定位

定位在無人駕駛中十分鐘重要，只有有了實(shí)時的位置信息，系統(tǒng)才能做出下一步判讀，決定向何處進(jìn)發(fā)，以及如何前往。現(xiàn)在定位的方式有許多種。如載波相位差分技術(shù)（RTK），但 RTK 還是會受信號的干擾。特別是在一些城市、建筑和樹比較多的地方，以及進(jìn)隧道、出隧道，它的信號容易中斷。同時，也有用攝像頭等傳感器感知外部環(huán)境、構(gòu)建環(huán)境模型并利用該模型確定車輛所在的位置的方式，但其對環(huán)境的依賴比較強(qiáng)，比如逆光或雨雪天氣下，這種定位容易失效。而激光雷達(dá)是依靠將車輛的初始位置與高精地圖信息進(jìn)行比對來獲得位置。首先，GPS、IMU和輪速等傳感器給出一個初始（大概）的位置。其次，將激光雷達(dá)的局部點(diǎn)云信息進(jìn)行特征提取，并結(jié)合初始位置獲得全局坐標(biāo)系下的矢量特征。后，將上一步的矢量特征跟高精地圖的特征信息進(jìn)行匹配，得出的定位。所以，在定位方面，無論是從精度上還是穩(wěn)定性上來說，運(yùn)用激光雷達(dá)都有*的優(yōu)勢。而其的缺點(diǎn)便在于目前激光雷達(dá)的生產(chǎn)成本較高，另一方面往固態(tài)方向上進(jìn)行技術(shù)創(chuàng)新，朝著固態(tài)的低成本和可量產(chǎn)化的方向去發(fā)展，許多國內(nèi)外廠家都在加速創(chuàng)新，在不久的將來成本將不會成為一個十分棘手的問題。

  障礙物的檢測和分類

對于障礙物檢測和分類來講，目前有應(yīng)用視覺和激光雷達(dá)，這兩者并沒有沖突。激光雷達(dá)不依賴光照，它的視角是 360 度，計(jì)算量比較小，可以實(shí)時掃描，目前普遍用的是 100 毫秒以內(nèi)的。激光雷達(dá)在掃描的過程中，先識別障礙物，知道這個障礙物在空間中的位置，再根據(jù)存在的障礙物做分類。比如車、人，我們將這些障礙物分割成為獨(dú)立的個體，通過分割出來獨(dú)立的個體再去匹配，從而進(jìn)行障礙物的分類和物體的跟蹤。而跟蹤的過程，首先是分割點(diǎn)云，通過點(diǎn)云做關(guān)聯(lián)目標(biāo)，我們知道上一楨和下一楨是否屬于同一個物體，再進(jìn)行目標(biāo)跟蹤，輸出目標(biāo)跟蹤信息。

 用于駕駛輔助系統(tǒng)（ADAS）

駕駛輔助系統(tǒng)（Advanced Driver Assistance System），簡稱ADAS，是利用安裝于車上的各式各樣的傳感器， 在時間收集車內(nèi)外的環(huán)境數(shù)據(jù)， 進(jìn)行靜、動態(tài)物體的辨識、偵測與追蹤等技術(shù)上的處理， 從而能夠讓駕駛者在快的時間察覺可能發(fā)生的危險(xiǎn)， 以引起注意和提高安全性的主動安全技術(shù)。如果激光雷達(dá)能有效控制成本，ADAS等級數(shù)較低的駕駛輔助功能也需要用激光雷達(dá)。其原因在于，基于攝像頭的ADAS和無人駕駛系統(tǒng)，或者單獨(dú)使用毫米波的局限性很大。首先是視場角的問題，為了保證足夠的探測距離，視場角的角度不可太大，而這就導(dǎo)致車輛有非常大的橫向盲區(qū)。對此現(xiàn)象，有些公司設(shè)計(jì)了多攝像頭來解決此類問題，但效果并不理想，同樣的多目攝像頭會有重疊區(qū)域，還會增加處理數(shù)據(jù)的難度。其次是低速問題，事實(shí)證明，在低速情況下，攝像頭的表現(xiàn)不盡人意，甚至對一下移動緩慢或靜止的目標(biāo)都很難識別。所以激光雷達(dá)在ADAS方面有著很大的潛力。