摘要：无人车已经成为当前国内外高校和产业界研究的热点。未来的无人车可以显著提高交通效率，降低交通事故发生率，将是智能交通系统的重要组成部分。无人车搭载的软件和程序是无人车的“灵魂”，本文拟对当前无人驾驶汽车的软件结构进行介绍。

    互联网的高速发展，带来的不仅仅是经济利益和社会效益，也带动了一系列技术的迅猛发展，其中，集众多技术于一身的无人驾驶汽车正是其中的典型代表，它被认为是汽车发展的未来。无人车的开发涉及到环境感知、定位导航、人工智能、数学计算、路径规划、自动控制等技术，其软件架构可以分为感知层、决策层、控制层三大部分。

    1 感知层
    感知层通过车载传感器感知周围环境以及车身位置等信息，其中的信息包括车道线位置、行驶道路范围、行人和车辆等障碍物、道路交通标志以及红绿灯指示情况等。图1为感知层体系结构。

    1.1常见传感器
    1）相机通过机器视觉或立体视觉获取车体周围的二维、三维路况信息。对获取的视觉信息利用图像处理和模式识别技术提取环境中的车辆、行人、障碍、标识等信息。
    2）激光雷达激光雷达的准确率很高，多线激光雷达在无人车中常被用作主要传感器使用，它可以绘制高精地图，并依据高精地图对车辆进行定位，还可以用它实现避障。
    3）毫米波雷达毫米波雷达可以探测环境中的障碍物，它在烟雾中的穿透能力优于其他传感器，可以实现对多目标的探测和跟踪，但是分辨率低，往往不能进行目标分类和识别。
    1.2定位与导航
    1）卫星定位无人车须通过定位技术实时感知自身的环境位置，而 GPS卫星定位是最常用的方式。另外，由于GPS卫星信号受行驶环境影响较大（比如信号遮挡或者天气影响等），GPS配合惯性传感器（IMU）的使用，可以达到更好的定位效果。
    2）惯性导航导航技术是使用惯性导航系统的陀螺仪，使无人车实时感知自身的位置、速度、加速度、航向角等信息，常作为卫星定位的辅助手段。与卫星定位相比，惯性导航设备的成本较高。

    2 决策层
    决策层接收感知层传递的周围环境和车身位置等信息，结合既定的车辆行驶任务，进行局部路径规划和全局路径规划。局部路径规划部分对车辆的局部驾驶行为进行规划，如换道、超车、等待、泊车等，会生成一条安全无碰撞的路径。全局路径规划则决定车辆的全局行车路线，规划的路径更加宏观，与车辆的全局行驶任务紧密关联。
    2.1局部路径规划
    局部路径规划是一种动态规划也叫做在线规划，它需要传感器实时采集周围环境信息，再配合环境地图的信息，最后得出车辆在地图中的位置以及周围障碍物的信息，然后利用算法找到一条无碰撞路径。
    局部路径规划的常见算法有：传统方法（比如模拟退火算法、模糊逻辑算法、人工势场算法等）、智能仿生算法（比如人工神经网络算法、蚁群优化算法、遗传算法、粒子群算法等）、启发式搜索方法（比如A→D→方法）等。

[1] [2]  下一页