Udacity简明自动驾驶原理：它凭什么改变未来？

导语：

“自动驾驶”逐渐进入人们的视野，隐隐有取代传统由人驾驶汽车的趋势，引发新一波的交通革命。在这股新浪潮下，你难免会对背后的原理感到好奇：它到底是如何运行的？

由此，我们Udacity的课程导师David Silver带来一篇关于无人驾驶技术的介绍，为你简明地阐述整个驾驶系统，即使没有相关基础也能轻松入门。

作者：David Silver

编译：优达菌

综述

在 Udacity，我们有一辆名为 Carla 的自动驾驶汽车。

整车系统由四个主要的子系统构成：传感、感知、规划和控制。

传感系统

Carla 的传感系统由用于感知外部环境的硬件集合而成。
挡风玻璃后的相机就是该系统的部件之一，通常会有一到三台相机连成一排，根据需要我们也会对其进行增减。

Carla 同时拥有一个嵌在保险杠上面向前方的雷达，和一个可探测三百六十度的光学雷达悬在车顶。由传感系统采集的原始数据会被传入感知系统的多个部件中。

光学雷达（左）输出点云图像（右）

感知系统

车辆的感知系统会把原始数据转化为智能体可识别的环境信息。它主要由两部分构成：检测模块、定位模块。

检测模块借助传感器数据检测车辆外的物体。它的职责包括交通灯的检测和识别、物体的检测与追踪和可行驶区域的检测。

定位模块确定车辆在世界的具体位置。这项任务比听起来要难的多。GPS 只能实现误差在1到2米的粗略定位，但这对驾驶任务来讲远远不够，只用 GPS 我们随时面临着将自动驾驶车辆开到人行道以及发生碰撞的风险。在实际应用中我们必须完成更高精度的定位。

幸运的是，依靠高精度地图、内置的光学雷达和复杂的包含大量数学处理的算法，我们已经能让 Carla 把定位误差控制在十厘米以内。

Carla 会使用光学雷达扫描周围环境并将获取到的信息与高精度地图提供的信息作对比最终确定车辆的精确位置。感知系统随后会将相应输出送到规划系统。

Carla 通过定位系统确定她在地图上所处的精确位置

规划系统

Carla 所用的规划系统背后逻辑非常直观。规划算法输出一系列的路径点供 Carla 选择，她只要循着这些道路上虚拟的标记点前进即可。

每个路径点都有一个明确的定位信息还有对应的标定速度，Carla 需要通过使用额定速度通过对应点来保证安全驾驶。

Carla 的规划系统借助感知系统输出的信息对其它车辆进行运动估计，并对路径点作相应更新。

例如，在规划系统预测前方车辆会减速时，系统就会进入降速的过程。轨迹点生成系统会产生一组产生减速效果的路径点。Carla 在通过这些点的时候会逐步降低车速。

规划系统对交通灯以及交通标志信息也是作同样处理。

在规划系统产生一组构建运动轨迹的心路径点之后，这些数据就会传到最终的控制系统中。

控制系统

控制系统通过发送加速、刹车和转向的信号驱动车辆。其中一些是纯电子信号，另一些则要转化为物理过程对车辆施加影响。这意味着你坐在 Carla 里面，会发现方向盘会自动旋转调整方向。

控制系统接受规划系统以坐标点和对应速度值的形式给出的输入。把这些数据输入算法来获取能够控制车辆以对应速度到达目标点的转向、加速和刹车的具体度量值。

将路径点映射到实际的转向和油门控制命令有很多算法可选，我们将这些算法统称为控制器。Carla 使用的是相对简单的 PID 控制器，其它更复杂的控制器也可被替换使用。

发车

以上就是对 Carla 工作原理的大体介绍。

首先传感系统会从 Carla 装载的摄像头、雷达和光学雷达那里搜集原始数据。感知系统会利用这些数据检测周围环境中的物体并进行车辆定位。然后，规划系统会借助环境数据构建一条Carla 的行驶轨迹。最后，控制系统通过转动方向盘、控制油门和刹车驱动车辆在既定轨迹上行动。

Carla 令我们感到自豪，她曾从山景城“自驾”到达旧金山，并在我们的测试路面上完成大量实验。

最令人激动的是，每一个优达学城无人驾驶学员在课程的最后都有机会将自己的程序装载到Carla 的计算机里并看到她在实验路面上的实际驾驶情况。

如果你对编程驱动一辆无人驾驶车产生了兴趣，想来试驾 Carla，那就赶快报名我们的无人驾驶入门纳米学位吧！

-----------------------------------------------------------------------------------------------------------------------------

今天凌晨， Udacity 创始人，谷歌无人车之父 Sebastian Thrun 又带来重磅新课：让无人驾驶开发进入“全民时代”的#无人驾驶入门#，以及直达未来的#飞行汽车开发#。其中，无人驾驶入门是基石纳米学位，与百度、Lyft联合开发，在中国同步推出。

点我即刻报名！！！

在课程中，大家将跟随 Sebastian Thrun 以及其他来自 MIT、斯坦福、耶鲁大学的无人驾驶专家，学习贝叶斯思维、矩阵算法、C++、机器学习和计算机视觉等行业先修知识。毕业后，你将获得 Udacity 和百度 Apollo 的联合认证，还将免申请保送一席难求的 Udacity 无人车开发进阶课程，为加入领先科技企业打下基础。

话不多说，优达菌就帮到这了！