无人驾驶车辆目标检测与运动跟踪：版本环境感知系统架构

目前无人驾驶车辆环境感知系统对环境的感知以及理解能力远远不如人类，尤其是在高度复杂的城市交通环境和越野环境下，这使得无人驾驶车辆对环境的自适应性较差。在实际的场景中，多种因素限制了无人驾驶车辆的环境感知系统能力。首先是车载传感器自身的局限性，不同的传感器受自身工作原理影响而限制在一定工作范围内或是仅在某些固定场景下使用。

以目前多数无人驾驶车辆均可能会搭载的几种传感器为例：激光雷达对速度、距离等有较好的分辨率，精度较高、定位较准确，但是其受雨雾天气影响较大，且对物体的属性信息进行判别的能力较差，比如在烟雾或者扬尘环境中，激光雷达容易将烟雾和扬尘识别为障碍物，或是将夏季土路中容易出现的草障碍识别为障碍物，但对于无人驾驶车辆来说，这些均是可通行的障碍物。相机具有采集信息丰富、成像距离远、成本低等优点，但是容易受到天气因素、物体遮挡、光照条件的影响。通过对多种车载传感器工作特性的分析可知，不同的传感器由于实现感知的原理不同，因此其能够实现的功能具有一定的局限性，有时依靠单一的传感器很难实现对车辆行驶环境的精确感知，这也是目前大多数无人驾驶车辆环境感知系统采用多种传感器组合方式的原因。

其次，环境的复杂性也使得环境感知系统面临的难题颇多，主要体现在环境的天气和地形结构两个方面。天气是影响多种传感器正常工作的重要因素，极端天气对环境感知的影响不言而喻，主要包括雾天、雪天和雨天等。雾天、雪天和雨天情况下会对环境中的先验信息造成干扰，遮挡障碍物信息以及模糊障碍物纹理信息等，对于车载激光雷达和相机的障碍物检测具有较大的影响。雨天过后会影响车辆通行的水坑容易散射激光雷达发射的激光点，对于感知也有较大的影响。(www.xing528.com)

复杂的地形结构环境则可分为城市交通环境和越野环境，对于城市交通环境而言，其具有规范化的可通行区域以及行车规则，但较为繁多的障碍物以及交通信号的检测也是车辆感知的难点所在，障碍物遮挡、动态障碍物检测以及一些交通突发状况都是环境感知所面临的挑战。对于越野环境，其地形差异较大、地面起伏程度较高，由于激光雷达在不同路况下检测障碍物的阈值也会不同，这时就迫切需要激光雷达能够根据不同路面类型进行自适应阈值调整的机制，而对道路类型进行识别不仅可以作用于激光雷达，还可以改变车辆的行驶速度策略。同样地，越野环境下不同类型的地貌也会给无人驾驶车辆带来挑战，如在林地中，车辆的通过性以及安全性会受到影响，树叶受到风吹动时或是延伸的树枝，很大程度上会干扰激光雷达将其识别为动态障碍物，且对无人驾驶车辆路径搜索提出更高的要求。再比如草地地形，一方面该环境丧失了路面结构，另一方面这种环境存在许多障碍，会对无人驾驶车辆的通行产生巨大的影响。

上述两点内容表明了无人驾驶感知系统所面临的挑战，也是目前急需解决的问题。采用更先进的传感器是一种解决方法，但是更好的感知算法也是必不可少的，只有通过更好的感知算法对车辆行驶场景进行识别，才能达到对场景理解的目的。