身為出行領(lǐng)域中最具科幻色彩的生意，自動駕駛進入人們視野的時間并不長。盡管自從二十世紀中葉，自動駕駛概念萌芽以來，就屢屢有巨頭企業(yè)涉足此領(lǐng)域，但直到本世紀初，自動駕駛實體應(yīng)用才得到初步實現(xiàn)。
根據(jù)維基百科的定義，自動駕駛車輛又稱無人駕駛車、電腦駕駛車、無人車、自駕車，為一種運輸動力的無人地面載具。作為自動化載具，自動駕駛汽車不需要人類操作即能感測其環(huán)境及導(dǎo)航。完全的自動駕駛汽車仍未全面商用化，大多數(shù)均為原型機及展示系統(tǒng)，部分可靠技術(shù)才下放至量產(chǎn)車型，逐漸成為現(xiàn)實。
如何評估汽車智能化的程度?
關(guān)于汽車智能化程度的描述，目前有兩套業(yè)界較為常用的分級標準，分別是美國國家公路交通安全管理局(NHTSA)制定的標準，以及國際自動機工程師學(xué)會(SAE International)制定的標準。其中，SAE International的標準被更廣泛地采用，它是根據(jù)“誰在做，做什么”的設(shè)計理念制定而成的。
實現(xiàn)自動駕駛需要哪些主要技術(shù)?
為實現(xiàn)自動駕駛，需要硬件與軟件兩大領(lǐng)域的技術(shù)。
具體來說，自動駕駛汽車首先需要傳感器，以識別道路、其他車輛、行人障礙物和基礎(chǔ)交通設(shè)施。傳感器相當(dāng)于自動駕駛汽車的“眼睛”，解決“車周圍有什么”的問題。
傳感器包括激光雷達、傳統(tǒng)雷達和攝像頭三種。
激光雷達是目前較為主流的路線，如Google、百度等企業(yè)均選擇通過激光雷達來獲取環(huán)境信息。激光雷達裝置在汽車車頂，利用激光脈沖對環(huán)境進行距離檢測，并通過軟件繪出環(huán)境3D圖。激光雷達勝在識別準確快速，然而造價較高，投入量產(chǎn)困難。
傳統(tǒng)雷達和攝像頭的成本較低，原理是運用汽車周圍360°視角的攝像頭和前置雷達相配合，從而識別三維空間信息。特斯拉即采用了雷達和單目攝像頭結(jié)合的方案。馬斯克曾稱，僅憑毫米波雷達和多攝像頭系統(tǒng)，加上完美的人工智能軟件算法，就能實現(xiàn)完全自動駕駛。
不過最近在社交平臺上，流傳出一張?zhí)厮估璏odel X車頂裝有Luminar激光雷達傳感器的照片，引發(fā)了兩家公司正在合作的猜測。有消息稱，Luminar向特斯拉出售用于該輛Model X上的傳感器，后者以此開發(fā)自動駕駛技術(shù)。這也引發(fā)了輿論的猜測：特斯拉是否也會轉(zhuǎn)向激光雷達派?這個問題還需要時間給出答案。
自動駕駛需要的另一重要技術(shù)是高精度地圖。高精度地圖類似于自動駕駛汽車的“記憶力”，可以通過由多輛汽車拍攝到的素材來重建道路、交通標志、信號及周圍環(huán)境的3D位置，融合來自其他傳感器的數(shù)據(jù)，最終實現(xiàn)將車輛準確還原在動態(tài)變化的立體交通環(huán)境中。
同時，自動駕駛車輛還需要V2X技術(shù)以實現(xiàn)和外部移動交通控制系統(tǒng)的交互。外部系統(tǒng)包括交通標志、行人、其他車輛、云端等等，最終目的是幫助自動駕駛車輛掌握實時駕駛信息和路況信息，結(jié)合車輛工程算法做出決策。
隨后，自動駕駛車輛還需要以AI算法作出駕駛決策。對于AI駕駛員來說，他們之間的經(jīng)驗是共享的，每一輛車都在積累數(shù)據(jù)。通過對海量駕駛軌跡的學(xué)習(xí)，算法可以根據(jù)當(dāng)前環(huán)境感知和高精度地圖信息，做出駕駛決策規(guī)劃。
實際上，自動駕駛涉及到的技術(shù)遠不止上述幾項。作為一個龐大且復(fù)雜的工程，實現(xiàn)理想中的完全自動駕駛是一個注定艱難的過程，還有大量難題需要突破。
（轉(zhuǎn)載）
