著現(xiàn)代高新技術(shù)的迅速發(fā)展，數(shù)字化、信息化和智能化越來(lái)越多的應(yīng)用到人類社會(huì)的生產(chǎn)、生活的各個(gè)方面，曾經(jīng)只能在科普小說(shuō)中看到的智能無(wú)人駕駛汽車已經(jīng)不再是虛幻的，人們?cè)诓痪玫膶?lái)將能在現(xiàn)實(shí)中看見智能無(wú)人駕駛汽車?，F(xiàn)在集各種高新技術(shù)于一體的汽車，其性能、舒適性、安全性已經(jīng)取得很大進(jìn)步。智能無(wú)人駕駛汽車通常具有一款高智能的計(jì)算機(jī)，它能夠接收各種智能傳感器傳來(lái)的周圍環(huán)境及汽車自身的各種信息并能高效迅速的綜合整理，然后把信息傳遞給汽車的執(zhí)行系統(tǒng)，從而實(shí)現(xiàn)自動(dòng)駕駛、智能控制等功能。

人駕駛汽車運(yùn)行時(shí)，在車載顯示屏電子地圖上點(diǎn)出目的地，并且設(shè)計(jì)行駛路徑，將做好的電子地圖確認(rèn)自動(dòng)導(dǎo)入中央處理器中，中央處理器根據(jù)地塊邊界規(guī)劃出合理的行駛路徑。

在系統(tǒng)中應(yīng)用角度傳感器、電動(dòng)機(jī)轉(zhuǎn)速傳感器、位置傳感器、壓力傳感器等傳感器測(cè)量行車信息，并將行車信息轉(zhuǎn)換為電信號(hào)傳遞給中央處理器進(jìn)行運(yùn)算，再由中央處理器發(fā)出指令控制自動(dòng)變速轉(zhuǎn)向機(jī)構(gòu)，構(gòu)成閉環(huán)系統(tǒng)，實(shí)現(xiàn)對(duì)汽車駕駛的智能控制。

1、環(huán)境感知，這是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究重點(diǎn)，常說(shuō)的slam就是指這個(gè)，基于激光雷達(dá)的slam系統(tǒng)目前已經(jīng)能較好的進(jìn)行地圖定位，局部環(huán)境地圖構(gòu)建

2、標(biāo)識(shí)識(shí)別，包括車道識(shí)別交通標(biāo)志識(shí)別（比如紅綠燈）車輛行人識(shí)別和運(yùn)動(dòng)跟蹤，在這里，CNN（ConvoluTIonalNeuralNetwork，卷積神經(jīng)網(wǎng)絡(luò)）技術(shù)成了目前最好的技術(shù)，標(biāo)識(shí)識(shí)別是無(wú)人駕駛行為決策的基礎(chǔ)

cnn技術(shù)也是對(duì)激光雷達(dá)的一個(gè)很好的補(bǔ)充，因?yàn)榧す饫走_(dá)是低像素，不能很好的識(shí)別障礙物

3、行為決策系統(tǒng)技術(shù)

行為決策系統(tǒng)或者叫駕駛決策系統(tǒng)，包括全局的路徑規(guī)劃導(dǎo)航和局部的避障避險(xiǎn)，以及常規(guī)的基于交通規(guī)則的行駛策略（最簡(jiǎn)單的，讓車保持在車道內(nèi)），使用到的技術(shù)分成三類

1）、基于推理邏輯和規(guī)則的技術(shù)

全局路徑規(guī)劃導(dǎo)航的A*，D＊算法，局部避障的dwa算法，常規(guī)的最優(yōu)控制數(shù)學(xué)辦法（比如多目標(biāo)決策），以及基于交通規(guī)則的fsm規(guī)則引擎都屬于這類技術(shù)

2）、快速優(yōu)化的遺傳算法

當(dāng)目前有多個(gè)策略選擇時(shí)，如何選擇最好的目標(biāo)或策略，基于線性規(guī)劃或動(dòng)態(tài)規(guī)劃的數(shù)學(xué)辦法存在計(jì)算速度緩慢，很多情況下無(wú)法建?；蛴?jì)算量過(guò)大無(wú)法計(jì)算，這就是遺傳算法發(fā)揮作用的地方

3）、神經(jīng)網(wǎng)絡(luò)技術(shù)

利用神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行自動(dòng)駕駛訓(xùn)練是最新的研究熱點(diǎn)，也就是常說(shuō)的，讓神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)像人類一樣開車是很振奮人心的目標(biāo)

但是，神經(jīng)網(wǎng)絡(luò)的問(wèn)題在于它是不透明的，是個(gè)黑盒系統(tǒng)，是不可解釋的，基本你無(wú)法說(shuō)出訓(xùn)練模型里一個(gè)節(jié)點(diǎn)的值為什么是0.1而不是0.5，這是由神經(jīng)網(wǎng)絡(luò)的特點(diǎn)決定的，另外，利用訓(xùn)練數(shù)據(jù)訓(xùn)練出來(lái)的很好的模型到了新的環(huán)境能不能發(fā)揮同樣好的作用也是疑問(wèn)

有一種最簡(jiǎn)單的設(shè)計(jì)無(wú)人駕駛系統(tǒng)的辦法，就是只用神經(jīng)網(wǎng)路來(lái)做一切控制，我們只需要用大量的數(shù)據(jù)來(lái)訓(xùn)練它，這樣就不用寫復(fù)雜的控制策略算法代碼了，我們只要訓(xùn)練好神經(jīng)網(wǎng)絡(luò)，然后用很少的代碼讓它運(yùn)行就可以了，但是，在神經(jīng)網(wǎng)絡(luò)的可解釋性不能解決前，完全基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)駕駛系統(tǒng)很顯然是不能讓人信服和舒服的

所以無(wú)人駕駛系統(tǒng)中基于推理邏輯的控制策略仍然是很重要的，讓基于推理邏輯的白盒控制系統(tǒng)和基于神經(jīng)網(wǎng)絡(luò)的黑盒控制系統(tǒng)協(xié)同工作，是最為可行的方向

4、車輛控制系統(tǒng)技術(shù)

車輛控制系統(tǒng)技術(shù)除了傳統(tǒng)的pid控制外，在無(wú)人車系統(tǒng)也越來(lái)越多的引入了神經(jīng)網(wǎng)絡(luò)模糊控制

1、全局導(dǎo)航路徑規(guī)劃a*，圖像識(shí)別神經(jīng)網(wǎng)絡(luò)和即時(shí)駕駛和避障dwa相結(jié)合的控制策略

這是傳統(tǒng)的無(wú)人駕駛控制策略，全局路徑導(dǎo)航使用常規(guī)的a*算法（也可以使用其他的），車輛攝像頭的圖像經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)處理，提取出車道交通標(biāo)識(shí)和車輛行人信息，然后以這些信息作為輸入，利用vfh/dwa算法進(jìn)行即時(shí)駕駛和避障控制，比如變道減速剎車等等

谷歌無(wú)人車自動(dòng)駕駛系統(tǒng)使用的就是這種控制策略

2、全局路徑規(guī)劃和即時(shí)駕駛和避障神經(jīng)網(wǎng)絡(luò)相結(jié)合的高度智能的控制策略

全局規(guī)劃還是使用和策略一相同的算法，但是在即時(shí)駕駛和避障中，完全使用了神經(jīng)網(wǎng)絡(luò)技術(shù)，把從攝像頭捕捉到的原始像素圖特征作為神經(jīng)網(wǎng)絡(luò)的輸入端，輸出端為為汽車的操控命令。我們不再?gòu)脑枷袼貓D提取車道信息，交通標(biāo)識(shí)，車輛行人標(biāo)識(shí)，這一切都交給神經(jīng)網(wǎng)絡(luò)自動(dòng)識(shí)別，最后輸出的是轉(zhuǎn)向循跡減速剎車等汽車控制命令，神經(jīng)網(wǎng)絡(luò)使用了數(shù)以億計(jì)的節(jié)點(diǎn)。