自动驾驶系统的设计思路是建立若干个行驶状态,通过不同的条件触发行驶状态切换。这种设计思路存在切换过程平顺性较差问题。在实际的系统设计过程中主要采用将道路中的真实目标和非真实目标都描述成虚拟质点的方法来强化车辆行驶的平顺性。其中,真实目标主要是指车辆、行人等因素;非真实目标包括限速、红灯、停车点、道路曲率、天气条件等。基于虚拟质点模型方法的优势在于将算法模型统一,有效避免了传统控制算法中因目标或控制模式切换产生的车辆加减速度跳变的问题。
路径规划模块
自动驾驶汽车路径规划模块是指在一定的环境模型基础上,给定自动驾驶汽车起始点和目标点后,按照性能指标规划出一条无碰撞、能安全到达目标点的有效路径。路径规划主要包含两个步骤:建立包含障碍区域与自由区域的环境地图,以及在环境地图中选择合适的路径搜索算法,快速实时地搜索可行驶路径。路径规划结果对车辆行驶起着导航作用,它引导车辆从当前位置行驶到达目标位置。环境地图表示方法主要分为度量地图表示法、拓扑地图表示法等。
发展趋势
人工智能机器学习、深度神经网络以及联网通讯等技术的发展,进一步丰富了自动驾驶汽车发展的技术路径,也促进了自动驾驶技术由单一的样机演示向具备一定落地应用能力并可实现自主定位的典型交通场景的方向发展。
人工智能
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它意在探索智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。其一大重要的应用领域就是自动驾驶,主要目标是使自动驾驶汽车具备一定的自主学习能力,并能对简单交通环境形成记忆性认知,现阶段人工智能技术在自动驾驶汽车领域的主要应用体现在以下几个方面。
1、实现对环境物体的识别与认知
利用多目视觉、激光雷达、毫米波雷达等传感器件及识别算法,可以实现对实际道路环境中多曲面物体的准确识别。同时融入深度学习技术后,可对各物体三维空间尺寸及特征信息形成迭代分类,从而使自动驾驶汽车具有对多种类环境物体的识别与认知能力。