今天，Udacity的员工David Silver在外媒Medium上发文，科普了Udacity自动驾驶技术中的四个子系统。这份介绍轻快简明，条理清晰，是篇不错的自动驾驶入门读物。
在我工作的Udacity有一辆无人车，我们叫她Carla。
整体来说，Carla上主要有四个子系统，分别为传感(Sensor)系统，感知(Perception)系统，决策(Planning)系统和控制(Control)系统。接下来我将为大家一一讲解Udacity的无人车是如何通过这些技术工作的。
每个系统中都包含很多小环节
传感(Sennor)
Carla的传感器系统中含有从环境中收集数据的物理硬件。
例如，Carla挡风玻璃的顶部安装了一些相机，用户能根据需要调整相机的数量。通常情况下，1到3个相机会排成一排。
挡风玻璃上的相机
Calar自带一个嵌入至保险杠的前置雷达，此外，车顶上还安装了一个360度激光雷达，是收集环境数据的主力。
激光雷达传感器(左)和采集到的点云数据(右)
有时Carla也会用到其他传感器，比如GPS、IMU和超声波雷达等。从这些传感器中收集到的数据汇将交由感知器处理。
感知(Perception)
Carla的感知子系统负责将原始的传感器数据转换成有意义的环境信息。根据功能不同，我们可将感知系统的组件分为两个区块：检测模块与定位模块，两者各司其职。
检测模块需要从传感器的环境信息中检测车辆外部的物体，包括信号灯的检测与分类、物体检测与追踪和自由空间探测。
车辆、行人、信号灯、指示牌……不同类别的物体被不同颜色的检测框圈起
定位模块告诉我们车辆的具体位置，这是一项听起来容易但做起来难的事。Carla自带的全球定位系统(GPS)帮助准确定位，但GPS的精度只能精确到1至2米，对无人车来说，这种精度远远达不到上路的要求。一辆自认为在车道中心行驶的车，如果加上这一两米的误差，可能会撞到行人或路崖。
所以，仅用GPS定位还不够。Carla结合了高精地图、激光雷达传感器和复杂的数学算法，将误差缩减到10厘米内。激光雷达先扫描外部环境，将看到的与高精地图做对比，最后找到精确的定位。
Carla将自己定位在一张高精地图上
之后，感知系统将其结果输出至决策系统上。
决策(Planning)
Carla的决策系统简明易懂，决策装置构建了一系列路径点，Carla只需沿路追寻这些点即可。值得注意的是，每个路径点都有指定位置，并且与目标速度相关联。当Carla经过路径点时，将与位置与速度相匹配。
同时，决策系统还负责根据感知器提供的数据预测其他车辆的运动轨迹，不断重新规划调整路径点的位置。
举个例子，如果决策系统预测Carla前面的车辆会减速，则决策系统会让Carla也走得慢点。之后，决策系统会根据轨迹生成组件创建新的减速路径点。
对策系统对信号灯和交通标志等信息的处理也是用这种方法计算的。
一旦决策系统已经生成了新路径点路径，那这些路径会被传送至最后一个子系统，即控制系统。
控制(Control)
控制系统通过加速或刹车的方式驱动车辆行进，并且掌握第一手的车辆运行数据。这其中有些纯电子数据，有些则是物理数据。例如，当你坐在Carla里时，你会发现它自身也带方向盘。
控制系统将路径点作为输入信息，在决策系统的帮助下控制车辆速度。之后，控制系统将路径点和速度等信息传递给控制器。为了实现预定轨迹，控制器需要规划方向盘、加速、刹车等部件的动作。
控制系统可用很多算法将路径点映射成方向盘和油门的相关指令，这些不同的算法被称为控制器。Carla用的是简单的比例-积分-微分控制器(PID控制器)，当然还有其他复杂的控制器可供选择。
总结
我们将上面的四个系统的功能总结一下，可以梳理出Udacity自动驾驶汽车的工作流程。
首先，传感系统从Carla的相机、雷达和激光雷达中收集环境数据交于感知系统，感知系统利用这些数据在环境中检测物体并定位。之后，决策系统利用环境数据创建Carla的行进轨道。控制器通过方向盘、油门和刹车等保证车辆在预定轨道上行驶。
Carla进行了很多测试，她已经可以从山景城跑到旧金山了。Udacity的学生也可以在课程结束时把设计的代码加载到Carla上，看看在测试轨道上的驾驶情况如何。
我们为Carla自豪。
{{item.content}}