自动驾驶的五大核心技术
发布时间：2019-10-24 10:09:44
我们眼睛的主要构成部分是眼球，通过调节晶状体的弯曲程度来改变晶状体焦距来获得实像。那自动驾驶的眼睛是由什么构成的呢？答案是传感器。包括摄像头、激光雷达、毫米波雷达，还有红外线、超声波雷达等。
1、识别技术
和人类的眼睛一样，这个轮式机器人也有它自己的眼睛，用来识别周边的车辆、障碍物、行人等路上的情况。
我们眼睛的主要构成部分是眼球，通过调节晶状体的弯曲程度来改变晶状体焦距来获得实像。那自动驾驶的眼睛是由什么构成的呢？答案是传感器。包括摄像头、激光雷达、毫米波雷达，还有红外线、超声波雷达等。
你可能会惊讶，需要这么多眼睛？没错，它是长满了眼睛的小怪兽，通常拥有10+只眼睛。
其中，最常用的是摄像头，几乎是毫无争议地被所有开发者采用。它和人类的眼睛最接近，可以看清有颜色的标识、物体，看得懂字体，分得清红绿灯。但是缺点也不少，比如在夜晚或恶劣的天气下视力就严重下降，也不擅长远距离观察。
其次是颇富争议的LiDAR，即激光雷达。比较常见的是在车顶，像是顶不停旋转的帽子。原理很简单，就是通过计算激光束的反射时间和波长，可以完成绘制周边障碍物的3D图。而短板则是无法识别图像和颜色。
毫米波雷达也不得不提一提，因为它的全能--可以全天候工作，这使得它不可或缺，即便它无法识别高度，分辨率不高，也难以成像。但它凭借其穿透尘雾、雨雪的硬本领，站稳一席之地。
可以通过下面这个性能对比表格，了解主流传感器的优势和软肋。
如此多各式各样的眼睛，那她的视力一定很好咯？那也未必。你以为星多天空亮，可它们之间能够互补还好，但也难免会产生矛盾。这么多只眼睛你要优先选择相信谁，这也是一个课题叫Sensor Fusion，传感器融合。根据每种传感器的优缺点来综合评判信息的准确度，得到更可靠的最终结果。传感器融合的另一个优点是，换来一定程度的冗余，即便某只眼睛暂时失明，也不会影响它安全前行。
2、决策技术
通过眼睛识别得到了周边环境，接下来就要充分利用这些信息进行理解分析，决定自己该如何走下一步。要完成这项任务的就是最强大脑。
跟人类的大脑一样，我们不是天生就会开车，也不是拿到驾照就成老司机了。需要一定的知识积累，自动驾驶机器人也同样需要。完成大脑中的知识库有两种方式：专家规则式和AI式。
专家规则式，英文叫rule-based。即提前编写好规则，当需要做决定的时候必须严格遵守这些规则。举个栗子，当准备超车变道时，需要满足以下条件（这是一个假专家，仅供参考）：道路半径大于500R（弯道不变道）；跟目标车道上的前后车的距离都在20m以上；比后车的车速慢不超过5km/h；等等等等...以上N个条件同时满足时，即可超车变道。
AI式，就是一直很火的人工智能Artificial Intelligence。模仿人类的大脑，通过AI算法对场景进行理解。或提前通过大量的犯错积累经验，或事前听某人指点江山。通过AI式积累知识库，会让她的反应更加灵活。专家也难免有疏忽，更何况交通瞬息万变，没有灵活的大脑如何应对我大中华的路况呢？
3、定位技术
只有知道自己在哪里，才知道自己去哪里。
现今，除了主流的用GPS或GNSS（全球卫星导航系统）来定位的方式之外，也有在公路上铺设电磁诱导线等方式来实现定位。高精度GPS定位目前来说最大难题是，山区和隧道等地理因素对精度的影响，虽然可以依靠IMU（惯性测量单元）来进行推算，但GPS丢失信号时间过长的话，累计的误差就会比较大。
另外，自动驾驶专用的3D动态高清地图带给了自动驾驶更多可能性。因为有了高清地图，就可以将自己的位置轻松定位在车道上。
4、通信安全技术
试想如果被黑客入侵，控制了你的自动驾驶车，不仅可以监听到你的秘密谈话，还很可能成为杀人工具。黑客可以通过影响传感器的数据而影响决策，或直接介入判断机制进而影响行驶轨道。
先了解一个术语，V2X=Vehicle To Everything。即车辆与基础设施之间所有通信的通用简称，包括车辆与车辆之间叫V2V、车辆与行人之间V2P、车辆与交通基础设施之间V2I、车辆与网络之间V2N等。
V2X包含了汽车和我们的个人信息，因此在通信的时候对用户的身份验证和给数据加密，这些都必不可少。
5、人机交互技术
虽说我们对自动驾驶的印象大多是，不需要人们的干涉，它就能把我们送到任何想去的地方。但是很遗憾，目前的自动驾驶系统还做不到这一点。
遇到自动驾驶驾驭不了的场景，便会呼唤你接替它的工作。这时，HMI（人机界面）就发挥作用了。它的目标是，用最直观最便捷的方式通知我们，让驾驶员尽快注意到。
此外，通过观察分析驾驶员的面部表情和动作，判断其困倦状态，并通过给驾驶员提供感兴趣的话题等方式予以提醒，也是人机交互多样化发展的一个例子。还有些不仅局限于和车内人的互动，也可以与路上行人进行互动，表达让行等意愿。
来源：每日自动驾驶
