定位

定位在無人駕駛中十分鐘重要，只有有了實時的位置信息，系統(tǒng)才能做出下一步判讀，決定向何處進發(fā)，以及如何前往。現(xiàn)在定位的方式有許多種。如載波相位差分技術（RTK），但 RTK 還是會受信號的干擾。特別是在一些城市、建筑和樹比較多的地方，以及進隧道、出隧道，它的信號容易中斷。同時，也有用攝像頭等傳感器感知外部環(huán)境、構建環(huán)境模型并利用該模型確定車輛所在的位置的方式，但其對環(huán)境的依賴比較強，比如逆光或雨雪天氣下，這種定位容易失效。而激光雷達是依靠將車輛的初始位置與高精地圖信息進行比對來獲得位置。首先，GPS、IMU和輪速等傳感器給出一個初始（大概）的位置。其次，將激光雷達的局部點云信息進行特征提取，并結合初始位置獲得全局坐標系下的矢量特征。后，將上一步的矢量特征跟高精地圖的特征信息進行匹配，得出的定位。所以，在定位方面，無論是從精度上還是穩(wěn)定性上來說，運用激光雷達都有*的優(yōu)勢。而其的缺點便在于目前激光雷達的生產成本較高，另一方面往固態(tài)方向上進行技術創(chuàng)新，朝著固態(tài)的低成本和可量產化的方向去發(fā)展，許多國內外廠家都在加速創(chuàng)新，在不久的將來成本將不會成為一個十分棘手的問題。

  障礙物的檢測和分類

對于障礙物檢測和分類來講，目前有應用視覺和激光雷達，這兩者并沒有沖突。激光雷達不依賴光照，它的視角是 360 度，計算量比較小，可以實時掃描，目前普遍用的是 100 毫秒以內的。激光雷達在掃描的過程中，先識別障礙物，知道這個障礙物在空間中的位置，再根據(jù)存在的障礙物做分類。比如車、人，我們將這些障礙物分割成為獨立的個體，通過分割出來獨立的個體再去匹配，從而進行障礙物的分類和物體的跟蹤。而跟蹤的過程，首先是分割點云，通過點云做關聯(lián)目標，我們知道上一楨和下一楨是否屬于同一個物體，再進行目標跟蹤，輸出目標跟蹤信息。

 用于駕駛輔助系統(tǒng)（ADAS）

駕駛輔助系統(tǒng)（Advanced Driver Assistance System），簡稱ADAS，是利用安裝于車上的各式各樣的傳感器， 在時間收集車內外的環(huán)境數(shù)據(jù)， 進行靜、動態(tài)物體的辨識、偵測與追蹤等技術上的處理， 從而能夠讓駕駛者在快的時間察覺可能發(fā)生的危險， 以引起注意和提高安全性的主動安全技術。如果激光雷達能有效控制成本，ADAS等級數(shù)較低的駕駛輔助功能也需要用激光雷達。其原因在于，基于攝像頭的ADAS和無人駕駛系統(tǒng)，或者單獨使用毫米波的局限性很大。首先是視場角的問題，為了保證足夠的探測距離，視場角的角度不可太大，而這就導致車輛有非常大的橫向盲區(qū)。對此現(xiàn)象，有些公司設計了多攝像頭來解決此類問題，但效果并不理想，同樣的多目攝像頭會有重疊區(qū)域，還會增加處理數(shù)據(jù)的難度。其次是低速問題，事實證明，在低速情況下，攝像頭的表現(xiàn)不盡人意，甚至對一下移動緩慢或靜止的目標都很難識別。所以激光雷達在ADAS方面有著很大的潛力。