車輛定位

自動駕駛中車輛精確定位的方法主要有3種：

第一種是通過高精度的差分GPS+慣性導(dǎo)航IMU來完成，GPS定位精度高，但是刷新速度較慢，IMU刷新速度快，但是存在累積誤差，兩者配合使用剛好可以獲得快速且精確的位置信息。

第二種是通過激光雷達+高精度地圖來定位，將激光雷達掃描周圍環(huán)境所獲得的點云與高精度地圖進行比對和匹配，從而獲得位置信息。

第三種是通過攝像頭圖像數(shù)據(jù)+視覺地圖來定位，將攝像頭在行駛過程中拍攝到的圖像數(shù)據(jù)，包括圖像靜態(tài)信息和圖像間的移動信息，與視覺地圖進行比對和匹配，可以獲得位置信息。或者從圖像中提取一些關(guān)鍵目標(biāo)及其精確的幾何特征(如車道線、地面標(biāo)記、交通標(biāo)牌、紅綠燈等)，將其和高精度地圖中存儲的信息進行對應(yīng)和匹配，完成定位功能。

環(huán)境理解

包括物體識別和物體追蹤，比如行人識別、車輛識別、車道識別、交通標(biāo)識識別、行駛中車輛的追蹤、行動中行人的追蹤等。深度學(xué)習(xí)在這些應(yīng)用中展現(xiàn)出了比傳統(tǒng)計算機視覺技術(shù)更好的性能，從而被廣泛應(yīng)用。

行為預(yù)測

人類智能在駕駛中體現(xiàn)在可以根據(jù)動態(tài)變化的環(huán)境實時調(diào)整駕駛策略，同樣機器也需要對車輛周邊的人、車、物的行為進行預(yù)測，從而做出安全駕駛決策。

行動規(guī)劃

根據(jù)車身狀態(tài)數(shù)據(jù)、局部環(huán)境數(shù)據(jù)做出當(dāng)下最優(yōu)的行動選擇，包括加速、剎車、變換車道、轉(zhuǎn)彎等。

路徑規(guī)劃

從出行需求出發(fā)，在高精度地圖的基礎(chǔ)之上，根據(jù)全局路網(wǎng)數(shù)據(jù)和宏觀交通信息，繪制一條從出發(fā)點到目標(biāo)點的最優(yōu)行車路徑。

實事求是地說，國內(nèi)真正進入到?jīng)Q策層的企業(yè)不多，有做園區(qū)、機場擺渡車的馭勢科技，做高速公路貨運的圖森互聯(lián)，還有做園區(qū)無人車和干預(yù)輔助類高級ADAS系統(tǒng)的智行者。你們聽說過的那些單目、雙目、環(huán)視視覺ADAS公司實現(xiàn)的大多是預(yù)警提示類功能，如碰撞預(yù)警、盲點監(jiān)測等，只是停留在感知層面，沒有涉及到?jīng)Q策。相比之下國外在決策層探索的企業(yè)就很多了，Drive.ai，Comma.ai，nuTonomy，zoox，F(xiàn)araday，Cruise，Otto，Navya等等。國內(nèi)的路況確實比國外復(fù)雜得多，再加上中國政府還不允許自動駕駛車輛上路路測，這些都制約著國內(nèi)企業(yè)在決策層發(fā)力。

識別算法業(yè)內(nèi)有KITTI(用于評測目標(biāo)檢測、目標(biāo)跟蹤、語義分割等)和Cityscapes(用于評測像素級場景分割和實例標(biāo)注等)等公開數(shù)據(jù)集進行評測，但是對決策質(zhì)量和規(guī)劃能力的好壞還沒有統(tǒng)一評價標(biāo)準(zhǔn)，因而無從判斷各家技術(shù)能力的強弱，只能從公布的Demo中窺測一二。

執(zhí)行層

自動駕駛的執(zhí)行層離不開和車載控制系統(tǒng)的深度集成，可惜車廠和Tier1出于自我保護，不愿意對外開放車輛控制總線，一些創(chuàng)企無法對原車做改動，不得已只能另外附加一套電機裝置，通過電機拉動鋼絲繩，鋼絲繩再拉動油門、制動、轉(zhuǎn)向等裝置完成執(zhí)行動作。這種做好確實非常笨拙，操控性和可靠性很差，根本無法體現(xiàn)自動駕駛的優(yōu)勢。真正的自動駕駛必須要將決策控制信息與車輛底層控制系統(tǒng)深度集成，通過線控技術(shù)完成執(zhí)行機構(gòu)的電控化，達到電子制動、電子驅(qū)動和電子轉(zhuǎn)向。

歸根結(jié)底，自動駕駛的落腳點在“駕駛”不在“自動”，“大腦”再發(fā)達也要靠“雙腳”來行走。不把人工智能算法落地到車輛的控制執(zhí)行，你永遠不知道有多少dirty work要做。例如車的轉(zhuǎn)向、制動、加速，你究竟要把方向盤打多大何時回輪、剎車踩多大、

歸根結(jié)底，自動駕駛的落腳點在“駕駛”不在“自動”，“大腦”再發(fā)達也要靠“雙腳”來行走。不把人工智能算法落地到車輛的控制執(zhí)行，你永遠不知道有多少dirty work要做。例如車的轉(zhuǎn)向、制動、加速，你究竟要把方向盤打多大何時回輪、剎車踩多大、驅(qū)動給多少，人類司機是憑經(jīng)驗來執(zhí)行的，但是對自動駕駛系統(tǒng)來說，需要很多汽車動力學(xué)的knowhow才能完成。如果你只是單純地在計算機上跑幾個Demo，沒有實打?qū)嵉厣宪嚶窚y過，哪家車廠敢用你的算法?真上路還不得撞得人仰馬翻?那些單靠幾個博士弄個算法跑個測試集刷刷榜就想出來融資的初創(chuàng)都是耍流氓。業(yè)內(nèi)人打趣說，做自動駕駛只要撞死個人，公司就可以直接倒閉了，融的那點錢還不夠賠償費呢!大家所熟知的國內(nèi)計算機視覺領(lǐng)域四大獨角獸，都未染指自動駕駛(商湯只是聲稱可以提供算法支持，和真正做自動駕駛還差得遠呢)，視覺算法在人臉識別、安防監(jiān)控領(lǐng)域落地相對比較容易，但是在自動駕駛領(lǐng)域要實實在在做車的話還是有很多坑的，這就是為什么國內(nèi)涉及決策層和控制層的企業(yè)這么少的原因。

中國人要想碰執(zhí)行層確實非常難，國內(nèi)在線控技術(shù)上仍處在研發(fā)初始階段，技術(shù)底子薄，積累時間不足。國外車廠和Tier1壟斷了自動駕駛控制執(zhí)行部分，同時它們在感知和決策部分也在不遺余力地投入研發(fā)，憑借多年積累的工程能力、產(chǎn)品化能力和汽車經(jīng)驗，已有符合車規(guī)的產(chǎn)品成熟量產(chǎn)，對國內(nèi)企業(yè)來說確實是不小的壓力。創(chuàng)業(yè)企業(yè)可以通過和國產(chǎn)車廠、國產(chǎn)供應(yīng)商合作研發(fā)，共同抵制國外廠商，也可以和深諳執(zhí)行器改裝的團隊合作，介入執(zhí)行層，總之未來的競爭不會是單個企業(yè)實力的比拼，而是生態(tài)聯(lián)盟間的合縱連橫。

自動駕駛的基本技術(shù)架構(gòu)

關(guān)于自動駕駛的全面解析

上圖是我畫的自動駕駛基本技術(shù)架構(gòu)，由車載系統(tǒng)+云端系統(tǒng)組成。

車載部分

感知層各種類型的傳感器采集、接收的數(shù)據(jù)，通過總線進行集成，再通過數(shù)據(jù)的融合和智能化處理，輸出自動駕駛所需的環(huán)境感知信息。車載傳感器的優(yōu)化配置，可以在保證精度和安全性的基礎(chǔ)上，降低整體成本。

主控系統(tǒng)由硬件部分高性能車載集成計算平臺和軟件部分智能車載操作系統(tǒng)組成。計算平臺融合了傳感器、高精度地圖、V2X的感知信息進行認知和決策計算，硬件處理器可以有GPU、FPGA、ASIC等多種選擇，它們各自的優(yōu)缺點可以參見小研以前的分析文章《AI時代，我的中國“芯”》。智能車載操作系統(tǒng)融合了車內(nèi)人機交互、運營服務(wù)商、內(nèi)容服務(wù)商的數(shù)據(jù)，為乘客提供個性化服務(wù)，真正把智能車變成下一個“互聯(lián)網(wǎng)入口”，目前的主流操作系統(tǒng)包括Android、Linux、Windows、QNX、YunOS(阿里云提供)等。