屏、声音指令、语音识别和人脸识别等技术，人机交互系统能够实现人与自动驾驶汽车之间的互动和信息传递。
adas 基本架构
adas 基本架构
ADAS（Advanced Driver Assistance Systems），即“先进驾驶
辅助系统”，是利用各种传感器和控制技术，以辅助驾驶员实
现安全驾驶和提高驾驶舒适性的系统。
ADAS的基本架构包括以下几个方面：
1.传感器：包括雷达、摄像头、激光雷达等，用于获取车辆周
围的信息，如车辆的速度、距离、方向等。
2.嵌入式计算机：用于处理传感器采集到的数据，并进行分析
和计算，以实现各种驾驶辅助功能。
3.通讯模块：用于与其他车辆、交通基础设施等进行通讯，并
接收相关信息，以提供更全面的驾驶辅助功能。
4.驾驶辅助功能模块：包括车道保持辅助、自动紧急制动、盲
区监测、自动泊车等功能，以提高驾驶安全性和舒适性。
5.人机界面：用于向驾驶员传递信息和指示，以实现交互和控
制驾驶辅助系统。
例如：车载显示屏、语音提示、震动座椅等。
ADAS的基本架构主要是为了实现驾驶辅助功能，让驾驶员更加轻松和安全地驾驶车辆，以降低交通事故发生率。
自动驾驶汽车的控制技术研究
自动驾驶汽车的控制技术研究随着科技的发展，自动驾驶汽车的技术正在成为汽车行业的主要研究领域。
自动驾驶汽车作为未来交通的核心技术，其研究将会对未来交通方式的发展产生重大影响。
本文将主要探讨自动驾驶汽车的控制技术研究方面，从其原理、技术架构、安全性、控制算法、实验研究等方面进行分析。
一、原理自动驾驶汽车系统的核心原理包括感知、决策和控制三个方面。
感知主要指通过激光雷达、摄像头、超声波传感器、毫米波雷达和GPS等传感器获取外部环境信息。
决策控制主要指从感知信息中进行决策，生成目标轨迹，并驱动汽车执行此轨迹。
控制算法则是把感知和决策信息转化为命令的核心过程。
二、技术架构自动驾驶汽车的系统框架包括感知组件、控制组件和决策组件。
感知组件主要由激光雷达、摄像头和传感器组成。
控制组件主要由电机、执行器和制动系统组成。
决策组件主要由地图与定位模块、规划算法与路径跟踪等组成。
在此基础上，可进行智能驾驶控制的设计。
三、安全性自动驾驶汽车与人类驾驶有比较大的不同，需要在安全性方面面临更多的挑战。
安全性可以从感知、决策、控制三个方面来考虑。
感知方面可以通过多源传感器数据融合、实时图像处理等技术提高安全性。
决策方面可结合车道识别、交通信号识别与剪枝算法等方法，加强自动驾驶车辆的安全性。
控制方面可以通过采用自适应限幅控制等技术，进一步保证车辆的稳定性和安全性。
四、控制算法在自动驾驶汽车的控制技术研究中，控制算法是一个非常重要的方面。
其中，深度学习技术是具有广泛应用前景的自动驾驶汽车控制技术之一。
通过深度学习技术的应用，自动驾驶车辆可以进行智能行驶和自我学习，以此提高路况感知和决策处理的精度。
同时，最优轨迹规划算法、模糊控制和高级驾驶辅助系统等技术在自动驾驶汽车控制算法中也具有重要作用。
五、实验研究在自动驾驶汽车技术研究领域中，实验研究是非常重要的一个方面。
通过试验与验证，可以进一步验证自动驾驶汽车技术的可行性和应用性。
日本、美国等国家已经建立了多个自动驾驶汽车的实验研究中心，同时在实验场地、路线规划、车辆安全等方面也逐渐推广。
自动驾驶技术的技术架构与实现方法
自动驾驶技术的技术架构与实现方法随着科技的不断发展，自动驾驶技术已经成为了汽车行业的热门话题。
自动驾驶技术的实现需要建立一个完善的技术架构，并采用适当的实现方法。
本文将探讨自动驾驶技术的技术架构和实现方法。
首先，自动驾驶技术的技术架构主要包括感知、决策和控制三个核心模块。
感知模块负责通过传感器收集环境信息，包括视觉、雷达、激光雷达和超声波等。
这些传感器可以检测周围车辆、行人、道路状况和交通标志等。
决策模块基于感知到的信息来进行分析和决策，确定车辆应该采取的行动，如加速、减速、转弯等。
最后，控制模块将决策模块的输出转化为真实的控制信号，例如控制车辆的油门、刹车和转向等。
实现自动驾驶技术的方法具有很多种，以下是其中一些重要的方法：1. 传感器融合传感器融合是指将多种传感器的信息进行融合，以得到更加准确和全面的环境感知结果。
通过使用多个不同类型的传感器，可以提高系统的可靠性和适应性。
例如，结合视觉和激光雷达数据可以提高对周围障碍物的检测能力。
2. 机器学习和深度学习机器学习和深度学习是实现自动驾驶技术的关键技术。
通过使用大量的训练数据，可以训练模型来识别和理解不同的交通场景。
这些模型可以用于目标检测、路面识别、行人识别等任务。
深度学习的优势在于它可以自动学习特征，从而不需要手动设计复杂的特征提取算法。
3. 定位和地图构建定位和地图构建是实现自动驾驶技术的另一个重要环节。
准确的定位可以帮助车辆知道自己在哪里，而地图构建可以提供关于道路拓扑和交通规则的信息。
通过使用传感器数据和先进的算法，可以实现高精度的定位和地图构建。
4. 通信和云计算自动驾驶技术需要处理大量的数据，包括感知数据、地图数据和交通状况等。
通过与云计算结合，可以提高计算和存储的能力。
此外，通信技术可以实现车辆之间和车辆与基础设施之间的实时信息交流，以更好地应对复杂的交通场景。
5. 安全和可靠性自动驾驶技术的实现不仅要考虑性能和效率，还要注重安全和可靠性。
自动驾驶汽车硬件系统概述
自动驾驶汽车硬件系统概述自动驾驶汽车的硬件架构、传感器、线控等硬件系统如果说人工智能技术将是自动驾驶汽车的大脑，那么硬件系统就是它的神经与四肢。
从自动驾驶汽车周边环境信息的采集、传导、处理、反应再到各种复杂情景的解析，硬件系统的构造与升级对于自动驾驶汽车至关重要。
自动驾驶汽车硬件系统概述从五个方面为大家做自动驾驶汽车硬件系统概述的内容分享，希望大家可以通过我的分享，对硬件系统的基础有个全面的了解：一、自动驾驶系统的硬件架构二、自动驾驶的传感器三、自动驾驶传感器的产品定义四、自动驾驶的大脑五、自动驾驶汽车的线控系统自动驾驶事故分析根据美国国家运输安全委员会的调查报告，当时涉事Uber汽车——一辆沃尔沃SUV系统上的传感器在撞击发生6s前就检测到了受害者，而且在事故发生前1.3秒，原车自动驾驶系统确定有必要采取紧急刹车，此时车辆处于计算机控制下时，原车的紧急刹车功能无法启用。
于是刹车的责任由司机负责，但司机在事故发生前0.5s低头观看视频未能抬头看路。
从事故视频和后续调查报告可以看出，事故的主要原因是车辆不在环和司机不在环造成的。
Uber在改造原车加装自动驾驶系统时，将原车自带的AEB功能执行部分截断造成原车ADAS功能失效。
自动驾驶系统感知到受害者确定要执行应急制动时，并没有声音或图像警报，此时司机正低头看手机也没有及时接管刹车。
目前绝大多数自动驾驶研发车都是改装车辆，相关传感器加装到车顶，改变车辆的动力学模型；改装车辆的刹车和转向系统，也缺乏不同的工况和两冬一夏的测试。
图中Uber研发用车是SUV车型自身重心就较高，车顶加装的设备进一步造成重心上移，在避让转向的过程中转向过急过度，发生碰撞时都会比原车更容易侧翻。
自动驾驶研发仿真测试流程所以在自动驾驶中，安全是自动驾驶技术开发的第一天条。
为了降低和避免实际道路测试中的风险，在实际道路测试前要做好充分的仿真、台架、封闭场地的测试验证。
软件在环（Software in loop），通过软件仿真来构建自动驾驶所需的各类场景，复现真实世界道路交通环境，从而进行自动驾驶技术的开发测试工作。
详解自动驾驶技术
深度解构自动驾驶核心技术一、定义按照美国汽车工程师学会（SAE）的定义，汽车的自动化水平如下:L0：无自动化L1：原始驾驶员辅助系统（Primitive driver assistance systems），包括自适应巡航控制、防抱死制动等L2：部分自动化，先进的辅助系统（Advanced assistance systems），例如紧急制动或避免碰撞L3：有条件的全自动化（Conditional automation），在正常操作期间，驾驶员可以专注于除驾驶以外的其他任务，但是紧急情况下必须能快速响应并接管车辆L4：在天气条件许可，基础设施（信号地图等）完善的情况下，完全不需要驾驶员。
L5：无论在任何场景下，都不需要驾驶员，目前尚无完全实现L4级别及以上的自动驾驶车辆。
二、系统构成和框架一般从系统框架上可以分为单车辆系统（Ego-only systems）和互联车辆系统（Connected multi-agent systems）；从算法实现上，可以分为两大类，一类是通过将各个部分模块化来实现，另一类是直接通过端到端的实现。
单车辆系统，顾名思义就是始终在一辆车自身执行所有必要的自动驾驶操作，而互联车辆系统可能需要依赖于其他车辆和一些基础设施来完成一些操作，比如现在比较火热的车辆网，V2X等。
就目前来说，当然还是单车辆系统更为常见。
模块化系统（Modular systems），指将传感器输入到执行器输出的中间过程分别构造成一个个独立的模块，比如定位、建图、感知、评估、规划与决策、车辆控制、预测、人机交互等。
模块化的基本逻辑就是分而治之，把一个复杂的任务分成若干个较为简单的子任务。
除此之外，模块化还有一些隐藏的优势，比如说对一些约束（如紧急制动，超速等），多模块意味着可以从不同角度施加约束，可以保证在其中部分传感器出现偏差的时候仍能提供较为可靠的输出。
反过来说，多模块也意外着出错的概率大大增加，某个模块的错误可能会沿着进程传播扩散，如前段时间的特斯拉事故，感知模块误将白色拖车分类为天空，即使后续模块完全正确执行，错误也无法避免。
无人驾驶汽车技术的架构和设计
无人驾驶汽车技术的架构和设计无人驾驶汽车是指通过搭载自动化驾驶系统，实现无需人类干预即可行驶的汽车。
这一技术的发展对汽车行业和交通领域带来了巨大的变革，其潜力和前景备受关注。
无人驾驶汽车技术的架构和设计是实现无人驾驶的关键之一，因此需要从硬件和软件两个方面进行讨论。
一、硬件架构无人驾驶汽车的硬件架构包括传感器系统、计算机系统和执行系统。
1. 传感器系统传感器系统是实现无人驾驶汽车感知环境的关键组成部分。
传感器包括雷达、激光雷达、相机、超声波传感器等。
雷达和激光雷达可以提供精确的障碍物探测和距离测量，相机可以用于图像识别和目标检测，超声波传感器可以提供周围环境的距离和接近度信息。
2. 计算机系统计算机系统是无人驾驶汽车的大脑，负责实时处理传感器数据、决策和规划。
计算机系统通常由多个计算单元组成，其中包括中央处理器（CPU）、图形处理器（GPU）和专用的神经网络处理器。
这些处理器协同工作，使得计算机系统能够高效地处理大量的数据，并进行复杂的算法运算。
3. 执行系统执行系统是无人驾驶汽车执行行车操作的组成部分。
该系统包括电机、制动系统、转向系统等。
电机负责提供动力，制动系统用于控制车辆的减速和停车，转向系统用于控制车辆的方向。
执行系统通过与计算机系统的交互实现对车辆的全面控制。
二、软件设计无人驾驶汽车的软件系统包括感知、决策规划和控制三个主要模块。
1. 感知感知模块通过传感器系统获取环境信息，并将其转化为计算机可以理解的数据。
感知模块通常包括目标检测和跟踪、道路检测、障碍物识别等功能。
这些功能的目标是实现对环境的准确感知，以便后续的决策和规划。
2. 决策规划决策规划模块负责根据感知模块提供的环境信息和路况判断，制定最优的行驶策略。
决策规划模块通常包括路径规划、行为规划、交通规则遵守等功能。
这些功能的目标是基于环境信息和路况做出行驶决策，保证行车安全和高效。
3. 控制控制模块负责将决策规划模块输出的控制指令转化为执行系统能够理解的信号。
自动驾驶四大关键技术
自动驾驶四大关键技术自动驾驶四大关键技术自动驾驶四大关键技术如下：自动驾驶汽车的四大核心技术：感知技术、决策技术、路径规划、运动控制。
1.感知技术：作为第一步的环境感知，就是环境信息和车内信息的采集与处理，它是智能车辆自主行驶的基础和前提。
获取周围环境信息，涉及道路边界检测、车辆检测、行人检测等技术，即传感器技术所用到的传感器一般有激光测距仪、视频摄像头、车载雷达、速度和加速度传感器等等。
2.决策技术：完成了感知部分，接下来需要做的便是依据感知系统获取的信息来进行决策判断，确定适当的工作模型，制定相应的控制策略。
这部分的功能类似于给车辆下达相应的任务。
3.路径规划：智能车辆有了行驶任务，智能车辆的路径规划就是在进行环境信息感知并确定车辆在环境中的位置的基础上，按照一定的搜索算法，找出一条可通行的路径，进而实现智能车辆的自主导航。
4.运动控制：运动控制包括横向控制和纵向控制，简单来说横向控制就是转向控制，纵向控制就是速度控制，现在研究比较多的是横向控制，所运用的方法主要包括滑膜控制、模糊控制、神经网络控制、最优控制、自适应控制和跟踪控制等。
自动驾驶技术的原理汽车自动驾驶技术是物联网技术应用之一，它需要视频摄像头、雷达传感器以及激光测距器来了解周围的交通状况，并通过一个详尽的地图(通过有人驾驶汽车采集的地图)对前方的道路进行导航。
这一切都要通过数据中心来实现，数据中心能处理汽车收集的有关周围地形的大量信息。
就这点而言，自动驾驶汽车相当于数据中心的遥控汽车或者智能汽车。
在自动驾驶技术方面，有两条不同的发展路线。
第一种是“渐进演化”的路线，也就是在今天的汽车上逐渐新增一些自动驾驶功能，这种方式主要利用传感器，通过车车通信(V2V)、车云通信实现路况的分析。
第二种是完全“革命性”的路线，即从一开始就是彻彻底底的自动驾驶汽车，这种路线主要依靠车载激光雷达、电脑和控制系统实现自动驾驶。
从应用场景来看，第一种方式更加适合在结构化道路上测试，第二种方式除结构化道路外，还可用于军事或特殊领域。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3.2.4 超声波雷达
图为自动泊车示意图
3.2.5 环境感知实例——车道 线检测
车道线检测是智能车辆辅助驾驶系统中 必不可少的环节，快速准确地检测车道 线在协助自动驾驶路径规划和偏移预警 等方面尤为重要。目前较为常见的车道 线检测方案主要是基于摄像头及传统计 算机视觉的检测，同时随着自动驾驶技 术的逐步发展，基于激光雷达等高精设 备的车道线检测算法也被提出。
3.3.3 惯性导航定位
惯导系统利用载体先前的位置、惯性传 感器测量的加速度和角速度来确定其当 前位置。给定初始条件，加速度经过一 次积分得到速度，经过二次积分得到位 置。相反，速度和加速度也可以通过对 位移的微分而估算得到
3.3.3 惯性导航定位
输入
加速度 a 角速度
温度 磁场 功率变化
3.2.2 摄像头
（1）高动态：在较暗环境以及明暗差异较大 时仍能实现识别，要求摄像头具有高动态的 特性。
（2）中低像素：为了降低对图像处理器的性 能要求，摄像头的像素并不需要非常高。目 前30万~120万左右的像素就可以满足要求。
（3）角度要求：对于环视和后视，一般采用 135度以上的广角镜头，前置摄像头对视距要 求更大，一般采用55度范围。
3.4.3 高精地图的制作
3.4.3 高精地图的制作
3.4.3 高精地图的制作
3.5 规划与决策系统概述
3.5.1 路径规划
路由寻径、行为决策、动作规划三个部 分又可统称为路径规划，路径规划部分 承接上层感知预测结果，从功能上可分 为全局路径规划和局部路径规划。
3.2.5 环境感知实例——车道 线检测
传统计算机视觉的车道线检测主要依赖 于高度定义化的手工特征提取和启发式 的方法。
基于道路特征的检测方法根据提取特征 的不同，可以进一步分为基于颜色特征 、纹理特征和多特征融合的检测方法。
下图展示了基于不同算子的车道线提取 效果对比图。
3.2.5 环境感知实例——车道 线检测
Chapter 3 自动驾驶汽车技术架构
Outline
3.1自动驾驶汽车整体架构 3.2环境感知传感器技术 3.3定位系统 3.4高精度地图技术概述 3.5规划与决策系统概述 3.6V2X技术概述
3.1自动驾驶汽车整体架构
3.1自动驾驶汽车整体架构
自动驾驶系统是一个复杂的系统。为了 实现从A地到B地的驾驶过程，在无人车 的实际使用中，需要无人驾驶系统完成 感知、决策、控制三大任务，如上页图 所示。
3.3.1 卫星定位技术
GNSS定位系统是利用基本三角定位原理 。
分别以三个卫星的位置为圆心，三个卫 星据地面某点距离为半径作球面，则球 面交点即为地面用户位置。
3.3.1 卫星定位技术
3.3.1 卫星定位技术
误差来源 与信号传播有关的误差 与卫星有关的误差 与接收机有关的误差 其他误差
电离层延迟 对流层延迟 多径效应 星历误差 时钟误差 相对论效应 时钟误差 位置误差
EMI 其他
输出
惯性传感器
f a,,
3.3.4 多传感器融合定位技术
多传感器信息融合是20世纪80年代出现 的一门新兴学科，它是将不同传感器对 某一目标或环境特征描述的信息，综合 成统一的特征表达信息及其处理的过程 。多传感器信息融合实际上是对人脑综 合处理复杂问题的一种功能模拟。
3.3.4 多传感器融合定位技术
近年来，越来越多的研究者将目光投向 了用激光雷达进行车道线检测。激光雷 达的有效距离比传统视觉高，有效采样 点多，并且可以穿透水面，具有突出的 性能优势。
基于反射强度信息的方法。该方法主要 基于激光雷达反射强度信息形成的灰度 图，或者根据强度信息与高程信息配合 ，过滤出无效信息，然后对车道线进行 拟合。
目前世界上著名的卫星导航系统有美国 的全球定位系统（GPS）、俄罗斯的全球 导航卫星系统（GLONASS）、中国的北 斗卫星导航系统（BDS）以及欧盟伽利略 （Galileo）系统。
3.3.1 卫星定位技术
GNSS定位主要解决两个问题：一是观测 瞬间卫星的空间位置，二是测量站点卫 星之间的距离。空间位置即GNSS卫星在 某坐标系中的坐标，为此首先要建立适 当的坐标系来表征卫星的参考位置，而 坐标又往往与时间联系在一起，因此， 定位是基于坐标系统和时间系统来进行 的。
利用车辆四周摄像头获取的影像，通过图像拼接技术，输出 车辆周边的全景图
泊车时将车尾的影像显示在驾驶舱内，预测并标记倒车轨迹， 辅助驾驶员泊车
安装在车内，用于检测驾驶员是否疲劳、闭眼等
3.2.2 摄像头
根据不同自动驾驶功能的需要，摄像头 的安装位置也有所不同，主要分前视、 环视、后视、侧视以及内置。实现全部 自动驾驶功能至少安装6个以上的摄像头 。
当摄像头检测到与前车距离过近，可能发生追尾时，就会发 出警报 识别前方道路两侧的交通标志
当前视摄像头检测到车辆即将偏离车道线时，就会向控制中 心发出信息，然后由控制中心发出指令，及时纠正行驶方向
前视 侧视 前视、侧视、后视 后视 内置
前摄像头会标记前方道路行人，并在可能发生碰撞时及时发 出警报
利用侧视摄像头，将后视镜盲区内的景象显示在驾驶舱盲区 内
高精地图数据生产包括外业数据采集、 云端自动化处理、地图编辑与质量控制 、数据编译等步骤，如图3.25所示。外 业数据采集，通过搭载GNSS、IMU、 LiDAR、摄像头等传感器的专业采集车队 ，外业实地采集车道线、路沿护栏、交 通标牌等信息。通过点云融合、点云识 别和图像识别等AI技术，在云端实现自 动化处理
3.4.1 高精地图综述
与传统地图不同，高精电子地图的主要 应用对象是无人驾驶汽车，或者说是机 器驾驶员。
借助高精地图能够扩展车辆的静态环境 感知能力，为车辆提供其他传感器提供 不了的全局视野，包括传感器监测范围 外的道路、交通和设施信息。
3.4.1 高精地图综述
3.4.3 高精地图的制作
3.3.2 差分定位系统
数据链路
z R<100km y
基准站 x （xº,yº,zº）
位置差分
流动站
数据传输链路
测量值Rˊ 实际值R
z
y
基准站 （xº,yº,zº） x
伪距差分
RTK载波差分
3.3.3 惯性导航定位
惯性导航系统是一种不依赖于外部信息 、也不向外部辐射能量的自主式导航系 统。其主要由3个模块组成:惯性测量单 元(Inertial measurement unit，IMU)、 预处理单元和机械力学编排模块
3.3 定位系统
车辆定位是让无人驾驶汽车获取自身确 切位置的技术，在自动驾驶技术中定位 担负着相当重要的职责。车辆自身定位 信息获取的方式多样，涉及到多种传感 器类型与相关技术，本章将从卫星定位 、差分定位、惯性导航定位及多传感器 融合定位几个方面进行介绍。
3.3.1 卫星定位技术
卫星导航定位系统是星基无线电导航系 统，以人造地球卫星作为导航台，为全 球海陆空的各类军民载体提供全天候的 、高精度的位置、速度和时间信息。
3.2.3 毫米波雷达
毫米波雷达具有全天候，全天时的工作 特性，且探测距离远，探测精度高，被 广泛应用于车载距离探测，如自适应巡 航、碰撞预警、盲区探测、自动紧急制 动等。
毫米波雷达的测距和测速原理都是基于 多普勒效应。
3.2.3 毫米波雷达
3.2.4 超声波雷达
超声波雷达，是通过发射并接收40kHz的 超声波，根据时间差算出障碍物距离。 其测距精度大约是1-3厘米左右。
常见的超声波雷达有两种：第一种是安 装在汽车前后保险杠上的倒车雷达，称 为超声波驻车辅助传感器（UPA）；第二 种是安装在汽车侧面，称为自动泊车辅 助传感器（APA）。
3.2.4 超声波雷达
超声波是一种机械波，使得超声波雷达 有着根源性的局限性：
（1）对温度敏感。 （2）超声波散射角大，方向性较差，无
3.3.4 多传感器融合定位技术
数据融合需要借助融合算法，融合算法 可分为随机类和人工智能类两大类，随 机类多传感器数据融合方法主要有:贝叶 斯推理、D-S 证据理论，以及包括最大 似然估计、综合平均法、贝叶斯估计、 D-S法、最优估计、卡尔精地图作为自动驾驶技术发展成熟的 重要支撑，在横向/纵向精确定位、障碍 物检测与避撞、转向与引导等方面发挥 着重要的作用，是自动驾驶的核心技术 之一。精准的地图对无人车的定位、导 航与控制、以及自动驾驶的安全至关重 要。
3.2.2 摄像头
自动驾驶辅助功能 车道偏离预警LDW 前向碰撞预警FCW 交通标志识别TSR 车道保持辅助LKA
行人碰撞预警PCW 盲点监测BSD 全景泊车SVP 泊车辅助PA 驾驶员注意力监测
使用摄像头 前视 前视 前视、侧视 前视
具体功能简介
当前视摄像头检测到车辆即将偏离车道线时，就会发出警报
3.2环境感知传感器技术
远距离测屢_能力
分辨率 低误报率 温度适应性 不良天气适应性
灰尘/潮湿适应性
低成本硬件 低成本信号处理
激光雷达 优
良 良 优 较差
较差
较差 较差
毫米波雷达 优
优 优 优 优
优
优 优
摄像头 优
优 一般 优 较差
较差
优 较差
GNSS/IMU 优
优 优 优 优
较差
良 良
3.2.1 激光雷达
本章将主要介绍感知系统中常用的感知 技术及其原理、定位系统、高精地图以 及V2X技术的相关知识，同时介绍规划决 策系统的相关技术与算法。
3.2环境感知传感器技术
感知、决策、控制是自动驾驶的三个环 节，感知环节采集周围环境的基本信息 ，也是自动驾驶的基础。自动驾驶汽车 通过传感器来感知环境，所用到的传感 器主要包括摄像头、毫米波雷达和激光 雷达。下表列出了现有的多种传感器在 多方面的性能对比。