无人驾驶的避障原理

　　避障是指移动机器人根据采集的障碍物的状态信息，在行走过程中通过传感器感知到妨碍其通行的静态和动态物体时，按照一定的方法进行有效地避障，最后达到目标点。
　　随着技术的日趋发展，无人驾驶汽车正在从科幻电影中的场景道具变得越来越真实，而无论是谷歌、苹果、UBER这样的互联网科技企业，还是奔驰、沃尔沃、凯迪拉克等传统汽车厂商，都正在加入这个＂战团＂。
　　传感避障相机、雷达、GPS、车载电脑协同作用避障主要是由测距仪、雷达跟摄像头同时得到道路信息，测距仪可以高速获取障碍物的距离。接着由车载电脑处理信息并且通过控制算法作出线路决策为了使无人车安全、快速的到达指定目的地，从原理上来说，需要通过传感器感知路况和周边情况，然后传输到中央处理器，中央处理器根据人工智能对情况作出判断，然后通知电传系统，电传系统根据信号操控机械装置，最后由机械装置操控车辆做出各种动作。
　　实现避障与导航的必要条件是环境感知，在未知或者是部分未知的环境下避障需要通过传感器获取周围环境信息，包括障碍物的尺寸、形状和位置等信息，因此传感器技术在移动机器人避障中起着十分重要的作用。
　　避障主要是由测距仪、雷达跟摄像头同时得到道路信息，测距仪可以高速获取障碍物的距离。接着由车载电脑处理信息并且通过控制算法作出线路决策。谷歌从2009年至今都在为这项技术埋头苦干，其中避障和路径规划是两大核心问题。相机、雷达、GPS等用于检测道路信息的传感器，就仿如无人驾驶汽车的耳目。 常用的传感器
　　激光传感器
　　激光测距传感器利用激光来测量到被测物体的距离或者被测物体的位移等参数。比较常用的测距方法是由脉冲激光器发出持续时间极短的脉冲激光，经过待测距离后射到被测目标，回波返回，由光电探测器接收。根据主波信号和回波信号之间的间隔，即激光脉冲从激光器到被测目标之间的往返时间，就可以算出待测目标的距离。由于光速很快，使得在测小距离时光束往返时间极短，因此这种方法不适合测量精度要求很高的（亚毫米级别）距离，一般若要求精度非常高，常用三角法、相位法等方法测量。
　　视觉传感器
　　视觉传感器的优点是探测范围广、获取信息丰富，实际应用中常使用多个视觉传感器或者与其它传感器配合使用，通过一定的算法可以得到物体的形状、距离、速度等诸多信息。或是利用一个摄像机的序列图像来计算目标的距离和速度，还可采用SSD算法，根据一个镜头的运动图像来计算机器人与目标的相对位移。但在图像处理中，边缘锐化、特征提取等图像处理方法计算量大，实时性差，对处理机要求高。且视觉测距法检测不能检测到玻璃等透明障碍物的存在，另外受视场光线强弱、烟雾的影响很大。
　　红外传感器
　　大多数红外传感器测距都是基于三角测量原理。红外发射器按照一定的角度发射红外光束，当遇到物体以后，光束会反射回来，如图所示。反射回来的红外光线被CCD检测器检测到以后，会获得一个偏移值L，利用三角关系，在知道了发射角度α，偏移距L，中心矩X，以及滤镜的焦距f以后，传感器到物体的距离D就可以通过几何关系计算出来了。红外传感器的优点是不受可见光影响，白天黑夜均可测量，角度灵敏度高、结构简单、价格较便宜，可以快速感知物体的存在，但测量时受环境影响很大，物体的颜色、方向、周围的光线都能导致测量误差，测量不够精确。
　　超声波传感器
　　超生波传感器检测距离原理是测出发出超声波至再检测到发出的超声波的时间差，同时根据声速计算出物体的距离。由于超声波在空气中的速度与温湿度有关，在比较精确的测量中，需把温湿度的变化和其它因素考虑进去。超声波传感器一般作用距离较短，普通的有效探测距离都在5-10m之间，但是会有一个最小探测盲区，一般在几十毫米。由于超声传感器的成本低，实现方法简单，技术成熟，是移动机器人中常用的传感器。