专家解读智能车环境感知及高精度定位技术

智能网联大潮下，ADAS作为离现实最近的自动驾驶实现手段，备受行业关注。近日，“第三届智能汽车技术国际论坛暨创新展”集合诸多行业专家、学者针对此话题展开深入探讨，盖世汽车将论坛中部分演讲进行梳理，以飨以内。

 

清华大学汽车安全与节能国家重点实验室杨殿阁教授

以下内容为清华大学汽车安全与节能国家重点实验室杨殿阁教授关于“智能车环境感知及高精度定位技术”的演讲实录：

我就智能汽车环境感知及高精度导航技术谈一些自己浅显的认识。

我的报告分三部分：结合智能车的发展历史跟大家探讨一下智能车的环境感知技术对智能车发展的驱动。

我们首先看一下智能汽车的发展历史，大家在互联网上搜索智能汽车、自动驾驶，搜到的最早的历史在一百年前，1925年在美国纽约，美国一家无线电公司，在一辆轿车基础上面做了“无人”驾驶汽车。大家知道今天讨论的是车在高速公路上面的无人驾驶，一百年前美国已经有人在城市里面实现了“无人”驾驶。我仔细查了这个车的资料，发现没有什么环境感知的能力，所以也不具备避撞、不具备选择路线的能力。所有无人驾驶的实现通过无线遥控来实现，充其量是一个无线遥控的汽车，不能称之为自动驾驶的车。第一代自动驾驶车，应该是1953年通用和美国无线电公司联合开发的无人驾驶车，这个车实现的理念在39年贝尔先生提出的魔术公路的基础上面，通过道路铺设磁钉的方式实现车辆的导航引导。英国的道路交通研究所在1960年把这个技术发挥到极致，通过道路磁钉的引导，在不同路况不同天气的情况下实现了车辆差不多114公里速度的无人驾驶。我们看到在五六十年前自动驾驶的汽车，它的环境感知能力是比较弱的，车辆的导航引导主要通过道路磁钉来实现。

到八九十年代，计算机视觉技术以及雷达的发展，让无人车技术进入新的阶段。在80年代，慕尼黑在奔驰轿车上面基于计算机视觉实现了无人驾驶。图中看到 1987年美国DARPA在ALV的计划，通过计算机视觉实现车辆在复杂山区情况下的无人驾驶。中间是丰田ASV智能车，这个车很有名，很多人看过这一张图，丰田在这个车上使用了雷达、使用了计算机视觉、车道保持等很多ADAS功能。最右边是美国加州伯克利PATH技术，它把雷达技术、车间通信技术、道路磁钉技术综合应用在一起，实现了汽车队列的自动驾驶。跟50年前的道路磁钉技术相比，我们说PATH的自动车具备更多环境感知的能力，车辆不仅能够感受到在路上的位置，通过雷达具备了避撞功能，同时具备了路线自动选择的能力。所以我们看到八九十年代视觉传感器的发展对智能驾驶的推动非常大，特别是我们今天看到ADAS的很多应用都是在这个阶段产生的。

进入21世纪以后，无人车发展进入一个新的阶段。其中可以看作里程碑的是美国的DARPA大赛。2004年举行了第一次无人车的大赛，第一届、第二届的大赛都在沙漠地区完成，一共200多公里的路程。第二届大赛，斯坦福大学使用了LIDAR，使用了计算机视觉。第三届大赛是在城市里面举行的。这个比赛虽然办了三届，但对于无人车的发展和推动是非常大的。

我们看到中间谷歌第一代智能车，这是基于斯坦福相关的技术基础上，基于LIDAR技术开发出来的。右侧是谷歌第二代的智能车，在电动车技术上开发出来的无人智能电动车，我们要理解到，就是说对智能车的发展来讲，特别谷歌、百度这样的公司进入这个领域，除了跟我们智能车技术相关以外，新能源车在里面也起到了非常重要的推动作用。

对智能车来讲，21世纪，这十年里面激光雷达，特别LIDAR是无人驾驶发展的很重要的推动力。将近一百多年的历史，传感器技术的发展、环境感知能力的不断增强是无人车发展重要的推动力。当然今天我们谈到无人驾驶，大家会觉得这是很遥远，特别对普通的百姓来讲，虽然谷歌无人车在加州跑了上百万英里，拉到北京，这个可能就不行了。我们大家知道，无人车的实现需要比较长的时间的，但是马云先生也说了，理想我们还是要有的，万一实现了呢。

我们汽车企业、行业对智能车相对来说比普通的百姓更加乐观一些。这是李骏院士昨天报告的一张图，我专门截了下来，大家可以看到，我们在2025年，在挚途 4.0实现的时候是全自动化的无人驾驶。这里面我注意到了，他把智能车起名为挚途，我想体现了我们在攻克智能车、无人驾驶的过程当中充满了信心，也充满了应对各种各样困难的决心。不仅一汽，大家如果最近一段时间参加各种各样的论坛，比如说日产、宝马、大众、奔驰，大家几乎不约而同把他们产业化的时间放在 2025年，在2025年基本上可以实现它的产业化。

这是昨天一位先生的图，从这一张图可以看到，这代表汽车零部件公司、汽车电子公司，他的规划里面到2025年全自动的驾驶能够得以实现，其实不仅大陆是这样，如果大家把博世这个图找出来，发现也是到2025年。

昨天有一个专家提到IEEE的预测，IEEE的预测比我们汽车厂商更加乐观一些，2020年预测到沃尔沃、通用、奥迪、宝马、奔驰、日产都会推出全自动驾驶的无人车。到2040年市场渗透率达到75%，我们看到是非常乐观的一个数字。

这是清华大学跟工信部，以及我们的联盟一起制定的关于对我们国家智能化发展的预测。根据我们的预测，在最近两到三年之内，从2016年到2018年更多是 ADAS的推进，自适应巡航、车道保持、辅助泊车、辅助换道等等。到2020年左右有条件的自动驾驶，高速公路的自动驾驶，交叉口辅助通行等等。预测 2025年车路协同控制，市区自动驾驶、无人驾驶得以实现。我们对车联网技术也做了预测，纵轴，我们认为最近一些年内，比如说车联网更多的停留在联网辅助信息交互的阶段，在中期发展到联网的协同感知阶段，到2025年左右真正会走到联网的协同控制决策阶段。

前面看到了各家厂家对于无人车发展的预测，我们说理想非常美好，但现实很骨感。从现在到2025年不到十年的时间，百姓对无人车上路觉得遥遥无期。为什么?觉得很困难，一定有一些关键的瓶颈技术阻碍着无人车的发展。我们下面看看无人车的关键技术。[!--empirenews.page--]

首先看一下无人车智能汽车的相关定义，很早的时候百度在百科里面用的定义是这个，最近已经换掉了。这个定义是什么?定义的是在普通汽车的基础上面通过增加先进的传感器、控制器、执行器，使这个车具备智能的环境感知能力，自动分析汽车行驶的安全状态和危险状态，按照人的意志到达目的地，最终实现替代人来操作的新一代汽车。下面这个图更容易理解，智能网联汽车做到三个事情：替代人的眼睛、耳朵、有先进的中央决策系统替代人的大脑、执行系统替代人的手脚。这个角度来说，智能汽车关键技术分三大部分：环境感知技术、中央决策技术、底层控制技术。

反过来看底层控制技术，汽车行业做了这么多年，对我们汽车零部件厂商，底层的控制系统是比较放心的。对于无人车来讲，这些控制系统能够功能实现，能够不断地完善，九到十年是没有问题的。所有人知道对于无人车来讲主要的困难决定在哪?中央决策系统。对于人来讲，驾驶汽车，我们说会不断学习，遇到各种各样的情况会不断学习，遇到各种意外的情况有应急的处理措施。最关键的一点人其实可以犯错的，比如说你撞了人或者出了交通事故是你负责任，但背后是一套完善的法律体系做保障。这一套法律体系用了一百年的时间建立起来，一整套的完整的环节做后面的支撑体系。但对于无人车来讲，恰恰缺乏的是这个。对于无人车，它对环境、对各种各样的路况、交通事故，如果不能做到预知，遇到就不知道怎么处理。我们说谷歌公司、百度公司的加入让我们智能车有一定的智能学习的能力，但我们想这个能力是远远不够的，现在恐怕连5岁、8岁的小朋友能力都不到，别谈到18岁成熟的人的能力。最关键无人车遇到意外情况的时候不知道怎么处理，这时候出了交通事故，背后法律体系的保障是不完善的。中央决策一定是无人车发展过程当中非常大的瓶颈，这个瓶颈想要克服，一定要通过环境感知系统的加强来解决这个问题。环境感知系统，如果无人车行驶过程中环境感知能力超出人的感知能力，除了汽车行驶过程中对周围所有环境信息做到全息感知以外，做到超视觉、超视野的感知，很多的危险是可以提前避免的，避免一些复杂情况的出现，这时候我们说才有可能，中央系统处于比较简单的状况。

所以对于无人车，今后十年的发展，中央决策技术、环境感知技术这两部分是我们很重要的挑战。

我在这选了美国高速公路管理局关于智能汽车定义的分类，选择它主要是因为从各级变化的时候，哪些技术上面取得突破，给了一些相关的条件。我们现在智能车的水平更多处在二三级别，部分的智能驾驶向有条件智能驾驶的过渡阶段，关键需要突破的技术恰恰是环境感知能力的提升和中央决策技术的提升。

智能车的环境感知技术分为自主式的环境感知，加装雷达、摄像头都是自主式的环境感知。通过上午姚教授介绍的车路协同，协同式的环境感知。未来，一定是二者结合，通过协同式环境感知加上自主式的环境感知，车辆行驶过程当中对周围环境有一个很好的了解。

自主式的环境感知又有不同的观点，以谷歌公司为主的，更喜欢用的是LIDAR这种，大家知道LIDAR非常贵。最近推出了一个更便宜一点的16线的LIDAR。LIDAR系统昂贵的价格阻碍了这个大批量产业化的很重要的瓶颈。

不仅是奔驰、奥迪、大陆系的公司，更多的是把计算机视觉和雷达技术融合在一起，更好的实现车辆低成本对周围环境的感知。

信息感知完了要做什么事情?不同的传感器获得信息，做信息融合以后，要做的一个事情，高精度地图基础上面做定量，车辆高精度定位，高精度定位基础上面做什么?根据车辆行驶的目的地、任务，做车辆路径和轨迹规划。我们刚才在讲汽车的中央控制、决策，中央控制决策在做什么呢?最核心的内容其实就是在做轨迹的规划，而且这个轨迹的规划做什么?做车辆动力学的输入控制。汽车行驶过程中怎么走?这是对于智能汽车最关键的，要躲避所有的障碍，达到目的地，要知道每一步做什么事情。

针对这样的工作，需要高精度地图的支持。无人车环境下面，高精度地图和传统地图已经完全不是一个概念了。整个地图的建模、地图的信息，包括整个对地图感知的方式都会发生彻底的改变，这样的地图当中，右图当中看到每一个固定的建筑物、标识都可能成为定位辅助。

要解决对无人车中央决策、轨迹决策的问题，我们从会场到虹桥火车站，首先还是要路网级的信息，要知道哪一个地方堵车，什么地方不堵，车要走哪些路。这个对无人车是不够的，还需要知道任何一个时间、任何一个时刻在哪一条车道上面。不仅要知道车道，还要知道在路上行驶的周围所有的障碍物、潜在的障碍物，这个时候选择的路径是什么。

我们看到在高精度地图上面，如果说这是驾驶员看到的视野，右侧在高精度定位出你车的位置。在这样的地图上面车走的车道，这还不够，通过你的环境感知系统知道你周围所有的障碍物的基础上，在这个路上面规划出车辆行驶的路径。讲到这里，今天最想讲的一个观点，前面介绍的所有的内容在说什么呢?就是在讲高精度地图、高精度定位。大家对地图、导航、定位都有自己的认识，每个人手上都有手机，都有导航，汽车厂商以前认为导航很重要，但不是最核心的技术，但对于智能汽车、无人汽车来讲，我们说地图定位、导航，已经不是传统的定位导航了，是整个智能汽车最核心的部分，涉及到的是什么?智能汽车中央控制决策。智能汽车真正怎么走?未来十年二十年里面最大的瓶颈技术就在这个地方，大家看一下，比如说2015年欧洲，大众、奔驰、宝马做了什么事情?收购了Here。2015年 4月份Uber宣布做智能车以后，两个月之后购买了一个地图团队。大家如果说看今年1月份通用和Mobileye做的什么事情，宣布做高精度地图，基于 Mobileye技术来制作高精度地图的采集。我们再看比如说丰田公司，丰田公司很少谈智能车，今年1月份重点谈的是什么?面向智能汽车做的高精度地图。我们看到世界上所有大的汽车公司，包括百度、谷歌，为什么能做智能车?因为有强大的地图数据基础。但我们可以看到中国的汽车行业对高精度地图、高精度定位和导航的重视程度远远不如国外大的汽车公司，但这些恰恰是我们智能汽车非常核心的关键技术。如果这些技术不突破、这些技术不掌握在自己手里面，将来你说开发出很好的智能汽车，这个还是值得犹豫的。所以非常希望我们国内汽车行业对今天我们在座的企业包括各位专家所做的事情予以更多的重视。[!--empirenews.page--]

最后一部分给大家简单介绍一下我们的一些工作，刚才小伙子已经举过牌子了，我非常简单地过一下。这是我们跟姚教授承担的863车路协同的专项，这是河北一个演示项目，做车辆环境感知的增强，识别行人、识别看不见的障碍物。这是我们跟长安的合作，在室内环境下面基于计算机视觉实现的车辆自动驾驶。这是长安跟我们自动化系合作，在无锡去年参加无人车大赛。这是我们跟北京一个公司合作，跟国内一个车厂合作，北京车展期间这个车也有展出，做到无人车相关的开发工作。

我的介绍工作就到这里。

谢谢大家!