apollo自动驾驶教程学习笔记-自动驾驶行业概述4-2

教程：http://bit.baidu.com/Course/detail/id/271.html
老师：David Zhou，百度Apollo平台产品负责人

自动驾驶汽车有很多技术需要去攻克，比如环境感知、定位、传感器信息融合、模式识别、状态预测、决策规划、以及云和仿真技术。

地图

自动驾驶技术用到的地图是高精地图，和传统的导航地图不一样，高精地图是车道级别的地图，地图上还有交通标志和红绿灯，以及一些静态障碍物。
高精地图可以有助于自动驾驶技术的规划，并且减少预判算法开销。

定位

自动驾驶技术的定位有GPS、RTK、IMU、几何定位等。
GPS就是通过卫星与车辆之间的距离，做几何运算，得出相对位置，根据卫星的位置再得到绝对位置。GPS现在比较普及，但其问题是定位精度不高，不稳定，有些位置接收不到；
RTK技术是弥补GPS定位精度差的问题，通过在路边设置一些基站来接收GPS信号，然后与车辆接收到的GPS信号做差分运算，去掉GPS信号的不稳定效果。但需要基站，大范围部署成本高；
IMU是惯性导航，通过速度、加速度、角速度等物理量来计算车辆下一时刻的位置，可以弥补GPS的抖动问题。但IMU会有计算误差；
几何定位是在一些接收不到GPS信号的位置，如隧道，能够通过判断与周围静态障碍物的位置几何关系，来计算当前车辆位置；

传感器

最重要的传感器是lidar，lidar是laser radar，就是通过激光作为传输对象的雷达，lidar的原理就是光速测距，距离算的比较准，能达到厘米到毫米的距离；缺点是lidar很难识别雾霾等异常的天气状况，容易误判；radar没有这个问题，但radar对静态物体的误判比较大，因为radar是毫米波雷达，容易绕过去一些障碍物；
camera是另一个重要的传感器，它能够看到颜色，如红绿灯，是另外一些重要的环境信息；camera对距离的估算误差较大；
lidar有几种，如机械转轴（有机械损耗）、棱镜转轴（容易受路况颠簸产生错误）、相控阵、flash lidar（识别距离短）

信息融合

需要多种传感器数据的信息匹配，对时间同步精度要求高。

模式识别

能够识别周围环境中的物体是什么，同时还要能识别这些物体将会怎么变化，比如一个人，下一时刻可能不在原来的位置了，要车辆提前做预测。

决策控制

当获得信息以后，将会做出车辆的控制决策，主要原则：

• 在所有约束条件下要寻找到一条最优路径；
• 要保证车辆的平滑性，尤其是乘客的主观感受要平滑；

by-wire control

车辆要时刻受电脑控制（具体还没弄懂这块要表达什么意思，是中央控制器吗）；

云和仿真

所有车辆会联网，将数据和决策信息上传到统一的云上，然后其他车辆可以使用这些经验去优化自己的算法，从而所有车辆的控制算法可以互相提高；通过还原历史场景，建议仿真的场景模型，车辆算法在仿真场景下做模拟，提高车辆对未来类似状况的决策准确度。