1.3 智能驾驶系统

智能驾驶系统的核心在于人工智能算法，通过车载传感器采集数据，然后利用人工智能算法，可对车辆周围环境进行感知，依靠感知信息进行路径规划和驾驶决策，最后通过横、纵向控制来控制智能驾驶汽车的执行器，完成智能驾驶。

智能驾驶汽车离不开几项关键技术，从宏观层面来看，智能驾驶主要包含环境感知、路径规划、驾驶认知和决策控制等核心技术。作为实现智能驾驶的基础，感知系统通过配备车载传感器采集智能驾驶汽车内部和车身周围的信息。而为了保证感知系统所采集的数据的完备性、实时性和精确性，目前研究人员针对不同功能已研发出多种传感器，例如，单/双目相机、红外相机、毫米波雷达、激光雷达和超声波雷达，以及全球定位系统和惯性测量单元等。

智能驾驶的关键技术包括环境感知技术、决策规划技术和车辆控制技术，其中环境感知技术是智能驾驶汽车行驶的基础；决策规划技术是智能驾驶汽车行驶的核心；车辆控制技术是智能驾驶汽车行驶的实现方法，这三项技术相辅相成，共同构成智能驾驶系统。智能驾驶的整个流程归结起来分三步：首先，通过雷达、相机、车载网联系统等对外界的环境进行感知和识别；然后，在传感感知融合信息的基础上，通过智能算法学习外界场景信息，规划车辆运行轨迹，实现拟人化控制车辆，使其融入交通流中；最后，跟踪决策规划的轨迹目标，控制车辆的节气门、制动和转向等驾驶动作，调节车辆行驶速度、位置和方向等状态，以保证汽车的安全性、操纵性和稳定性。

因此，智能驾驶系统将驾驶认知形式化，基于对驾驶场景的感知与认知，设计通用的智能驾驶软件架构。在这一架构中，智能决策模块并不直接与传感器信息发生耦合，而是基于对多传感器的感知与定位等信息综合形成的驾驶认知完成自主决策。

清华猛狮团队研发的智能驾驶系统平台软件的架构如图1-2所示，以此为例对智能驾驶系统平台软件架构进行介绍。传感器数据采集与数据存储包含许多软件模块，这些模块用于接收和标记所有传感器数据。感知模块将传感器数据映射到内部模型中，针对不同传感器的特点，设计自感知算法，而考虑到单一传感器的缺陷，通过对多传感器数据进行融合才可以实现安全可靠的环境感知；定位模块主要通过差分定位与惯性导航组合，利用3D高清地图与2D本地地图实现智能车的精确定位。驾驶认知模块通过构建的场景数据库，实现对于驾驶场景的整体认知，并针对不同驾驶场景，采取不同的驾驶策略。通过自主规划使智能车能够适应复杂的现实环境，并实现符合社会属性的自主驾驶。运动控制模块负责调节车辆的转向盘、节气门和制动响应。整个架构关键模块是路径规划模块，它设置车辆在转向和速度空间中的轨迹。横向和纵向两个控制器都向执行器发送低级命令，控制车辆的行驶方向和速度。执行器模块对智能车进行线控改装，包括线控转向、线控驱动和线控制动。

图1-2 清华猛狮团队研发的智能驾驶系统平台软件的架构

尽管各智能驾驶汽车研制单位对系统架构的划分不尽相同，技术研究中侧重点也不同，但基本都要涵盖七个层面：传感器层、感知层、认知层、控制层、人机交互层、公共服务层、执行层等，下面依次介绍各层主要功能。

传感器层：由雷达传感器、视觉传感器、GPS、车身传感器等组成，主要完成采集传感器数据的任务。其中为实现传感器即插即用，需要规范各类传感器的标准数据格式，即将传感器特有的数据格式转换为智能驾驶汽车能处理的标准格式，并将采集到的传感器数据送入感知层处理。

感知层：主要分析传感器数据，实现道路边界检测、障碍检测、交通标识检测、车身状态估计等，为智能驾驶汽车规划决策提供基础。

认知层：通过分析从感知层得到的环境数据和自身数据，决策出智能驾驶汽车的驾驶模式。在精细电子地图上确定车辆位置，并根据目标点坐标生成行驶轨迹。同时，在人为干预或避让障碍物的情况下轨迹的生成也会受到影响。

控制层：依据轨迹数据和当前车辆状态控制车辆，使其按轨迹行驶。同时，接收人为干预指令，进行加速、减速和转向操作。该层直接将控制指令输出至车辆的加速系统、制动系统和转向控制器。

人机交互层：接收驾驶员的指令并输出至控制层。同时，也可以通过声音和图像反馈环境和车辆自身信息，供驾驶员参考。

公共服务层：为以上各层服务，主要包括数据通信、数据记录、地图文件读写等。

执行层：直接关联车辆的电控模块，接收控制指令，完成驾驶动作，如加/减节气门、电动转向操作、电源控制等。