二。 軟件

　　軟件包含四層：感知、融合、決策、控制。

　　各個層級之間都需要編寫代碼，去實現信息的轉化，更細化的分類如下。

　　1.采集

　　傳感器跟我們的PC或者嵌入式模塊通信時，會有不同的傳輸方式。

　　比如我們采集來自攝像機的圖像信息，有的是通過千兆網卡實現的通信，也有的是直接通過視頻線進行通信的。再比如某些毫米波雷達是通過CAN總線給下游發送信息的，因此我們必須編寫解析CAN信息的代碼。

　　不同的傳輸介質，需要使用不同的協議去解析這些信息，這就是上文提到的“驅動層”。

　　通俗地講就是把傳感器采集到的信息全部拿到，并且編碼成團隊可以使用的數據。

　　2.預處理

　　傳感器的信息拿到后會發現不是所有信息都是有用的。

　　傳感器層將數據以一幀一幀、固定頻率發送給下游，但下游是無法拿每一幀的數據去進行決策或者融合的。為什么？

　　因為傳感器的狀態不是100%有效的，如果僅根據某一幀的信號去判定前方是否有障礙物（有可能是傳感器誤檢了），對下游決策來說是極不負責任的。因此上游需要對信息做預處理，以保證車輛前方的障礙物在時間維度上是一直存在的，而不是一閃而過。

　　這里就會使用到智能駕駛領域經常使用到的一個算法——卡爾曼濾波。

　　3.坐標轉換

　　坐標轉換在智能駕駛領域十分重要。

　　傳感器是安裝在不同地方的，比如超聲波雷達（上圖中橘黃色小區域）是布置在車輛周圍的；當車輛右方有一個障礙物，距離這個超聲波雷達有3米，那么我們就認為這個障礙物距離車有3米嗎？

　　并不一定！因為決策控制層做車輛運動規劃時，是在車體坐標系下做的（車體坐標系一般以后軸中心為O點），所以最終所有傳感器的信息，都是需要轉移到自車坐標系下的。

　　因此感知層拿到3m的障礙物位置信息后，必須將該障礙物的位置信息轉移到自車坐標系下，才能供規劃決策使用。

　　同理，攝像機一般安裝在擋風玻璃下面，拿到的數據也是基于攝像機坐標系的，給下游的數據，同樣需要轉換到自車坐標系下。

　　什么是自車坐標系？

　　請拿出你的右手，以大拇指 → 食指 → 中指 的順序開始念 X、Y、Z。

　　然后把手握成如下形狀：

　　把三個軸的交點（食指根部）放在自車坐標系后軸中心，Z軸指向車頂，X軸指向車輛前進方向。

　　各個團隊可能定義的坐標系方向不一致，只要開發團隊內部統一即可。

　　4.信息融合

　　信息融合是指把相同屬性的信息進行多合一操作。

　　比如攝像機檢測到了車輛正前方有一個障礙物，毫米波也檢測到車輛前方有一個障礙物，激光雷達也檢測到前方有一個障礙物，而實際上前方只有一個障礙物，所以我們要做的是把多傳感器下這輛車的信息進行一次融合，以此告訴下游，前面有一輛車，而不是三輛車。

　　5.決策規劃

　　這一層次主要設計的是拿到融合數據后，如何正確做規劃。規劃包含縱向控制和橫向控制。

　　縱向控制即速度控制，表現為 什么時候加速，什么時候制動。

　　橫向控制即行為控制，表現為 什么時候換道，什么時候超車等

　　6.軟件長什么樣子？

　　自動駕駛系統中的部分軟件看起來和下面類似。

　　軟件的名字反映了該軟件的實際作用——

　　app_driver_camera 攝像機驅動

　　app_driver_hdmap 高精度地圖驅動

　　app_driver_ins 慣導驅動

　　app_driver_lidar 激光傳感器驅動

　　app_driver_mwr 毫米波傳感器驅動

　　app_fusion_freespace 自由行駛區域融合

　　app_fusion_lane 車道線融合

　　app_fusion_obstacle 障礙物融合

　　app_planning&decision 規劃決策

　　然而實際上攻城獅們會編寫一些其他軟件用于自己的調試工作，比如記錄數據和回放數據的工具。

　　還有用于傳感器信息顯示的可視化程序，類似下圖的效果。