隨著人工智能技術(shù)的不斷發(fā)展，人們急切的希望這項技術(shù)能夠盡快的落地成熟，那么自動駕駛技術(shù)到底涉及到哪些科技呢？現(xiàn)有的產(chǎn)品到底是處于什么階段呢？

技術(shù)簡析自動駕駛

技術(shù)分級

自動駕駛技術(shù)分為多個等級，目前國內(nèi)外產(chǎn)業(yè)界采用較多的為美國汽車工程師協(xié)會（SAE）和美國高速公路安全管理局（NHTSA）推出的分類標(biāo)準(zhǔn)。

按照SAE的標(biāo)準(zhǔn)，自動駕駛汽車視智能化、自動化程度水平分為6個等級：無自動化（L0）、駕駛支援（L1）、部分自動化（L2）、有條件自動化(L3)、高度自動化(L4)和完全自動化（L5）。兩種不同分類標(biāo)準(zhǔn)的主要區(qū)別在于完全自動駕駛場景下，SAE更加細(xì)分了自動駕駛系統(tǒng)作用范圍。詳細(xì)標(biāo)準(zhǔn)見下圖：

技術(shù)路線

在自動駕駛技術(shù)方面，有兩條不同的發(fā)展路線：

第一種是“漸進演化”的路線，也就是在今天的汽車上逐漸新增一些自動駕駛功能，例如特斯拉、寶馬、奧迪、福特等車企均采用此種方式，這種方式主要利用傳感器，通過車車通信（V2V）、車云通信實現(xiàn)路況的分析。

第二種是完全“革命性”的路線，即從一開始就是徹徹底底的自動駕駛汽車，例如谷歌和福特公司正在一些結(jié)構(gòu)化的環(huán)境里測試的自動駕駛汽車，這種路線主要依靠車載激光雷達、電腦和控制系統(tǒng)實現(xiàn)自動駕駛。

從應(yīng)用場景來看，第一種方式更加適合在結(jié)構(gòu)化道路上測試，第二種方式除結(jié)構(gòu)化道路外，還可用于軍事或特殊領(lǐng)域。

硬件需求

自動駕駛作為新技術(shù)要與汽車舊有載體做加法，那么它需要哪些硬件配套呢？所有離開硬件光談自動駕駛都是耍流氓。

各類傳感器

各類傳感器并不一定會同時出現(xiàn)在一輛車上。某種傳感器存在與否，取決于這輛車需要完成什么樣的任務(wù)。如果只需要完成高速公路的自動駕駛，類似Tesla 的 AutoPilot 功能，那根本不需要使用到激光傳感器；如果你需要完成城區(qū)路段的自動駕駛，沒有激光傳感器，僅靠視覺是很困難的。

自動駕駛系統(tǒng)工程師要以任務(wù)為導(dǎo)向，進行硬件的選擇和成本控制。

控制器

控制器是汽車的大腦，算法研究得較為成熟時，就可以將嵌入式系統(tǒng)作為控制器，比如Audi和TTTech共同研發(fā)的zFAS，目前已經(jīng)應(yīng)用在最新款A(yù)udi A8上量產(chǎn)車上了。

CAN卡

工控機與汽車底盤的交互必須通過專門的語言——CAN。從底盤獲取當(dāng)前車速及方向盤轉(zhuǎn)角等信息，需要解析底盤發(fā)到CAN總線上的數(shù)據(jù)；工控機通過傳感器的信息計算得到方向盤轉(zhuǎn)角以及期望車速后，也要通過 CAN卡 將消息轉(zhuǎn)碼成底盤可以識別的信號，底盤進而做出響應(yīng)。

CAN卡可以直接安裝在工控機中，然后通過外部接口與CAN總線相連。

全球定位系統(tǒng)（GPS）+慣性測量單元（IMU）

人類開車，從A點到B點，需要知道A點到B點的地圖，以及自己當(dāng)前所處的位置，這樣才能知道行駛到下一個路口是右轉(zhuǎn)還是直行。

無人駕駛系統(tǒng)也一樣，依靠GPS+IMU就可以知道自己在哪（經(jīng)緯度），在朝哪個方向開（航向），當(dāng)然IMU還能提供諸如橫擺角速度、角加速度等更豐富的信息，這些信息有助于自動駕駛汽車的定位和決策控制。

軟件需求

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(xiàn)信息的轉(zhuǎn)化，更細(xì)化的分類如下。

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(wǎng)卡實現(xiàn)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(fā)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(zhì)，需要使用不同的協(xié)議去解析這些信息，這就是上文提到的“驅(qū)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(shù)據(jù)。

預(yù)處理

傳感器的信息拿到后會發(fā)現(xiàn)不是所有信息都是有用的。

傳感器層將數(shù)據(jù)以一幀一幀、固定頻率發(fā)送給下游，但下游是無法拿每一幀的數(shù)據(jù)去進行決策或者融合的。因為傳感器的狀態(tài)不是100%有效的，如果僅根據(jù)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(fù)責(zé)任的。因此上游需要對信息做預(yù)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(lǐng)域經(jīng)常使用到的一個算法——卡爾曼濾波。

坐標(biāo)轉(zhuǎn)換

坐標(biāo)轉(zhuǎn)換在智能駕駛領(lǐng)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(qū)域）是布置在車輛周圍的；當(dāng)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(rèn)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(guī)劃時，是在車體坐標(biāo)系下做的（車體坐標(biāo)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(zhuǎn)移到自車坐標(biāo)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(zhuǎn)移到自車坐標(biāo)系下，才能供規(guī)劃決策使用。

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。

決策規(guī)劃

這一層次主要設(shè)計的是拿到融合數(shù)據(jù)后，如何正確做規(guī)劃。規(guī)劃包含縱向控制和橫向控制。

縱向控制即速度控制，表現(xiàn)為 什么時候加速，什么時候制動。

橫向控制即行為控制，表現(xiàn)為 什么時候換道，什么時候超車等。