作為實(shí)現(xiàn)高等級(jí)自動(dòng)駕駛場(chǎng)景化應(yīng)用的技術(shù)主線，車路協(xié)同（V2X）預(yù)警感知技術(shù)既是加強(qiáng)路側(cè)基礎(chǔ)設(shè)施對(duì)車端賦能的“管道”，也是推動(dòng)“聰明的車”與“智慧的路”深度融合的關(guān)鍵支撐性技術(shù)。目前緊趨多源數(shù)據(jù)融合發(fā)展方向，聚焦純視覺協(xié)同感知技術(shù)優(yōu)化、激光雷達(dá)點(diǎn)云處理技術(shù)升級(jí)、多傳感器時(shí)空信息匹配與數(shù)據(jù)融合技術(shù)以及車路協(xié)同感知技術(shù)標(biāo)準(zhǔn)體系構(gòu)建等領(lǐng)域精準(zhǔn)發(fā)力。

盡管從技術(shù)和產(chǎn)業(yè)發(fā)展的成熟度來看，網(wǎng)聯(lián)深度支撐車路協(xié)同（V2X）仍然面臨著技術(shù)融合、基礎(chǔ)設(shè)施建設(shè)、以及商業(yè)運(yùn)營(yíng)模式等方面的困難和挑戰(zhàn)，亟需圍繞網(wǎng)聯(lián)深度協(xié)同、路側(cè)基礎(chǔ)設(shè)施構(gòu)建、數(shù)據(jù)互通壁壘破除、配套政策法規(guī)完善等方面全局把握、深耕細(xì)作，持續(xù)解決車路協(xié)同（V2X）技術(shù)全面推廣應(yīng)用面臨的“感知不充分”和“規(guī)則不明確”兩大核心問題，推動(dòng)相關(guān)產(chǎn)業(yè)由示范應(yīng)用快速迭代，最終向商業(yè)化運(yùn)營(yíng)成功轉(zhuǎn)化。

圖1 公安交管視角車路協(xié)同技術(shù)架構(gòu)

一、視覺感知

視覺傳感器成本較低，基于交通領(lǐng)域的先驗(yàn)知識(shí)和經(jīng)驗(yàn)，用具有身份判別度的特征進(jìn)行描述，如圖像中目標(biāo)的邊緣信息、色彩信息、車型和配飾等，以及更具有識(shí)別性的車身貼圖、備胎、車內(nèi)裝飾、車身上的刮擦痕跡等外觀信息。通過諸如空間信息（形狀、大小、距離）、運(yùn)動(dòng)信息（速度、時(shí)間）和語義信息（顏色、類型、車牌）等較為豐富的環(huán)境語義信息描述，分析視覺傳感器捕獲的圖像特征，借以執(zhí)行如道路目標(biāo)檢測(cè)跟蹤、語義分割、障礙監(jiān)測(cè)、場(chǎng)景識(shí)別、車道檢測(cè)、道路裂縫檢測(cè)等多模式復(fù)雜任務(wù)。車路協(xié)同預(yù)警感知技術(shù)的實(shí)現(xiàn)有賴于視覺傳感器兼具高清分辨率和泛在動(dòng)態(tài)檢測(cè)范圍，確保在各種環(huán)境下均能捕捉到清晰完整的車輛運(yùn)行環(huán)境信息。

圖2 車路協(xié)同預(yù)警信息語義表達(dá)

作為功能完善、適用性廣、實(shí)用性高、可靠性強(qiáng)的智能化產(chǎn)品，為華智能哨兵預(yù)警系統(tǒng)能夠有效感知車輛行駛及路面運(yùn)行狀態(tài)并著重解決超速超限、路口視距不良、惡劣天氣影響、信息提示不及時(shí)不顯著、事故及誘導(dǎo)信息發(fā)布途徑不完善發(fā)布不及時(shí)等問題，通過交通誘導(dǎo)屏將過往車輛以及路面情況進(jìn)行信息發(fā)布，以便警示駕駛員：減速慢行，謹(jǐn)慎駕駛，同時(shí)提醒行人：注意安全，遵守交通法規(guī)，從而實(shí)現(xiàn)智能交通設(shè)施之間以及智能交通設(shè)施與車輛及其他交通參與者之間的信息實(shí)時(shí)高效共享。同時(shí)，為路網(wǎng)交通狀態(tài)分析及交通管控措施優(yōu)化提供數(shù)據(jù)參考，保證道路安全、高效通行，提高系統(tǒng)運(yùn)行效率。

二、激光雷達(dá)

基于激光脈沖往返時(shí)間的測(cè)量計(jì)算車輛與物體之間的距離，激光雷達(dá)在車路協(xié)同感知應(yīng)用中發(fā)揮著重要作用。由于其激光束散度較低，可以減少距離對(duì)于功率的衰減，陽光直射條件下測(cè)量距離可達(dá)200 m；可采用旋轉(zhuǎn)鏡改變激光脈沖方向，實(shí)現(xiàn)360度全覆蓋，最終生成激光雷達(dá)點(diǎn)云數(shù)據(jù)。

圖3 為華預(yù)警系統(tǒng)激光雷達(dá)感知應(yīng)用

激光雷達(dá)點(diǎn)云特征提取包括數(shù)據(jù)預(yù)處理、目標(biāo)特征提取、目標(biāo)分類三個(gè)過程。數(shù)據(jù)預(yù)處理涵蓋點(diǎn)云降采樣、坐標(biāo)轉(zhuǎn)換、點(diǎn)云濾波等流程。目標(biāo)特征提取主要包括點(diǎn)云區(qū)域分割和特征提取兩個(gè)步驟，區(qū)域分割階段主要完成點(diǎn)云聚類，明確特征模式分類（如直線、圓弧等），并確定隸屬該特征模式的區(qū)域及區(qū)域內(nèi)的激光數(shù)據(jù)點(diǎn)集，以提取待分類目標(biāo)；在特征提取階段，主要選擇多維特征對(duì)點(diǎn)云點(diǎn)數(shù)、距離、數(shù)據(jù)強(qiáng)度等進(jìn)行提取，完成各特征參數(shù)的確定、特征點(diǎn)的提取以及特征值的計(jì)算。目標(biāo)分類是將從點(diǎn)云數(shù)據(jù)中提取出的特征準(zhǔn)確地歸類為特定的目標(biāo)類別的關(guān)鍵過程，這些類別可以包括車輛、行人、自行車、交通標(biāo)志等交通對(duì)象。

圖4 激光檢測(cè)實(shí)際場(chǎng)景應(yīng)用

三、毫米波雷達(dá)

毫米波雷達(dá)具有天線波束窄、分辨率高、頻帶寬、抗干擾能力強(qiáng)等特點(diǎn)，精度可達(dá)到毫米級(jí)，檢測(cè)過程中通過發(fā)射毫米級(jí)波束，實(shí)現(xiàn)對(duì)物體的快速定位。與激光雷達(dá)、攝像機(jī)等光學(xué)設(shè)備相比，毫米波雷達(dá)在惡劣天氣下的性能表現(xiàn)更好、成本較低、易于大規(guī)模生產(chǎn)，目前已廣泛應(yīng)用于車載終端及路側(cè)預(yù)警設(shè)備。

毫米波雷達(dá)感知技術(shù)與激光雷達(dá)感知技術(shù)都涉及點(diǎn)云數(shù)據(jù)的信號(hào)處理、目標(biāo)檢測(cè)等關(guān)鍵步驟，但各自的工作原理與特性存在一定區(qū)別，致使感知實(shí)施過程存在顯著差異。毫米波雷達(dá)更多地利用電磁散射特性進(jìn)行信號(hào)處理與目標(biāo)檢測(cè)，而激光雷達(dá)則主要依賴3D坐標(biāo)信息與反射強(qiáng)度進(jìn)行數(shù)據(jù)解讀，實(shí)現(xiàn)運(yùn)動(dòng)畸變糾正。在數(shù)據(jù)密集度方面，毫米波雷達(dá)點(diǎn)云數(shù)據(jù)比激光雷達(dá)點(diǎn)云數(shù)據(jù)更為稀疏和分散，導(dǎo)致數(shù)據(jù)處理算法需要更加高效和簡(jiǎn)潔。

圖5 高速合流匝道雷達(dá)預(yù)警檢測(cè)技術(shù)應(yīng)用

高速合流匝道雷達(dá)預(yù)警檢測(cè)技術(shù)應(yīng)用控制邏輯：當(dāng)支路車輛行至高速匯入口，距離支路哨兵80～100米處，此時(shí)，當(dāng)高速主路有車駛近匯入點(diǎn)【1號(hào)哨兵檢測(cè)到車輛接近匯入點(diǎn)，自動(dòng)無線發(fā)送數(shù)據(jù)給2號(hào)哨兵】，2號(hào)支路哨兵會(huì)向支路車輛發(fā)出紅色警示信息：“左側(cè)來車，注意避讓”并啟動(dòng)紅藍(lán)爆閃燈，同時(shí)對(duì)匝道合流車輛進(jìn)行測(cè)速警示。

當(dāng)匝道合流行至高速匯入口，距離設(shè)備80～100米處，此時(shí)，當(dāng)高速主路無車駛近匯入點(diǎn)，2號(hào)支路哨兵會(huì)向匝道合流發(fā)出綠色提示信息：“靠右行駛，注意觀察”并啟動(dòng)紅藍(lán)爆閃燈，同時(shí)對(duì)行駛車輛進(jìn)行速度提示。

四、多傳感器融合感知

多傳感器融合感知通過有機(jī)組合不同來源傳感器的信息片段，彌補(bǔ)了單一來源傳感器感知方法的缺陷，提升了前端交通感知性能。隨著道路智能化等級(jí)的提升，更多高精度的傳感器將逐步布設(shè)于路側(cè)基礎(chǔ)設(shè)施，逐步降低對(duì)自動(dòng)駕駛車輛本身硬件的要求，形成了車路多傳感器融合發(fā)展態(tài)勢(shì)。新興的多傳感器融合技術(shù)在車路協(xié)同自動(dòng)駕駛和其他領(lǐng)域中正發(fā)揮著越來越重要的作用，如激光雷達(dá)與紅外數(shù)據(jù)融合、紅外與視頻數(shù)據(jù)融合、激光雷達(dá)與視頻數(shù)據(jù)融合等模式，數(shù)據(jù)融合將逐漸成為目標(biāo)跟蹤、交通障礙物檢測(cè)、交通狀態(tài)估計(jì)、異常檢測(cè)與行為預(yù)測(cè)等前沿領(lǐng)域應(yīng)用趨勢(shì)。