汽車為什么會自己跑？自動駕駛不神秘

　　【太平洋汽車網(wǎng) 行業(yè)頻道】什么樣的車會自己跑？當然是無人駕駛汽車！

　　但是在實現(xiàn)真正的無人駕駛之前，有一個更寬泛的概念是自動駕駛。大家應(yīng)該也都聽過，自動駕駛是分等級的，應(yīng)用最廣泛的是SAE國際汽車工程師協(xié)會制定的，將自動駕駛分為L0-L5六個等級。

　　L0當然是沒有自動駕駛功能，L1到L5自動駕駛水平依次提升。大家可以看一下這張圖，對自動駕駛分級有一個大概的了解。

　　那是不是只有L5，才能叫無人駕駛？也不是，一些更低等級的自動駕駛應(yīng)用在一些特殊場景內(nèi)，其實也可以完全無需人的介入。比如現(xiàn)在已經(jīng)少量上路的外賣、快遞配送車；港口、礦場內(nèi)的無人運輸車；場地內(nèi)的載人觀光無人駕駛汽車或微循環(huán)巴士等等。

　　不過我們聊的最多的，其實是可以在開放道路行駛的自動駕駛汽車。

　　需要注意的是，目前國內(nèi)上路的所有自動駕駛汽車，包括特斯拉，都仍然屬于L2級，駕駛主體是人。如果發(fā)生交通事故需要負責的也是駕駛員本人。

　　奧迪A8等號稱實現(xiàn)L3級自動駕駛的量產(chǎn)車，目前并沒有在國內(nèi)開放相應(yīng)功能，并且在絕大多數(shù)市場都沒有開放。

　　主要原因是法律法規(guī)的限制，因為一旦實現(xiàn)L3級，在特定場景下駕駛主體就變成了車，發(fā)生事故的責任界定需要更復(fù)雜的法律法規(guī)去完善。所以目前使用自動駕駛功能時，一定要保持注意力。

　　搞清楚這些，我們來看一下自動駕駛汽車是怎么運轉(zhuǎn)的。

　　現(xiàn)在想想我們?nèi)耸窃趺撮_車的，首先看清楚周圍的路況，判斷要不要拐彎，或者加速、或者停車，然后控制方向盤、剎車、油門。

　　對應(yīng)到自動駕駛汽車上，就是：感知-決策規(guī)劃-控制。

　　感知可以分為環(huán)境感知和車輛運動，一個是了解周圍環(huán)境，一個是了解自身的狀態(tài)。

　　如果是低階的自動駕駛，比如現(xiàn)在的L2級，還需要一項駕駛員監(jiān)測。

• 駕駛員監(jiān)測

　　駕駛員監(jiān)測比較好理解，車內(nèi)的攝像頭可以監(jiān)測駕駛員有沒有犯困睡著，有沒有長時間分神處理別的事情。

　　而方向盤上的生物電傳感器，可以監(jiān)測駕駛員有沒有保持手握方向盤，甚至可以感知到駕駛員狀態(tài)、情緒。不過有些車用的是方向盤轉(zhuǎn)矩來監(jiān)測的。

• 車輛運動

　　車輛運動感知是要知道你在哪。最基礎(chǔ)的當然是GPS全球定位系統(tǒng)，當然也包括我們的北斗系統(tǒng)。

　　不過衛(wèi)星信號在隧道、樓宇間甚至樹蔭下都有可能斷掉，這就需要慣性導(dǎo)航來短時間繼續(xù)判斷你的位置。

　　慣導(dǎo)通過車輛的加速度判斷車輛的速度、偏航角等信息，對應(yīng)到導(dǎo)航坐標系中實現(xiàn)定位，不需要依賴外界信號，但持續(xù)時間和精度有限。尤其是大規(guī)模量產(chǎn)的車上，成本受限的慣導(dǎo)系統(tǒng)。

　　另外，自動駕駛車上還需要有速度傳感器和角傳感器等，感知車輛當前的運動狀態(tài)。

• 攝像頭

　　在感知系統(tǒng)里，對環(huán)境的感知相對復(fù)雜一些。對環(huán)境的感知需要用到傳感器，最容易想到的當然是最類似人眼的攝像頭。

　　不過不像人眼可以快速的變焦和轉(zhuǎn)動，目前的技術(shù)還無法支持車載攝像頭頻繁的變焦，也無法支持由此產(chǎn)生的海量數(shù)據(jù)。所以車載攝像頭都是定焦的，這就限制了可以觀察的視距。

　　如果再加一個攝像頭，讓他的視距更遠，這就是雙目攝像頭。一個負責看得廣，一個負責看得遠。并且還能像人眼一樣通過兩個有間距的攝像頭的圖形差值，更好的判斷距離。

　　但雙目攝像頭需要讓兩組圖像可以重合，以便讓系統(tǒng)可以識別，這就需要專門的標定。但熱脹冷縮等會影響標定好的精度，這就給后期的融合帶來了麻煩。

　　同理還有三目攝像頭可以覆蓋三個不同的視距，但標定也會更加麻煩。

　　除了朝前看，高階自動駕駛汽車還需要能看到側(cè)面和后面，這就需要車身周圍的更多攝像頭。

　　攝像頭的優(yōu)勢在可以看到更多的細節(jié)，包括車道線、紅綠燈、剎車燈等等。但判斷距離的精度較差，大霧、雨雪、逆光、夜晚等會影響他的識別。這就需要雷達做輔助。

• 毫米波雷達

　　我們平時用的倒車雷達是超聲波雷達，發(fā)出的是聲波，只能達到聲速。超聲波雷達體積小、價格低，但探測精度差、范圍小，并且在高速運動時影響很大，在自動駕駛中的應(yīng)用并不多。

　　應(yīng)用多的是毫米波雷達，發(fā)出的是電磁波，以光速傳播。主要的毫米波雷達有24GHz和77GHz兩種。

　　24GHz頻率低、帶寬窄，精度相對較低，主要用于盲點監(jiān)測、自動泊車等。

　　而77GHz精度高很多，可以更準確的探測距離，并且天氣等對他的影響很小。和攝像頭融合就能夠很好的完成對環(huán)境的感知。

　　但毫米波雷達可以感知距離，可無精準法感知物體的具體形狀，或者前方兩個人的間距等，探測的噪點也很多。比如空無一物的道路上，因為一些起伏或者路面的顆粒等，也會形成反射干擾毫米波雷達的判斷。

• 激光雷達

　　激光雷達可以很好的解決這些問題，他的精度可以達到厘米級。

　　激光雷達上每一個激光發(fā)生器代表一線，常用機械旋轉(zhuǎn)式激光雷達有10線、64線、128線等。

　　激光雷達每射出一束光就收集到周圍環(huán)境一個點的具體位置，每旋轉(zhuǎn)一圈就能收獲周邊環(huán)境360°的一個點云，由此可以生成一幅更多細節(jié)的立體空間。與攝像頭拍攝的圖形融合，就能生成有顏色、有細節(jié)、又有具體位置的周邊環(huán)境。不僅可以用于自動駕駛汽車，也可以用于繪制高精度地圖。

　　我們知道光也是一種波，最常用的激光雷達有波長為905nm和1550nm兩種。

　　因為硅可以吸收905nm波長的光子，而1550nm的接收器需要用到銦鎵砷，所以905nm的激光雷達成本更低。

　　但905nm波長更接近可見光，為了防止出現(xiàn)意外傷害人眼，需要限制功率，探測距離也因此受限。而1550nm可以用更高的功率探測更遠的距離。

　　但激光雷達也有很多限制：

　　首先是成本，因為此前激光雷達僅用于測繪、軍事等少數(shù)領(lǐng)域，精度要求高、產(chǎn)量需求低，所以價格十分高昂。很多自動駕駛測試團隊采購的激光雷達，動輒數(shù)十萬乃至上百萬。

　　并且傳統(tǒng)的激光雷達十分笨重，因為需要選裝感知周遭環(huán)境。所以需要架設(shè)在車頂，但這么沉重的設(shè)備對車輛重心、風阻等影響很大。而一旦發(fā)生碰撞，如此沉重的設(shè)備帶來的風險也十分巨大。

　　不過如果自動駕駛形成產(chǎn)業(yè)，相信激光雷達的成本和重量都能得到很好的控制。

　　由于傳統(tǒng)的旋轉(zhuǎn)式激光雷達需要不斷的轉(zhuǎn)動，難免會存在機械損耗甚至故障。目前已經(jīng)出現(xiàn)了棱鏡激光雷達、固態(tài)激光雷達、相控陣激光雷達等諸多方案，且已經(jīng)有部分達到車規(guī)級要求實現(xiàn)量產(chǎn)，奧迪全新A8部分車型就就配備有量產(chǎn)車規(guī)級的激光雷達。

　　棱鏡激光雷達通過電磁波控制很多塊棱鏡的角度反射激光實現(xiàn)點云覆蓋，但電磁波控制在棱鏡在大的顛簸中容易發(fā)生位移影響精度；單純朝向一側(cè)的固態(tài)激光雷達不需要機械運動，更像是通過激光拍照，但目前探測的距離偏短；而相控陣激光雷達是通過光柵原理讓激光發(fā)生偏轉(zhuǎn)實現(xiàn)掃描，不過技術(shù)成熟度和成本仍然受限。

　　我們在物理課本中學(xué)過，長波可以繞過障礙物，而短波更容易被反射。波長很短的激光遇到在大霧、霧霾、雨雪天氣等天氣時，雨霧、霧霾顆粒會反射激光，讓激光雷達失效。相反波長較長的毫米波不會受到影響。

　　而對比攝像頭，激光雷達無法識別顏色，也就無法識別紅綠燈、車道線等。

• 數(shù)據(jù)融合

　　所以將三者的數(shù)據(jù)通過一個模塊融合，就能生成一個比較完整的周遭環(huán)境的具體狀態(tài)。

　　因為車在動，環(huán)境中的物體也在動，所以還需要對每一組數(shù)據(jù)都打上精準的時間戳，以便確定環(huán)境的實時狀態(tài)，這就需要一個比較復(fù)雜的算法來完成。

　　不過三種傳感器的方案也并不絕對，例如特斯拉就堅持僅適用攝像頭＋毫米波雷達來實現(xiàn)更高階的自動駕駛。馬斯克宣稱僅升級算法就可以實現(xiàn)完全自動駕駛。理論上這種方案確實可行，不過目前的人工智能水平還遠未達到。

　　在感知層面，還有另一種路線是傳感器配合高精度地圖、高精度定位加上V2X，這個我們后面會聊到。

• 視覺算法

　　以上僅僅完成了“看見”的要求，想要讓車輛能“認識”又是一道難關(guān)。

　　車是機器、車上的AI也是機器。AI人工智能智能進行數(shù)學(xué)運算，如何讓AI分清路上的各種東西？

　　簡單來說就是識別物體的特征，將這些特征轉(zhuǎn)化成AI可以理解的數(shù)字信號后再進行比對。

　　比如你要讓AI認識金毛，可以告訴AI金毛是棕黃色的，但AI會把秋田、狐貍、皮包、沙灘，或者別的奇奇怪怪的東西都當做金毛。

　　那輸入更多的特征呢？AI還是可能把泰迪熊，甚至曲奇餅干當做金毛......

　　有沒有更好的辦法？有！你可以給AI看一百張、一千張甚至更多的金毛的照片，讓他自己識別特征，這就機器學(xué)習(xí)的基本原理。

　　由此還誕生了一個新的職業(yè)——數(shù)據(jù)標注員。就是給圖片打各種標簽，用于AI學(xué)習(xí)。

　　理論上海量的數(shù)據(jù)就能讓視覺算法認識路上的所有東西，實現(xiàn)完全的自動駕駛，但現(xiàn)在的技術(shù)還遠沒達到。并且受芯片算力的限制，AI還需要對識別出來的物體簡化方便運算。

　　比如我們看到的細節(jié)豐富的路口，特斯拉目前最新的算法，也需要簡化成下圖這樣進行理解。

　　這也是越高階的自動駕駛，對算力的要求也越高的重要原因。

　　看懂了周遭環(huán)境，也了解了自身的狀態(tài)，下一步就需要決定怎么走。

　　比如最簡單的車道保持，AI會把車道線簡化成一個一個的點進行決策。如果進入彎道時，車輛識別到右邊的點太近，就轉(zhuǎn)向左邊，左邊太近了有轉(zhuǎn)向右邊，這么生硬的晃來晃去，相信沒有人愿意坐這樣的車。

　　這就需要優(yōu)化算法，比如把連接兩點的直線換算成平滑的曲線，這樣轉(zhuǎn)向帶來的加速度就會變小，經(jīng)過更復(fù)雜的優(yōu)化才能讓車沿著車道線，走出一條平滑的弧線。

　　同理還要優(yōu)化對剎車油門的控制，不至于新手司機那樣猛加速猛剎車，動作更加擬人。而這還是最基礎(chǔ)的部分。

　　遇到前方慢車需要減速還是變道超車，判斷旁邊車道是否有足夠安全的間距，后方車輛是否在快速接近來決策變道是否安全。

　　還有在混亂的障礙物中間，如何找到一條最短又平順的路徑通過。當然，還有必須要遵守的交規(guī)等。

　　這些才是決策規(guī)劃的難點。

　　這些動作的背后，是一行行的代碼

• 自動駕駛芯片

　　運算代碼需要用到芯片。

　　目前很多測試的自動駕駛車輛，用的其實是通用的GPU等芯片。測試中的自動駕駛車輛，往往計算單元就能塞滿整個后備箱。

　　但算法確定之后，可以開發(fā)專用的芯片，占用的空間對于汽車可以忽略不計。

　　自動駕駛對于性能和算力的要求很高，更先進的制成工藝可以實現(xiàn)更好的性能，但同時車用的芯片有需要滿足車規(guī)級的要求。

　　車規(guī)級要求簡單來說，就是需要滿足遠高于手機等消費級電子產(chǎn)品的防水、防塵、防震、防高低溫等等性能。比如最低-40℃，最高80℃，并且要最低溫直接切換到最高溫不出問題。

　　要同時滿足性能和車規(guī)級要求，成本就難以控制了！

　　所以通常會降低制成精度優(yōu)先考慮安全，同時做一個雙系統(tǒng)的冗余設(shè)計。例如一塊芯片出現(xiàn)問題，另一塊芯片立刻無縫接替工作，同時出問題的芯片已經(jīng)在自檢重啟，而乘員并不會感知到。

　　我們看到當下手機已經(jīng)大量使用7nm制成，甚至開始使用5nm制成。但車用芯片可能還是24nm甚至48nm制成，這并不奇怪。

　　同理還有很多手機等消費電子產(chǎn)品早已使用，甚至略顯過時的技術(shù)，才剛剛在汽車上使用，其實已經(jīng)是很巨大的進步了。

　　完成了感知、決策規(guī)劃，就好像我們開車時看清了路況并決定了下一步怎么操作。接下來轉(zhuǎn)動方向盤，踩下油門、剎車才是關(guān)鍵。

　　自動駕駛汽車的AI不是一個實體的機器人，想要完成對車輛的控制不能通過物理的操作。

　　這就需要車輛有線控系統(tǒng)，簡單來說就是我們傳統(tǒng)的方向盤、油門、剎車就是物理按鍵，而線控是虛擬的觸摸按鍵，對車輛的操控是通過電信號，而不是物理傳導(dǎo)。

　　目前絕大多數(shù)車輛并不具備線控系統(tǒng)，即便如英菲尼迪Q50的線控轉(zhuǎn)向，處于安全考慮也是有物理傳導(dǎo)備份的。目前車上大量取消了物理傳導(dǎo)的，主要是換擋機構(gòu)（電子檔桿等）和手剎（電子手剎、Auto Hold等）。所以傳說巡航無法取消，踩剎車沒有反應(yīng)的事件并不會真實存在。

　　有了線控裝置，還需要有對應(yīng)的控制算法。控制是自動駕駛中很重要、很困難但相對成熟的一項技術(shù)，目前主流有PID（積分微分控制）、LQR（線性二次調(diào)節(jié)器）、MPC（模型預(yù)測控制）幾種成熟的方案，這里就不對算法做過多的闡述了。

　　具備感知-決策規(guī)劃-控制能力后，一輛車才具備了自動駕駛能力。但究竟能實現(xiàn)何種程度的自動駕駛水平，還取決于各項技術(shù)的先進程度。

　　感知傳感器可以疊加，可以做大量冗余，但物理限制仍然存在；AI算法可以通過大量的測試和海量的數(shù)據(jù)進行深度學(xué)習(xí)，不過目前AI人工智能還有巨大的進步空間；芯片的性能和算力還要寄托于技術(shù)水平的進一步升級。

　　單車自動駕駛水平的提升還有很多的限制需要突破，不過也可以通過外界的賦能讓他進步的更快。

• 高精度地圖

　　我們開車在日常上下班熟悉的路線上會開的更好，在陌生的地段就需要小心翼翼。

　　怎么讓自動駕駛汽車也能對道路想老司機一樣熟悉？答案是高精度地圖。

　　我們現(xiàn)在用的導(dǎo)航已經(jīng)非常方便了，有明確的路線指引，還有實時的擁堵狀況等。不過不知道你有沒有遇到過因為走錯車道錯過路口的狀況？高精度地圖的不同就在這里，可以精確到車道，以及路面的虛線實線等等。

　　通過計算剎車距離，系統(tǒng)反應(yīng)時間等的計算，目前自動駕駛汽車（乘用車）的感知距離到達150m就可以保證安全。

　　當然這是對障礙物的感知，對道路的感知其實還要更短。通過高精度地圖，自動駕駛車輛可以提前了解感知范圍之外的道路情況，提前規(guī)劃好路線。

　　目前還有技術(shù)路線是通過路上行駛的自動駕駛汽車的感知傳感器實時上傳道路數(shù)據(jù)。通過這種“眾包”的方式獲得更多路段的高精度地圖，效率更高，同時也能獲得各條道路實時的高精度路況。

　　不過目前這種方案在我國還不可行。因為精確的地圖數(shù)據(jù)往往也會牽涉到國家安全，包括中國在內(nèi)的許多國家對地圖采集繪制有比較嚴格的限制。

　　進行地圖數(shù)據(jù)采集、測繪需要有相應(yīng)國家測繪資質(zhì)。目前國內(nèi)采集的地圖數(shù)據(jù)不可以通過網(wǎng)絡(luò)傳輸，需要用硬盤保存數(shù)據(jù)在相關(guān)機構(gòu)進行不可逆的偏離加密才可以上傳到網(wǎng)絡(luò)。

　　目前我們使用的導(dǎo)航地圖，部分路段實際可能有數(shù)米的位置偏離，但這對于高精度地圖顯然不合適。

　　好在我國對于自動駕駛及高精度地圖等都十分支持，百度、高德等圖商的高精度地圖已經(jīng)陸續(xù)落地。蔚來與小鵬的高速領(lǐng)航功能就是分別運用百度和高德的高精度地圖實現(xiàn)的。

• V2X

　　在前文講感知時，我們提到人開車不僅需要眼看，還需要耳聽。但是自動駕駛汽車感知傳感器并沒有收音的相關(guān)設(shè)備，為什么？

　　開車時我們主要聽什么？周邊車輛的喇叭聲和救護車、消防車、警車等的鳴笛等等。也就是別的車和你之間的一種交流。

　　針對特種車輛，當然也可以用視覺感知來分辨進行避讓，但自動駕駛汽車與其他車輛的交流似乎并沒有提及。

　　其實，有比鳴笛更高效的交流方式，并不僅是和別的車，這就是V2X。

　　在靠單車智能實現(xiàn)L4級、L5級自動駕駛軟硬條件遇到瓶頸的情況下，中國提出了車路協(xié)同的發(fā)展路徑，即車與車（V2V）、車與路（V2I）、車與人（V2P）、車與云(V2N)等信息交互和共享。

　　早前也有很多團隊嘗試發(fā)展V2X技術(shù)，例如通過WiFi信號等進行溝通，但通訊的延時和帶寬都存在瓶頸，且高速移動的汽車也很難保持穩(wěn)定。

　　5G的落地給V2X打開了一扇門，低延時高帶寬且能很好的適應(yīng)高速移動，5G的應(yīng)用歲遠不止自動駕駛，但仿佛天生就是為自動駕駛車路協(xié)同準備的大招。

　　在一條普通的道路（含紅綠燈，信號機，交通標識……），裝備上一套智能路側(cè)設(shè)備（RSU、激光雷達、毫米波雷達、攝像頭、MEC、5G CPE以及智慧錐桶……），在5G的加持下車聯(lián)網(wǎng)V2X平臺便能大展身手。

　　車把自身的行駛軌跡、位置、速度等信息“告訴”路；而路端通過多維感知和協(xié)同計算，再把相關(guān)的碰撞信息、預(yù)警信息等內(nèi)容“告訴”車。

　　目前，在杭州蕭山區(qū)連接紹興、寧波兩地已經(jīng)建成了中國首條“超級高速”，也是國內(nèi)首次開辟自動駕駛專用道設(shè)計的高速——杭紹甬智慧高速。融合了車路協(xié)同、云控平臺、5G 通信網(wǎng)絡(luò)等新興技術(shù)，能實現(xiàn)車道級主動管控、自動派單救援、惡劣環(huán)境智能誘導(dǎo)預(yù)警、交通服務(wù)信息定制推送等。

　　自動駕駛目前還處在發(fā)展的初期階段，很多技術(shù)已經(jīng)初步成型，但技術(shù)細節(jié)和未來方向還有很多的不確定性，因此不論是相關(guān)的專業(yè)論文還是行業(yè)內(nèi)的人員和企業(yè)都仍然可能有判斷失誤的地方。至于本文，當然更是會有諸多的淺薄與疏漏，還請多多包涵。但自動駕駛已經(jīng)成為極具潛力的發(fā)展趨勢，只希望用簡單的文字讓大家對自動駕駛有一個基本的認知。

　　當下，關(guān)于自動駕駛有單車智能和車路協(xié)同的路線之爭，包括特斯拉、谷歌等海外品牌以單車智能為主要的發(fā)力點，而中國則堅定的走上了車路協(xié)同的路線。

　　車路協(xié)同需要巨大的基礎(chǔ)建設(shè)投入，這正是被稱為“基建狂魔”的中國最擅長的領(lǐng)域。有人說發(fā)展車路協(xié)同會影響到企業(yè)提升單車智能的動力和精力，在相關(guān)基建尚未能覆蓋的地區(qū)，尤其是海外市場會削弱競爭力。

　　作為企業(yè)，無法推動如此大規(guī)模的基礎(chǔ)設(shè)施建設(shè)，特斯拉、谷歌等自然而然的選擇了單車智能的路線。但車路協(xié)同發(fā)展的不僅僅是智慧道路，更有智慧城市，也是未來萬物互聯(lián)的基礎(chǔ)。

　　好比百年前無法想象如今轎車糟糕的通過性有何價值，如今馳騁的高速公路網(wǎng)也是百年前不敢想象的奇跡。車路協(xié)同有著巨大的市場，也牽涉眾多的技術(shù)標準，率先實現(xiàn)領(lǐng)先并能夠輸出標準，將會是中國崛起的重要的一大步。（文：太平洋汽車網(wǎng) 郭睿）