【自动驾驶系列丛书学习】1.《自动驾驶技术概论》学习笔记

到2003年，伊拉克战争爆发，无人驾驶技术还没有大的进展。根据法案，美国国会命令DARPA负责推动相关技术的发展，授权该局对无人驾驶汽车的研发人员进行现金奖励。有了奖金的支持，DARPA决定另辟蹊径，举办一项奖金为100万美元的公开竞赛，吸引更多的团队投入智能车研究。所以从2004到2007年，DARPA共赞助了三场公路赛事，分别是：2004年和2005年DARPA大挑战赛和2007的DARPA城市挑战赛，这几项赛事奠定了当代自动驾驶汽车的技术基础。

当代自动驾驶产业的起源-DARPA挑战赛 - 知乎 (zhihu.com)

中国智能车未来挑战赛

中国智能车未来挑战赛_百度百科 (baidu.com)

3.自动驾驶定义

3.1 NHTSA

美国国家公路交通安全管理局(NHTSA,National Highway Traffic Safety Administration)发布了自动驾驶汽车的分级标准,其对自动化的描述共有4个级别。

3.2 SAE J3016标准

SAE(SAE International, Society of Automotive Engineers国际自动机工程师学会)制定了一套自动驾驶汽车分级标准SAE J3016《标准道路机动车驾驶自动化系统分类与定义》,其对自动化的描述分为5个等级。

(1)驾驶支援:通过驾驶环境对方向盘和加减速中的一项操作提供驾驶支持,其他的驾驶动作都由人类驾驶员进行操作。
(2)部分自动化:通过驾驶环境对方向盘和加减速中的多项操作提供驾驶支持,其他的驾驶动作都由人类驾驶员进行操作。
(3)有条件自动化:由自动驾驶系统完成所有的驾驶操作。根据系统要求,人类驾驶者提供适当的应答。
(4)高度自动化:由自动驾驶系统完成所有的驾驶操作。根据系统要求,人类驾驶者不一定需要对所有的系统请求做出应答,车辆需行驶在限定道路和环境条件下。
(5)完全自动化:在所有人类驾驶者可以应付的道路和环境条件下,均可以由自动驾驶系统自主完成所有的驾驶操作。

区分自动驾驶：能否自动转向、加速、制动

3.3 SAE International标准

SAE International关于自动化层级的定义已经成为自动化/自动驾驶车辆的全球行业参照标准,用以评定自动驾驶技术级别。

L0:驾驶员完全掌控车辆。
Ll:自动系统有时能够辅助驾驶员完成某些驾驶任务。
L2:自动系统能够完成某些驾驶任务,但驾驶员需要监控驾驶环境,完成剩余部分,同时保证出现问题时,随时进行接管。在这个层级,自动系统的错误感知和判断由驾驶员随时纠正。
L3:自动系统既能完成某些驾驶任务.也能在某些情况下监控驾驶环境,但驾驶员必须准备好重新取得驾驶控制权(自动系统发出请求时)。所以在该层级下,驾驶者仍无法进行睡觉或者深度的休息。
L4:自动系统在某些环境和特定条件下,能够完成驾驶任务并监控驾驶环境。在这个阶段,在自动驾驶可以运行的范围内,驾驶相关的所有任务和驾乘人已经没关系了,感知外界的责任全在自动驾驶系统。
L5:自动系统在所有条件下都能完成所有驾驶任务。

3.4 中国智能汽车标准

在《中国制造2025》中,我国将智能网联汽车分为DA、PA、HA、FA共计4个级别。完全手动驾驶没有计人其中。总体看来,分级如下。
1）手动驾驶(MD)
顾名思义就是最普通的手动驾驶汽车。

2〉驾驶辅助(DA)
一项或者多项局部自动功能﹐例如 ESC、ACC、AEB等,并能提供基于网联的智能信息提示。
3）半自动化(PA)
在驾驶者短时间转移注意力仍可保持控制,失去控制十秒以上予以提醒,并能提供基于网联的智能引导信息。
4）高度自动化(HA)
在高速公路和市区内部均可自动驾驶,偶尔需要驾驶员接管,但是有充分的移交时间，并能提供基于网联的智能控制信息。
5）完全自动化(FA)
驾驶权完全交给车辆,这种自动化水平允许驾驶员从事计算机工作,休息和睡眠等其他活动。

4.自动驾驶技术

书上的内容比较简略概括，详细的话在之后的对应书籍上面再做学习。

5.自动驾驶企业

5.1 谷歌Waymo

Waymo是一家研发自动驾驶汽车的公司，为Alphabet（Google母公司）旗下的子公司。

谷歌无人驾驶汽车的感知核心是位于车顶的旋转式激光雷达,该设备可以发出64道激光光束,能够计算出200m 以内物体的距离,得到精确的3D地图数据。自动驾驶汽车会将激光雷达测得的数据和高精地图相结合,生成反映周边环境的数据模型。安装在前挡风玻璃的摄像头可以用于近景观察,帮助自动驾驶汽车识别前方的人和车等障碍物,记录行程中的道路情况和交通信号的标志,最后通过相应算法对信息进行综合和分析。轮胎上的感应器可以保证汽车在确定轨道内行驶;倒车时,还能快速测算出后方障碍物的距离,实现安全停车。汽车前后保险杠内安装有4个雷达元件,可以保证汽车在道路上保持2~～4s的安全反应距离﹐并根据车速变化进行距离调整,最大程度保证乘客的安全。

官网：waymo.com

《通往完全自动驾驶之路》

谷歌无人车的安全设计理念
Waymo无人车是如何工作的
测试和验证是如何进行的
无人车相关交互细节

【码一下】谷歌全方位自曝Waymo无人车技术方案｜42页报告要点解读+下载 - 知乎 (zhihu.com)

5.2 特斯拉Tesla

Autopilot | 特斯拉中国 - Tesla

与时间赛跑，特斯拉Autopilot进化史 - 知乎 (zhihu.com)

关于 Autopilot 自动辅助驾驶 (tesla.com)

Autopilot 自动辅助驾驶是高级辅助驾驶功能套件，旨在提升驾驶安全性并减轻压力。这些功能都无法实现 Model S 完全自动驾驶或取代您的驾驶员身份。Autopilot 自动辅助驾驶功能是所有新款 Tesla 车辆的标配。

5.3 奥迪Audi

L3的领跑者：奥迪A8自动驾驶系统详析 - 知乎 (zhihu.com)

自动驾驶行业观察 | 进军Level 3，奥迪A8自动驾驶功能剖析 - 知乎 (zhihu.com)

5.4 百度Apollo

阿波罗（Apollo）是百度发布的面向汽车行业及自动驾驶领域的合作伙伴提供的软件平台。发布时间是2017年4月19日，旨在向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助他们结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统。而将这个计划命名为“Apollo”计划，就是借用了阿波罗登月计划的含义。

百度Apollo-自动驾驶、智能汽车解决方案

5.5 华为ADS

华为高阶智能驾驶系统（HUAWEI Advanced Driving System）是华为发布的智能驾驶系统

ADS 2.0 搭载了业界首创激光融合 GOD 网络，障碍识别更精准，即便是在复杂的交通场景也能安全畅行。ADS 2.0 对高速体验进行了优化，优化后平均人工接管里程从 100km 提升到 200km，上下匝道、通道避障等都能轻松应对。ADS 2.0 搭载的 NCA 智驾领航可覆盖城区 90% 场景，有图无图都能开。智能泊车性能和场景进一步提升，AVP 代客泊车辅助和 360° 全范围障碍物感知加持，跨地面、地下停车场以及机械车位均可进行智能泊车。

HUAWEI ADS_百度百科 (baidu.com)

6.汽车构造基础

感觉这个视频的讲解更为全面一点

6.1 内燃机传动系统汽车

8分钟视频，为你深入剖析汽车组成结构，不懂车的你有福了！_哔哩哔哩_bilibili

6.2 电动机传动系统汽车

3D动画揭秘电动汽车是如何工作的_哔哩哔哩_bilibili

想入行新能源汽车，一个视频带你快速了解纯电动汽车结构与原理_哔哩哔哩_bilibili

6.3 几大硬件部分

硬件部分的知识此书有较为详细的讲解，车辆工程专业的同学应该会比较上手，由于是硬件所以只做了较为粗略的浏览，重点比较关注网络技术以及软件部分的内容。

7.汽车网络技术

目前基于时间触发的通信网络协议已经被汽车企业广泛采用,在明确定义的时间点执行操作,即各线控系统同步之后,每个系统在一个特定的时间窗口传送自己的信息﹐而不必再去竞争总线,提高了数据的传输速率和可靠性。

目前存在的多种汽车网络标准,其侧重的功能有所不同。20世纪90年代中期,美国汽车工程师协会(SAE)按照汽车上网络系统的性能由低到高将其划分为A级、B级、C级网络。

汽车网络分级

作者：田大新，段续庭，周建山

这本书讲解的比较全面，但是没找到电子书，码一下清华大学出版社-图书详情-《车载网络技术》 (tsinghua.edu.cn)

作者：凌永成主编；李雪飞、刘国贵、席昌钱参编

这本书应该也不错，码一下

清华大学出版社-图书详情-《汽车网络技术（第2版）》 (tsinghua.edu.cn)

照到书的目录查询了一下相关知识

7.1 TTP协议

时间触发协议（Time triggered protocol）概述-CSDN博客

TTP - A time-triggered protocol for fault-tolerant real-time systems

TTP是一种双通道4-25 Mbit/s时间触发现场总线。它可以使用一个或两个通道运行，最大数据速率为2x 25 Mbit/s。通过两个通道上的复制数据，支持冗余通信。
作为一种容错时间触发协议，TTP通过在复制的通信信道上采用时分多址（TDMA）策略，在已知时间以最小的抖动提供自主的容错消息传输。TTP提供容错时钟同步，不依赖于中央时间服务器而建立全局时基。
TTP提供了一个成员服务来通知每个正确的节点数据传输的一致性。这种机制可以看作是一种分布式确认服务，如果通信系统中发生错误，它会立即通知应用程序。如果状态一致性丢失，将立即通知应用程序。

自动驾驶车辆应用
在 2005 年 DARPA 大挑战赛中竞争的两辆红队机器人车辆采用“线控驱动”技术，其中车载计算机控制转向、制动和其他运动。三台基于 TTP 的 TTC 200 单元控制驻车制动器、油门和变速箱功能，一个 TTP-By-Wire Box 控制 H1 Hummer H1ghlander 的行车制动器。线控改造控制了 Sandstorm 的加速、制动和换档。

7.2 LIN协议

一文看懂LIN总线 - 知乎 (zhihu.com)

LIN协议是什么？_哔哩哔哩_bilibili

LIN总线简介_哔哩哔哩_bilibili

LIN（Local Interconnect Network）总线是基于UART/SCI（通用异步收发器/串行接口）的低成本串行通讯协议。其目标定位于车身网络模块节点间的低端通信，主要用于智能传感器和执行器的串行通信，而这正是CAN总线的带宽和功能所不要求的部分。由于LIN网络在汽车中一般不独立存在，通常会与上层CAN网络相连，形成CAN-LIN网关节点

LIN总线在汽车应用方面主要应用于座位、车门与天窗模块、开关面板汽车方向盘、乘员舒适系统等外围ECU实时性要求不高或不需要精确容错的场景。

LIN 协议和物理层要求 (Rev. A) (ti.com.cn)

7.3 CAN总线协议

一文看懂四大汽车总线：LIN、CAN、FlexRay、MOST - 知乎 (zhihu.com)

CAN 是Controller Area Network 的缩写，是ISO国际标准化的串行通信协议。在汽车产业中，出于对安全性、舒适性、方便性、低功耗、低成本的要求，各种各样的电子控制系统被开发了出来。由于这些系统之间通信所用的数据类型及对可靠性的要求不尽相同，由多条总线构成的情况很多，线束的数量也随之增加。

CAN总线几乎是汽车网络通信主要技术

7.4 SAE J1939协议

SAE J1939协议是美国工程师协会(SAE)基于CAN2.0B协议制定的针对商用车的CAN总线通信协议，主要适用于客车、载重货车、特种车以及工程机械。

开放式通信系统互联参考模型(OSI)将计算机的网络体系划分为物理层,数据链路层﹑网络层、传输层、会话层、表示层和应用层。J1939协议包括了物理层﹑数据链路层﹑网络层以及应用层。

7.5 FlexRay总线协议

汽车通信协议：一文搞懂Flexray通信-CSDN博客

FlexRay通信协议概述_flexray协议-CSDN博客

FlexRay总线是由宝马、飞利浦、飞思卡尔和博世等公司共同制定的一种新型通信标准，专为车内联网而设计，采用基于时间触发机制，具有高带宽、容错性能好等特点，在实时性、可靠性和灵活性方面具有一定的优势。FlexRay支持总线间的多种消息传递架构。随着FlexRay在汽车上的广泛使用以及网络日益统一，这项功能将越发重要。例如，若干家汽车制造商已经实施或提议采用一种网络架构，不管采用何种通信协议，所有通信通过一个网关实现。为了跨越协议边界通信，要求网络支持多个消息传递选项。

7.6 MOST总线协议

MOST表示“多媒体传输系统”，是一种专门针对车内使用而开发的、服务于多媒体应用的数据总线技术。

1998年由BMW、Daimlerchrysler等建立MOST联盟，管理定义MOST总线相关规范；自从宝马7系列汽车首次采用MOST技术以来，该技术的普及速度突飞猛进，实现实时传输声音、视频，满足汽车娱乐装置的需求，可以用在车载摄像头等行车系统。

MOST 总线利用光脉冲传输数据，采用环形结构，在环形总线内只能朝着一个方向传输数据。MOST 总线的传输技术近似于公众交换式电话网络（ Public Switched Telephone Network；PSTN），有着数据信道（Data Channel）与控制信道（Control Channel）的设计定义，控制信道即用来设定如何使用与收发数据信道。一旦设定完成，资料就会持续地从发送处流向接收处，过程中不用再有进一步的封包处理程序，将运作机制如此设计，最适合用于实时性音讯、视讯串流传输。MOST在制订上完全合乎ISO/OSI的7层数据通讯协议参考模型，而在网线连接上MOST采用环状拓朴，不过在更具严苛要求的传控应用上， MOST也允许改采星状（亦称放射状）或双环状的连接组态，此外每套MOST传控网络允许最多达64个的装置（节点）连接。

8.自动驾驶三大技术

和人类驾驶员一样,机器在做驾驶决策时需要回答几个问题:我在哪里?周边环境如何?接下来会发生什么?我该做什么?

8.1 感知

多传感器融合

1.激光雷达

走进自动驾驶传感器（一）——激光雷达 - 知乎 (zhihu.com)

激光雷达，也称光学雷达（LIght Detection And Ranging）是激光探测与测距系统的简称，它通过测定传感器发射器与目标物体之间的传播距离，分析目标物体表面的反射能量大小、反射波谱的幅度、频率和相位等信息，从而呈现出目标物精确的三维结构信息

我们可以根据 LiDAR 能描绘出稀疏的三维世界的特点，而扫描得到的障碍物点云通常又比背景更密集，通过分类聚类的方法可以利用其进行感知障碍物。而随着深度学习带来的检测和分割技术上的突破，LiDAR 已经能做到高效的检测行人和车辆，输出检测框，即 3D bounding box，或者对点云中的每一个点输出 label，更有甚者在尝试使用 LiDAR 检测地面上的车道线。

2.摄像头

车载摄像头的工作原理,首先是采集图像﹐将图像转换为二维数据﹔然后,对采集的图像进行模式识别,通过图像匹配算法识别行驶过程中的车辆、行人,交通标志等;最后,依据目标物体的运动模式或使用双目定位技术,以估算目标物体与本车的相对距离和相对速度。

自动驾驶系统入门（四） - 车载摄像头 - 知乎 (zhihu.com)

3.毫米波雷达

毫米波就是电磁波，雷达通过发射无线电信号并接收反射信号来测定车辆与物体间的距离,其频率通常介于10～300GHz之间。与厘米波导引头相比,毫米波导引头体积小,质量轻、空间分辨率高;与红外,激光,电视等光学导引头相比,毫米波导引头穿透雾、烟、灰尘的能力强;另外,毫米波导引头的抗干扰性能也优于其他微波导引头。
1997年,欧洲电信标准学会确认76～77GHz作为防撞雷达专用频道。早在2005年，原信息产业部发布要求,将77GHz频段划分给车辆测距雷达。2012年,工.信部又将24GHz.划分给短距车载雷达。2015年,日内瓦世界无线电通信大会将77.5~78.0GHz频段划分给无线电定位业务,以支持短距高分辨率车载雷达的发展,从而使76～81GHz都可用于车载雷达,为全球车载毫米波雷达的频率统―指明了方向。最终,车载毫米波雷达将会统一于77GHz频段(76~81GHz),该频段带宽更大,功率水平更高,探测距离更远。

4.超声波雷达

超声波雷达,是通过发射并接收40kHz的超声波,根据时间差算出障碍物距离。其测距精度是1~3cm。常见的超声波雷达有两种:

第一种是安装在汽车前后保险杠上的,用于测量汽车前后障碍物的驻车雷达或倒车雷达,称为超声波驻车辅助传感器( UltrasonicParking Assistant,UPA);

第二种是安装在汽车侧面﹐用于测量侧方障碍物距离的超声波雷达,称为自动泊车辅助传感器(Automatic Parking Assistant,APA)。

8.2 定位

1.卫星导航定位GNSS

目前世界上著名的卫星导航系统有

欧盟伽利略系统(Galileo)

美国的全球定位系统(Global Posi GPS)

俄罗斯的全球导航系统(ctionCatellite System,BDS)

中国北斗卫星导航系统(Beidou Navigation Satellite System,BDS)

2.惯性导航定位

惯性是所有质量体本身的基本属性,所以建立在牛顿定律基础上的惯性导航系统(Inertial Navigation System,INS)(简称惯导系统)不与外界发生任何光电联系,仅靠系统本身就能对车辆进行连续的三维定位和三维定向。卫星导航作为定位方式有更新频率低的问题,只有10Hz左右,无法满足自动驾驶汽车的要求。因此,必须借助其他传感器和定位手段来共同增强定位的精度,惯性导航系统是其中最重要的部分。

惯导系统利用载体先前的位置、惯性传感器测量的加速度和角速度来确定其当前位置。给定初始条件,加速度经过一次积分得到速度,经过二次积分得到位移。相反速度和加速度也可以通过对位移的微分而估算得到,角速度经过处理后可以得出车辆的俯仰、偏航、滚转等姿态信息。

8.3 决策控制

自动驾驶汽车作为一个复杂的软硬件结合系统,其安全可靠运行需要车载硬件,传感器集成,感知、预测以及控制规划等多个模块紧密协同配合工作。其中最关键的部分是感知预测和控制规划的紧密配合。规划控制广义上可以分为

路由寻径(Routing)

行为决策(Behavior Decision)

动作规划(Motion Planning)

反馈控制(Feedback Control)

路由寻径、行为决策、动作规划三个部分又可统称为路径规划,路径规划部分承接上层感知预测结果,从功能上可分为全局路径规划和局部路径规划。

1.路由寻径

全局路径规划对应的是路由寻径部分,其作用可以简单理解为实现自动驾驶汽车软件系统内部的导航功能,即在宏观层面上指导自动驾驶汽车软件系统的规划控制模块按照什么样的道路行驶,从而实现从起始点到目的地点。值得注意的是,这里的路由寻径虽然在一定程度上类似传统的导航,但其细节上紧密依赖于专门为自动驾驶汽车导航绘制的高精地图,所以和传统的导航有本质不同。

它根据已知电子地图和起点终点信息,采用路径搜索算法搜索出一条最优化的(时间最短、路径长度最短等)全局期望路径。这种规划可以是行驶前离线进行,也可以在行驶中不停地重新规划。全局规划的作用在于产生一条全局路径指引车辆的前进方向,避免车辆盲目地探索环境。

在规划全局路径时,不同的环境下常常会选择不同的择优标准。在平面环境中,通常以路径长度最短或时间最短为最优标准。在越野环境的全局路径规划中,经常以“安全性”为最优标准,该标准同时考虑路径可行宽度和路面不平度来充分保证车辆的运行安全。作为整体无人车控制规划系统的最上游模块,路由寻径模块的输出严格依赖无人车高精地图(HD-Map)的绘制。

在高精地图定义绘制的路网(Road Graph)的道路(Lane)划分的基础上,以及在一定的最优策略定义下,路田寻径模块需要解决的问题是计算出一个从起点到终点的最佳道路行驶序列。路由寻径问题可以利用常见的A*算法或者Dijkstra算法来进行实现。

2.行为决策

路由寻径模块产生的路径信息,直接被中游的行为决策模块所使用。

行为决策模块接收路由寻径的结果,同时也接收感知预测和地图信息。综合这些输人信息,行为决策模块在宏观上决定了自动驾驶汽车如何行驶。这些行为层面的决策包括在道路上的正常跟车﹑在遇到交通灯和行人时的等待和避让,以及在路口和其他车辆的交互通过等。行为决策模块根据具体实现形式不同,在宏观上定义的输出指令集合也多种多样。实现行为决策模块的方法相对较多,而且不用遵循非常严格的规则。实际上,在自动驾驶汽车系统设计中,行为决策模块有时被设计成独立的逻辑模块,有时其功能在某种程度上和下游的动作规划模块融合到了一起实现。正是因为行为决策和动作规划需要紧密协调配合,在设计实现两个模块时的一个重要的基本准则是,行为决策模块的输出逻辑需要和下游的动作规划模块的逻辑配合一致。

行为决策层面汇集了所有重要的车辆周边信息,不仅包括了自动驾驶汽车本身的当前位置、速度﹑朝向以及所处车道,还收集了自动驾驶汽车一定距离以内所有重要的感知相关的障碍物信息。行为决策层需要解决的问题,就是在知晓这些信息的基础上,如何决定自动驾驶汽车的行驶策略。这些信息具体包括以下几点。

(1)所有的路由寻径结果:例如自动驾驶汽车为了到达目的地,需要进入的车道是什么( target lane)。

(2)自动驾驶汽车的当前自身状态:车的位置,速度、朝向、当前主车所在的车道、按照路由寻径结果需要进入的下一个车道等。

(3）自动驾驶汽车的历史信息:在上一个行为决策周期,自动驾驶汽车所做出的决策是跟车、停车、转弯还是换道等其他行为。

(4)自动驾驶汽车周边的障碍物信息:自动驾驶汽车周边一定距离范围内的所有障碍物信息。例如周边的车辆所在的车道,邻近的路口有哪些车辆,它们的速度、位置如何,以及在一个较短的时间内它们的行驶意图和预测的行驶轨迹,周边是否有自行车骑行者或者行人,以及他们的位置、速度、轨迹等。

(5)自动驾驶汽车周边的交通标识信息。

(6当地的交通规则:例如道路限速,是否可以红灯右拐等。
自动驾驶汽车的行为决策模块,就是要在上述所有信息的基础上,做出如何行驶的决策。自动驾驶汽车的行为决策模块是一个信息汇聚的地方。由于需要考虑如此多种不同类型的信息及受到非常本地化的交规限制,行为决策问题往往很难用一个单纯的数学模型来解决。

3.动作规划

局部路径规划对应的是动作规划模块,以车辆所在局部坐标系为准,将全局期望路径根据车辆定位信息转化到车辆坐标中表示,以此作为局部参考路径,为局部路径规划提供导向信息。局部期望路径是自动驾驶车辆未来一段时间内期望的行驶路线,因此要求路径的每一点都可以表示车辆状态的信息。局部期望路径可以理解为自动驾驶车辆未来行驶状态的集合,每个路径点的坐标和切向方向就是车辆的位置和航向,路径点的曲率半径就是车辆转弯半径。车辆在实际行驶中,位置、航向和转弯半径是连续变化的,那么生成的路径也要满足位置、切向方向和曲率的连续变化。局部路径规划的作用是基于一定的环境地图寻找一条满足车辆运动学约束和舒适性指标的无碰撞路径。规划出来的局部路径必须具备对全局路径的跟踪能力与避障能力,如基于路径生成与路径选择的局部路径规划方法,路径生成中完成了对全局路径的跟踪,路径选择完成了障碍分析。

9.V2X技术

车用无线通信技术(Vehicle to Everything，V2X)是将车辆与一切事物相连接的新一代信息通信技术,其中V代表车辆,X代表任何与车交互信息的对象,当前X主要包含车、人、交通路侧基础设施和网络。V2X概述交互的信息模式包括:车与车之间(Vehicle toVehicle,V2V)、车与路之间(Vehicle to Road，V2R)、车与路侧基础设施(如红绿灯、交通摄像头,路侧单元等)之间(Vehicle to Infrastructure，V2I)、车与人之间(Vehicle to Pedestrian，V2P)的交互。

10.自动驾驶硬件平台

自动驾驶汽车是一个集环境感知、规划决策﹑智能控制等众多自动驾驶功能模块为一体的综合系统,涉及传感、通信、计算机、电子、自动控制、车辆动力学等众多技术领域。跨学科、多交叉的自动驾驶汽车开发需要相关技术人员可以模块化并行开发各个子系统。

10.1 摄像头

车载摄像头是重要的自动驾驶车载传感器。摄像头的感知图像信息覆盖内容丰富,成本较低。目前,车载摄像头分为单目和双目两种。单目摄像头主要基于机器学习,对图像数据进行训练和学习,用于环境感知。双目摄像头基于视差原理测量驾驶环境,测距精度较高。在摄像头的布置应用中,前视摄像头一般安装在前挡风玻璃上方,感知行车前方环境、检测目标;车尾布置后视摄像头﹔环视摄像头一般安装在车辆前,后、左、右侧,实现360°环境感知。

在本文8.自动驾驶三大技术有介绍

10.2 激光雷达

目前,主流的多线激光雷达有4线、8线、16 线、32线和64线。

10.3 毫米波雷达

毫米波雷达的探测距离远,测速,测距精度高,可全天候工作,成本较低。目前,毫米波雷达已经被广泛用于驾驶辅助功能,如自适应巡航控制、前方碰撞预警和紧急辅助刹车等。但是,毫米波雷达的可视范围较小，一般需要多雷达组合使用。

10.4 GNSS卫星导航

GNSS系统在车辆的定位中十分关键,但是GNSS信号容易受到楼宇,树荫等影响,导致定位漂移。另外,由于GNSS的更新频率低(10Hz),在车辆快速行驶时很难给出精准的实时定位。单纯依赖GNSS的导航很有可能导致交通事故。惯性传感器(IMU)可以在短时间内提供稳定的位置更新﹐但是定位误差会随时间累积。因此GNSS通常辅助以惯性传感器用来增强定位的精度。这两种传感器的数据通过卡尔曼滤波技术实时融合,可以实现导航设备的优势互补,提高定位精度和适用范围。

10.5 IMU惯导

惯性测量单元(Inertial measurement unit，IMU)，是测量物体三轴姿态角以及加速度的装置。IMU通常包含陀螺仪 (Gyroscope)、加速度计 (Accelermeters)，有的还包含磁力计(Magnetometers)。陀螺仪用来测量三轴的角度/角速度，加速度计用来测量三轴的加速度，磁力计提供磁场朝向信息。

自动驾驶传感器（六）：惯性导航IMU原理 - 知乎 (zhihu.com)

11.软件开源平台

自动驾驶系统涵盖多个软件模块,如感知、规划、控制等,同时整合了各硬件模块,如传感器模块、计算平台、线控车辆平台等。软硬件资源的有效调配十分关键,需要一个稳定、可靠的操作系统平台搭建自动驾驶软件模块。

11.1 ROS

ROS(Robot Operating System)是一个应用广泛的机器人系统软件框架。2007年,斯坦福大学人工智能实验室在斯坦福AI项目中开发了ROS,2008年之后就由机器人技术公司Willow Garage来进行推动研发,如今已经被机器人领域广泛使用。

ROS是面向机器人开发的开源的元操作系统(meta-operating system),它能够提供类似传统操作系统的诸多功能,如硬件抽象,底层设备控制、常用功能实现、进程间消息传递和程序包管理等。此外,它还提供相关工具和库,用于获取、编译、编辑代码以及在多个计算机之间运行程序完成分布式计算。目前,ROS已经有很多知名的机器人开源库,如计算机视觉工具、点云处理驱动,3D建模与仿真、坐标转换等。综合来说,ROS提供了一种发布和订阅的通信框架,实现简便快速地搭建分布式计算系统;提供了大量简洁的工具,实现计算系统的配置、启动、调试、可视化,测试;具备定位、控制、规划、决策等功能开发资源;提供了一个强大的技术支持社区。

ROS设计者将ROS表述为“ROS = Plumbing + Tools + Capabilities + Ecosystem”，即ROS是通讯机制、工具软件包、机器人高层技能以及机器人生态系统的集合体

Introduction · Autolabor-ROS机器人入门课程《ROS理论与实践》零基础教程

11.2 Apollo

一文读懂Apollo开放平台9.0_Apollo开发者社区 (baidu.com)

可以看看这篇Apollo与ROS的对比文章：

【自动驾驶】12.百度Apollo对ROS的优化【详细干货】_百度自动驾驶业何玮-CSDN博客

Apollo - CyberRT

Autoware - ROS2

Apollo开放平台文档 - CyberRT介绍

11.3 Autoware

Home Page - Autoware

开源的自动驾驶框架：Autoware，最早是由名古屋大学研究小组在加藤伸平教授(Prof. Shinpei Kato)的领导下于2015年8月正式发布。2015年12月下旬，加藤伸平教授创立了Tier IV，以维护Autoware并将其应用于真正的自动驾驶汽车。随着时间的流逝，Autoware已成为公认的开源项目。Autoware也是世界上第一个用于自动驾驶技术的“多合一”开源软件。而同样的自动驾驶平台，2017年4月发布的Baidu apollo则可以说是Autoware的“小老弟”。目前其基于ROS 1，并在Apache 2.0许可下可用。

浅析Apollo和Autoware的异同 - 知乎 (zhihu.com)

11.4 Dora

【Rust日报】2023-01-10 dora-rs ：机器人中间件项目-腾讯云开发者社区-腾讯云 (tencent.com)

DORA是一个先进的开源的自动驾驶及机器人中间件框架和数据流计算平台。DORA项目以软件定义汽车,智能驾驶为目标场景,集成了大量云原生的架构理念和生态工具,并且采用了安全可信的Rust语言开发,支持弹性数据流计算框架、多样化的中间件选择、云端协同计算,为智能汽车的软件开发提供了又一个更加现代化的平台选择,同时也提供了—条对ROS1/ROS2升级、替代及超越的技术路线。

dora 是一个基于 Rust 的机器人框架，目标是成为一个低延迟、可组合和分布式的面向 SDV 和无人驾驶的数据流计算平台。，旨在比当前机器人应用标准 ROS/ROS 2 好 10 倍，成为 ROS/ROS2/Autosar 的替代者。

桥接 ROS2 | dora-rs (carsmos.ai)