`无人驾驶汽车的主要技术
感知输入系统、计算处理系统是无人驾驶技术的关键
无人驾驶汽车是一种主要以移动、运输为目的的服务机器人。它具有感知输入系统、
计算处理系统、控制系统、汽车信号系统以及其他辅助系统。
在给定路线规划后，无人驾驶汽车正常的工作流程是：首先，感知输入系统能够“看
到”周围物体，掌握它们的大小、距离、运行方向，计算处理系统根据这些信息通
过算法计算出最佳反应，将电信号传达给控制系统从而正常行驶，行驶过程中，汽
车信号系统再将自身的下一步意图以清晰可见的形式表现出来。
其中，感知输入系统是无人驾驶技术的核心之一，感知输入系统是机器取代驾驶员
的关键，通过3D激光雷达、标准车载雷达、高精度GPS系统、摄像头、编码器等大
量智能传感设备获取当前车身周围的图像信息、位置信息、信号信息、车速信息等，
以数据类型的输入取代原本驾驶员的视野、经验类型的输入。
从理论上来讲，智能装备的输入比驾驶员的视野更广阔，能够获得360°影像，能够
远至200米；也比驾驶员的经验更稳定，不会存在因后视镜盲区等出现的问题；而且
当无人车能够量产以后，生产一辆“富有经验”的无人驾驶汽车比培养一个有经验
的驾驶员的边际成本小得多。
专题研究|机械设备
计算处理系统是无人驾驶汽车的又一关键系统，数据输入到计算机处理系统后，人
工智能算法根据输入的数据判断车身周边的情况，进行运行的决策。该算法的难点
之一是要考虑到每一种极端情况，因为在高速行驶的服务机器人一旦发生判断失误，
就有可能酿成车祸。算法的难点之二在于，必须提高判断的效率，因为在高速行驶
的状态下越快对紧急状况进行反应，安全的概率就越大。因此，无人驾驶汽车的算
法需要反复大量的数据验证、调试。
控制系统与传统汽车的控制系统差异不大，计算处理系统做出决策之后，通过电信
号接口把命令相应的传达给动力系统、制动系统、转向系统等控制子系统。
汽车信号系统是一个无人驾驶汽车比较重要的辅助性系统。该系统使得无人驾驶汽
车能够表明自身执行的命令或意图，方便乘客、行人等进行人机交互。在日常驾驶
过程中，经常需要驾驶员反馈自己的驾驶意图，如减速停车，示意等待的行人路过；
打两下闪光灯或鸣笛以示意附近的车辆行人注意安全等等情况。驾驶意图等信息的
有效沟通，是交通安全的基本保障，无人驾驶汽车也不例外。
其他辅助系统可以根据需要进行调整，例如车身内的音箱、交互等娱乐系统、发生
紧急事件时的安全气囊、车身运行情况自检系统等等。
随着无人驾驶汽车的试验推进，未来其构成系统或将形成模块化的产品，对传统汽
车也可以形成加装式改造。例如，Dephi这家美国传感器企业，将其研发的无人驾驶
系统装配在奥迪Q5上，近期完成了横跨美国东西海岸的旅程。
感知输入系统中，3D 激光雷达是核心，相机、车载雷达等设备是辅助
无人驾驶汽车的感知输入系统由多种智能装备组成。以谷歌无人驾驶汽车为例：车
顶上的3D激光雷达传感器发射64束激光射线，然后激光碰到车辆周围的物体，又反
射回来，这样就计算出了物体的距离。这64束激光随着雷达壳体高速旋转，就获得
了周围空间的点云数据，根据庞大的点云数据系统可以绘制出3D空间模型。另一套
在底部的系统测量出车辆在三个方向上的加速度、角速度等数据，然后再结合GPS
数据计算出车辆的位置，所有这些数据与车载摄像机捕获的图像一起输入计算机，
软件以极高的速度处理这些数据。这样，系统就可以非常迅速的作出判断。
谷歌无人驾驶汽车装载了以下智能设备：
（1） 安装在车顶的
3D激光雷达，可以构建周边环境的空间模型。谷歌无人驾驶汽
车装载了Velodyne公司的激光雷达传感器。该激光雷达能发出64 道激光光束，帮
助汽车识别道路上潜在的危险。该激光的强度比较高，能计算出 200 米范围内物体
的距离，并借此创建出三维环境图形。可以认为，激光雷达传感器是谷歌无人车的
视觉系统，是自动驾驶系统主要的信息输入来源。
（2） 前置高速相机，可以清晰有效辨别事物。车头上安装的相机可以更好地帮助
汽车识别眼前的物体，包括行人、其他车辆等等。这个相机可以实现识别交通标志
和信号。比如说前车的转向灯开启时，谷歌汽车可以相应地做出反应。还有各种的
限速、单行道、双行道和人行道标示等等，这些都可以通过谷歌相应的软件进行解
读。相机还会负责记录行驶过程中的道路状况和交
通信号标志，然后车载软件将对
识别风险，这些信息进行分析。
（3） 安装在前后保险杠的标准车载雷达，不受天气光照影响，是行驶安全的有力
保障。谷歌无人驾驶汽车的前后保险杠上面一共安装了四个毫米波雷达，这是自适
应巡航控制系统的一部分，可以保证谷歌的无人驾驶汽车在道路行驶时处在安全的
跟车距离上，按照谷歌的设计，其无人车需要和前车保持 2-4 秒的安全反应距离，
具体设置根据车速变化。从而能最大限度地保证乘客的安全。
目前，标准车载雷达多采用毫米波雷达，其他也有采用红外线雷达的情况。但是毫
米波雷达和红外雷达的共同缺点是对于行人的反射效果极弱，因此只能应用于保持
前后车距，作为3D激光雷达的辅助。
（4） 高精度GPS，定位车身，规划路线。无人驾驶汽车充分利用 GPS 技术定位
自己的位置，然后利用谷歌地图，可以实现最优化的路径规划。但是，由于天气等
因素的影响，GPS 的精度一般在几米的量级上，并不能达到足够的精准。为了实现
定位的准确，谷歌需要将定位数据和前面收集到的实时数据进行综合，车子不断前
进，车内的实时地图也会根据新情况进行更新，从而显示更加精确的地图。
（5） 安装在底部的超声传感器，保证车身不发生偏离。后轮上的超声传感器有利
于保持汽车在一定的轨道上运行，不至于跑偏。同时在遇到需要倒车的情况时，这
些超声传感器还能快速测算后方物体或墙体的距离。还能帮助汽车在狭窄的车位中
实现停靠。
（6） 安装在车轮的转速编码器，获取车辆自身的速度方向信息。转速编码器用来
采集车轮的实时转速，以获取无人驾驶汽车的时速、车轮转速、角速度以及惯性等
自身速度信息。
需要指出的是，任何单一设备都无法完全解决无人驾驶汽车的输入感知问题，必须
是多设备的密切配合，而同时对多信息来源（包括地理信息系统/高精度GPS）进行
处理，对计算机系统的人工智能提出更高的挑战。
`
