世界無人車輛產業正風云突變。近日，美國交通部宣布歷時10年，投資40億美元的提案，旨在實現無人駕駛車輛上路。而截至目前，谷歌的無人駕駛汽車已經完成超過132萬英里的行程。作為輪式移動機器人的先進代表，無人車輛也正經歷著軍用到民用的全覆蓋。目前，在該領域，全球的產業現狀如何？又有哪些關鍵技術？這些問題值得我們研究。

　　徐彬 北京理工大學特種車輛研究所 博士后、車輛工程專業
　　李明喜 中國人民解放軍軍事交通學院 副教授、博士、車輛工程專業
　　周晶晶 中國人民解放軍軍事交通學院 研究生、車輛工程專業
　　倪俊 北京理工大學特種車輛研究所 博士、車輛工程專業
　　付苗苗 北京理工大學特種車輛研究所 研究生、車輛工程專業

　　無人車輛是一種通過車輪或履帶驅動，具備在道路或非道路條件下地面自主機動能力的智能機器人系統。早期的地面無人系統誕生于機器人研究領域，并采用遙控操作。隨著地面無人系統逐步向半自主、全自主方向發展，與車輛行業的智能化、無人化研究發展在技術特征層面呈現高度重合性。本文從技術概括角度出發，將無人地面車輛、地面無人機動平臺、智能汽車、無人駕駛汽車、自動駕駛汽車等均統稱為無人車輛。

　　由于無人車輛能夠代替駕駛員執行“枯燥的、惡劣的、危險的、縱深的”任務，具有機動性強、適應能力和生存能力高、降低人員傷亡風險等諸多優點，因此在軍事、民用等方面均擁有廣闊的應用前景。無人車輛是一個集定位導航、環境感知、信息融合、規劃決策、控制技術、人機交互等技術于一體的綜合系統，集中地運用了計算機、現代傳感、信息融合、通信、人工智能及自動控制等技術，是典型的高新技術的綜合體，世界各高校、科研院所及相關企業，都在積極進行無人車輛及相關技術的研發。

　　1 國內外發展現狀

　　軍用領域

　　近年來，具備非道路越野機動能力的軍用無人車輛得到了快速發展。

　　2006年，美國卡耐基梅隆大學公布了其研制的crusher無人車，該無人車采用了6×6分布式輪轂電機驅動形式。它一經問世，便引起世界范圍內的強烈關注。

　　2007年，履帶式無人戰車Black Knight（圖2）在美國肯塔基州正式亮相。

　　2010年，美國洛克希德·馬丁公司所研制的MULE無人車（圖3）問世，同樣采用了6×6分布式驅動形式，且每個輪胎都配有搖臂式獨立懸架，使車輛在機動性與越野性等方面均具有優秀的表現。

　　2011年，美國洛克希德·馬丁公司研制的SMSS無人車（圖4）被正式投入阿富汗戰場。該無人車輛以6×6 land tamer輪式底盤為基礎，采用速差轉向方式，具備全地形越野能力,可適應山地、沙漠、綠洲等錯綜復雜的地形。

　　除美國外，其他國家也相繼在軍用無人車方面取得了一定成績。

　　2009年，英國MIRA公司研制的MACE2輕型地面無人車亮相。

　　以色列guardium 系列無人車已發展至三代，其中guardium MK3于2012年正式裝備部隊。guardium MK1與 guardium MK2均以Tomcar全地形越野戰車底盤為基礎，采用4×4輪轂電機驅動方式。guardium MK3以福特F-350為基礎進行大量改造，使車輛負載能力大量提高，并同時擁有作戰能力。

　　我國在軍用無人車輛方面的研發尚處起步階段。2015年，中國兵器工業集團北方車輛研究所成立的地面無人平臺研發中心，展示了其最新研制的軍用無人車輛（圖5），其采用6×6分布式輪轂電機驅動形式，可實現零半徑速差轉向。據報道，該車具有單兵跟蹤的能力，可攜帶物資隨隊行軍，此外該車輛還可搭載專門的探測設備，以輔助士兵完成偵察等任務。

　　民用領域

　　在民用領域，無人車輛技術也得到快速發展。民用領域發展的初級階段是半自主駕駛階段，例如自適應巡航控制（Adaptive Cruise Control，ACC）或智能巡航控制（Intelligent Cruise Control，ICC）系統及防碰撞系統（Collision Avoidance System，CAS）等各類輔助駕駛系統實現自主巡航、車距保持等功能，可大幅提高車輛的安全性。未來，民用領域發展的終極階段是實現完全自主的無人駕駛，這也正是目前谷歌等智能車研發團隊所追求的終極目標。由于交通事故造成的死亡人數逐年上升，而傳感器、控制系統等相關技術日趨成熟。因此，民用無人駕駛車輛的研究同樣在世界范圍內掀起了巨大熱潮。

　　受美國國防先進研究項目局（DARPA）舉辦的地面無人挑戰賽所帶來的巨大推動性，美國各高校積極開展了無人車的相關研究。

　　美國斯坦福大學的Stanley無人車（圖6），該車基于一輛大眾途銳進行改造，由北美大眾公司電器研究實驗室與美國斯坦福大學動力學設計實驗室合作完成研制，在2005年的比賽中奪得冠軍。

　　目前，美國谷歌公司的Google fleet無人駕駛汽車（圖7）是其中優秀代表，該無人車搭載了性能超前的三維視覺重構技術與谷歌地圖云計算技術，可同時對數百個目標進行監測與識別，能輕松應對行人、非機動車輛、機動車輛等多種不確定因素。由于性能優良可靠，2012年美國內華達州為其頒發了駕駛許可證。從2009年開始，截至2015年11月，谷歌智能車已自主駕駛行駛了超過132萬英里，相當于平均每周在街道上無人駕駛10000~15000英里。

　　我國民用無人車輛也處于快速發展階段，其中比較具有代表性的相關研究機構是國防科技大學。2011年，由國防科技大學自主研制的紅旗HQ3無人車，完成了從長沙到武漢（全長286公里）的高速無人駕駛實驗，在實驗過程中，車輛自主超車67次，被超148次，平均車速達87km/h，創造了我國自主研制無人車在復雜交通狀況下自主駕駛的新紀錄。

　　“中國智能車未來挑戰賽”已舉辦了七屆，它是我國針對具有自然環境感知與智能行為決策能力的無人駕駛車輛驗證平臺的全國性權威比賽。在最近四屆比賽中，軍事交通學院的“猛獅”智能車三次奪得總冠軍，展現了我國無人車輛技術發展的前端水平。

　　上述機構的研究主要關注于感知、定位與導航，但仍有部分學者關注于如何在現有感知技術條件下發揮無人車輛的動力學極限，以實現大幅提高無人車輛的行駛速度。因此，無人賽車便成為國內外諸多頂尖學者的關注方向。比較具有代表性的有斯坦福大學的動力學設計實驗室，在現有成熟的環境感知技術條件下，實現給定路徑下控制車輛發揮動力學性能極限。目前，斯坦福大學的奧迪無人賽車（圖9）已經在賽道上實現了駕駛速度超過一般水平的賽車手。在國內，北京理工大學無人賽車研究團隊已研制出純電力驅動的小型無人方程式賽車（圖10）。

　　2 有哪些關鍵技術

　　無人車輛的關鍵技術主要包括環境感知技術、定位與導航技術，以及車輛動力學控制技術。其中，環境感知技術用來獲取車輛周圍環境信息，定位與導航技術用來計算車輛當前位置、可能的行駛路徑和期望行駛速度，車輛動力學控制技術最終控制車輛沿著預定路徑行駛。

　　環境感知技術

　　環境感知技術是車輛實現無人駕駛的首要環節，必須具備實時性、魯棒性和實用性。

　　第一，視覺技術。

　　機器視覺采用攝影機和電腦代替人眼的方式，對目標進行識別、跟蹤和測量。在無人車輛上，通過機器視覺應用，可解釋交通信號、交通圖案、道路標識等環境語言。與其它傳感器相比，機器視覺具有檢測信息大、價格相對低廉等優點；但在復雜環境下，要將探測的目標與背景提取出來，具有圖像計算量大、算法不易實現等缺點。機器視覺又分為單目視覺、全景視覺和立體視覺。圖12展示的就是基于深度學習的英國劍橋大學SegNet物體實時識別系統。

　　第二，激光雷達技術。

　　相對于視覺感知技術，激光雷達具有以下優勢：雷達受外界環境影響很小，其可靠性和精確性要高于被動傳感器；激光雷達采用主動測距法，對環境光的強弱和物體色彩差異具有很強的魯棒性；激光雷達直接返回被測物體到雷達的距離，算法更直接，測距更準確；激光雷達速度更快，實時性更好；視角大、測距范圍大。相對于攝像機，雷達的缺點也是顯而易見的，它的制造工藝復雜、成本較高。

　　第三，毫米波雷達技術。

　　毫米波雷達工作在毫米波波段，其頻域為30GHz~300GHz之間，波長介于厘米波和光波之間，兼有微波制導和光電制導的優點。毫米波導引頭體積小、質量輕、空間分辨率高；穿透霧、煙、灰塵的能力強，具有全天候(大雨天除外)、全天時的特點。然而，雨霧對毫米波的影響非常大，吸收強度大。在雨霧天氣，毫米波雷達的性能將會大大下降。

　　目前，毫米波雷達主要應用于有人車輛的碰撞預警和防撞等主動安全應用，在無人車輛領域的應用相對激光雷達較少；毫米波雷達可以探測一定區域內的所有目標，但是其方向性較激光雷達差，且測量精度也不如激光雷達；另外，相對于一般的二維激光雷達，其成本高昂。這些因素雖然限制了毫米波雷達在無人車輛上的應用，但許多國內外無人車輛，仍然會安裝一個毫米波雷達用于探測車輛正前方的障礙。

　　第四，超聲波技術。

　　超聲波指的是工作頻率在20KHz以上的機械波,它具有穿透性強、衰減小、反射能力強等特點。超聲波測距原理是利用測量超聲波發射脈沖和接收脈沖的時間差，再結合超聲波在空氣中傳輸的速度來計算距離。現階段廣泛應用于倒車雷達系統中的便是超聲波測距，且現在國內外市場上大量存在的泊車輔助系統大都采用超聲波測距系統。

　　定位技術

　　精確定位和導航是無人車輛在未知或已知環境中能夠正常行駛的最基本要求，是實現在宏觀層面上引導無人車輛，按照設定路線或者自主選擇路線到達目的地的關鍵技術。定位和導航是一對相互關聯的概念，其中導航的概念包含了定位的含義，而定位又是實現導航功能中最為關鍵的技術。

　　第一，基于GNSS的精確定位技術。

　　目前在用的世界三大衛星定位系統：美國GPS系統、俄羅斯GLONASS系統和我國的北斗系統是用于當前無人車輛定位的主要系統。尤其是GPS，幾乎所有國內外無人車輛上都能看到GPS接收天線的身影，GLONASS一般作為GPS的輔助手段，而北斗系統由于建設時間短，目前尚未廣泛應用于無人車輛。不過，近年來北斗系統建設速度迅猛，國內不少無人車輛已開始嘗試使用北斗系統進行定位。

　　無論是哪一種衛星定位系統，其所能提供的定位精度都難以滿足當前無人車輛實時行駛的要求。由于衛星定位在收到各種干擾的情況下，定位精度會大打折扣。例如有建筑或樹木遮擋的城市道路環境、有較多橋梁，甚至有隧洞的公路和鐵路環境，衛星定位精度會變得非常差，以致無法起到定位的作用。因此，僅靠衛星定位系統無法實現無人車輛精確定位的功能。為提高定位精度和環境適應能力，目前主要有兩類方法：一類是采用多系統配合方式，即綜合使用GPS、GLONASS、北斗系統，以增加同時接收衛星的數量，從而提高定位的精度；另一類是采用衛星差分定位，以提高精度。

　　第二，差分定位。

　　目前，國內無人車輛研究領域使用最多的精確定位手段就是差分GPS(DGPS)。DGPS在用戶GPS接收機附近設置一個已知精度坐標的差分基準站，基準站的接收機連續接收GPS導航信號，將測得的位置或距離數據與已知的位置、距離數據進行比較，確定誤差，得出準確的改正值，然后將這些改正數據通過數據鏈發送給車載GPS移動接收端。GPS接收機通過測量從接收機天線到GPS衛星的偽距，來確定接收機的三維位置和時鐘誤差。

　　第三，基于外部傳感器的精確定位技術。

　　前面所述方法均以衛星定位系統為基礎，通過與其它定位、推算系統融合來提高衛星定位系統的精度，因此這些方法對于衛星定位信號缺失地區，是無能為力的。近年來，國內外開始關注另一個非常重要的領域研究，即采用外部傳感器方式（如激光雷達、機器視覺等）進行定位。相對于GPS容易受到正常道路周圍高大建筑、樹木枝葉、橋洞隧道等因素的影響，激光雷達和機器視覺可以在這些環境中更穩定地工作，因此基于雷達和視覺開發精確定位系統具有更理性的環境適應性。同時，由于幾乎所有無人車輛自身均已安裝視覺和雷達系統，并已獲取原始數據，因此基于這些數據開發精確定位系統，可實現數據重用，也降低了無人車輛的開發成本。

　　導航技術

　　無人車輛路徑規劃是指需要在有障礙物的實際行車環境中，尋找出一條從起點到終點的路徑，使無人車輛在運動過程中能無碰撞地繞過所有障礙物到達目的地，其實質就是無人車輛運動過程中的導航和避障。根據無人車輛已知環境信息的范圍，無人車輛路徑規劃包含全局路徑規劃和局部路徑規劃兩種類型。

　　全局路徑規劃是指無人車輛已知從當前時刻直至終點之間所有的環境信息，或所有可行道路的信息，從所有可行路線中選擇一條最合適的。全局路徑規劃是一種離線規劃，不考慮行車時的實行問題，因為規劃完成后，無人車輛按照規劃路線行駛的過程中會遇到不斷變化的、動態的交通環境，因此可能會進一步進行重新規劃，并在原來規劃路徑基礎上進行一定程度的調整，生成新的規劃路徑，這就是局部規劃。

　　在路徑規劃方法層面，大致可分為兩類：一種基于環境建模進行規劃，另一種將無人車輛路徑規劃視為一個優化問題，并利用典型的智能優化算法進行求解。前者根據環境建模方法的不同，主要分為柵格法、人工勢場法以及可視圖法，主要用于微觀實時路徑規劃；后者除以上方法之外，還會采用模擬自然界智能行為的啟發式算法，如遺傳算法、蟻群算法、模擬退火算法和粒子群算法等，主要用于宏觀路徑規劃。

　　控制技術

　　動控制系統是實現無人車輛自主控制和提高自主水平的關鍵組成部分，屬于底層的運動控制系統。雖然無人車輛的控制系統十分復雜，但相關科研人員卻對此興趣十足。由于無人車輛給先進的控制算法提供了很好的測試平臺，其控制問題吸引了控制界和機器人界大量研究力量的投入。

　　針對無人車輛，科研人員探索出眾多不同的控制結構和算法。從現有的發展情況來看，具有典型代表性的有：基于運動學/動力學模型的控制方法和基于學習的控制方法兩種。

　　第一，車輛動力學控制技術。

　　對于無人車輛來說，在完成了感知導航與路徑規劃后，必須通過車輛動力學控制技術控制車輛沿著既定軌跡行駛，也有學者將其稱之為“軌跡跟蹤”技術。可以說，車輛動力學控制技術是無人車輛是否充分發揮車輛性能的重要保障。

　　現階段，無人車輛動力學控制技術主要包括縱向控制、橫向控制兩方面。其中，縱向控制主要是指車輛行駛速度的控制（即對車輛油門、制動的控制），橫向控制主要是指車輛軌跡的控制（即對車輛方向盤的控制）。無人車輛發展早期，由于環境感知和路徑規劃等環節的速度、精度的限制，無人車輛自動行駛速度較低，對車輛動力學控制技術要求不高。目前，無人車輛控制技術中大部分仍采用與地面機器人相同的基于運動學假設的算法，雖然這種方法具有較大的成熟性與便利性，但它限制了無人車輛充分發揮動力學的極限性能，限制了無人車輛行駛速度的進一步提高。

　　因此，現在無人車的研究熱點主要集中在如何基于車輛動力學極限開展車輛動力學控制與軌跡跟蹤，以及面向輪轂電機電驅動、全輪獨立轉向等新型結構車輛的動力學控制技術。

　　第二，深度學習控制技術。

　　深度學習的概念源于對人工神經網絡的研究，是機器學習研究中的一個比較新的領域，其動機在于建立并模擬人腦進行分析學習的神經網，通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示。人工智能的深度學習技術在無人車輛技術上的應用目前主要集中在機器視覺對物體的識別，以及通過對人類駕駛員駕駛行為反應的觀察來學習駕駛，使無人車輛面對相似的情況時，能做出和人類相似的反應。

　　3 道路荊棘，前途光明

　　對無人車輛定位導航、環境感知、智能控制等關鍵技術的研究還任重而道遠，但隨著人工智能、計算機技術、微電子技術和新材料技術，以及無人車輛動力學控制技術等相關技術的持續快速發展，無人車輛總體技術水平也會不斷地向前推進，達到甚至超越人類駕駛水平的無人駕駛汽車將在不遠的未來得以實現。