無論是汽車制造商還是互聯(lián)網(wǎng)企業(yè)，實(shí)現(xiàn)汽車自動駕駛均采用環(huán)境信息感知識別——系統(tǒng)智能決策控制的技術(shù)框架。自動駕駛技術(shù)集自動控制、復(fù)雜系統(tǒng)、人工智能、機(jī)器視覺等于一體，收集云端和車載傳感器的車聯(lián)網(wǎng)數(shù)據(jù)、地理信息數(shù)據(jù)、環(huán)境感知數(shù)據(jù)等信息，識別車輛駕駛區(qū)域的環(huán)境特征，進(jìn)行任務(wù)設(shè)定和控制規(guī)劃。

圖1 自動駕駛汽車基本技術(shù)方案

自動駕駛技術(shù)發(fā)展已經(jīng)分化出兩大陣營：以汽車制造商為代表的ADAS和單車智能技術(shù)陣營，以及以互聯(lián)網(wǎng)企業(yè)為代表的人工智能和網(wǎng)聯(lián)化技術(shù)陣營。ADAS和單車智能技術(shù)陣營主要從現(xiàn)有的駕駛輔助安全技術(shù)出發(fā)，配合感知和控制決策，逐步實(shí)現(xiàn)智能化自動駕駛技術(shù)；人工智能和網(wǎng)聯(lián)化技術(shù)陣營則直接依靠智能計(jì)算及網(wǎng)絡(luò)通信實(shí)現(xiàn)對汽車的控制。除此之外，在系統(tǒng)集成和功能實(shí)現(xiàn)等方面，不同技術(shù)陣營之間、內(nèi)部均存在一定差異。

總體方案

互聯(lián)網(wǎng)企業(yè)以谷歌、百度等為代表的人工智能和網(wǎng)聯(lián)化技術(shù)陣營，側(cè)重于高精度定位的引導(dǎo)，配合激光雷達(dá)、攝像頭、毫米波雷達(dá)、超聲波傳感器、GPS等傳感器，利用人工智能算法實(shí)現(xiàn)完全自主駕駛。其技術(shù)核心是高精度地圖的構(gòu)建，以及各種傳感器的感知特征的匹配和融合。汽車制造商如通用、沃爾沃、特斯拉等及其零部件供應(yīng)商博世、Mobileye等為代表的ADAS和單車智能技術(shù)陣營，依靠攝像頭、毫米波雷達(dá)、超聲波傳感器等設(shè)備，側(cè)重于對行駛環(huán)境的精確感知，實(shí)現(xiàn)一定約束條件下的高級輔助駕駛功能，其核心競爭力是ADAS的技術(shù)積累及大量商用經(jīng)驗(yàn)。

汽車制造商與互聯(lián)網(wǎng)公司智能汽車技術(shù)發(fā)展路徑對比如圖2所示。從技術(shù)發(fā)展規(guī)律上看，汽車制造商依靠ADAS技術(shù)和功能的不斷完善，以緩解駕駛?cè)笋{駛壓力、提升駕駛體驗(yàn)為目標(biāo)，基于完善的整車制造經(jīng)驗(yàn)，逐步提出高等級的自動駕駛汽車；而互聯(lián)網(wǎng)企業(yè)則依據(jù)深度學(xué)習(xí)、圖像理解等人工智能技術(shù)，以計(jì)算機(jī)替代人類駕駛?cè)藶槟繕?biāo)，基于其先進(jìn)的互聯(lián)網(wǎng)、云服務(wù)等技術(shù)，實(shí)現(xiàn)直接替代傳統(tǒng)汽車的完全自動駕駛汽車。

圖2 汽車制造商和互聯(lián)網(wǎng)企業(yè)的自動駕駛技術(shù)發(fā)展路徑

互聯(lián)網(wǎng)公司偏向于直接實(shí)現(xiàn)高等級的自動駕駛，其技術(shù)核心——深度學(xué)習(xí)算法，利用高性能處理器模擬多層神經(jīng)網(wǎng)絡(luò)，讓機(jī)器掌握自主學(xué)習(xí)的能力。通過對道路場景標(biāo)定數(shù)據(jù)的訓(xùn)練，實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)對汽車、行人、標(biāo)志標(biāo)線、非機(jī)動車等交通因素的準(zhǔn)確實(shí)時檢測。該技術(shù)需要通過采集海量數(shù)據(jù)不斷訓(xùn)練和完善自動駕駛模型，提高汽車系統(tǒng)的深度學(xué)習(xí)能力和自主決策能力。

圖3 深度學(xué)習(xí)算法對汽車、行人、交通標(biāo)志標(biāo)線的識別（地平線人工智能視覺芯片）

互聯(lián)網(wǎng)公司研發(fā)自動駕駛汽車的目的是實(shí)現(xiàn)對人工智能領(lǐng)域的重大探索創(chuàng)新和技術(shù)前沿布局。其擁有豐富的軟件開發(fā)經(jīng)驗(yàn)、強(qiáng)大的人才儲備、高效率的軟件開發(fā)和測試流程，因而能更早地、激進(jìn)地實(shí)現(xiàn)自動駕駛的功能且無需背負(fù)變現(xiàn)的壓力。另一方面，互聯(lián)網(wǎng)公司在人工智能、人機(jī)交互服務(wù)層面具有較大的競爭優(yōu)勢，進(jìn)度或?qū)⒋蠓I(lǐng)先采取ADAS升級路線的傳統(tǒng)汽車制造商。

汽車制造商一般認(rèn)為ADAS是實(shí)現(xiàn)汽車自動駕駛的過渡階段。通過ADAS功能的拓展和完善，漸進(jìn)式地實(shí)現(xiàn)無人駕駛。目前，ADAS可以完成車輛的橫、縱向運(yùn)動自動控制，但這種以輔助人類駕駛?cè)藶槟繕?biāo)的局部、分離的單項(xiàng)功能使其仍稱不上是智能汽車。汽車制造商希望通過多次技術(shù)方案的革新，并在得到相應(yīng)收益的同時，逐步地到達(dá)最后的完全無人駕駛。

圖4 汽車制造商的自動駕駛實(shí)現(xiàn)途徑

汽車制造商的優(yōu)勢主要在于技術(shù)積累，具備先發(fā)優(yōu)勢且可以直接利用客戶資源快速迭代優(yōu)化其智能系統(tǒng)，但其主營業(yè)務(wù)是整車的制造和銷售。因此，提供更好的駕駛體驗(yàn)是其研發(fā)的動力，且仍需顧及研發(fā)成果的變現(xiàn)能力。這些顧慮可能會將其自動駕駛研究局限在ADAS領(lǐng)域。

綜上，不管哪種技術(shù)路線，實(shí)際上都是基于信息感知和處理，實(shí)現(xiàn)對行駛環(huán)境的準(zhǔn)確識別，構(gòu)建高精度的環(huán)境地圖驅(qū)動行駛，技術(shù)路線的基本步驟一樣，只是在每個具體步驟中，實(shí)現(xiàn)方法有所區(qū)別。例如，體現(xiàn)在自動駕駛汽車的外觀上，車頂上一般都有激光雷達(dá)裝置，車身四周裝有一系列的傳感器。

環(huán)境感知

自動駕駛技術(shù)的核心是實(shí)現(xiàn)汽車的“環(huán)境感知-決策規(guī)劃-控制執(zhí)行”過程。環(huán)境感知作為第一環(huán)節(jié)，處于自動駕駛車輛與外界環(huán)境信息交互的關(guān)鍵位置，其關(guān)鍵在于使自動駕駛車輛更好地模擬人類駕駛者的感知能力，從而理解自身和周邊的駕駛態(tài)勢。因此，自動駕駛汽車對道路環(huán)境感知能力的好壞直接影響車輛的安全性和通行能力。如圖5所示，自動駕駛汽車需要集成攝像頭、激光雷達(dá)、微波雷達(dá)、紅外傳感器、超聲波雷達(dá)等傳感器，對道路環(huán)境近、中、遠(yuǎn)距離以及各個角度探測，并對感知信息進(jìn)行融合處理和識別環(huán)境中各個相關(guān)因素。攝像頭、雷達(dá)、定位導(dǎo)航系統(tǒng)等為自動駕駛車輛提供了海量的周邊環(huán)境及自身狀態(tài)數(shù)據(jù)。

圖5 自動駕駛汽車及其傳感器

目前自動駕駛環(huán)境感知的技術(shù)路線主要有兩種：一種是使用視覺主導(dǎo)的多傳感器融合方案，另一種以低成本激光雷達(dá)為主導(dǎo)。

視覺主導(dǎo)的環(huán)境感知技術(shù)采用多攝像頭、毫米波雷達(dá)、超聲波雷達(dá)和低成本激光雷達(dá)融合感知的方案。當(dāng)前技術(shù)條件下，攝像機(jī)成像受環(huán)境光照的影響較大，基于人工智能的目標(biāo)檢測與定位可靠性仍然較低，但其優(yōu)勢在于傳感器成本低。

自從2016年5月，處于自動駕駛狀態(tài)的特斯拉電動車在美國佛羅里達(dá)州與卡車相撞的死亡事故發(fā)生后，特斯拉將視覺感知識別功能實(shí)現(xiàn)從Mobileye提供單目視覺技術(shù)替換為基于Nvidia Drive TX2計(jì)算平臺的特斯拉Vision軟件系統(tǒng)，使用深度學(xué)習(xí)算法替代基于傳統(tǒng)機(jī)器學(xué)習(xí)的視頻圖像識別方法，這也是當(dāng)前互聯(lián)網(wǎng)公司提供的自動駕駛解決方案所采用的。截止到2018年年底，特斯拉通過Autopilot積累的自動駕駛里程已經(jīng)達(dá)到近20億公里，其認(rèn)為當(dāng)前自動駕駛可靠性為98%，但要達(dá)到99.999%才能滿足安全水平。

激光雷達(dá)主導(dǎo)的感知技術(shù)使用了激光雷達(dá)、毫米波雷達(dá)、超聲波傳感器和攝像頭融合識別的方案。激光雷達(dá)采用主動激光測距的機(jī)制，形成激光點(diǎn)云圖像描述周邊障礙物分布，目標(biāo)檢測與定位可靠性高，但缺乏周圍環(huán)境的顏色和紋理信息且成本高昂。

激光雷達(dá)主導(dǎo)的解決方案未來將沿兩種方向繼續(xù)推進(jìn)商業(yè)化進(jìn)程：一個是發(fā)展攝像頭與激光雷達(dá)結(jié)合的硬件模組，直接獲得彩色激光點(diǎn)云數(shù)據(jù)。另一個是降低激光雷達(dá)的硬件成本，比如研發(fā)固態(tài)激光雷達(dá)并真正實(shí)現(xiàn)產(chǎn)業(yè)化。

綜上，多傳感器融合是未來自動駕駛發(fā)展的必然趨勢，自動駕駛行業(yè)的終極目標(biāo)是實(shí)現(xiàn)安全性極高的無人駕駛。從感知端角度出發(fā)，汽車上每增加一種傳感器進(jìn)行融合使用，汽車相應(yīng)的探測精度就會提高。因此，無論是采用視覺主導(dǎo)還是激光雷達(dá)主導(dǎo)的方案，必將在未來統(tǒng)一。汽車的感知層將按照各種傳感器的能力特性（如紅綠燈、標(biāo)志標(biāo)線識別依靠攝像頭；障礙物識別依靠激光雷達(dá)等），進(jìn)行多層次地融合識別和結(jié)果校驗(yàn)，得出高可靠的識別結(jié)果供決策。

車聯(lián)網(wǎng)

車聯(lián)網(wǎng)是實(shí)現(xiàn)自動駕駛技術(shù)的一種重要途徑，其核心在于車路協(xié)同技術(shù)?！奥斆鞯穆贰⒅腔鄣能嚒钡募夹g(shù)路線能夠彌補(bǔ)當(dāng)前自動駕駛汽車在信息感知、分析決策上的不足，盡快實(shí)現(xiàn)車輛的智能化自動化運(yùn)營。而車路協(xié)同所依賴的V2X通信技術(shù)，在國際上有兩大路線：一個是DSRC技術(shù)為基礎(chǔ)的方案，另一個是蜂窩路線。

基于V2V的DSRC（專用短程通信）的車聯(lián)網(wǎng)技術(shù)已比較成熟，DSRC（IEEE 802.11p）已公開發(fā)布，基于Ad-hoc機(jī)制動態(tài)拓?fù)浣M網(wǎng)，進(jìn)行車間、車路通信，能夠360度全方位地實(shí)現(xiàn)V2V之間的通訊，覆蓋半徑可達(dá)2公里，時延在50ms以內(nèi)，其獨(dú)特優(yōu)勢在于技術(shù)成熟和安全可靠。

我國則對LTE-V和5G等基于蜂窩通信的車聯(lián)網(wǎng)通信技術(shù)與產(chǎn)業(yè)態(tài)度非常積極，其技術(shù)優(yōu)勢在于網(wǎng)絡(luò)帶寬更大、通信時延更小。目前，幾個城市正在試點(diǎn)5G和LTE-V的部署。我國部分城市智能網(wǎng)聯(lián)汽車示范區(qū)車聯(lián)網(wǎng)方案如表1所示。

表1  我國部分城市智能網(wǎng)聯(lián)汽車示范區(qū)車聯(lián)網(wǎng)方案

總  結(jié)

從當(dāng)前自動駕駛技術(shù)現(xiàn)狀水平來看，不管哪種技術(shù)路線，本質(zhì)上都是通過多種傳感器、車聯(lián)網(wǎng)和互聯(lián)網(wǎng)的集成實(shí)現(xiàn)。通過車上的攝像頭、超聲波雷達(dá)、激光雷達(dá)、GPS等傳感器來獲得信息，然后對信息進(jìn)行處理，最后實(shí)現(xiàn)車輛對環(huán)境的識別。

從技術(shù)發(fā)展來看，尚需要從以下幾個技術(shù)方面突破：融合環(huán)境感知與環(huán)境建模，并在5G通信、智能交通系統(tǒng)和車路協(xié)同技術(shù)的支撐下，實(shí)現(xiàn)極端環(huán)境與緊急情況下的可靠感知；滿足傳感器高可靠、低成本的商用化需求，解決多傳感器信息的融合問題；發(fā)展基于深度學(xué)習(xí)的環(huán)境感知和自主決策技術(shù)，實(shí)現(xiàn)自動駕駛汽車的自主駕駛學(xué)習(xí)能力，從而為自動駕駛產(chǎn)業(yè)的落地實(shí)踐打下堅(jiān)實(shí)的技術(shù)基礎(chǔ)。

（文/道路交通集成優(yōu)化與安全分析技術(shù)國家工程實(shí)驗(yàn)室 自動駕駛測試技術(shù)研發(fā)組 王敏、嚴(yán)慈磊、袁建華）