自動駕駛是正在發(fā)展的產物，大家對于自動駕駛的期盼程度也是越來越高。為增進大家對自動駕駛的認識，本文將對自動駕駛軟件包含的功能、自動駕駛用到的AI算法以及自動駕駛和無人駕駛的區(qū)別予以介紹。如果你對自動駕駛具有興趣，不妨繼續(xù)往下閱讀哦。

一、自動駕駛軟件包含的功能

定位和地圖：利用傳感器數據和感知輸出，本地化映射模塊不僅可以估計自動駕駛汽車位置，還可以構建和更新三維世界地圖。自從同步定位和地圖(SLAM)的概念在1986年引入以來，就得到了業(yè)內人士的普遍關注。最先進的SLAM系統(tǒng)通常分為基于過濾器的SLAM和基于優(yōu)化的SLAM?；谶^濾的SLAM系統(tǒng)是由貝葉斯濾波得到的，通常通過增量集成傳感器數據，迭代估計自動駕駛汽車姿態(tài)并更新三維環(huán)境地圖。最常用的濾波器有擴展卡爾曼濾波器(EKF)、無跡卡爾曼濾波器(UKF)、信息濾波器(IF)和粒子濾波器(PF)。另一方面，基于優(yōu)化的SLAM方法首先通過尋找新觀測值與地圖之間的對應關系來識別問題約束。然后，計算和改進自動駕駛汽車的姿勢，并更新3D地圖。基于優(yōu)化的SLAM方法可以分為兩個主要分支:Bundle Adjustment (BA)和graph SLAM。前者利用高斯-牛頓法、梯度下降等優(yōu)化技術，通過最小化誤差函數，聯(lián)合優(yōu)化三維地圖和攝像頭姿態(tài)。后者將定位問題建模為一個圖形表示問題，并通過尋找不同車輛姿態(tài)的誤差函數來求解。

預測：預測模塊分析其他交通代理的運動模式，預測自動駕駛汽車未來的運動軌跡，使自動駕駛汽車能夠做出合適的導航決策。目前的預測方法主要分為兩大類:基于模型的預測方法和基于數據驅動的預測方法。前者根據基本的物理系統(tǒng)運動學和動力學，通過傳播其運動狀態(tài)(位置、速度和加速度)來計算自動駕駛汽車未來的運動。例如，奔馳的運動預測組件使用地圖信息作為約束來計算自動駕駛汽車的下一個位置。卡爾曼濾波在短期預測方面表現良好，但在長期預測方面表現不佳，因為它忽略了周圍的環(huán)境，比如道路和交通規(guī)則。在此基礎上，建立了基于引力和斥力的行人運動預測模型。近年來，隨著人工智能和高性能計算的發(fā)展，許多數據處理技術，如隱馬爾可夫模型(HMM)、貝葉斯網絡(BNs)和高斯過程(GP)回歸，用來預測自動駕駛汽車狀態(tài)。近年來，研究人員利用逆強化學習(IRL)對環(huán)境進行建模，比如，采用逆最優(yōu)控制方法對行人路徑進行預測。

規(guī)劃：規(guī)劃模塊根據感知、定位、映射以及預測信息確定可能的安全自動駕駛汽車導航路徑。規(guī)劃任務主要分為路徑規(guī)劃、機動規(guī)劃和軌跡規(guī)劃。路徑是自動駕駛汽車應該遵循的幾何路徑點列表，以便在不與障礙物碰撞的情況下到達目的地。最常用的路徑規(guī)劃技術有:Dijkstra、動態(tài)規(guī)劃、A*、狀態(tài)格等。機動規(guī)劃是一個高層次的自動駕駛汽車運動表征過程，因為它同時考慮了交通規(guī)則和其他自動駕駛汽車狀態(tài)。在找到最佳路徑和機動規(guī)劃后，必須生成滿足運動模型和狀態(tài)約束的軌跡，這樣才能保證交通的安全性和舒適性。

控制：控制模塊根據預測的軌跡和估計的車輛狀態(tài)向油門、剎車或轉向扭矩發(fā)送適當的命令?？刂颇K使汽車盡可能接近計劃的軌跡?？刂破鲄悼梢酝ㄟ^最小化理想狀態(tài)和觀測狀態(tài)之間的誤差函數(偏差)來估計。比例積分導數(PID)控制、線性二次調節(jié)器(LQR)控制和模型預測控制(MPC)是最常用的最小化誤差函數的方法。PID控制器是一種利用比例項、積分項和導數項使誤差函數最小的控制回路反饋機構。當系統(tǒng)動力學用一組線性微分方程表示，成本用二次函數表示時，利用LQR控制器使誤差函數最小化。MPC是一種基于動態(tài)過程模型的先進過程控制技術。這三種控制器各有優(yōu)缺點。自動駕駛汽車控制模塊一般采用上述方法的混合模式。例如，初級自動駕駛汽車使用MPC和PID來完成一些低級反饋控制任務，例如應用變矩器來實現所需的車輪轉角。百度Apollo采用了這三種控制器的混合的模式：PID用于前饋控制、LQR控制輪角、MPC對PID和LQR控制器參數進行優(yōu)化。

二、自動駕駛用到的AI算法

AI算法是支撐自動駕駛技術最關鍵的部分，目前主流自動駕駛公司都采用了機器學習與人工智能算法來實現。

自動駕駛域算法可以分為感知算法、融合算法、決策算法和執(zhí)行算法。感知算法將傳感器數據轉換成車輛所處場景的機器語言，包括物體檢測、識別和跟蹤、3D環(huán)境建模、物體的運動估計等。

融合算法的核心任務是將不同傳感器獲取到的基于圖像或基于點云等不同維度的數據進行量綱統(tǒng)一處理。隨著L2+自動駕駛對多傳感器融合精度的要求提升，融合算法將逐漸前向化(前融合)，其層級將逐漸從域控制器等后端部件前移至傳感器層面，在傳感器內部即完成融合，以提升數據處理的效率。

決策算法，即在基于感知算法的輸出結果，給出最終的行為動作指令，包括汽車的跟隨、停止和追趕等行為決策，以及汽車的轉向、速度等動作決策，路徑規(guī)劃等。

三、自動駕駛和無人駕駛的區(qū)別

自動駕駛和無人駕駛的區(qū)別在于，自動駕駛是有人來決定駕駛行為的，而無人駕駛則是完全由機器來負責駕駛行為，也稱之為自主駕駛。很久以前后就已經開始研究自動駕駛技術，并且現在大量汽車都是應用了主動駕駛技術，如我們在高速上經常使用的ACC自適應巡航功能就是屬于自動駕駛的一種。

簡單來說，自動駕駛主要是輔助駕駛功能，主體駕駛行為是人來操控的，需要駕駛員來使用的。而無人駕駛則完全以機器為主題，我們人在車內僅作為乘坐者存在，無需控制車輛，機器實現全面的自主駕駛。

以上便是此次帶來的自動駕駛相關內容，通過本文，希望大家對自動駕駛已經具備一定的了解。如果你喜歡本文，不妨持續(xù)關注我們網站哦，將于后期帶來更多精彩內容。最后，十分感謝大家的閱讀，have a nice day!