无人驾驶汽车中环境感知的相关技术综述及专利分析

马春黎 张大鹏（等同第一作者）

（1、国家知识产权局专利局专利审查协作北京中心，北京100190 2、中国人民财产保险股份有限公司，北京100022）

无人驾驶汽车是智能汽车（Intelligent Vehicle，IV）领域中的一个主要分支，其通过定位导航、环境感知、动态规划和决策、自动控制等技术的综合应用实现了汽车的自动驾驶。环境感知技术作为无人驾驶汽车的关键技术之一，成为该领域的一个研究热点。环境感知技术主要是通过摄像头、雷达、超声波等传感技术对汽车自身状态，以及车辆周边的道路、交通标志、信号灯、车辆、行人、障碍物等环境信息进行检测。全面、准确的环境感知信息能够为无人驾驶决策提供充足的数据保障，从而保证无人驾驶的安全性和稳定性。

根据环境感知技术相关专利的领域分布，可以将环境感知技术分为两个分支，一是传感方式，二是目标检测，在实际应用中，传感方式是手段，目标检测是结果（表1）。

毫米波雷达的最远探测距离大约为250 米，对于温度和天气的抗干扰能力强，探测角度范围为10 度-70度，对距离、景深信息的探测能力强，路标的识别能力较弱，主要用于车辆、行人和障碍物的检测；激光雷达（分为二维激光雷达和三维激光雷达）的最远探测距离大约为200 米，探测角度范围为15 度-360 度，对光照变换不敏感，夜间感测能力较强，信息量丰富，但对车速和路标的识别较弱，主要用于车道、路沿、车辆、行人和障碍物的检测，成本较高；摄像机的最远探测距离，短焦的大约50 米，中焦的大约100 米，长焦的大约200 米，受天气和光线影响较大，没有直接的距离信息，温度稳定性较强，主要用于信号灯、交通标识、车道、路沿的检测；超声波的最远探测距离大约为10米，探测角度为120 度，由于探测距离有限其主要用来检测障碍物避免碰撞和擦蹭，但体积小，成本低。各类传感器有其自身特性和优缺点，多种传感器融合是实现自动驾驶的必然发展趋势，配置足够多的摄像头、激光雷达、毫米波雷达、超声波传感器、惯性测量单元和全球导航卫星系统等传感器，可提升自动驾驶功能的鲁棒性[1]。

表1 环境感知技术分支及IPC 分类

表2

环境感知技术是一门综合性的技术研究课题，其终极目标是如何在尽量低的成本下、以最快的速度实现感知完整性和准确性。那么，如何合理布局多种传感器、传感器感知的范围和精度、传感器如何避免其他事物的干扰以及如何快速处理传感器所采集的数据必然是环境感知技术综合研究的重点和难点。以下将采用专利分析的方法分别对上述问题进行综合性的分析及研究。

表3

表4

1 传感器的布局优化

传感器的作用是对车辆四周的环境进行实时感知，以确保及时获取车辆在行驶过程中的环境信息，因此在进行传感器位置部署时需要做到360 度监控无死角，这就需要综合考量不同的传感器在特定应用场景下的特点及优势，从而合理选择适当的传感器及布局方式。目前主流的做法是通过多种传感器融合以及增加传感器的数量来实现感知能力，然而传感器价格过高、使用数量过多直接导致了车辆整体成本的激增，体积较大的传感器如不可遮挡还会影响车辆的美观及车辆在高速行驶中的稳定性。如何在车身的各个方位合理安置具有匹配场景特点的传感器、如何在保证感知范围和精度的前提下优化传感器的使用数量、如何把传感器与车身妥善融合都是优化传感器布局重点研究的方向。目前，国内很多院校、汽车研究院和企业的发明专利申请提出了传感器布局的优化方法，使传感器的布局与其自身的个体特征相适应以达到更好的感知效果，同时降低了整体配置成本。相关的布局优化方法如表2 所示。

2 传感器感知范围和精度的优化

传感器感知信息的范围和精度直接影响着无人驾驶汽车后续的决策水平，而传感器感知范围有限，目前最大的感知距离在250 米左右，高速行驶中的车辆的感知范围则更短。障碍物会影响传感器对车辆周边环境的全面感知，光照、天气等自然因素也会影响传感器的感知精度。现有技术中通过传感器的部署位置和部署角度的优化可以有效提高传感器的感知范围和精度；激光雷达和摄像头两种传感器协同工作也可以实现更大的感知范围；可以通过对传感器的内部参数及算法的优化来提高感知性能，如，对传感器进行误差补偿以提高传感器的精度、使用快速的雷达线扫描实现点云的精细配置和配准、进行车辆识别时采用跟踪中心变换算法提高车检测精度。目前的发明专利申请针对传感器感知范围受限和精度不高的问题提出了很多不同的解决方案，相关的技术方案如表3 所示。

3 传感器抗干扰性能的优化

抗干扰是传感器检测的重要环节，常用的抗噪声、抗电磁场等众多干扰源的技术主要有屏蔽技术、静电屏蔽和电磁屏蔽。当传感器应用于自动驾驶汽车时，强光、温度、雨、雪、雾、路面积雪结冰等环境因素也会影响不同传感器的正常工作，容易造成传感结果错误，进而导致车辆行驶风险。激光雷达可以有效感知雨水和雪花，实现全天候工作；车载雷达不受光线、雨雪的影响；毫米波雷达可以在夜晚或者大雾天气探测远距离目标；在无人驾驶汽车的夜视场景下，通常采用红外线传感器，其环境适应性强，不受雨、雪、风、雾的影响。对传感器进行温度控制主要是采用给传感器加装一个隔热罩或增加金属温度控制板，上述两种方式均是针对单一传感器进行的控制，成本较高。为了克服环境因素对传感器的干扰，可以根据各传感器的互补特性进行容错处理。目前国内涉及传感器对环境因素的抗干扰方案的发明专利申请量较少，相关技术方案如表4 所示。

表5

4 传感器数据的处理速度优化

车载摄像机采集的信息通常使用视觉相关算法进行处理，毫米波采集的距离数据使用距离相关算法进行处理，激光雷达采集的数据通过滤波和聚类等技术进行处理，由于无人驾驶汽车采用了多种不同的传感器，采集到的数据量大、覆盖面广且安全级别不同，需要无人驾驶汽车具有很强的运算处理能力。

目前广泛采用的是多传感器信息融合技术，主要包括贝叶斯融合方法、卡尔曼滤波融合方法和神经网络融合法。贝叶斯信息融合方法是基于概率统计的推理方法，卡尔曼滤波方法可以从有限的、有噪声的观察序列中预测纠正进而推算出物体的位置等信息，神经网络方法通过大量的学习训练消除多传感器协同工作中产生的交叉影响效果[2]。目前相关发明专利申请中有多种对上述算法在应用过程中的改进方案，相关技术方案如表5 所示。

5 结论

本文阐述了环境感知领域的研究内容、难点以及重点，梳理了环境感知中传感器的布局、感知范围、精度、抗干扰和数据处理的相关技术和专利申请，希望可以给相关研究人员以启发，关注无人驾驶汽车中环境感知技术的研发重点是推进我国无人驾驶汽车技术研究的必由之路。