一文读懂自动驾驶研究现状

　　为了在环境中驾驶汽车，决策系统需要知晓汽车所在的位置。定位器(Localizer)模块负责估计与环境的静态地图相关的汽车状态(姿态、线速度、角速度等)。这些静态地图(即图 1 中的 Offline Maps)会在自动操作前自动计算得到，通常会使用自动驾驶汽车自身的传感器，但通常也需要人工标注(比如人行横道或交通灯的位置)或编辑(比如移除传感器捕获的非静态目标)。自动驾驶汽车可能使用一个或多个不同的离线地图来进行定位，比如占用情况网格地图、缓解地图或地标地图。我们将在第 3.B 节介绍用于生成这些地图的方法的相关文献。

　　定位器模块的输入包括离线地图、传感器数据和平台的里程数据，生成的输出是自动驾驶汽车的状态(图 1)。需要重点指出，尽管 GPS 也许有助于定位过程，但由于高大树木、建筑、隧道等造成的干扰会使得 GPS 定位不可靠，在城市环境中只使用 GPS 是不足以合适定位的。我们将在第 3.A 节介绍有关定位技术的文献。

　　地图测绘器(Mapper)模块以离线地图和车辆状态为输入，生成在线地图。这个在线地图通常是离线地图与使用传感器数据和汽车当前状态在线计算出的占用情况网格地图中的信息的融合。我们将在第 3.B 节介绍计算在线地图的方法的相关文献。可以预期这个在线地图仅包含环境的静态表征，因为这可能有助于决策系统的某些模块的运作。为了实现检测以及移除在线地图中的移动目标，通常会使用一个移动目标跟踪(Moving Objects Tracking/MOT)模块(图 1)。第 3.D 节介绍的文献的主题即为自动驾驶汽车的移动目标检测和跟踪方法。

　　自动驾驶汽车要必须能识别和遵守水平(车道线)和垂直(即限速标志、交通信号灯等)的交通信号。交通信号检测(Traffic Signalization Detection/TSD)模块负责交通信号的检测和识别。我们将在第 3.E 节介绍交通信号检测和识别方法相关文献。

　　给定用户在离线地图中定义的终点(Final Goal)，路线规划器(Route Planner)会在离线地图中计算出一条从当前状态到达终点的路线。路线(route)是指一系列路径点的序列，其中每个点都是离线地图中的一对坐标。我们将在第 4.A 介绍路线规划方法的文献。

　　给定一条路线，路径规划器(Path Planner)模块会根据汽车状态和环境的内部表征以及交通规则计算一组路径。路径(path)是指一系列姿态(pose)的序列，其中每个姿态都是离线地图中的一个坐标对和汽车在该坐标对定义的位置所需的方位。中间的路径 P_c 是路线尽可能最好的路径，其左侧的路径和右侧的路径都是与 P_c 起始姿态相同的路径，向左或向右的路径具有不同的激进程度。我们将在第 5.B.1 节介绍有关路径规划方法的文献。

　　行为选取器(Behavior Selector)模块负责选择当前的驾驶行为，比如车道保持、交叉路口处理、交通灯处理等。其做法是选择一条路径，当前状态之前几秒(大约 5 秒)的一个姿态——决策范围，和在该姿态所需的速度。姿势和相关联的速度的配对被称为目标(Goal)。行为选取器选择目标时会在决策时间范围内考虑当前的驾驶行为以及避免与环境中的静止和移动障碍物相撞。

　　运动规划器(Motion Planner)模块负责计算一个从汽车的当前状态到当前目标的轨迹，这个轨迹遵循行为选取器定义的路径，满足汽车的运动学和动力学约束条件，并能保证乘客舒适。轨迹 T 是一个指令序列 c_k = (v_k， φ_k， t_k)，其中 v_k 是在时间 t 的所需速度，φ_k 是在时间 t 的所需转向角度，t_k 是 c_k 的持续时间。一个轨迹能让汽车平滑且安全地从当前状态到达目标。我们将在第 4.B.2 节介绍有关运动规划的方法的文献。

　　避障器(Obstacle Avoider)模块接收运动规划器计算出的轨迹，并在有必要时对其进行修改(通常是降低速度)以避开障碍物。有关执行避障功能的方法的文献不多。我们将在第 4.B 看到一些相关文献。

　　最后，控制器(Controller)模块根据被避障器修改后的运动规划器轨迹计算并发送工作指令，以控制方向盘、油门和刹车的执行器，使车辆能以物理世界允许的方式尽可能好地执行修改后的轨迹。我们将在第 4.C 节介绍低级汽车控制方法的相关文献。

　　下面我们将按感知系统和决策系统两大组别详细介绍各个模块和用于实现它们的技术及变体技术。

　　3. 感知

　　在这一节，我们将介绍文献中为自动驾驶汽车的感知系统提出的重要方法，包括定位器(或定位)、离线障碍物地图测绘、道路地图测绘、移动障碍物跟踪、交通信号检测与识别。

　　A 定位

　　定位模块负责估计自动驾驶汽车相对于地图或道路(比如表示成路沿或其它道路标记)的姿态(位置和方向)。大多数通用的定位子系统都基于 GPS。但是，总的来说，这些系统不能用于城市中的自动驾驶汽车，因为在有遮挡的区域不能确保有 GPS 信号，比如树下、城市峡谷(大型建筑之间的区域)、隧道。

　　文献中已经提出了多种不依赖 GPS 的定位方法。它们主要可分为三类：基于 LIDAR 的方法、基于 LIDAR 加相机的方法、基于相机的方法。基于 LIDAR 的定位方法仅依靠 LIDAR 传感器，这种方法测量准确且易于处理。但是，尽管 LIDAR 行业确实在努力降低生产成本，但与相机相比仍然价格高昂。在典型的基于 LIDAR 加相机的定位方法中，LIDAR 数据仅被用于构建地图，估计自动驾驶汽车相对于地图的位置则会使用相机数据，这能够降低成本。基于相机的定位方法很便宜廉价，但通常没那么精确可靠。

　　1) 基于 LIDAR 的定位

　　2) 基于 LIDAR 加相机的定位

　　3) 基于相机的定位

　　B 离线障碍物地图测绘

　　离线障碍物地图测绘子系统负责计算自动驾驶汽车所在环境中的障碍物地图。这个子系统是基础系统，让自动车辆有能力安全地驶过公共道路而不与障碍物(比如标牌、路沿)发生碰转。障碍物地图包含汽车也许可以驶过或不能驶过的位置的信息，并区分了自由区域(可通行)与已占用区域。汽车必须一直处于自由区域内。障碍物地图是根据地图测绘阶段的传感器数据构建的，并会被存储起来以待自动操作阶段使用。