baidu进阶训练笔记一20200719

第一课 自动驾驶行业概述

• 全球出行的大趋势

  • 共享出行
  • 新能源汽车
  • 自动驾驶：安全、道路更顺畅

• 无人驾驶车5个等级

  • level1 Adaptive Cruise Control(纵向控制)，巡航装置可以纵向控制车辆，可以加速减速。
  • level2 Lane Keeping(纵向、横向控制)，系统可以纵向控制也可以横向控制汽车，但车是辅助，人才是主导。
  • level3 Lane Change，在某一时段内车是责任主体。Level 3的典型代表是奥迪出的最新款A8。A8号称是全球第一款Level 3的无人汽车。
  • level4相当于全无人驾驶，就是大部分时间由车来做主导。像Waymo、百度新量产的阿波龙无人小巴，就属于level 4级别的无人驾驶车辆。
  • level5 driverless是指驾驶几乎与人类没有关系，level 5的车辆中既没有方向盘也没有脚踏板。

第二课 开源模块讲解上

无人驾驶的车一定要是by wire system ready（摆外线控）——车能够被电脑控制，车的方向盘和轮子之间是有电机连接的，方向盘传动到电机上，然后电机去控制车轮，电脑就可以通过控制电机的方式来控制这个车轮。

• 车道线级别的高精度地图

  • 高精度地图给了无人车很多预判的空间，当无人车通过高精地图知道前方的路况和交通标识信息后，能够提前做行驶规划，保证了行车的平稳性和经济性。
  • 第二，高精地图能够帮助无人车减少计算量。当无人车需要通过路口时，它需要提前感知前方信号灯的状态，这时高精地图就可以帮助它定位到信号灯所在的特定区域，从而有效降低了全范围扫描识别的计算量。
  • 除此以外，高精地图将道路及周围的所有静态障碍物进行收集，减少无人车对静态障碍物的算法处理。

• GPS的定位实际上就是一个相对定位。卫星不同的广播信号，无人车可以计算自己的位置，但是有障碍物是存在误差的

• GPS定位是每时每刻根据当前的时间去算的，容易出现计算结果不准的情况。为了抹平GPS的跳变，需要用到IMU（惯性导航），一般来说GPS和IMU是一块用的，GPS不停的去给IMU一个方向去校准，然后IMU再给GPS一个方向。

• 几何定位的原理和GPS原理差不多，就是在道路上选几个feature，根据这些feature计算无人车所在的位置。几何定位的精度很高，可以精确地算出无人车所在的位置。所以，目前比较流行的定位技术就是GPS、IMU和几何定位等一系列技术的融合。

• 为了提高GPS的定位精度，大家又在GPS的基础上发明了RTK技术。手机GPS定位中，手机就是一个移动站，它会经常变动位置。这里所说的RTK，是一个静止站，它同样也收到卫星的信号。无人车与RTK相隔不太远的情况下，对二者之间的干扰信号用差分抹平，就可以认为无人车和RTK收到的信号是一样的。

• RTK的应用能让GPS的定位精度达到10厘米，但是RTK技术的应用有个限制，它要求基站与车的距离要在16公里以内。

• 无人车想在道路上安全行驶，也必须具备属于它自己的各类传感器去感知外界环境。目前，无人车主要的传感器有摄像头、雷达和激光雷达。

  • 摄像头：

    • 优点：能够辨别颜色

    • 缺点：没有对距离的判断的能力

    • 对于无人车来说，观察信号灯以及一些交通标识都需要对颜色识别。

  • 雷达：

    • 优点：应用场景广，对于速度判断非常准

    • 缺点：由于电磁波可以饶过一些东西，所以它的准确性并不太高。对于静态物体的误报比较多

    • 概念：利用电磁波探测目标的电子设备。

      原理：雷达发射电磁波对目标进行照射并接收其回波，由此获得目标至电磁波发射点的距离、距离变化率（径向速度）、方位、高度等信息。

  • 激光雷达：

    • 优点：对距离的判断非常精准

    • 缺点：对环境的要求非常高，比如在雾霾天气里激光雷达的精准度就会降低很多；价格昂贵，易损耗

    • 工作原理：向目标发射探测信号，然后将接收到的从目标反射回来的信号与发射信号进行比较，作适当处理后，就可获得目标的有关信息。

• 无人车收到各种传感器获取的信息之后，还需要做传感器融合。传感器融合：把每个传感器看到的东西全部都叠加在一起。当所有传感器看到的信息综合在一起，无人车才能够更加全面具体地感知外界环境。

• 无人车的轨迹规划：

  • 要满足所有的约束条件
  • 要保证车辆运动的平滑。所谓平滑，是要保证车子的速度不能跳变
  • 在此基础上，车子的加速度也需要是平滑的
  • 最终目的是，在人类可感知的范围，车子行驶是顺畅的，没有不平滑不顺的情况

• 实现对无人车的控制，需要知道踩刹车和减速的关系、踩油门和加速的关系等，当无人车拿到一些控制学参数后，就可以实现电脑对无人车的控制

• 当无人驾驶的算法有更新时，就可以在云端的仿真场景中跑一下，检验是否能够应对云端的这些路况。