无人驾驶智能汽车的支持技术
来源:用户上传
作者:
【摘要】近年来，随着技术水平的逐渐发展进步，为减轻驾驶人员的驾驶压力，无人驾驶智能汽车应运而生。但就目前发展的实际情况来看，无人驾驶智能汽车在实际应用的过程当中仍然有着较大的提升空间，我们需要有足够的支撑技术来确保无人驾驶智能汽车的稳定运行。本文就针对无人驾驶智能汽车的支持技术进行了简要的探讨分析。
【关键词】无人驾驶 智能汽车 支持技术
一、计算机视觉技术
通常情况下，驾驶员需要通过视觉来判定车辆所处的驾驶环境，即便驾驶环境不会向驾驶人员开口说话，但无论是交通信号灯、交通图案，还是道路标识都能够作为交流语言向驾驶人员传达信息。无人驾驶智能汽车虽然脱离了驾驶人员的管理和判定，但却应当具备驾驶人员所拥有的视觉判定能力。为确保无人驾驶智能汽车能够安全稳定地运行，我们应当通过运用计算机视觉来实现对于系统所获取到的环境语言的识别。较为完备的无人驾驶智能汽车系统应当具备实用性、实时性和鲁棒性。所谓实用性，就是指智能汽车不仅能够替代驾驶人员完成驾驶过程，同时也能够以低成本、小体积的优势被用户所接受。鲁棒性是指汽车在运行的过程当中能够充分适应变动的道路环境情况、气候条件所提出的不同要求。实时性，简单来说就是指系统在运行的过程当中，能够与汽车行驶的实际情况同步的信息处理。
在无人驾驶智能汽车当中，视觉系统主要发挥着对于周边环境进行分辨和识别的作用。相对于其他类型的传感器而言，视觉系统具备着能够识别较多数量信息、实现远程遥测的优势。但与此同时它也存在着一定的缺陷，那就是在较为复杂的环境下，我们需要将探测目标与探测背景单独区分开来，这意味着系统需要在较短的时间内完成较为复杂的图像计算，如果一味地依靠已有的硬件条件，必然会对于系统的实用性造成影响。针对这一问题我们可以采取特殊类型的图像处理方式，从图像当中获知道路的范围，并通过与汽车内部存储的地图系统进行联合应用，通过系统的计算之后，能够有效强化汽车对于道路路线的识别程度。在通过采取不同类型的环境表示方法和导航方式，可以实现对于信息的高速精准计算。为确保所获取到的图像信息能够具备精准性和可靠性，我们可以使用多个摄像机，或是通过高速摄像机连续多幅摄像的方式来掌握目标的距离和速度。另外，还可以通过借助能够抓拍连续图像的摄像机，对于汽车的运行情况进行掌握。
总体来说，通过将计算机图像信息与其他方面的信息内容进行有机的融合，能够帮助人们在较为特殊的环境当中快速地识别出有价值的信息内容，从而及时做出合理的决策。
二、传感器信息融合
想要真正实现智能汽车的无人驾驶公用除了要实时获取和计算信息之外，还需要充分满足系统运行可靠性的需求。但根据当前阶段的实际发展情况来看，大部分的传感器都存在着一定的误差性，难以随时随地向人们提供精准可靠的信息。通过将不同类型的传感器联合应用，则可以有效降低因单一传感器功能不足而导致的一系列问题的出现。立足于当前阶段的实际发展情况来看，智能汽车在研发的过程当中已经逐步开始使用传感系统。以雷达技术为代表的新型技术能够帮助智能汽车及时获取到周边汽车的运行情况以及周边行人及障碍物的通行状况，从而切实解决视觉技术在深度信息处理方面所存在的不足。另外雷达技术不会多地受到多种外界因素的干扰和影响，即便是长期处于恶劣的环境当中，也能够及时稳定地运行。在多种多样的雷达当中，激光雷达具备着最为突出的优势性价值。首先激光雷达能够精准地判定方向，测距的精度较高，且波束窄，体积小，因而获得了人们极为广泛的应用。
另外，多传感器融合也具备着突出的应用价值。所谓多传感器融合，顾名思义，就是指将多个传感器进行有机的连接，从多方面实现信息的补充，或是及时获取来自多个传感器的不同信息，再将所得信息进行融合应用。传感器融合这一概念的提出，最初是为了能够实现对于不同传感器资源的利用，便获取到相对于单一传感器而言更为广泛、可靠的信息内容。通过合理的运用多传感器融合的方法能够实现信息环境的互补，并且无需花费过多的资金。在具体应用的过程当中，我们通常会对于来自不同传感器的信息进行综合性的分析处理，通过借助数据所具备的互补性和冗余性进行容错处理，从而切实掌握具体的环境特征。
三、无人驾驶智能汽车中的智能控制理论
无人驾驶智能汽车的稳定运行，要求其能够实现对于路径的实时稳定跟踪，这就要求在无人驾驶智能汽车当中能够增设具备突出性能的控制器，而控制器的作用发挥又需要智能控制理论作为支撑。智能控制是自动控制技术发展至一定阶段的必然产物，同样要借助计算机网络技术来实现人类思维的模拟，从而代替人类完成脑力劳动和体力劳动。在我国，智能控制这一方面仍然属于一门新兴学科，各方面的研究都不够深入，根据现在的认识，我们可以将智能控制分为递阶控制系统、专家控制系统、模糊控制系统、神经控制系统以及学习控制系统几个不同方面。
智能控制能够将较为抽象化的非数字模型转换为知识表示，我们可以将较为复杂、抽象的已知算法的非数字过程通过实际的知识来实现核算推理，以便启发和引导求解。当前阶段在许多的发达国家当中都已经开始使用专家控制系统为智能汽车提供辅助性的帮助，依靠此类系统能够对于周边驾驶情况进行精准的判定，从而给出更为可靠的驾驶策略，当出现突发状况时，系统还能够提前给定危险警告，能够起到防患于未然的作用。另外，模糊逻辑控制与专家控制也存在着较为相似之处，无论是模糊逻辑控制还是专家控制都需要借助以往的经验和决策的行为模型为无人驾驶智能汽车提供支持作用。模糊逻辑控制模型通常会立足于不同的规则系统，借助控制系统所具备的作用来发挥效用，这与驾驶员的驾驶特点十分类似。大部分的研究人员会抓住系统所具备的突出性质，通过运用传统的控制工程理论来进行汽车驾驶控制器的设计，然后再依照相应的规定构建起模糊驾驶控制器，使其能够在智能汽车系統当中发挥效用。
四、总结
综上所述，无人驾驶智能汽车是汽车行业与计算机网络融合的必然产物。
参考文献：
[1]周路菡，人工智能下一站：无人驾驶汽车[J].新经济导刊，2017.
[2]崔佳超，无人驾驶智能车在动态环境中的避障方法[J].西安工业大学，2015.
[3]李凤媚，刘伟杰，赖奕斌，等，智能无人驾驶汽车认知的探索[J].内江科技，2019.
[4]崔丽媛，看国外如何玩转智能汽车 寻觅无人驾驶的“足迹”[J].交通建设与管理，2017.
转载注明来源:https://www.xzbu.com/2/view-15158785.htm
