機器視覺

　　圖像處理識別交通信號

　　車載計算機的處理運算就如同無人駕駛汽車的大腦。它的運算速度，很大程度上決定了汽車作出準確及時判斷的程度。因此，基于圖像處理的障礙物識別技術成為無人駕駛領域未來發展的一種趨勢

　　設想一下，無人駕駛汽車跟在一部車的后面，而前車的轉向燈突然開啟，這時候，無人駕駛汽車該如何作出反應？還有各種的限速、單行道、雙行道和人行道標示等等，這些都需要無人駕駛汽車進行識別。

　　在這個時候，車載計算機的處理運算就如同無人駕駛汽車的大腦。它的運算速度，很大程度上決定了汽車作出準確及時判斷的程度。因此，基于圖像處理的障礙物識別技術成為無人駕駛領域未來發展的一種趨勢。

　　記者查閱多篇論文，視覺傳感器系統所需要完成的識別任務，至少包括以下多個方面內容：對車道線進行識別，保證車輛在車道內行駛，并確定需要作有無障礙物判斷的感興趣區域；判斷區域內是否有行人、車輛等需要避讓的障礙物，是否需要對車輛行駛狀態作出及時改變；判斷障礙物是動態還是靜態，如果是動態則預判其下一步行動；當感知部分的傳感器采集到前方的信號燈信息時，要做出正確識別。

　　李巍華介紹，在判斷障礙物的動靜態時，無人駕駛汽車首先會識別移動物體是動態還是靜態，假如是動態，就進一步判斷是什么，比如說是人，那遵循人先通過原則；在判斷障礙物性質時，則會通過圖像處理技術，對障礙物的高低大小進行識別，如果不影響車輛通行，則直接通過；而在識別紅綠指示燈時，為了避免同顏色同形狀的其他物體的干擾，視覺系統會將其交通燈視為一個立體視覺的整體，并根據它的高度以及形狀進行判斷。

　　要完成這一系列工作，視覺傳感器系統主要由圖像的采集模塊、處理模塊、特征提取模塊等組成。其中圖像采集模塊的主要功能是獲取外界的數字圖像；圖像處理模塊是對采集來的圖像進行預處理，為后面的特征值提取、障礙物的檢測做準備工作。

　　為了使識別更有效率，系統通過算法對圖像信息進行篩選，只提取感興趣區域。比如，車輛在直線行駛和轉彎時，智能車對于前方區域進行判定障礙物是否存在的范圍是不一樣的。當車輛根據信號燈指示需要轉彎時，車輛正前方區域的障礙物則不必檢測因此也就不必作為障礙物對待。這樣就避免了對圖像中的所有部分進行處理，在很大程度上保證了系統的實時性。

　　導航系統

　　定位誤差不超車道寬度

　　無人駕駛汽車對GPS定位精度、抗干擾性提出了特殊要求。在無人車行駛時，GPS導航系統要不間斷地對無人車進行定位。在這個過程中，無人車GPS導航系統要求GPS定位誤差不超過一個車道寬度

　　無人車面臨的另一關鍵挑戰，是需要確保它們有完美無缺的導航功能。

　　快速發展的數字地圖（DigitalMap，DM），能為無人駕駛車提供詳細的道路坐標信息，同時路徑規劃算法的不斷優化，為無人駕駛車GPS自主導航系統利用DM進行導航與路徑規劃提供了可能性。今年8月份，奧迪、寶馬和戴姆勒聯手斥資31億美元（約合人民幣197億元）從諾基亞手中收購了Here地圖業務。導航已經成為廠商們研發無人駕駛技術的重要前提。

　　實現導航的主要技術，是如今在現實生活中已經廣泛應用的GPS技術。由于GPS技術所具有的全球性、全天候、無積累誤差、自動測量的特點，在無人車中同樣可以利用GPS進行定位、導航。

　　由于應用背景的特殊，無人駕駛汽車對GPS定位精度、抗干擾性提出了特殊要求。據了解，在無人車行駛時，GPS導航系統要不間斷地對無人車進行定位。在這個過程中，無人車GPS導航系統要求GPS定位誤差不超過一個車道寬度。

　　大幅提升GPS測量精度的是差分GPS測量技術。相比傳統的GPS技術，差分GPS測量會在一個測站對兩個目標的觀測量、兩個測站對一個目標的觀測量或一個測站對一個目標的兩次觀測量之間進行求差，目的在于消去公共的誤差源，包括電離層和對流層效應等。

　　差分GPS測量技術為無人駕駛車GPS自主導航系統的實現提供了必要的技術支持，特別是CORS基站網的廣泛建立，用戶實現了大范圍內的實時高精度差分，使導航誤差成功縮減至小于車道寬度，無人車可通過高清相機、激光雷達對交通標志線的識別和馬路道牙的檢測，使無人車行駛時保持在車道內。

　　不過，再精準的GPS也會有信號失靈的時候。這時候，無人駕駛汽車的另一項定位技術——慣性導航技術就將派上用場。這項最早應用于軍事領域的技術，一開始是用來為火箭導航的。它采用機械陀螺儀、加速度計作為慣性傳感器，不間斷采集載體的瞬時加速度、瞬時角速度和旋轉角度，以牛頓力學三大定律為理論基礎推算載體的運行速度和運行軌跡，通過不斷的實時計算得到載體位置信息。

　　從GPS接受機或慣性導航設備接收到實時傳來的位置數據后，車載電腦會進行分析處理，結合路網文件判定無人車的當前位置，并給出無人車縱向和橫向控制要求，進而達到在無人行駛中的穩定控制。