自主陆地车辆的发展及其关键技术研究

引言

自主陆地车辆(ALV)又称无人驾驶车辆与智能移动机器人(UnmannedVehicleandIntelligentRobot)，它具有环境感知和自主导航的能力。在室外环境中，自主陆地车辆可以通过传感器来感知和判断周围的环境、道路及障碍信息，然后自主地做出决策、规划路径、随时自动地调节车辆的速度和方向,确保其能够可靠安全地在道路上行驶。无人驾驶车辆的优点无可厚非，首先解决了驾驶员由于疲劳等问题造成的交通事故,其次提高了环境的感知能力及反应时间。自主陆地车辆集人工智能、智能控制、信息处理、图像处理、检测与转换等专业技术于一体，跨计算机、自动控制、机械、电子等多学科,成为当前智能机器人研究的热点之一。

1自主陆地车辆的体系结构与原理

自主陆地车辆按功能可分解为定位、环境模型、路径规划、运动控制和通信等五个子系统，图1所示是自主陆地车辆系统的组成图。

图1  自主陆地车辆系统的组成

定位子系统用来确定自主陆地车辆在地球表面的位置和运动的方向叫移动机器人的定位问题是解决其他一切问题的前提。没有准确的定位信息，移动机器人的准确导航及其智能性就无从谈起。

环境模型子系统是机器人通过传感器感应外部环境并对环境进行表示的方式，也就是我们所说的环境地图。常用的环境模型有特征地图、栅格地图和拓扑地图。拓扑结构较适合陆地自主车辆的地理信息系统，它不仅具有地理信息系统的基本功能，还具有重用性和可扩展性。

路径规划子系统根据所获得的环境信息、当前位置和目标位置，确定适合车辆行驶的目标路径。因为路径规划是以环境模型为基础的，所以其效果依赖于环境模型的准确程度和结构特点。

运动控制子系统的主要功能是进行路径跟踪，即合理地控制车辆的速度和行驶方向，使自主陆地车辆沿着目标路径行驶。该子系统主要由速度、方向控制单元和相应的执行机构组成。这一子系统在整个陆地自主车辆系统的技术发展水平中占有举足轻重的地位。

通信子系统将各个子系统由单独的模块整合为一个紧密的整体，它的功能是实现各个子系统之间信息上的交流。只有通信子系统能够准确、及时地传输信息，才能保证在实际的行驶控制过程中满足实时性的要求。

2自主陆地车辆的发展现状及典型系统

国外发达国家对自主陆地车辆的研究起步较早，其发展速度也相应较快，并且取得了一系列技术性的突破和研究成果。其中，美国、德国、法国和日本等国走在了世界的前列。早在20世纪中期，美国Ohio大学的研究者就开始了汽车侧向及纵向控制跟踪研究，经过20多年的努力，取得了一系列成果。1989年美国的AGV样车问世，该车可以在较平坦的越野环境中以10km/h的速度行驶20多千米，与此同时，卡耐基-梅隆大学、斯坦福大学、麻省理工学院等高校先后开始研究无人驾驶车辆。Demom系统是自主车方面最具代表性的系统。1990年德国慕尼黑国防大学与德国奔驰汽车公司联手研究无人自主车辆，开发的VaMoRs实验车稳定性极高，其系统采用机器视觉实现车辆的纵横向控制。VaMoRs-P无人自主车可实现障碍物的检测。由意大利的帕尔玛大学研制的ARGO无人自主车采用GOLD视觉导航系统可实现道路检测和障碍物检测。Modulaire公司在1994年研制的Modulaire系统是面向农田作业的一种陆地自主车辆，后来的一些实践证明，该系统使农业生产获益匪浅。PRIMUS系统是德国军方为军事方面的应用而研制的自主陆地车辆，该系统不仅可以在公路上行驶，而且可以在越野环境下行驶。

与西方国家相比，国内在自主车辆方面的研究相对较晚,整体研究水平离西方发达国家还有一定的差距，但到目前为止,我们也取得了比较乐观的成绩。1989年国防科技大学研发的首辆智能小车给了我国研究者激励和鼓舞，之后该大学研制的以BJ2020为车体的第四代自主车辆CITAVT-IV实现了高速公路的车道跟踪实验。吉林大学自20世纪90年代以来研发的JLUIV-3可自主地按照道路标识行进，JLUIV-4可在区域交通中可靠平稳地行驶。后来的一些主要成果有清华大学、北京理工大学、南京理工大学等几所高校共同研制开发的7B8系统，它是为进行核化区的侦查任务而设计的。此外，还有清华大学智能系统实验室研制的THMR-V自主车进行了白线跟踪实验，该系统可应用于高速公路和一般路面;清华大学开发的THMR-m系统，它在自主道路跟踪时可高速运行并快速避障。另外，北京理工大学、西安交通大学智能车辆研究所等一些高校和科研单位在自主车方面也进行了积极的研究并取得了一定的成果，这些都展示了我国在前沿科技方面的实力所在。

3自主陆地车辆研究的关键技术

智能移动机器人系统的组成和结构都很复杂，它的研究涉及多个学科，从其发展历程及更新换代的过程不难看出，它的发展主要依赖一些关键技术的研究和突破。本文主要从自主地面车辆的控制体系结构、定位与导航、环境感知和多传感器信息的集成与融合这三个方面进行分析。

3.1自主陆地车辆的控制体系结构

自主陆地车辆的控制体系结构是整个车辆实施控制的方法与策略。一个合理完善的控制体系结构应保证驾驶的实时性和自主性。智能移动机器人具有规划决策、推理、分析任务等很多功能模块，从不同层面上对这些模块实施控制以达到协调工作的目的，这就涉及到控制体系结构的问题。到目前为止，控制体系结构主要有水平式结构、垂直式结构和混合式结构三种。

水平式结构按照感知一建模一规划一执行的分级模式来实现自主车辆的导航控制，图2所示就是水平式结构。水平式结构是采用自上向下的方式来构建系统结构的，这种结构的各功能模块之间组成了一个闭环链，不难看出该系统构造层次清晰、井然有序、易于智能性的实现。但是，由于各模块间通过串联方式连接，其可靠性太差，容易导致系统瘫痪而且耗时较长，实时性难以保证。智能移动机器人Navlab试验车和自主陆地车辆Shakey就是采用的这种结构。

垂直式结构是按照由下向上的方法建立系统的，该结构的导航控制是按照感知一执行的行为模式来实现的，如图3所示。这种结构的每一个行为模块在传感器信息与车辆运动之间建立了连接，最终行为由各模块之间的竞争实现。在这样的结构下，系统可以及时地对未知障碍和环境的变化作出相应的反应，易于实时性控制，系统可靠性较高。但是，这种结构的各模块之间连接不够紧凑，会使得高层次的智能控制难以实现，产生复杂的智能行为相对不易。最具代表性的是Brooks的包容式体系结构,清华大学的THMR-III就是采用的这种结构。

图3  垂直式结构

为了解决以上两种方法存在的不足，Gat提出了混合式体系结构。在这种混合结构中，规划包括任务、路径规划以及全局环境模型的构建。因混合模型有着明显的优势，故已成为自主车辆体系结构研究的趋势，最具代表性是Saphira'1叫3.2定位导航技术

定位导航技术用来确定自主车辆的位置和行驶的航向。自主车辆的导航方式有多种，常用的有航迹推算定位(DeadReckoning，DR)、惯性导航系统(InertialNavigationSystem，INS)和GPS(GlobalPositioningSystem)。DR包括罗盘仪、速率仪、里程仪、转速计。这些传感设备能够测量出正在行驶的车辆的旅行距离、速度和方位，在短时间内这些传感器的精度较高，但对于长时间得采取措施以避免累积误差。INS主要由加速度计、陀螺仪、计算机和稳定平台组成。由陀螺和加速度计测量运动载体相对于惯性空间的角速度和线加速度，通过计算机夹杂导航解算，从而获得运动载体相对某一基准的导航参数。INS具有在高速率下捕捉数据的能力，且精度很高，但是如果时间较长，精度则降低。为提高绝对精度,就需要增加别的传感器作为辅助。GPS导航系统采用码分多址(CDMA)，定位精度通常15m左右，主要应用于单点导航定位与相对测地定位，具有全天候、定位迅速、精度高、可连续提供三维位置(纬度、经度和高度)、三维速度和时间信息等一系列优点，是实现全球导航定位的高新技术。但是，GPS定位技术的优劣取决于卫星信号的好坏，容易受到建筑物等外界因素的影响，因此导航系统一般采用卫星导航和惯性导航的组合系统。

3.3环境感知与多传感器信息融合

自主车辆的环境感知在于获得行驶环境，为车辆的自主驾驶提供有效的信息。主要有主动型和被动型两种传感技术。主动型传感器接收自身发出的感知信号，如毫米波、超声波等。其特点是测量直接，数据处理能力要求不高，对气候依赖性小，但传感器之间容易产生干扰。目前，最受欢迎的计算机视觉技术属于被动型传感器技术，一般由多台摄像机组成,通过求解对应点和视差得出物体表面与立体成像系统的距离。通过视觉采样就不会产生主动型传感器干扰的问题，可以获得精细的环境信息，但气候的影响非常大，并且图像采集的信息量也是巨大的，这样就对计算机处理数据的能力以及图像处理的算法提出了更高的要求。

由于单一的传感器无法为系统提供足够的信息，因此就需要多个传感器共同工作，相互补偿以得到较为准确可靠的信息。多传感器融合的实质是多源不确定性信息的处理，多传感器的融合方法是一个非常重要的研究内容，只有适宜的融合方法才能体现出多传感器融合技术的优势。多传感器融合系统首先对数据进行预处理以完成数据配准，即通过坐标变换和单位换算，把各传感器输入的数据变换成统一的表达形式，然后将各测量系统所获得信息的分析结果按一定的算法进行融合，得到最终的目标状态估计。多传感器信息融合系统的一般结构如图4所示。融合方法是多传感器的一个非常重要的研究内容，到目前为止，针对具体的应用情况，融合方法已有很多，应用较为广泛的有简单滤波法、加权平均法、贝叶斯估计法、统计决策理论法、卡尔曼滤波法、模糊逻辑推理法和人工神经网络方法等。现有的多传感器信息的集成与融合技术在一定程度上还不能完全满足自主车辆导航系统所需的精确性和可靠性，所以我们还需要在这方面继续研究。

图4  多传感器信息融合结构示意图

4自主陆地车辆研究中存在的主要问题及未来发展方向

到目前为止，自主陆地车辆的研究已取得了大量理论成果和试验系统，但离商业化应用还有较大的距离。为推进自主陆地车辆的实用化和智能化进程，以下几个基本问题有待进一步解决。

车载计算机能力稍显不足。信息融合技术、视觉技术、路径规划及跟踪方面都有较大的运算量，通用计算机太耗时耗能，因此对计算机提出了更高的要求。

高性能仪器设备价格太高。高精度的雷达、激光扫描仪等障碍探测传感器价格太高，无法普及。

软件算法的性能有待提高。目前应用的很多控制算法都是针对于特定环境，当环境改变时软件算法的有效性就会大大下降，因此在算法的鲁棒性方面还需要进一步的完善。

多自主车系统还需完善。多自主车系统的研究和实现已经成为机器人学的研究热点，这也是移动机器人发展的必然趋势，因为一个较复杂的任务往往需要多个自主车协调完成，而多自主车的规划和制导将因协调的要求而带来一系列新问题。

主动环境化。目前，制造一个完全自主的机器人是很困难的，就像人一样需要帮助，需要借助外界的力量来完成自己的使命，因此，提出主动环境的概念，即环境能为机器人提供所需的信息。研究移动机器人与环境之间的有机结合,将会使其早日走向实用o

5结语

本文介绍了自主陆地车辆的发展历程和一些关键技术，使人们看到了自主陆地无人车辆的发展前景，但是，自主陆地车辆系统中还有很多困难需要克服。目前，自主陆地车辆所能达到的智能化水平和自主化水平还比较低，离实用化程度还相去甚远。我国限于基础设施水平和经济实力，在自主陆地车辆方面的研究与发达国家之间还有一定的差距，因此，在自主陆地车辆研究方面，我们还有很长的一段路要走。然而，随着智能化技术、计算机技术的不断发展和自主车辆关键技术的不断提高与突破，无人驾驶车辆的研究与应用仍将呈现出美好的前景。

20211031_617ebd0f6cc52__自主陆地车辆的发展及其关键技术研究