无人车环境感知与智能控制
近年来，随着科技的发展，无人车这个新技术越来越多的进入到人们的视线。不管你是否真正了解它，这项新技术都在向人们展示它的风采，展现出了足够的活力与吸引力，并且正在一步步走进我们的生活，为人类的生产生活带来便利。美国加州甚至已经通过法案，允许无人车上路。连谷歌这样的软件巨头都开始研制无人车技术，并且取得了丰硕的成果，无人车的前景，可见一斑。
当前，人们正在开发各种各样的智能化载运工具为人类的文明发展服务。而实现地面车辆的智能化乃至无人驾驶是车辆工程领域追求的最高目标，智能车辆研究在很多领域能够体现一个国家的科学技术水平和综合国力。当前我国在此领域技术仍然落后于汽车强国，我们应该奋起直追，在智能车辆研究领域对世界有所发明、有所贡献。车辆工程学科领域的全体师生员工是我国智能车辆研究的主力军。
智能车辆应具有以下功能：
1. 能够确认自身的当前位置，根据行驶目标及途中情况，规划、修改行车路线。
2. 能够可靠识别行车路线，并可通过自动转向控制使自身按规定路线准确稳定行驶。
3. 行驶过程中，能够可靠实现车速调节、车距保持、换道、超车等各种必要基本操作。
4. 能够确保行驶安全，按时到达目的地
5. 能够适应不同的行驶环境。
既然有了如此“强大”的功能，智能车了自然有它存在的价值与意义。举例如下：
1. 减少交通事故
智能车辆是解决因驾驶员人为因素引起的道路交通安全问题的根本途径。
2. 提高运输效率
智能车辆能缩短行车间距，增加道路容量，防止交通堵塞，提高平均车速，改善燃油经济性，减少环境污染。
3. 完成特殊作业
智能车辆能够在易燃、易爆、有毒、抢险、宇航等危险环境下替代驾驶员完成特殊作业。
4. 国防军事应用
智能车辆在侦查、演习、排雷、防化、作战、反恐等军事领域有着潜在的广泛应用前景等。
智能车辆的构成
1. 车辆自检监控系统
该系统通过实时获取和处理车辆状况传感器的输入信息如电压、电流、温度、压力、油耗、转向、制动、加速、停车、排放等，诊断车辆驾驶是否处于危险状态或具有潜在的危险，并将诊断结果信息提供给驾驶员或车辆自动控制系统，以便为做出正确的车辆控制决策提供依据。
2. 车辆行驶环境信息获取系统
该系统基于车辆自身传感信息获取系统、通用技术平台和通信信息系统，获取车辆外部
周边物体状态、公路状态、天气、车流、电子地图、停车场等信息，并将这些信息提供给驾驶员或车辆自动控制系统。
3. 车道状态数据处理系统
该过程对所输入的各种车载及道路传感器的数据进行有效处理，为车辆控制过程提供车辆所在车道、车辆在车道上的位置、车辆与车道的距离偏差及方位偏差等信息。
4. 车辆辅助驾驶接口系统
该系统提供了驾驶员可以用于启动、监视和终止车辆自动控制操作的接口。该接口可接收驾驶员控制请求、车辆行驶环境、车辆自检、车辆控制状态反馈等信息，对车辆控制方式作出选择，并将选择结果提供给车辆控制过程或需要此信息的其它过程。
5. 车辆控制系统
该系统提供各种水平的车辆控制功能。它通过接收车辆控制方式选择、车辆自检、车辆自身及周边车辆行驶状态、车辆行驶环境等信息，为实现车道跟踪、车距保持、换道、巡航、定位停车等功能提供各种必要的基本操作。
智能车辆系统构成示意图
环境感知的目的-Purpose
主要是为了汽车的几大行驶特性服务的，具体如下：
通过性：基于自身行驶性能和共识规则，能实时、可靠、准确识别并规划出可保证规范、安 全、迅速到达目的地的行驶路径；
安全性：在行驶过程中，能够实时、准确识别出行驶路径周边对行驶安全可能存在安全隐患 的物体，为自身采取必要操作以避免发生交通安全事故；
经济性：为提高车辆高效、经济地行驶提供参考依据；
平顺性：为车辆平顺行驶提供参考依据；
环境感知对象-Target
行驶路径：对于结构化道路而言，包括行车线、道路边缘、道路隔离物、恶劣路况的识别。
对于非结构化道路而言，包括车辆欲行驶前方路面环境状况的识别和可行驶路径 的确认；
周边物体：包括车辆、行人、地面上可能影响车辆通过性、安全性的其它各种移动或静止物 体的识别；各种交通标志的识别；
驾驶状态：包括驾驶员驾驶精神状态、车辆自身行驶状态的识别； 驾驶环境：包括路面状况、道路交通拥堵情况、天气状况的识别。
环境感知方法-Method
1. 视觉传感：基于机器视觉获取车辆周边环境两维或三维图像信息，通过图像分析识别技 术对行驶环境进行感知。
优点：信息量丰富、实时性好、体积小 、能耗低。
缺点：易受光照环境影响、三维信息测量精度较低。
2. 激光传感：基于激光雷达获取车辆周边环境两维或三维距离信息，通过距离分析识别技 术对行驶环境进行感知。
优点：能够直接获取物体三维距离信息、测量精度高、对光照环境变化不敏感。
缺点：无法感知无距离差异的平面内目标信息、体积较大、价格昂贵、不便于车载集成。
3. 微波传感：基于微波雷达获取车辆周边环境两维或三维距离信息，通过距离分析识别技 术对行驶环境进行感知。 车载单目视觉运动物体检测
优点：能够以较高精度直接获取物体三维距离信息、对光照环境变化不敏感、实时性好、体积较小。
缺点：无法感知无距离差异的平面内目标信息、国外成熟产品对我国禁运而难以获得。
4. 通讯传感：基于无线、网络等近、远程通讯技术获取车辆行驶周边环境信息。
优点：能够获取其它传感手段难以实现的宏观行驶环境信息、可实现车辆间信息共享、对环境干扰不敏感。
缺点：可用于车辆自主导航控制的信息不够直接、实时性不高、无法感知周边车辆外其它物体信息。
5. 融合传感：运用多种不同传感手段获取车辆周边环境多种不同形式信息，通过多信息融合对行驶环境进行感知。
优点：能够获取丰富的周边环境信息、具有优良的环境适应能力、为安全快速自主导航提供可靠保障。
缺点：感知系统过于复杂、难于集成、造价昂贵、实用性差。
环境感知关键技术分析
无人车环境感知的主要难点在于如何感知越野环境并理解地形，越野环境下的障碍物种类繁多，除了凸出地面的障碍物(静止或运动的) 以外，还有低于地面的壕沟或者坑洞，以及水面，陡峭的山坡等危险地形。因此，地面无人车环境感知主要集中在若干关键技术的研究与突破，这些关键技术主要包括立体视觉信息处理技术、主动型传感器信息处理技术、自主定位技术、多传感器信息集成与数据融合技术以及障碍物检测技术。
立体视觉信息处理技术
立体视觉技术属于被动型传感器
距离测量技术，是计算机视觉研究的核心问题之一。其基本原理是通过两个或多个摄像机组成一个立体成像系统，通过求解对应点和视差得出物体表面与立体成像系统的距离。立体视觉处理系统理论上可以得到关于精细的环境地形描述，可以对二维视觉和主动视觉有疑问的情况作进一步的研判。立体视觉信息处理技术包括：快速精确标定方法，图像对的立体匹配算法、稠密视差图计算方法、提高实时性的相关技术研究等。其中，最为重要的是提高立体视觉实时陛的相关技术研究，因为目前的大多数方法和技术的计算复杂性都很高，即使采用高性能的图形工作站也需要花费较长时间，难以满足地面无人车的实时性要求。同时，
被动型视觉传感器信号处理也会受到行驶过程中的振动影响，
造成对环境的描述的绝对坐标尺寸不准确，是必须解决的问题。
主动型传感器信息处理技术
主动型视觉传感器自身会向环境目标发射能量，通过测量回波的延迟时间实现测距，发射能量的形式可以是激光、毫米波、超声波等。激光扫描雷达由于其测距精度高，被广泛用于各种距离的测量。通过激光的扫描可以获得关于车辆周围环境的大量数据，对这些数据进行处理，获得周围地形环境的描述，为平台路径规划和自主导航奠定基础。
对于地面无人车而言，主动型视觉传感器是直接陕速发现障碍的主要手段，但其信号处理的主要难点在于行驶过程中的振动使得对物体的距离测量不连续，造成基于这种不连续数据做出的对地形环境的描述也不准确，直接后果就是障碍虚报概率增大，显著影响车辆的行驶速度。因此必须设法消除振动对测量数据的影响。此外，主动型视觉传感器的数据处理的实时性也是必须解决的重要问题。
自主定位技术
地面无人车的准确定位是保证其按正确路线完成自主导航、控制任务的关键。目前常用的定位方法有光纤陀螺、全球定位系统、磁航向仪、车辆里程计等。每一种方法均各有优点和局限性，例如，光纤陀螺短时间内定位精度高，但存在时间漂移；全球定位系统定位精度稳定，但其时间响应特性和短时间内的定位精度不如惯性定位系统；电子罗盘(磁航向仪) 的价格非常低廉，但定向精度适中；车辆里程计价格便宜，只是在摩擦力较大的路面定位精度较高。将这些技术加以有效的组合，充分发挥各自优点而避免各自的缺陷，从而提高定位系统的精度和可靠性。光纤陀螺是一种体积小、重量轻，可靠性高的器件，通过光纤陀螺捷联组成的定位定向系统特别适合于移动车辆的定位与定向应用。目前基于光纤陀螺的定位定向系统存在的主要问题是漂移大，即系统的精度随着工作时间的增加而加大。全球定位系统是一种非常有效的定位定向技术，差分式的定位定向系统已经具有很高的定位定向精度，完全可以用于地面无人车的精确定位。
多传感器信息集成与数据融合技术
地面无人车上用于地形建模和环境理解的传感器需要有很多种，其中既有主动型，也有被动型；既有二维传感器，也有三维(2．5维) 传感器；既有视觉传感器，也有触觉传感器，同时还有定位定向及姿态传感器。这些不同类型的传感器测量的内容、范围和精度不同，适用的光照条件和气候也各不相同。采用多种传感器组合探测的方式可以更有效地实现环境感知，将立体视觉传感器和激光雷达结合起来加强对环境路况的预判，控制车辆行驶速度。先由激光雷达定位前方近距离的平坦区域，用视觉传感器确定该区域的颜色和地形图像信息。然后检测远距离的图像信息，通过对远处地形的建模，控制车辆的行驶速度，如果没有障碍物，车辆可以加速行驶，一旦发现道路状况改变，可以自动减速到适合路况的速度。
障碍物检测技术
由于越野环境的复杂性，障碍物检测是地面无人车环境感知最大的难题之一。地面
无人车自主行驶所面临的障碍物除了凸出地面的障碍物(包括静止和运动的物体) 以外，还有低于地面的凹型障碍物(如壕沟或者坑洞) ，以及一般传感器难以检测的水面和陡峭的山坡等危险地形。通现有车辆上安装的传感器只是对检测凸型障碍物比较有效，在所获得关于地形的信息中，对凹型障碍物的描述很不充分很不全面。根据对地面无人车实际需求，凹型障碍物和凸型障碍物都是必须检测出来的，在某种意义上，凹型障碍物比凸型障碍物对无人车行驶安全的威胁更大。利用多传感器信息融合来检测凹型障碍是一种有效的途径，融合CCD 立体视觉、激光雷达和微波雷达的信息可以更加准确地进行凹障碍判断。
控制算法设计
对智能车的控制就是对车的速度与方向进行控制，鉴于模糊控制在控制智能车运动方面的天然优势，因此选用模糊控制算法链控制，达到了较理想的效果．在横向上，即对车的方向控制，采用了拟合后的中心线与车的夹角及偏差r 和车当前速度3个变量组成的两个模糊控制器组合来控制；在纵向上，即对车的速度控制，设计了基于智能车当前速度和转角为输入的模糊控制器。
方向控制算法
利用路径信息对智能车转向进行控制，本文采用夹角和截距作为模糊控制器的两个输入，但在实际中常常会出现在拐弯处转向偏大或偏小的情况，这是由于速度的变化引起的。因此有必要引入当前速度量形成一个闭环控制，当速度较小时，在原有基础上减弱转向，当速度较大时，则应该加大转向，这可以使智能车更准确地跟踪路径。控制程如图
速度控制算法
因为角度控制量是与车辆的转角一一对应的，所以由角度量就可以知道车辆的转角的大小，将车辆转角的大小从左到右分为8种情况，分别为：1、左转极大；2、左转较大；3、左转较小；4、中间偏左；5、中间偏右；6、右转较小；7、右转较大；8、右转极大。而对小车的速度，根据道路的情况，在转弯的最小速度值到直道上的最大速度值之间分为8种情况，分别为：1、速度极小；2、速度小；3、速度一般小；4、速度略小；
5、速度略大；6、速度一般大；7、速度大；8、速度极大。模糊化采用三角形隶属度函数，输出隶属度函数采用单点值，如图所示。
仿真实验结果
在公路上实时采集图像，对上述算法进行大量的多方面验证，CCD 安装在车内后视镜上，图像帧通过视频采集卡送入PC 机，经过CPU 的处理分析检测车道线和道路边界，同时计算本车相对于道路的水平位置和行驶方向偏离量，图像采集速度为20 ms/帧．在一个由直道人弯的道路上进行轨迹跟踪实验，并与模糊控制及PID 控制进行比较，如图7所示．图7(a)、(b)分别为给定车辆初始入弯速度u 。为8 m/s、4 m/s时的近似轨迹曲线图，其中虚线为车道中心线，直道长度三=80 m，弯道半径R =50 m，由图可知，进行转向控制时引入反馈速度与否，跟踪直道时，轨迹相差不明显，但在转弯处速度若过大或过小，会造成实际轨迹曲线和中心线偏差增大，而使用速度反馈，可以使智能车更准确地跟踪路径。
在不同的道路上分别使用PID 控制、模糊控制及改进的模糊控制进行反复测试，并把每个时刻的转向和速度存储到PC 机上，利用matlab 显示结果．图8为通过一段连续弯道的实验结果。由图可知，使用改进的模糊控制方法，转角变化范围为一20。 20。，而使用模糊控制和PID 控制，转角变化更大，分别为一25。～25。、一36。～36。；此外，通过该道路用时分别为84 S、92 S、104 s，因此，模糊控制比经典的PID 控制转角超调更小，并且速度更高，而使用改进的模糊控制效果更明显。
【结论】：基于模糊控制器的优点在于模糊控制器可以增加新的控制规则改善系统性能，而系统却不会因为某几条规则的失效而瘫痪。在常用的模糊控制中，只是利用了图像采集到的视觉信息，并没有利用实时的速度．本文利用速度与图像信息相结合，建立一个由两个模糊控制器组合而成的分级模糊控制器，并通过借鉴优秀司机的驾驶经验对控制规则量化细分，较好地解决了车辆在道路上的自动驾驶问题．仿真试验的结果表明：本文提出的模糊控制方法可以很好地控制车辆在结构化道路上安全行驶，并具有良好的鲁棒性．同时，在车辆的方向控制和速度控制上都是十分行之有效的，具有借鉴和推广意义。
在不久的将来，可以预见，将会有更多的无人车上路、执行特殊作业等，无人车定会有一番作为!
无人车环境感知与智能控制
近年来，随着科技的发展，无人车这个新技术越来越多的进入到人们的视线。不管你是否真正了解它，这项新技术都在向人们展示它的风采，展现出了足够的活力与吸引力，并且正在一步步走进我们的生活，为人类的生产生活带来便利。美国加州甚至已经通过法案，允许无人车上路。连谷歌这样的软件巨头都开始研制无人车技术，并且取得了丰硕的成果，无人车的前景，可见一斑。
当前，人们正在开发各种各样的智能化载运工具为人类的文明发展服务。而实现地面车辆的智能化乃至无人驾驶是车辆工程领域追求的最高目标，智能车辆研究在很多领域能够体现一个国家的科学技术水平和综合国力。当前我国在此领域技术仍然落后于汽车强国，我们应该奋起直追，在智能车辆研究领域对世界有所发明、有所贡献。车辆工程学科领域的全体师生员工是我国智能车辆研究的主力军。
智能车辆应具有以下功能：
1. 能够确认自身的当前位置，根据行驶目标及途中情况，规划、修改行车路线。
2. 能够可靠识别行车路线，并可通过自动转向控制使自身按规定路线准确稳定行驶。
3. 行驶过程中，能够可靠实现车速调节、车距保持、换道、超车等各种必要基本操作。
4. 能够确保行驶安全，按时到达目的地
5. 能够适应不同的行驶环境。
既然有了如此“强大”的功能，智能车了自然有它存在的价值与意义。举例如下：
1. 减少交通事故
智能车辆是解决因驾驶员人为因素引起的道路交通安全问题的根本途径。
2. 提高运输效率
智能车辆能缩短行车间距，增加道路容量，防止交通堵塞，提高平均车速，改善燃油经济性，减少环境污染。
3. 完成特殊作业
智能车辆能够在易燃、易爆、有毒、抢险、宇航等危险环境下替代驾驶员完成特殊作业。
4. 国防军事应用
智能车辆在侦查、演习、排雷、防化、作战、反恐等军事领域有着潜在的广泛应用前景等。
智能车辆的构成
1. 车辆自检监控系统
该系统通过实时获取和处理车辆状况传感器的输入信息如电压、电流、温度、压力、油耗、转向、制动、加速、停车、排放等，诊断车辆驾驶是否处于危险状态或具有潜在的危险，并将诊断结果信息提供给驾驶员或车辆自动控制系统，以便为做出正确的车辆控制决策提供依据。
2. 车辆行驶环境信息获取系统
该系统基于车辆自身传感信息获取系统、通用技术平台和通信信息系统，获取车辆外部
周边物体状态、公路状态、天气、车流、电子地图、停车场等信息，并将这些信息提供给驾驶员或车辆自动控制系统。
3. 车道状态数据处理系统
该过程对所输入的各种车载及道路传感器的数据进行有效处理，为车辆控制过程提供车辆所在车道、车辆在车道上的位置、车辆与车道的距离偏差及方位偏差等信息。
4. 车辆辅助驾驶接口系统
该系统提供了驾驶员可以用于启动、监视和终止车辆自动控制操作的接口。该接口可接收驾驶员控制请求、车辆行驶环境、车辆自检、车辆控制状态反馈等信息，对车辆控制方式作出选择，并将选择结果提供给车辆控制过程或需要此信息的其它过程。
5. 车辆控制系统
该系统提供各种水平的车辆控制功能。它通过接收车辆控制方式选择、车辆自检、车辆自身及周边车辆行驶状态、车辆行驶环境等信息，为实现车道跟踪、车距保持、换道、巡航、定位停车等功能提供各种必要的基本操作。
智能车辆系统构成示意图
环境感知的目的-Purpose
主要是为了汽车的几大行驶特性服务的，具体如下：
通过性：基于自身行驶性能和共识规则，能实时、可靠、准确识别并规划出可保证规范、安 全、迅速到达目的地的行驶路径；
安全性：在行驶过程中，能够实时、准确识别出行驶路径周边对行驶安全可能存在安全隐患 的物体，为自身采取必要操作以避免发生交通安全事故；
经济性：为提高车辆高效、经济地行驶提供参考依据；
平顺性：为车辆平顺行驶提供参考依据；
环境感知对象-Target
行驶路径：对于结构化道路而言，包括行车线、道路边缘、道路隔离物、恶劣路况的识别。
对于非结构化道路而言，包括车辆欲行驶前方路面环境状况的识别和可行驶路径 的确认；
周边物体：包括车辆、行人、地面上可能影响车辆通过性、安全性的其它各种移动或静止物 体的识别；各种交通标志的识别；
驾驶状态：包括驾驶员驾驶精神状态、车辆自身行驶状态的识别； 驾驶环境：包括路面状况、道路交通拥堵情况、天气状况的识别。
环境感知方法-Method
1. 视觉传感：基于机器视觉获取车辆周边环境两维或三维图像信息，通过图像分析识别技 术对行驶环境进行感知。
优点：信息量丰富、实时性好、体积小 、能耗低。
缺点：易受光照环境影响、三维信息测量精度较低。
2. 激光传感：基于激光雷达获取车辆周边环境两维或三维距离信息，通过距离分析识别技 术对行驶环境进行感知。
优点：能够直接获取物体三维距离信息、测量精度高、对光照环境变化不敏感。
缺点：无法感知无距离差异的平面内目标信息、体积较大、价格昂贵、不便于车载集成。
3. 微波传感：基于微波雷达获取车辆周边环境两维或三维距离信息，通过距离分析识别技 术对行驶环境进行感知。 车载单目视觉运动物体检测
优点：能够以较高精度直接获取物体三维距离信息、对光照环境变化不敏感、实时性好、体积较小。
缺点：无法感知无距离差异的平面内目标信息、国外成熟产品对我国禁运而难以获得。
4. 通讯传感：基于无线、网络等近、远程通讯技术获取车辆行驶周边环境信息。
优点：能够获取其它传感手段难以实现的宏观行驶环境信息、可实现车辆间信息共享、对环境干扰不敏感。
缺点：可用于车辆自主导航控制的信息不够直接、实时性不高、无法感知周边车辆外其它物体信息。
5. 融合传感：运用多种不同传感手段获取车辆周边环境多种不同形式信息，通过多信息融合对行驶环境进行感知。
优点：能够获取丰富的周边环境信息、具有优良的环境适应能力、为安全快速自主导航提供可靠保障。
缺点：感知系统过于复杂、难于集成、造价昂贵、实用性差。
环境感知关键技术分析
无人车环境感知的主要难点在于如何感知越野环境并理解地形，越野环境下的障碍物种类繁多，除了凸出地面的障碍物(静止或运动的) 以外，还有低于地面的壕沟或者坑洞，以及水面，陡峭的山坡等危险地形。因此，地面无人车环境感知主要集中在若干关键技术的研究与突破，这些关键技术主要包括立体视觉信息处理技术、主动型传感器信息处理技术、自主定位技术、多传感器信息集成与数据融合技术以及障碍物检测技术。
立体视觉信息处理技术
立体视觉技术属于被动型传感器
距离测量技术，是计算机视觉研究的核心问题之一。其基本原理是通过两个或多个摄像机组成一个立体成像系统，通过求解对应点和视差得出物体表面与立体成像系统的距离。立体视觉处理系统理论上可以得到关于精细的环境地形描述，可以对二维视觉和主动视觉有疑问的情况作进一步的研判。立体视觉信息处理技术包括：快速精确标定方法，图像对的立体匹配算法、稠密视差图计算方法、提高实时性的相关技术研究等。其中，最为重要的是提高立体视觉实时陛的相关技术研究，因为目前的大多数方法和技术的计算复杂性都很高，即使采用高性能的图形工作站也需要花费较长时间，难以满足地面无人车的实时性要求。同时，
被动型视觉传感器信号处理也会受到行驶过程中的振动影响，
造成对环境的描述的绝对坐标尺寸不准确，是必须解决的问题。
主动型传感器信息处理技术
主动型视觉传感器自身会向环境目标发射能量，通过测量回波的延迟时间实现测距，发射能量的形式可以是激光、毫米波、超声波等。激光扫描雷达由于其测距精度高，被广泛用于各种距离的测量。通过激光的扫描可以获得关于车辆周围环境的大量数据，对这些数据进行处理，获得周围地形环境的描述，为平台路径规划和自主导航奠定基础。
对于地面无人车而言，主动型视觉传感器是直接陕速发现障碍的主要手段，但其信号处理的主要难点在于行驶过程中的振动使得对物体的距离测量不连续，造成基于这种不连续数据做出的对地形环境的描述也不准确，直接后果就是障碍虚报概率增大，显著影响车辆的行驶速度。因此必须设法消除振动对测量数据的影响。此外，主动型视觉传感器的数据处理的实时性也是必须解决的重要问题。
自主定位技术
地面无人车的准确定位是保证其按正确路线完成自主导航、控制任务的关键。目前常用的定位方法有光纤陀螺、全球定位系统、磁航向仪、车辆里程计等。每一种方法均各有优点和局限性，例如，光纤陀螺短时间内定位精度高，但存在时间漂移；全球定位系统定位精度稳定，但其时间响应特性和短时间内的定位精度不如惯性定位系统；电子罗盘(磁航向仪) 的价格非常低廉，但定向精度适中；车辆里程计价格便宜，只是在摩擦力较大的路面定位精度较高。将这些技术加以有效的组合，充分发挥各自优点而避免各自的缺陷，从而提高定位系统的精度和可靠性。光纤陀螺是一种体积小、重量轻，可靠性高的器件，通过光纤陀螺捷联组成的定位定向系统特别适合于移动车辆的定位与定向应用。目前基于光纤陀螺的定位定向系统存在的主要问题是漂移大，即系统的精度随着工作时间的增加而加大。全球定位系统是一种非常有效的定位定向技术，差分式的定位定向系统已经具有很高的定位定向精度，完全可以用于地面无人车的精确定位。
多传感器信息集成与数据融合技术
地面无人车上用于地形建模和环境理解的传感器需要有很多种，其中既有主动型，也有被动型；既有二维传感器，也有三维(2．5维) 传感器；既有视觉传感器，也有触觉传感器，同时还有定位定向及姿态传感器。这些不同类型的传感器测量的内容、范围和精度不同，适用的光照条件和气候也各不相同。采用多种传感器组合探测的方式可以更有效地实现环境感知，将立体视觉传感器和激光雷达结合起来加强对环境路况的预判，控制车辆行驶速度。先由激光雷达定位前方近距离的平坦区域，用视觉传感器确定该区域的颜色和地形图像信息。然后检测远距离的图像信息，通过对远处地形的建模，控制车辆的行驶速度，如果没有障碍物，车辆可以加速行驶，一旦发现道路状况改变，可以自动减速到适合路况的速度。
障碍物检测技术
由于越野环境的复杂性，障碍物检测是地面无人车环境感知最大的难题之一。地面
无人车自主行驶所面临的障碍物除了凸出地面的障碍物(包括静止和运动的物体) 以外，还有低于地面的凹型障碍物(如壕沟或者坑洞) ，以及一般传感器难以检测的水面和陡峭的山坡等危险地形。通现有车辆上安装的传感器只是对检测凸型障碍物比较有效，在所获得关于地形的信息中，对凹型障碍物的描述很不充分很不全面。根据对地面无人车实际需求，凹型障碍物和凸型障碍物都是必须检测出来的，在某种意义上，凹型障碍物比凸型障碍物对无人车行驶安全的威胁更大。利用多传感器信息融合来检测凹型障碍是一种有效的途径，融合CCD 立体视觉、激光雷达和微波雷达的信息可以更加准确地进行凹障碍判断。
控制算法设计
对智能车的控制就是对车的速度与方向进行控制，鉴于模糊控制在控制智能车运动方面的天然优势，因此选用模糊控制算法链控制，达到了较理想的效果．在横向上，即对车的方向控制，采用了拟合后的中心线与车的夹角及偏差r 和车当前速度3个变量组成的两个模糊控制器组合来控制；在纵向上，即对车的速度控制，设计了基于智能车当前速度和转角为输入的模糊控制器。
方向控制算法
利用路径信息对智能车转向进行控制，本文采用夹角和截距作为模糊控制器的两个输入，但在实际中常常会出现在拐弯处转向偏大或偏小的情况，这是由于速度的变化引起的。因此有必要引入当前速度量形成一个闭环控制，当速度较小时，在原有基础上减弱转向，当速度较大时，则应该加大转向，这可以使智能车更准确地跟踪路径。控制程如图
速度控制算法
因为角度控制量是与车辆的转角一一对应的，所以由角度量就可以知道车辆的转角的大小，将车辆转角的大小从左到右分为8种情况，分别为：1、左转极大；2、左转较大；3、左转较小；4、中间偏左；5、中间偏右；6、右转较小；7、右转较大；8、右转极大。而对小车的速度，根据道路的情况，在转弯的最小速度值到直道上的最大速度值之间分为8种情况，分别为：1、速度极小；2、速度小；3、速度一般小；4、速度略小；
5、速度略大；6、速度一般大；7、速度大；8、速度极大。模糊化采用三角形隶属度函数，输出隶属度函数采用单点值，如图所示。
仿真实验结果
在公路上实时采集图像，对上述算法进行大量的多方面验证，CCD 安装在车内后视镜上，图像帧通过视频采集卡送入PC 机，经过CPU 的处理分析检测车道线和道路边界，同时计算本车相对于道路的水平位置和行驶方向偏离量，图像采集速度为20 ms/帧．在一个由直道人弯的道路上进行轨迹跟踪实验，并与模糊控制及PID 控制进行比较，如图7所示．图7(a)、(b)分别为给定车辆初始入弯速度u 。为8 m/s、4 m/s时的近似轨迹曲线图，其中虚线为车道中心线，直道长度三=80 m，弯道半径R =50 m，由图可知，进行转向控制时引入反馈速度与否，跟踪直道时，轨迹相差不明显，但在转弯处速度若过大或过小，会造成实际轨迹曲线和中心线偏差增大，而使用速度反馈，可以使智能车更准确地跟踪路径。
在不同的道路上分别使用PID 控制、模糊控制及改进的模糊控制进行反复测试，并把每个时刻的转向和速度存储到PC 机上，利用matlab 显示结果．图8为通过一段连续弯道的实验结果。由图可知，使用改进的模糊控制方法，转角变化范围为一20。 20。，而使用模糊控制和PID 控制，转角变化更大，分别为一25。～25。、一36。～36。；此外，通过该道路用时分别为84 S、92 S、104 s，因此，模糊控制比经典的PID 控制转角超调更小，并且速度更高，而使用改进的模糊控制效果更明显。
【结论】：基于模糊控制器的优点在于模糊控制器可以增加新的控制规则改善系统性能，而系统却不会因为某几条规则的失效而瘫痪。在常用的模糊控制中，只是利用了图像采集到的视觉信息，并没有利用实时的速度．本文利用速度与图像信息相结合，建立一个由两个模糊控制器组合而成的分级模糊控制器，并通过借鉴优秀司机的驾驶经验对控制规则量化细分，较好地解决了车辆在道路上的自动驾驶问题．仿真试验的结果表明：本文提出的模糊控制方法可以很好地控制车辆在结构化道路上安全行驶，并具有良好的鲁棒性．同时，在车辆的方向控制和速度控制上都是十分行之有效的，具有借鉴和推广意义。
在不久的将来，可以预见，将会有更多的无人车上路、执行特殊作业等，无人车定会有一番作为!