地面无人驾驶系统环境感知技术的发展

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

地面无人系统具有平台损毁无人员伤亡、可长期值守等特点，目前主要用于扫雷破障、武装巡逻、核生化探测、危险品运输、火力引导、通信中继和后装保障等领域，已投入伊拉克和阿富汗战场使用，是未来陆军作战方式向非接触、非线式、非对称、零伤亡变革的必要装备。高新技术的飞速发展与武器系统的升级换代，使得战场上战斗人员的生存能力越发得到重视，为保护作战人员的生命，近年来发展的地面无人作战系统能够协助士兵在复杂的作战空间探测敌人，扩大作战视野，有效在侦察、核生化武器探测、障碍突破、反狙击和直接射杀等任务时避免人员损伤，大幅度提高了作战人员的生存率、灵活性和战斗力。

随着信息技术的迅猛发展和军事革命的展开，地面无人系统的环境感知部分的作用和能力更加突出，精确实时的环境感知系统以及成为取得战略高地的关键。地面无人系统的环境感知是通过安装在无人系统外部或底部的环境感知传感器实现的，环境感知传感器模块全天时的自动收集来自车外环境的信息，识别周围环境中静止和运动的物体，对识别的物体进行检测和跟踪，并在系统内构建实时的场景地图，实现对周围环境的感知。

地面无人系统自主感知环境将意味着地面无人系统对操作员的依赖和通信带宽的需求大大降低，这会使得军用地面无人系统能够高度自主和协同执行任务，进而使得战场上大量使用军用地面无人系统成为可能。军用自主地面无人系统的使用将大幅度提高陆军的装甲突击、远程火力打击、战术级作战分队的战场态势感知、后勤保障、扫雷排爆，甚至与其他军中的联合作战能力。因此，发展可靠性强的、精度高的地面无人系统环境感知技术是国家发展军事实力，进一步实现军事水平现代化的关键。

1、地面无人系统

目前，国外发展的地面无人系统超过300种，列装的约200余种。其中，便携式地面无人系统占比达到了，主要应用于侦察监视等辅助作战任务；车载式地面无人系统大约占比，可用于执行探测、摧毁和路线清障等作战任务；目前自行机动式地面无人系统的数量较少，主要用于执行班组支援、地雷探测与处理，由于它还拥有卓越的机动性，并可装备轻型武器站，使其可执行高机动支援和火力打击任务。

国外地面无人系统的发展始于上世纪60年代，迄今为止主要经历了四个阶段：

进入21世纪后，军用地面无人系统进入快速发展阶段，已经被逐步纳入新一代武器装备体系。除美国外，以色列、法国、德国、英国、日本、俄罗斯等都开始加入研制行列。美国装备种类和数量最多，综合研制水平最高。2001年，美国就提出了“2015年前实现1/3地面作战车辆为地面无人系统”的目标，虽然没有如期实现，但有力推动了小型无人车（SUGV）、班组任务支援系统、“大狗”等军用地面无人系统的发展。2005年，美国DARPA资助美国卡内基梅隆大学的国家机器人工程中心（National Robotics Engineering Center, NREC）设计了“破碎机”（Crusher）无人战车。

破碎机

2007年，英国BAE系统公司为美国研发的“黑骑士”无人坦克参加陆军本宁堡演戏并得到了陆军高层的肯定。其主要任务是实施对危险地域进行勘察、收集情报、前方侦察，也可以伴随步兵作战，提供火力支援。“黑骑士”无人坦克可在黑夜和白天两种环境下使用，且支持无人自主操作和手动操作，可自动规划路线，智能躲避障碍物。2016年初俄罗斯开展了三款“乌兰”系列地面无人车辆，如图，功能涵盖消防、扫雷和战斗。“乌兰”-6无人驾驶多功能扫雷车的主要任务是搜索地雷和未引爆弹药，其最大遥控距离可达到1500m；“乌兰”-9武装无人战斗车可为陆军步兵分队、空降兵部队、特种部队、海军陆战队等多兵种提供远程侦察和火力支援，其上配备的导弹系统最大射程可达到8000m；“乌兰”-14型MRTK-P无人消防/扫雷车是一种专门针对具有生命危险的高危环境和交通不便地区研发的无人车系统。

2019年，世界地面无人自主系统技术继续保持高速发展，以美国、英国、俄罗斯和以色列等国为代表，在发展规划、重点型号项目、新兴自主驾驶技术等领域均取得重大进展。后勤致远星和武装型自主无人车越来越受到世界各国的关注，近几年，美国、英国、俄罗斯、澳大利亚和以色列等国纷纷开展了后勤支援型自主无人车演示验证工作，持续推动武装性自主无人车发展。2019年8月，美国一公司展出飞马座可变形自主无人机/无人车混合系统其特点包括无人机和无人车模式均可自主操作；地面续航能力为4h；有/无GPS情况均可使用；可进行三维环境绘图。2019年10月，白俄罗斯BSVT公司披露其半马人座无人车，该无人车为自主机器人系统，可单独作战，也可协同作战，可预先在24h内指定巡逻路线，同时自动检测和跟踪可疑物体。这款无人车配备4个摄像头，其中包括2个彩色摄像头和2个热像仪，可支持全天候工作。同年12月，瑞士桑德X汽车公司与URS实验室推出联合研制的无人驾驶T-ATV1200战术全地形车，这款战术全地形车采用智能遥控系统，配备三轴摄像头、GPS跟踪系统、语音与无线电双路通信和耳机，可在10km视距范围内控制车辆，或在4km非视距范围内控制车辆，互联车辆多达10辆，且能互相提供中继服务，将遥感范围扩大至100km以上，具备自动返回和跟随功能。

2、环境感知技术

地面无人系统的环境感知技术日益受到国内外研究机构的关注，对环境的感知和判断是智能地面无人系统工作的前提和基础，是实现环境建模、平台定位、路径规划等平台自主导航和执行任务的前提，感知系统获取周围环境信息时的实时性和稳定性，直接关系到后续决策的成败。

Boss无人车是由Tartan Racing团队开发设计完成，其感知系统使用多个传感器提供必要的冗余和覆盖范围保证其能在城市环境中安全驾驶。Boss无人车的环境感知系统由2个相机，1个三维激光雷达，6个二维激光雷达，2个IBEO以及2个毫米波雷达组成。

Boss无人车传感器安装示意图

Boss无人车感知系统结合了多个激光传感器来检测静态障碍物，同时生成即时的和暂时过滤的障碍地图，其中即时障碍地图用于移动障碍假设的验证，暂时过滤处理用于去除运动的障碍和减少在地图上出现虚假的障碍。为了检测道路边缘，Boss无人车通过对比分析两个主要LIDAR数据来降低道路边界检测复杂性，环境感知建图如图。其原理为，首先，路面被假定为相对平坦的和缓慢的变化，由可观察到的几何变化确定道路的边界，尤其是高度的变化；其次，每个激光雷达扫描独立地进行处理，而不是建立一个三维点云图，这样只用分析单个维度的激光数据，从而降低了算法的复杂度。

Junior无人车是由Volkswagen Passat Wagon改装而成，车上装有5个激光传感器（IBEO、RIEGL、SICK和Velodyne）,GPS惯导系统、5个BOSCH雷达，2个Intel四核计算机系统。

Junior无人车传感器安装示意图

Junior无人车航向测量子系统包括一个高性能惯性测量单元，距离测量单元（DMI）的轮里程计，以及基于基站的卫星系统。实时位置和方向误差通常分别在和以下。车辆两侧安装SICK LMS291-S14传感器测量，用RIEGL LMS-Q120激光传感器测量车前方道路，提供车辆近距离3D道路结构，利用红外发射测量路面，进行道路标记检测和车辆精确定位。

对于障碍物和移动车辆检测，用安装在车辆上方的Velodyne HDL-64E传感器，Velodyne包含64线激光,最高频率15Hz，产生的密集数据水平覆盖，垂直覆盖，车辆尾部两个SICK LDLRS和车辆前方保险杠的两个IBEO ALASCAXT 作为Velodyne的补偿，前栅格周围5个BOSH长范围雷达（LRR2）为移动车辆提供另外的信息。

Junior的环境感知程序着眼于一系列广泛的障碍检测和跟踪问题。LDLRS传感器用来补充Velodyne盲区的数据。作为路口移动目标的早期预警系统，还有一个雷达系统补充激光系统。Velodyne包括64个激光传感器并以10Hz频率旋转。它能够看到所有方向60米开外的物体与地形。IBEO传感器处理4个平行于地面的扫描线,能够探测大的垂直方向障碍物。

MIT研制的Talos无人车环境感知系统配置了数量众多、类型各异的各类传感器，如图。较之单一传感器，多功能传感器协同工作，具有冗余性、互补性、关联性，使得系统具有很强的容错性能。

Talos无人车传感器安装配置图

Talos无人车环境感知系统配置了7个安装在车辆四周的SICK，其感知范围有较大幅度的重叠，1个安装于车顶的Velodyne，该激光雷达的返回数据主要包括地面和障碍的信息，Velodyne的高密度数据使得能够实现比平面激光雷达更复杂的“障碍-地面”分类。多个传感器结合有利于提高系统的检测鲁棒性，Velodyne存在检测盲区，而多个SICK可以帮助检测盲区；使用5个SICK安装于车顶的行李架处，俯视向下，并配合Velodyne用于观测路面情况，实现危险检测；Velodyne可以检测到系统中出现的95.6%的障碍物，SICK可以检测到系统中出现的61.0%的障碍物，两者的融合可以实现对于96.7%的障碍物检测。同时，Talos无人车配有5个Point Grey Firefly MV相机在车身周围，提供近360度范围内的视觉环境感知，同时辅以SICK路牙检测信息与RNDF文件提供的车道先验信息，实现车道线检测与跟踪。并且，Talos配有的15个毫米波实现了中远距离快速移动的障碍物检测与测速。

Google无人车环境感知系统由多种类型摄像头和雷达组成，如图。其中包括三个相机，即两个可见光相机和一个红外相机，三个激光雷达，两个二维激光雷达，两个毫米波雷达和一套惯导系统。

Google无人车感知系统传感器安装配置图

Google无人车车顶上安装有64线激光雷达Velodyne,用于检测周围环境目标物体的距离和三维环境建图。毫米波雷达系统用来跟踪附近的物体，当它在无人车的盲点内检测到物体时便会发出预警。可见光相机安装在挡风玻璃上，可以用来检测车道线。一旦无人车不小心偏离了车道，方向盘会轻微震动来发出预警。红外相机装在挡风玻璃上用于夜视辅助功能，无人车两个前灯来发出红外光线到前方的路面，红外相机用来检测红外标记，并且在仪表盘的显示器上显示图像，对其中存在的危险因素会被突出显示。此外，还有装载的轮速传感器可以在无人车穿梭于车流中时测量它的速度。两个可见光摄像机组成立体视觉系统，以用来实时生成前方路面的三维图像，用于检测行人并对其做出预判。

安装在无人车底部的惯导系统可以测量出无人车在三个方向上的加速度及角速度等数据，结合同步GPS信息可以对无人车进行精准定位，通过将这些传感器数据输入计算机，然后再利用Google自己设计的环境感知系统软件以极高的速度对这些传感器数据进行处理。这样，Google无人车可对道路环境的各种状况进行感知。

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复：3D视觉优质源码，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、可答疑解惑、助你高效解决问题

整理不易，请给工坊点赞和在看！