智能駕駛車(chē)輛試驗(yàn)平臺(tái)是人工智能科學(xué)、認(rèn)知科學(xué)、控制科學(xué)等多個(gè)學(xué)科領(lǐng)域的最新理論與實(shí)踐的成果，也是研究智能駕駛理論與技術(shù)的基礎(chǔ)。不同智能駕駛試驗(yàn)平臺(tái)的傳感器型號(hào)、數(shù)量、安裝位置各不相同，導(dǎo)致傳感器信息處理模塊也各不相同；不同駕駛地圖，其提供信息的粒度也沒(méi)有固定標(biāo)準(zhǔn)，由此構(gòu)成的智能駕駛系統(tǒng)軟件模塊的數(shù)量、接口各不相同。

中國(guó)工程院李德毅院士科研團(tuán)隊(duì)在中國(guó)工程院院刊《Engineering》撰文指出，基于以駕駛腦為核心的智能駕駛車(chē)輛軟件與硬件架構(gòu)，決策模塊將不直接與傳感器信息處理模塊發(fā)生關(guān)聯(lián)，通過(guò)駕駛認(rèn)知的形式化語(yǔ)言，將駕駛認(rèn)知形式化，由駕駛腦認(rèn)知形成決策。駕駛認(rèn)知的形式化降低了傳感器數(shù)量、類(lèi)型、安裝位置的變化對(duì)整個(gè)軟件架構(gòu)的影響，使得軟件架構(gòu)可以在不同傳感器配置車(chē)輛平臺(tái)上方便地移植。

一、引言

智能駕駛車(chē)輛試驗(yàn)平臺(tái)是人工智能科學(xué)、認(rèn)知科學(xué)、控制科學(xué)等多個(gè)學(xué)科領(lǐng)域的最新理論與實(shí)踐的成果，也是研究智能駕駛理論與技術(shù)的基礎(chǔ)。

早在20世紀(jì)50年代，美國(guó)就開(kāi)展了無(wú)人駕駛車(chē)輛研究。1950年，美國(guó)貝瑞特電子公司研制出全球第一臺(tái)自主導(dǎo)航車(chē)。美國(guó)無(wú)人駕駛車(chē)輛研究起源于美國(guó)國(guó)防部高級(jí)研究項(xiàng)目計(jì)劃局（Defense Advanced Research Projects Agency，DARPA），其研究水平處于世界領(lǐng)先地位。歐洲各國(guó)自20世紀(jì)80年代中期開(kāi)始研發(fā)無(wú)人駕駛技術(shù)，將無(wú)人駕駛車(chē)輛作為獨(dú)立個(gè)體，讓車(chē)輛混行于正常交通流。1987年慕尼黑聯(lián)邦國(guó)防軍大學(xué)、戴姆勒奔馳、寶馬、標(biāo)致、捷豹等著名研發(fā)機(jī)構(gòu)和汽車(chē)企業(yè)聯(lián)合參與開(kāi)展普羅米修斯計(jì)劃（Programme for a European Traffic of Highest Efficiency and Unprecedented Safety，PROMETHEUS），在世界范圍內(nèi)產(chǎn)生重大影響。自20世紀(jì)90年代開(kāi)始，日本交通部門(mén)的高級(jí)駕駛輔助公路系統(tǒng)研究協(xié)會(huì)（Advanced Cruise-Assist Highway System Research Asso-ciation，AHSRA）發(fā)起了高級(jí)安全車(chē)輛（advanced safety vehicle，ASV）項(xiàng)目，以每5年為一個(gè)階段開(kāi)展無(wú)人駕駛技術(shù)研究。我國(guó)無(wú)人駕駛技術(shù)的研究始于20世紀(jì)80年代后期，由國(guó)家高技術(shù)研究發(fā)展計(jì)劃（863計(jì)劃）和國(guó)防科學(xué)技術(shù)工業(yè)委員會(huì)相關(guān)研究計(jì)劃支持。自2008年起，在國(guó)家自然科學(xué)基金委員會(huì)的支持下，中國(guó)開(kāi)展智能車(chē)未來(lái)挑戰(zhàn)賽，參賽隊(duì)伍數(shù)量逐年增長(zhǎng)，比賽難度逐年提升，賽車(chē)隊(duì)的完成質(zhì)量逐年提高，車(chē)企參與熱情逐漸加強(qiáng)，為無(wú)人駕駛技術(shù)引入國(guó)產(chǎn)汽車(chē)打下了堅(jiān)實(shí)基礎(chǔ)，無(wú)人駕駛技術(shù)取得飛速進(jìn)展。

傳感器配置是智能駕駛車(chē)輛的基礎(chǔ)，用來(lái)感知智能駕駛車(chē)輛實(shí)時(shí)的外部環(huán)境與內(nèi)部環(huán)境，包括感知智能駕駛車(chē)輛周?chē)h(huán)境、自車(chē)狀態(tài)、航向角、位置等。根據(jù)不同的研究策略，不同的智能駕駛車(chē)輛試驗(yàn)平臺(tái)有不同的傳感器配置，傳感器類(lèi)型、安裝位置也各不相同，沒(méi)有統(tǒng)一標(biāo)準(zhǔn)的方案。有些研究團(tuán)隊(duì)主要依賴(lài)于視覺(jué)傳感器，典型代表是意大利帕爾馬大學(xué)VisLab實(shí)驗(yàn)室的智能車(chē)團(tuán)隊(duì)與卡爾斯魯厄理工學(xué)院智能車(chē)輛團(tuán)隊(duì)；有些研究團(tuán)隊(duì)主要依賴(lài)于雷達(dá)傳感器，典型代表是Google的無(wú)人駕駛車(chē)輛團(tuán)隊(duì)與慕尼黑大學(xué)無(wú)人駕駛車(chē)輛團(tuán)隊(duì)。在傳感器配置方案中，既要考慮決策程序的需要，也要考慮通過(guò)必要冗余和印證提高環(huán)境感知的可靠性，同樣需要考慮傳感器配置的成本。傳感器的種類(lèi)和配置，既沒(méi)有唯一解，也不會(huì)有最終解。本文通過(guò)設(shè)計(jì)了以駕駛腦為核心的無(wú)人駕駛車(chē)輛的技術(shù)架構(gòu)，體現(xiàn)人類(lèi)認(rèn)知的駕駛腦的架構(gòu)設(shè)計(jì)，降低傳感器數(shù)量、類(lèi)型、安裝位置的變化對(duì)整個(gè)架構(gòu)的影響，使得基于以駕駛腦為核心的技術(shù)架構(gòu)可以在不同傳感器配置的智能駕駛車(chē)輛平臺(tái)上進(jìn)行移植。

智能駕駛技術(shù)以及智能駕駛車(chē)輛研究的重要意義在于提高交通安全，預(yù)防與降低交通事故，減少燃油消耗帶來(lái)的環(huán)境污染，加速社會(huì)智能化發(fā)展。智能駕駛車(chē)輛是輪式機(jī)器人的一種，它集認(rèn)知科學(xué)、人工智能科學(xué)與控制科學(xué)等前沿科學(xué)技術(shù)，其研究目標(biāo)是實(shí)現(xiàn)人類(lèi)駕駛與機(jī)器駕駛的雙駕雙控，人與機(jī)器和諧駕駛，提高車(chē)輛的行駛安全，促進(jìn)車(chē)輛智能工業(yè)的發(fā)展。

本文通過(guò)對(duì)人類(lèi)駕駛員的駕駛活動(dòng)進(jìn)行分析，構(gòu)建基于駕駛腦的技術(shù)架構(gòu)的智能駕駛車(chē)輛硬件平臺(tái)，主要貢獻(xiàn)總結(jié)如下：

（1）基于猛獅智能車(chē)輛測(cè)試平臺(tái)，對(duì)大腦認(rèn)知的工作原理和人類(lèi)駕駛員的駕駛活動(dòng)進(jìn)行了分析，建立駕駛大腦的不同功能區(qū)域和計(jì)算機(jī)軟件模塊之間的關(guān)系。通過(guò)駕駛認(rèn)知語(yǔ)言進(jìn)行駕駛認(rèn)知表達(dá)，也就是說(shuō)，以駕駛腦為設(shè)計(jì)核心，為智能車(chē)輛開(kāi)發(fā)通用的智能駕駛軟件體系結(jié)構(gòu)。

（2）智能車(chē)輛使用各種各樣的傳感器。這些傳感器安裝在不同的位置，為了信息整合建立了一個(gè)統(tǒng)一的架構(gòu)。在本文中，智能決策模塊和傳感器之間低耦合的方法是根據(jù)自然的人類(lèi)認(rèn)知規(guī)律進(jìn)行設(shè)計(jì)與建立，并對(duì)應(yīng)于上述設(shè)計(jì)（即以駕駛腦為核心）來(lái)實(shí)現(xiàn)的。

本文按如下的方式進(jìn)行組織，第二部分對(duì)人類(lèi)駕駛活動(dòng)進(jìn)行分析與構(gòu)建駕駛腦架構(gòu)；第三部分基于猛獅智能駕駛車(chē)輛平臺(tái)建立駕駛腦架構(gòu)的硬件配置與連接；第四部分介紹猛獅智能駕駛車(chē)輛傳感器配置，并進(jìn)行傳感器分析；第五部分進(jìn)行討論；第六部分總結(jié)全文。

二、駕駛腦與人腦功能區(qū)域?qū)?yīng)關(guān)系

不論是人類(lèi)駕駛還是無(wú)人駕駛系統(tǒng)，其駕駛活動(dòng)均 涵蓋3個(gè)空間：感知空間、認(rèn)知空間與物理空間。

在感知空間中，人通過(guò)視覺(jué)、嗅覺(jué)、觸覺(jué)等各種感官，無(wú)人駕駛車(chē)輛通過(guò)各類(lèi)傳感器，完成對(duì)周邊環(huán)境和自身狀態(tài)的信號(hào)獲取。

在認(rèn)知空間中，人腦中的駕駛相關(guān)區(qū)域和無(wú)人駕駛車(chē)輛的駕駛腦，通過(guò)選擇性注意機(jī)制，從感知空間各類(lèi)信號(hào)中抽取出與駕駛活動(dòng)相關(guān)的交通要素，形成駕駛態(tài)勢(shì)，并利用已有知識(shí)和經(jīng)驗(yàn)，對(duì)當(dāng)前和歷史駕駛態(tài)勢(shì)進(jìn)行分析和理解，做出決策。

在物理空間中，人通過(guò)四肢，無(wú)人駕駛車(chē)輛通過(guò)機(jī)械結(jié)構(gòu)及電信號(hào)，控制方向盤(pán)、油門(mén)、剎車(chē)，使車(chē)輛達(dá)到或接近預(yù)期狀態(tài)，并將當(dāng)前狀態(tài)反饋給感知空間，形成閉環(huán)控制（圖1）。

圖1 駕駛活動(dòng)中的3個(gè)空間

人腦通過(guò)不同區(qū)域的協(xié)同工作，完成學(xué)習(xí)與記憶， 實(shí)現(xiàn)駕駛活動(dòng)。駕駛腦利用計(jì)算機(jī)技術(shù)解構(gòu)這一活動(dòng)機(jī)制，分析與完成人腦各功能區(qū)域與駕駛腦功能模塊的對(duì)應(yīng)關(guān)系。人腦主要包括感覺(jué)記憶、工作記憶、長(zhǎng)期記憶、計(jì)算中樞與思維、動(dòng)機(jī)、性格、情緒等功能區(qū)域。

感覺(jué)記憶完成對(duì)感官信息的瞬時(shí)存儲(chǔ)，盡管存儲(chǔ)時(shí) 間短，但信息量大。對(duì)應(yīng)于智能車(chē)載傳感器對(duì)周邊環(huán)境 的感知。傳感器得到的圖像、點(diǎn)云等原始信號(hào)（如存儲(chǔ)在緩存區(qū)內(nèi)），新數(shù)據(jù)迅速覆蓋舊數(shù)據(jù)，這一機(jī)制與感覺(jué)記憶的工作原理相似。

感覺(jué)記憶中的感官信息，由計(jì)算中樞與思維迅速分析，通過(guò)選擇性注意機(jī)制，抽取與當(dāng)前活動(dòng)相關(guān)的內(nèi)容，傳遞給工作記憶。對(duì)應(yīng)于各駕駛腦中傳感器的信息處理模塊，完成各類(lèi)車(chē)載傳感器信息的預(yù)處理與分析，獲取車(chē)道標(biāo)線、紅綠燈、交通標(biāo)志、周車(chē)、行人、自車(chē)狀態(tài)與位置等與駕駛有關(guān)的信息，與駕駛無(wú)關(guān)的信息則被迅速丟棄。

長(zhǎng)期記憶中存儲(chǔ)重要的駕駛經(jīng)驗(yàn)、知識(shí)、場(chǎng)景等信息。對(duì)應(yīng)于智能駕駛的駕駛地圖與駕駛操作模型，駕駛地圖精確記錄了與駕駛相關(guān)的地理信息，包括車(chē)道寬度、交通標(biāo)志、靜態(tài)障礙物信息等。駕駛操作模型包括軌跡跟蹤模型、跟馳模型、換道模型、超車(chē)模型等，是智能駕駛車(chē)輛的操作規(guī)范。駕駛地圖與駕駛操作模型共同構(gòu)成了智能駕駛系統(tǒng)的先驗(yàn)知識(shí)。長(zhǎng)期記憶中與當(dāng)前活動(dòng)相關(guān)的內(nèi)容由計(jì)算中樞與思維完成抽取，傳遞給工作記憶。這一抽取過(guò)程對(duì)應(yīng)于智能駕駛車(chē)輛的駕駛地圖映射模塊。

工作記憶中暫存著與當(dāng)前駕駛活動(dòng)相關(guān)的重要信息。這些信息部分來(lái)自于感覺(jué)記憶中抽取得到的實(shí)時(shí)信息，部分來(lái)自于長(zhǎng)期記憶中抽取得到的先驗(yàn)知識(shí)。這些實(shí)時(shí)信息和先驗(yàn)知識(shí)相互融合，為計(jì)算中樞與思維提供分析與決策的信息池。與之對(duì)應(yīng)，智能駕駛系統(tǒng)包括一個(gè)公共數(shù)據(jù)池。數(shù)據(jù)池是駕駛認(rèn)知的形式化表達(dá)，各傳感器信息處理模塊提供的多元異構(gòu)實(shí)時(shí)駕駛信息，以及駕駛地圖提供的駕駛先驗(yàn)信息，用駕駛態(tài)勢(shì)形式化語(yǔ)言進(jìn)行統(tǒng)一表達(dá)，全面反映無(wú)人駕駛車(chē)輛周邊的駕駛態(tài)勢(shì)。

人類(lèi)計(jì)算中樞與思維根據(jù)工作記憶中的信息實(shí)時(shí)進(jìn)行決策，并由四肢控制執(zhí)行機(jī)構(gòu)做出反應(yīng)。對(duì)應(yīng)于智能駕駛系統(tǒng)的智能決策與自動(dòng)控制模塊。智能決策模塊根據(jù)當(dāng)前或歷史駕駛態(tài)勢(shì)，結(jié)合先驗(yàn)知識(shí)，完成行為選擇、路徑與速度規(guī)劃等功能。自動(dòng)控制模塊接收規(guī)劃路徑與速度，完成對(duì)油門(mén)、剎車(chē)、方向的協(xié)同控制，使車(chē)輛達(dá)到或接近預(yù)期狀態(tài)。

人腦中還有性格、情緒等功能區(qū)域。性格反映了不同駕駛員在不同時(shí)間、地點(diǎn)的駕駛風(fēng)格，對(duì)于智能駕駛系統(tǒng)，駕駛風(fēng)格由駕駛操作模型中的參數(shù)決定。情緒是生物的特有屬性，人類(lèi)駕駛行為會(huì)受到情緒焦躁、恐懼等的影響，妨礙安全駕駛。駕駛腦的實(shí)現(xiàn)不包括人腦中的情緒，因此有必要確保駕駛行為的安全性和穩(wěn)定性。人腦功能區(qū)域與駕駛腦功能模塊的對(duì)應(yīng)關(guān)系如圖2所示。方框描述了駕駛腦的功能。

圖2 人腦功能區(qū)域與駕駛腦功能模塊的對(duì)應(yīng)關(guān)系。SLAM：即時(shí)定位于映射

不同的智能駕駛試驗(yàn)平臺(tái)的傳感器型號(hào)、數(shù)量、安裝位置各不相同，傳感器信息處理模塊也各不相同；不同的駕駛地圖，其提供信息的粒度也沒(méi)有固定標(biāo)準(zhǔn)。由此構(gòu)成的智能駕駛系統(tǒng)軟件模塊的數(shù)量、接口各不相同。以駕駛腦為核心，將駕駛認(rèn)知形式化，利用駕駛認(rèn)知的形式化語(yǔ)言，設(shè)計(jì)通用的智能駕駛軟件架構(gòu)。本架構(gòu)中，智能決策模塊并不直接與傳感器信息發(fā)生耦合，通過(guò)傳感器信息和地圖先驗(yàn)信息綜合形成的全面的駕駛態(tài)勢(shì)完成智能決策?；隈{駛腦的猛獅智能駕駛試驗(yàn)平臺(tái)架構(gòu)如圖3所示。

圖3 基于駕駛腦架構(gòu)的猛獅智能駕駛試驗(yàn)平臺(tái)。CAN：控制器域網(wǎng)；CT：計(jì)算機(jī)斷層掃描；GPS：全球定位系統(tǒng)；MMW：毫米波；OBD：車(chē)載診斷；RTK：實(shí)時(shí)動(dòng)態(tài)

三、基于駕駛腦的硬件架構(gòu)

（一）硬件配置

智能駕駛車(chē)輛平臺(tái)機(jī)械結(jié)構(gòu)各不相同，如汽油車(chē)、電動(dòng)汽車(chē)和公共汽車(chē)，機(jī)械及電氣改造也有所差異。在大量工程試驗(yàn)后，智能駕駛車(chē)輛試驗(yàn)平臺(tái)均可通過(guò)CAN總線進(jìn)行實(shí)時(shí)通信，實(shí)時(shí)準(zhǔn)確地控制智能駕駛車(chē)輛方向、油門(mén)及制動(dòng)，經(jīng)過(guò)智能駕駛車(chē)輛動(dòng)力學(xué)性能測(cè)試保證了智能駕駛車(chē)輛與成品車(chē)輛動(dòng)力學(xué)性能的一致性。

智能駕駛車(chē)輛根據(jù)環(huán)境感知的可靠性與傳感器配置的成本，進(jìn)行車(chē)載傳感器的配置。以雷達(dá)傳感器為例，SICK激光雷達(dá)、毫米波雷達(dá)識(shí)別低矮障礙物，四線激光雷達(dá)識(shí)別動(dòng)態(tài)障礙物，八線激光雷達(dá)識(shí)別道路可行駛區(qū)域，Velodyne 64線激光雷達(dá)識(shí)別動(dòng)態(tài)障礙物的速度、道路邊界、車(chē)身定位。根據(jù)決策程序的需要可以部署一個(gè)Velodyne 64線激光雷達(dá)，也可以同時(shí)部署多個(gè)激光雷達(dá)的組合，但需結(jié)合無(wú)人駕駛車(chē)輛硬件平臺(tái)的成本。以視覺(jué)傳感器為例，視覺(jué)傳感器的配置方案是可以在無(wú)人駕駛車(chē)輛某一位置部署一個(gè)廣角攝像頭或全景攝像頭，通過(guò)多線程實(shí)現(xiàn)一個(gè)攝像頭多目標(biāo)的并行檢測(cè)，如對(duì)停止線、斑馬線、車(chē)道線、紅綠燈、交通標(biāo)志牌、行人、車(chē)輛、動(dòng)態(tài)與靜態(tài)障礙物等進(jìn)行檢測(cè)與識(shí)別；也可以在無(wú)人駕駛車(chē)輛不同位置部署多個(gè)廣角攝像頭或全景攝像頭，實(shí)現(xiàn)每個(gè)攝像頭完成一項(xiàng)專(zhuān)門(mén)的檢測(cè)與識(shí)別任務(wù)?；隈{駛腦的智能駕駛車(chē)輛硬件平臺(tái)已經(jīng)驗(yàn)證了不同類(lèi)型、不同廠商的多種傳感器，并在不同的智能駕駛車(chē)輛試驗(yàn)平臺(tái)進(jìn)行測(cè)試，保證了信息的可靠性和冗余性。

圖4顯示了猛獅智能駕駛車(chē)輛的傳感器配置。猛獅智能駕駛車(chē)輛試驗(yàn)平臺(tái)在車(chē)輛頂部安裝Ibeo的8線激光雷達(dá)，車(chē)輛正前方安裝了一個(gè)SICK單線激光雷達(dá)，用于低矮障礙物的檢測(cè)，在車(chē)輛后部安裝一個(gè)SICK單線激光雷達(dá)與一個(gè)毫米波雷達(dá)，為基于雷達(dá)的同步定位與地圖繪制（simultaneous localization and mapping，SLAM）提供豐富的數(shù)據(jù)支撐，雷達(dá)是無(wú)人駕駛車(chē)輛試驗(yàn)平臺(tái)中廣泛采用的傳感器之一。此外，猛獅智能駕駛車(chē)輛試驗(yàn)平臺(tái)視覺(jué)傳感器的配置主要包括在車(chē)輛內(nèi)部前擋風(fēng)玻璃正上方安裝了3個(gè)AVT 1394 Pike F-100C攝像頭，在左右后視鏡正下方位置各裝了一個(gè)視覺(jué)傳感器，前者主要用于感知交通標(biāo)志、交通信號(hào)燈等。后者主要為了采集左、右車(chē)道線圖像，提高車(chē)道線識(shí)別與檢測(cè)的準(zhǔn)確性。猛獅智能駕駛車(chē)輛試驗(yàn)平臺(tái)的導(dǎo)航定位系統(tǒng)采用NovAtel SPAN-CPT產(chǎn)品，主要由全球定位系統(tǒng)（glob-al positioning system，GPS）和慣性導(dǎo)航系統(tǒng)（inertial navigation system，INS）兩部分組成。

圖4 猛獅智能駕駛車(chē)的傳感器配置

通過(guò)猛獅智能駕駛車(chē)輛試驗(yàn)平臺(tái)的傳感器配置測(cè)試，不同的傳感器配置方案具有不同的功能，功能間相互補(bǔ)充。駕駛腦被認(rèn)為是無(wú)人駕駛車(chē)輛軟件與硬件架構(gòu)的核心。感知的結(jié)果表現(xiàn)為反映時(shí)序的點(diǎn)云圖簇，認(rèn)知的結(jié)果表現(xiàn)為駕駛態(tài)勢(shì)圖簇，決策的結(jié)果表現(xiàn)為認(rèn)知箭頭簇，通過(guò)駕駛認(rèn)知的形式化語(yǔ)言駕駛態(tài)勢(shì)認(rèn)知圖，將駕駛認(rèn)知形式化，由駕駛腦認(rèn)知形成駕駛態(tài)勢(shì)圖簇以進(jìn)行決策，而決策的結(jié)果為形象化的認(rèn)知箭頭簇。體現(xiàn)人類(lèi)認(rèn)知的駕駛腦的架構(gòu)設(shè)計(jì)，是智能駕駛車(chē)輛的核心。駕駛認(rèn)知的形式化降低了傳感器數(shù)量、類(lèi)型、安裝位置的變化對(duì)整個(gè)架構(gòu)的影響，使得架構(gòu)可以在不同傳感器配置的車(chē)輛平臺(tái)上進(jìn)行方便的移植。

（二）硬件連接

猛獅智能車(chē)輛的物理連接如圖5所示。SICK激光雷達(dá)和Ibeo激光雷達(dá)通過(guò)交換機(jī)與工控機(jī)（IPC）連接。Delphi毫米波雷達(dá)（MMW）通過(guò)CAN總線與IPC直接相連。GPS和INS通過(guò)RS232串行總線與IPC相連。AVT 1394 Pike F-100C攝像機(jī)通過(guò)1394標(biāo)準(zhǔn)視頻傳輸線與IPC 相連。IPC完成數(shù)據(jù)融合、決策和規(guī)劃、動(dòng)態(tài)控制的功 能?？刂浦噶钔ㄟ^(guò)CAN總線發(fā)送給油門(mén)、制動(dòng)和方向盤(pán) 的執(zhí)行器。

圖5 猛獅智能駕駛車(chē)的傳感器配置

（三）硬件平臺(tái)性能分析

基于駕駛腦的無(wú)人駕駛車(chē)輛架構(gòu)將智能決策與傳感器信息解耦。通過(guò)傳感器信息處理模塊的輸出，由駕駛認(rèn)知形式化語(yǔ)言進(jìn)行統(tǒng)一，構(gòu)成駕駛態(tài)勢(shì)實(shí)時(shí)信息；駕駛地圖中的信息，則根據(jù)車(chē)輛實(shí)時(shí)位置及朝向， 映射到駕駛態(tài)勢(shì)中，與駕駛態(tài)勢(shì)實(shí)時(shí)信息融合，形成全面反映當(dāng)前駕駛態(tài)勢(shì)的公共數(shù)據(jù)池。智能決策模塊以這一公共數(shù)據(jù)池為基礎(chǔ)，綜合考慮交通規(guī)則、駕駛經(jīng)驗(yàn)等先驗(yàn)知識(shí)，完成智能決策。通過(guò)駕駛認(rèn)知的形式化語(yǔ)言，在駕駛信息完備的條件下，增加、減少一路或幾路傳感器，改變傳感器型號(hào)或安裝位置，不再對(duì)智能決策直接造成影響。整個(gè)架構(gòu)只需做很少的改動(dòng)，甚至完全不需調(diào)整，就可以在不同車(chē)輛試驗(yàn)平臺(tái)上方便地遷移。

四、基于駕駛腦的實(shí)車(chē)硬件平臺(tái)

（一）猛獅智能車(chē)硬件平臺(tái)

猛獅智能車(chē)是在李德毅教授的指導(dǎo)下，由清華大學(xué)和陸軍軍事交通學(xué)院合作設(shè)計(jì)和開(kāi)發(fā)的。圖6顯示了猛獅智能車(chē)的外觀，圖7顯示了猛獅智能車(chē)（猛獅3號(hào)）傳感器部署，由5個(gè)雷達(dá)傳感器、3個(gè)視覺(jué)傳感器和一個(gè)集成的位置/姿態(tài)傳感器組成。雷達(dá)傳感器包括兩個(gè)SICK雷達(dá)（型號(hào)為SICKLM291-S05）、一個(gè)4線激光雷達(dá)（型號(hào)為IbeoLUX4L）、一個(gè)8線激光傳感器（型號(hào)為IbeoLUX8L）和一個(gè)毫米波雷達(dá)（型號(hào)為DelphiESR）。視覺(jué)傳感器由3個(gè)攝像機(jī)（型號(hào)為AVT1394 Pike F-100C）組成，均勻地安裝在前擋風(fēng)玻璃后面。位置/姿態(tài)傳感器由GPS和INS組成（型號(hào)為NovAtelSPAN-CPT）。每個(gè)傳感器的詳細(xì)描述見(jiàn)表1。

圖6 猛獅智能車(chē)的外觀

圖7 猛獅智能車(chē)的傳感器部署

表1 猛獅智能車(chē)的傳感器描述

中央控制器由IPC組成（包括英特爾酷睿i7-3520 M2.9 GHz處理器），軟件開(kāi)發(fā)環(huán)境是Visual Studio 2013。執(zhí)行器包括轉(zhuǎn)向系統(tǒng)、電子液壓制動(dòng)系統(tǒng)和電子油門(mén)控制系統(tǒng)。在原車(chē)轉(zhuǎn)向系統(tǒng)的基礎(chǔ)上，轉(zhuǎn)向系統(tǒng)配備了一套獨(dú)立的電動(dòng)助力轉(zhuǎn)向（EPS）系統(tǒng)。在原車(chē)液壓制動(dòng)系統(tǒng)的基礎(chǔ)上，增加了一個(gè)電控液壓制動(dòng)系統(tǒng)和一個(gè)獨(dú)立的電控液壓系統(tǒng)。該系統(tǒng)與原液壓管道串聯(lián)，兩個(gè)系統(tǒng)沒(méi)有沖突。電子油門(mén)控制系統(tǒng)通過(guò)對(duì)原車(chē)電子油門(mén)的直接改造來(lái)運(yùn)行，以實(shí)現(xiàn)車(chē)輛的發(fā)動(dòng)機(jī)控制。執(zhí)行器工作模式、通信接口、波特率和最小執(zhí)行周期如表2所示。

表2 猛獅智能車(chē)的執(zhí)行器描述

（二）猛獅智能車(chē)試驗(yàn)結(jié)果

上述硬件架構(gòu)被應(yīng)用于猛獅系列智能車(chē)，猛獅系列智能車(chē)參加了由中國(guó)國(guó)家自然科學(xué)基金委員會(huì)組織的第三屆至第七屆智能車(chē)未來(lái)挑戰(zhàn)賽（IVFC）。猛獅系列智能車(chē)在第三屆和第五屆比賽中獲得亞軍，并在第四屆、第六屆和第七屆比賽中獲得冠軍。

同時(shí)，2012年，基于駕駛腦硬件架構(gòu)的“猛獅3號(hào)”智能駕駛車(chē)完成了從北京臺(tái)湖收費(fèi)站到天津東麗收費(fèi)站共114 km的高速全程無(wú)人駕駛試驗(yàn)；2015年8月29日，基于駕駛腦架構(gòu)的全球第一輛無(wú)人駕駛大客車(chē)完成了鄭州至開(kāi)封的開(kāi)放道路無(wú)人駕駛測(cè)試，順利到達(dá)終點(diǎn)，開(kāi)啟了大客車(chē)無(wú)人駕駛的新時(shí)代。

五、討論

在長(zhǎng)期試驗(yàn)過(guò)程中，我們認(rèn)識(shí)到傳感器代替不了大腦，感知代替不了認(rèn)知。無(wú)論傳感器有多完善，甚至包括人的感官在內(nèi)，都只是有限認(rèn)知。只有代表腦認(rèn)知的駕駛腦才是全局認(rèn)知。駕駛腦的認(rèn)知，不僅融合了感官信息，還融合了大腦中的先驗(yàn)知識(shí)和駕駛經(jīng)驗(yàn)中的時(shí)空關(guān)聯(lián)知識(shí)。同時(shí)，智能駕駛車(chē)輛智能決策也要由駕駛腦完成，而不能簡(jiǎn)單基于任何一路傳感器。駕駛決策也不完全基于多路傳感器形成的當(dāng)前和歷史駕駛態(tài)勢(shì)，還應(yīng)結(jié)合各種駕駛先驗(yàn)知識(shí)。

六、結(jié)論

基于以駕駛腦為核心的智能駕駛車(chē)輛軟件與硬件架構(gòu)，決策模塊將不直接與傳感器信息處理模塊發(fā)生關(guān)聯(lián)。通過(guò)駕駛認(rèn)知的形式化語(yǔ)言，將駕駛認(rèn)知形式化，由駕駛腦認(rèn)知形成決策。駕駛認(rèn)知的形式化降低了傳感器數(shù)量、類(lèi)型、安裝位置的變化對(duì)整個(gè)軟件架構(gòu)的影響，使得軟件架構(gòu)可以在不同傳感器配置車(chē)輛平臺(tái)上方便地移植。

改編原文：

Deyi Li,Hongbo Gao.A Hardware Platform Framework for an Intelligent Vehicle Based on a Driving Brain[J].Engineering,2018,4(4):464-470.

作者介紹

李德毅，指揮自動(dòng)化和人工智能專(zhuān)家，中國(guó)工程院院士、國(guó)際歐亞科學(xué)院院士。

參加了多項(xiàng)電子信息系統(tǒng)重大工程的研制和開(kāi)發(fā)；最早提出控制流—數(shù)據(jù)流圖對(duì)理論和一整套用邏輯語(yǔ)言實(shí)現(xiàn)的方法；證明了關(guān)系數(shù)據(jù)庫(kù)模式和一階謂詞邏輯的對(duì)等性，提出云模型和發(fā)現(xiàn)狀態(tài)空間，用于不確定性知識(shí)表示和數(shù)據(jù)控制，在智能控制“三級(jí)倒立擺動(dòng)平衡”實(shí)驗(yàn)中取得顯著成效。

責(zé)任編輯：xj

原文標(biāo)題：【峰咖】李德毅院士：基于駕駛腦的智能駕駛車(chē)輛硬件平臺(tái)架構(gòu)

文章出處：【微信公眾號(hào)：機(jī)器人峰會(huì)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。