陈桂生：智能车关键技术与产业前景

陈桂生：我从事无人驾驶的研究十多年了，我今天主要分享一下无人驾驶汽车的技术产业与前景，从技术角度汇报一下这十几年到最近几年无人驾驶技术的爆发过程。

我在原单位里做兵器方面的研究，2015年之后长期在清华大学的智能驾驶汽车联合课题组做研究工作。

今天早上我转发一个微信——当地时间 9 月 6 日，美国众议院正式通过“自动驾驶法案”，允许汽车厂商和科技公司每年在公共道路进行 100,000 辆车的自动驾驶测试，这意味着美国各州将不再禁止无人车上路。因此我们认为无人车作为智能交通车路网协同的重要组成部分，将会深刻影响人类未来的生活方式。

从三个方面跟大家报告：

无人驾驶车辆的技术发展开始于实验室，好莱坞电影把无人车在科幻电影变成现实，进而推向我们理解的范畴。但是具体做技术工作应该是开始于实验室，成长于各种各样的挑战比赛，成熟于典型的场景应用，最后发力于产业化过程。

最早的无人车比赛是在2004年3月的美国，第一届崎岖地形大挑战，在美国西部的莫哈维沙漠，把有关做无人驾驶的汽车团队聚集起来比拼，比赛路线从加利福尼亚州巴斯托到内华达州普林母地区，包括路况好的公路、之字形爬坡路、艰难的丘陵道路、急转弯和陡坡等。

最早期的无人车，主要由分布式传感器，由视觉、听觉、雷达组成一个感知系统，里面有计算机处理对场景进行认知，加上决策系统驱动车的方向、油门、刹车，形成一个室外的移动机器人，也叫智能车。

2005年进行第二届沙漠挑战赛，还是在美国沙漠地区。沙漠地区比赛有一个好处，因为当时的智能交通技术不够成熟，无人车刚刚萌芽的时候考虑到各种各样的安全和环境因素，沙漠的交通环境相对简单。获得第一名的团队，无人车速度基本上是30迈左右，这样的速度可以持续一个白天。这时候车辆已经逐步把感知、认知、执行部分逐步精细化，以应对不同场景的出现。

第三届的城市挑战赛依然在第一、二届基础上进一步提升。这时的参赛队伍水平、车辆质量以及比赛效果都得到了大幅度的提升。

车辆需要穿越城市交通环境，从沙漠转入乡村转入城市来体验和挑战不同类型的道路。十字路口、停车场的测试，来强调智能驾驶决策、执行等方面的提升，比赛分为不同区域，从区域到区域之间进行不同的计分比赛，通过这种手段促进智能车在不同环节不同方面的提升。传感器基本上只考虑实用化，在这样的框架下组建无人车，这里面的感知和认知部分用的都是服务器，就是在实验平台进行大规模运算。

实际上，欧洲也进行了一系列智能车比赛，但主要是军方支持。驱动方式有轮式、履带式；传感方面有激光的也有毫米波雷的；视觉方面有单目视觉，传感器方面有切入式的，架得比较高的视野比较宽阔等。

 随后的比赛，在场景的选择上也逐步向安全、消防、民房、灾难控制等领域做一些场景设计来体现无人车可以想象的运行场景。这些比赛使得无人驾驶从车辆到技术到场景处理得到大的提升。

从这些比赛可以得出，无人驾驶车辆作为顶尖的室外移动机器人，突出在三个环节发力：一是感知方面，就是分布式多模态传感器的情景获取与融合，经过十多年演化得到了逐步的提升和优化；二是认知方面，我们对路径规划、局部轨迹规划以及交通标识，障碍物检测识别等进行提升；三是决策行为方面，控制算法及执行机构实现，功能与性能方面进行不断的比拼得到提升。

我们国家无人驾驶车的研究从八五计划开始，原型研究甚至更早。2009年，在国家基金会主持下，有一个视觉认知的智能车重大课题研究，课题成果的载体表现形式就是发起中国智能车未来挑战赛，第一届在西安举办。这个比赛吸纳了美国乃至欧洲的一些经验，主要包括两方面：一是规定动作综合测试，二是整车性能测试。当时国内外7所大学的队伍、10余辆无人驾驶智能车辆参加了比赛及车辆展示。

第一届的比赛队伍包括了湖南大学、北京理工大学、上海交大、西安交大、清华大学，国防科技大学，武汉大学，帕尔玛大学。那时候的智能车还是一个比较原型的车，但已经在车辆上做传感、感知和认知的改造。发展到现在每年一届，比赛项目分为两大部分：基本能力测试和复杂环境综合测试。通过这些比赛，国内的无人车技术逐步的得到了提升，从车的外观以及传感器配置上，包括整个内部的决策计算机控制上每年都有所提升。

第二届的FC项目设计的是静态标识识别，曲线行驶，障碍物定点泊车，寻位定点泊车，综合测试。静态标志识别，交通部门规定了29种标志标线识别，通过静态识别检验传感器设置，认证算法以及决策算法，来判断谁做得更完善更优化。

这是当时摆的S曲线的测试情况。

定点泊车，综合测试当时是在西安的大学赛场设置不同路况、标志标线检测无人车驾驶情况。

第三届在鄂尔多斯举办，比赛内容有和难度有所加大，参赛队伍也在逐步增加。

这是当时在鄂尔多斯的实际比赛路况以及参赛的队伍。是我们国家智能车研究的一些常规力量，这几支队伍连续每届都参加智能车比赛，有比较好的基础和积累。

第四届在赤峰。

赤峰选择的考核点很多，包括学校、施工路段，路口红绿灯等，基本上涵盖智能交通将要面临的种种实际状况，通过这种检测来检验智能车的一系列算法和技术是否接近实用化，无人车研究技术的成熟是通过一系列的挑战比赛慢慢积累下来的。

我国无人车挑战赛的着眼点可以用4 个S的标准来评价无人驾驶车辆完成测试任务情况：一是安全性：零碰撞、车道保持、标志标线识别；二是智能：路径规划、超车、避障策略；三是平稳性：横向控制、纵向控制；四是速度：三件套“转向、油门、刹车”集成一个是安全性，最终车子要面向实用，所以速度也是一个考量指标。

1、谷歌无人车研制现状

国外智能车在趋向实用化过程中，很多大公司投入研究阵营中，典型的有谷歌无人车，其研究突出特征就是街景拍摄和地图导航规划。谷歌的车辆从感知、认知和自检三方面，运用64线激光定位器，雷达，立体红像，GPS定位等功能实现将普通车辆改造成智能车的架构设计。

2、德国自由大学无人车研制现状

我们知道德国的车辆有奔驰、宝马存在自己的优势，他们突出在传感器和车辆精准性等总体性能控制、一体化上突出其优势。

3、牛津大学无人车研制现状

牛津大学的研究是在欧盟研究第七框架下展开的，突出零次碰撞，尤其是在校车上要安装零碰撞的系统。

国外发达国家和大牌企业的无人驾驶技术与我国基本上处在同一起跑线上，甚至在传感信息融合与认知、决策执行的“驾驶脑”人工智能技术方面，我们更有优势。但是，在传感器本身的品质方面，我们还需要追赶国外前沿品牌。

4、星云智能车

星云智能车作为我国典型的智能车，经历了国家重点基金课题研究培育和自主探究研发的基本历程，从缩微智能车，到1:1的“大车”，快速走入前沿行列。这是我们团队在2012年从北京到天津高速公路上做实验的一个合影，在这之前缩微车已经做了三四年了。给大家看一个2012年无人车验收的视频。当时有三个单位参加，总参，湖南大学还有军事交通学院，验收包括3—5个科目：车道行驶、跟车行驶、换道行驶、智能超车等。

这个视频是9月3日在湖南做的一个车辆的测试验收，行人避让的过程。我们的无人车针对前方目标识别，无论前方是汽车还是行人，路边停着的车辆以及静止的障碍物车辆，可以进行实时的检测和判别。

2012年我们做的缩微智能车基本配置1：5，我们做了大概30多台来识别验证障碍物检测算法和对标志标线的识别判断。整个过程就是把28种交通标志标线缩微到今天会场这么大的场景里面做算法的验证，包括视觉算法、传感器算法、识别算法，路线标志检测；控制点，包括状态转移图、控制策略等。视觉方面包括三目视觉、双目视觉。

通过缩微智能车研究，我们无人驾驶车辆关键技术研究得到积累，人才团队得到锻炼，并取得了可持续的跟进技术进展，为1:1无人车辆研究提供了参照平台。

这个是1：1无人车传感器配置方案，激光雷达到毫米波雷达，GPS等都在真实车上配置。

从环境感知到车辆定位到整车决策、再到车体转向控制、自动控制、油门控制、档位控制等，现在做的嵌入式系统，是向产业化一个推进。

这个是整个模块化组件和服务信息接口。它的特点和优势包括几个方面：

第一，核心技术与独特优势：将智能车的底层（执行层）、感知层，决策与规划层分布地部署在不同的嵌入式控制器中进行运算。

第二，传感器体系：16线激光雷达与摄像机都由NVDIA TX2控制器进行运算，其它传感器均有自己的处理器；各传感器把数据输给决策控制器运算执行。

第三，嵌入式体系：增强的可靠性、实时性和紧凑性。

第四，分布式部署的优势：增强系统的可扩展性、稳定性和执行效率。按照分布式智能体方式，弱化集中控制概念，每个局部控制器都是完全独立运作。

第五，虚拟调试与实车验证的平行智能技术：基于V模型的开发方法，仿真与实车验证相结合，保证各个独立模块与整车模块的可靠性。

第六，模块化可灵活重组和裁剪：根据不同的应用场景，在保证无人车安全的前提下，各个单元可以任意按需要增加或裁剪。

无人驾驶车辆在实测过程中代价很大，安全风险、成本等都是要考虑的问题，所以引入了虚拟测试平台，对传感器模块，道路比，底盘三方面进行配置以后在虚拟平台上进行虚拟智能驾驶测试，通过对各种控制算法的测试，提高智能驾驶研究的效率。

我们的测试科目包括巡线行驶，跟车行驶等和智能车辆相关的科目都进行了测试。

我们正在做的事情包括以下几个方面：

1、特定场景无人驾驶观光车、摆渡车；

2、高速公路LKS+ACC自动巡航，高速公路无人车警察；

3、ADAS安全驾驶预警系统；

4、AEB自动紧急刹车避撞系统；

5、智能车参与：5G通讯场景下智能网络应用及车路协同智能交通系统。

无人驾驶车辆应该起到其应有的作用，针对这方面的产业前景，我们也会不断进行探索和努力。在未来三~五年智能车应该有一个爆发式的产业增长，人工智能+智能交通，因此我们希望和在座各位一起把这个事情推向一个新的高潮。