自动驾驶汽车避障技术原理及设计-车元素
来源：车元素 日期：2018-07-06 点击：20047次
自动驾驶汽车避障技术原理及设计-车元素
随着AI技术的发展，汽车避障主动安全技术越来越受到技术工程师的关注。汽车避障主动安全技术是自动驾驶汽车较为核心的部分。自动驾驶汽车如何能够准确的识别侦测障碍目标并安全准确无误的避开障碍物，这是其必备的技能之一。
汽车主动避障技术是利用各种先进的传感器技术来感知道路交通环境信息，并将传感器获取的车速、位置、障碍物等实时信息反馈给系统进行信息处理，同时根据路况与车流的综合信息判断和分析可能存在的潜在安全隐患，并在紧急情况下进行自动预警提示，系统结合周围环境情况，为汽车进行避障路径规划设计，根据路径进行制动或转向（左换道、右换道、自适应巡航、制动等）等措施协助，控制汽车主动避开障碍物，以保障车辆顺畅、安全的地行进。
自动驾驶汽车会利用高精地图提前为自己规划出最优的路线。但是在汽车行进过程中，由于不可预测的因素和高度动态的道路环境，障碍物（行人、车辆、其他障碍物等等）有可能出现在原先规划出的线路中，因此自动驾驶汽车必须有对这些不可预测的障碍物进行快速准确实时的侦测识别，并进行局部避障路径规划和调整，从而使汽车能够顺利到达目的地。
目前，自动驾驶汽车避障方法有：
传统避障算法
人工势场法，利用目标点进行引力作用，引导车辆向目标点行进，如遇到障碍物则产生斥力，避免车辆与障碍物发生碰撞，从而形成无碰撞的引力引导下的最优路径。该路径具有行进平滑安全，算法简单明了，且实时性良好的特点，但需解决障碍物斥力作用大小的控制问题，且实际运行过程中是在相对运动的环境下进行的，对于力的把控相对较难。
虚拟力场法，是栅格法和人工势场法相结合的一种实时避障算法，使用栅格来表示环境，同时利用引力和斥力进行控制避障。
智能优化算法
智能优化算法是在生物智能和物理现象的基础上进行的搜索算法，它涵盖了障碍物生物和物理特征的识别算法，是通过传感器获取的信息与原先设计的规则和数据库进行比对判断，然后模拟人类驾驶思维利用车辆运动学原理对行进路线进行调整规划。
多种算法融合
在自动驾驶汽车实际避障规划设计过程中，往往会融合多种算法，通过互补来提高算法的效率和准确性，从而能够更加智能的规划设计和控制车辆，让车辆能够高效准确的融入驾驶环境中，实时调整和改变，提高其对现实复杂路面多障碍物的应对能力，从而实现避障。
