第1章 绪论
1.1 智能车辆
近年来，随着科学技术的快速发展，智能驾驶领域得到了美国、日本等发达国家的高度重视。美国交通运输部于2020年1月发布了《确保美国在自动驾驶汽车技术中的领先地位：自动驾驶汽车4.0》战略，用于支持本国自动驾驶技术产业的快速发展。欧盟于2015年发布了《欧洲自动驾驶智能系统技术路线》报告，主要涉及车内技术、基础设施、大数据、系统集成与验证、系统设计、标准化、法律框架、宣传措施八项内容。欧洲的研究重点是智能交通体系、辅助驾驶系统、自动驾驶测试等方面的技术。日本在自动驾驶方面也出台了一系列政策，例如，2014年启动的“自动驾驶系统战略创新促进项目”和2016年启动的“无人驾驶评价据点整备项目”，主要目标是建立相关的基础设施，在2020年东京奥运会期间推出无人驾驶出行服务。随后，瑞典、英国、法国、德国也相继出台相关法规和行动计划发展自动驾驶技术测试及产业，以加快推进自动驾驶技术的发展。
智能车辆的概念早在20世纪20年代就已提出，但直到20世纪80年代才得到真正的发展。国外关于自动驾驶车辆的研究，*早可以追溯到1939年纽约世界博览会上首次展出的通用汽车公司制作的自动驾驶汽车模型，但是当时技术条件有限，即计算机技术成熟度低、人工智能尚未发展、摄像头雷达等感知设备尚未民用，导致通用汽车公司的自动驾驶汽车计划搁置。
真正使得自动驾驶研究不断向前发展的是由美国国防部下属的子机构国防高级研究计划局(Defense Advanced Research Projects Agency，DARPA)于2004年开始举办的无人驾驶挑战赛，后面简称DARPA挑战赛。DARPA于2004年3月在150mi①的莫哈韦沙漠路段举办了首届无人驾驶挑战赛，有15支车队报名参加了此次比赛，由于路况复杂，当时没有一个参赛车队顺利完成比赛，而其中卡内基梅隆大学车队的Sandstorm(一辆改装过的悍马)自主行驶了7.4km，夺得桂冠[1]。DARPA于2005年10月在沙漠中举办了第二届比赛，此次参赛车队增加到了23支，同时举办方为参赛车队提供了关键的全球定位系统路点以及各种障碍物的具体位置信息，*终有5支参赛车队顺利完成了比赛，其中斯坦福大学车队的Stanley夺得了冠军[2]。为了推动城市环境下智能车辆技术的研究，2007年DARPA举办了在城市道路环境下的无人驾驶挑战赛，*终卡内基梅隆大学车队的Boss智能车夺冠[3]。DARPA举办的这三届无人驾驶挑战赛，大大推动了智能车辆技术的发展。
经过十多年的发展，当前国外的智能车辆技术发展主要由一些知名的信息技术(information technology，IT)公司巨头与汽车生产企业推动。其中，*具代表性的是美国谷歌(Google)公司旗下的Waymo公司和特斯拉公司生产的L3级自动驾驶汽车。Waymo公司的研发理念是计算机将完全取代人类驾驶，*初方案是要求驾驶员坐在方向盘后面，以便可以在紧急情况下接管汽车。但在2013年的一次实验之后，Waymo公司决定坚持完全用计算机取代人类驾驶，因为Waymo公司认为在危险发生时，驾驶员的反应速度不可能比计算机系统更快[4]。目前，Waymo公司已经成为自动驾驶领域当之无愧的领头羊，其累计行程超过了2000万mi(3218.688万km)，并且推出了完全无人驾驶的出租车服务。美国另一家具有代表性的智能车辆研发公司(特斯拉公司)并没有像Waymo公司那样采用完全由计算机自动驾驶的技术路线，而是将提高驾驶员驾驶体验设定为研发目标，并实现相应的辅助驾驶功能，其研发理念是智能车辆不会完全取代驾驶员的角色和地位。特斯拉公司已经将一些基本的智能驾驶功能整合到商用车中，但仍要求驾驶员随时准备接管并控制车辆[5]。据统计，特斯拉公司的智能车辆在自动驾驶(autopilot)模式下的行驶里程已经超过了2.2亿mi[6]。目前，Waymo公司的智能车辆仍处于测试阶段，而特斯拉公司已经实现商业化量产，并在全球汽车市场拥有一定的规模。
我国智能车辆的研究起步较晚，但是发展迅速。*早在1980年，哈尔滨工业大学、中国科学院沈阳自动化研究所和国防科技大学三家单位联合承担了“遥控驾驶的防核化侦察车”项目的研究[7]。1996年，由清华大学、国防科技大学、北京理工大学、浙江大学和南京理工大学五家院校共同研制成功了中国第一台智能车ATB-1(Autonomous Test Bed-1)[8]。该车在演示实验中，直线道路自主行驶速度*高达到21km/h，弯道速度*高可达12km/h。ATB-1的诞生标志着中国智能驾驶行业正式起步并进入探索期，智能驾驶技术的研发正式启动。其后在ATB-1的基础上研制了第二代智能车ATB-2，该车在性能上有了较大的提升，在2001年的演示中*高速度超过了74km/h，平均速度为30.6km/h，夜间行驶*高速度为15km/h[9]。2005年，第三代智能车ATB-3也顺利研制成功，该车在环境感知、多传感器数据融合的目标识别与跟踪以及全天候导航方面得到了进一步的提升[10]。国防科技大学在2002年成功研制了智能车——红旗CA7460，该智能车能够自主检测前方障碍物并进行变道，*高自主行驶速度超过110km/h[11]。清华大学于2003年成功研制了THMR-V(Tsinghua Mobile Robot-V)，该车设计了城区环境和高速环境两种驾驶模式，其*高自主驾驶速度也超过100km/h[12]。陆军军事交通学院智能车研发团队从2004年开始研究智能车辆技术，先后完成了智能车辆在高速公路、普通道路上的一系列实验，进一步验证了智能车辆的稳定性、智能性和安全性，也让研发的智能车辆行驶动作更接近人类驾驶。目前，国内研究智能车辆技术的高校及研究机构主要有国防科技大学、陆军军事交通学院、清华大学、北京理工大学、西安交通大学、长安大学、同济大学、上海交通大学、武汉大学、中国科学院等。
自2008年开始，国家自然科学基金委员会启动了“视听觉信息的认知计算”研究计划，并从2009年开始至今共举办了十二届“中国智能车未来挑战赛”(Intelligent Vehicle Future Challenge，IVFC)。该项比赛吸引了国内大量的智能车科研团队的积极参与，推动了国内智能车辆关键技术的研究与发展，大大提高了中国智能车的技术研发水平[13]。从2009年开始，IVFC的参赛车队逐年增多，比赛项目逐渐完善，比赛对智能车智能化水平的要求越来越高，同时参赛车辆配置的传感器也由多到少，但其功能不断强化，智能车辆已从实验室走向城市、高速等真实道路环境，其自主行驶速度也在不断地提升。
第1～4届IVFC对智能车的基本性能进行了测试，主要包括交通信号识别、动静态障碍物检测、弯道行驶、交叉口行驶、U形转弯和终点停车以及在特定路线中完成特定动作的综合测试。第5～12届IVFC在江苏常熟举行，比赛设置了城郊道路测试、城区道路测试、越野道路测试及混合道路测试内容，重点考核智能车智能感知交通标志、人、车、物，以及自主决策和正确行为控制的能力。在2019年的比赛中，首次引入了模拟机动车与非机动车混行、交通拥堵和城乡道路环境中全球导航卫星系统(global navigation satellite system，GNSS)信号缺失情况下的地下停车场自主泊车、高架道路环境中前车坠物时的紧急避让等测试场景，鼓励参赛车队充分展示全程不依赖GNSS信号的自主定位感知能力，从而更加全面、真实地测试无人驾驶出行服务的相关技术成熟度，推进无人驾驶的实际应用和产-学-研融合发展。图1.1展示了几所高校的智能车。
图1.1 国内高校智能车
为了加速推进我国军队地面智能作战平台的装备发展与技术进步，中国人民解放军总装备部于2014年9月举办了“跨越险阻2014”首届地面智能车平台挑战赛。不同于国家自然科学基金委员会举办的智能车比赛，该比赛项目主要是根据军事需求设计的，突出了对智能车战场环境适应性的考核，这不仅是一项搭建展示平台、明确需要导向、加快技术发展的具体措施，也是一次引领科技创新、促进军民融合的有益探索。比赛全程智能车辆均自主行进，对街垒、路障、损毁装备、倒塌墙体、壕沟、弹坑、水坑以及动态障碍物等进行自主避让，并通过隧道[14]。十余家科研院所的21支参赛车队展开激烈角逐，国防科技大学“神虎”车队以第一名的成绩脱颖而出，获得第二、三、四名的分别是国防科技大学“绝地”车队、北京理工大学“泰坦”车队和陆军军事交通学院“哈弗”车队。2018年9月，陆军装备部和陆军研究院在北京昌平联合举办“跨越险阻2018”第三届陆上无人系统挑战赛，136支参赛车队在12km的赛道上展开激烈角逐。本届比赛主要围绕空地协同搜索、野外战场自主机动与侦察、雷场通道等44个科目展开，更加突出技术成果向实战应用转化。图1.2展示了比赛的精彩瞬间。
图1.2 “跨越险阻2018”比赛掠影
1.2 高精度定位对智能车辆的意义
近年来，智能驾驶技术飞速发展。典型的智能车辆通常由感知模块、决策模块、路径规划模块和控制模块组成，车辆自主定位是确定车辆的位置和姿态(以下简称位姿)的过程，对上述所有模块都是至关重要的。与普通车辆相比，智能车辆需要识别的精度不是“正行驶在什么道路上”，而是“行驶在哪个车道”。通常一条车道的宽度有限，智能车辆行驶过程中所允许的定位误差要控制在安全范围内，这就必须依赖高精度的定位系统。目前，大规模智能驾驶的主要障碍在于如何实现低成本、连续时空的高精度定位。GNSS定位技术是使用*广泛的车辆定位手段，然而当智能车辆在城市环境行驶时，存在明显的GNSS多路径反射问题，这样获得的GNSS定位信息很容易产生误差，对于在有限道路宽度高速行驶的车辆，较大定位误差容易产生交通事故。差分全球导航卫星系统(differential global navigation satellite system，DGNSS)利用GNSS伪距码可以达到1～2m的定位精度，但这还远远不能满足定位精度要求。惯性导航系统在GNSS信号衰减或信号丢失时经常被用来定位车辆，但随着时间推移极易产生累积误差，高精度定位技术作为现代智能车辆实现车道级定位的关键技术，已经成为智能车辆与车路协同研究领域的热点。
高精度定位技术包括绝对定位和相对定位两种方式。绝对定位是指类似卫星导航的定位技术，可以提供车辆的绝对位置坐标。相对定位是指不依赖外界参照物的自主定位算法，如基于惯性导航器件的航迹推算系统和视觉里程计等。在定位效果方面，绝对定位尽管会产生偏离误差，但是可以帮助车辆迅速缩小定位范围，大幅提高系统的定位效率。相对定位精度较高，但是在车辆运行一段时间后，会产生累积误差。因此，将绝对定位和相对定位技术进行深度融合已成为当前主流的高精度定位算法。
与民航、铁路、水运等交通方式相比，道路交通环境异常复杂，桥梁、隧道、高架路、城市摩天大厦、林荫道、高山、密林等因素会严重影响GNSS的定位效果。智能车辆在复杂交通环境运行过程中，具有多尺度的定位需求，对于像交叉口协同运行、车辆队列间距控制、穿行隧道、自动泊车等精细化的交通场景，通常需要厘米级的定位精度，而针对车道保持、车辆自动变道、自动紧急制动、弯道车速控制等智能交通应用，需要毫米级的定位精度。传统的全球导航卫星系统定位算法均无法满足智能车辆的这些定位要求，因此开发一种能为智能车辆提供全时空连续、高频输出的高精度定位系统，已成为智能车辆领域亟待解决的基础难题。
1.3 智能车辆高精度定位技术发展现状
高精度定位是智能车辆实现的必备前提和重要基础，单一的定位技术很难满足智能车辆在复杂道路环境中的多尺度定位需求，也无法满足智能车辆在多样化交通场景下的全时空连续、高频输出、高可靠性的高精度定位需求，因此通常需要多种定位技术相互组合和深度融合，才能实现取长补
展开
