无人驾驶汽车三大部分:感知定位、决策与规划、执行。
其中决策与规划又细分为:路径规划(一般指全局路径规划)、避障规划(一般指局部路径规划)、轨迹规划(轨迹规划应该是在路径规划和避障规划的基础上,考虑时间序列和车辆动力学对车辆运行轨迹的规划,主要是车纵向加速度和车横向角速度的设定)
环境模型是三大类,分别是栅格法(栅格法是公认最成熟的算法,栅格法应该也是安全系数最高的算法,也是最耗运算资源的算法。不过无人车要考虑安全,安全是第一位的,成本是第二位的,同时有英伟达和英特尔这样的半导体巨人在不断提高运算性能,运算资源不用过多考虑)、可视图法、自由空间法。
感知定位传感器
GPS/IMU:GPS是一个相对准确的定位用传感器,但是它的更新频率过低,仅有10Hz,不足以提供足够实时的位置更新。IMU(Inertial measurement unit)全称惯性测量单元,主要元件是陀螺仪(测角速度)和加速度计(测加速度),IMU的准确度随着时间降低,因此在长时间距离内并不能保证位置更新的准确性;但是,它有着GPS所欠缺的实时性,IMU的更新频率可以达到200Hz或者更高。通过整合GPS与IMU,我们可以为车辆定位提供既准确又足够实时的位置更新。(怎么融合的呢?用卡尔曼滤波!IMU每5ms更新一次,但是期间误差不断累积精度不断降低。所幸的是,每100