一文匯總最全自動(dòng)駕駛系統解析

1、自動(dòng)駕駛分級

不同組織對自動(dòng)駕駛的分級標準各有不同：美國國家公路交通安全管理局（NHTSA）把自動(dòng)駕駛分為五個(gè)級別，而國際自動(dòng)機械工程師學(xué)會(huì )（SAE）的標準分為L(cháng)0~L5共六個(gè)級別，兩者的L0、L1、L2的分類(lèi)都是相同的，不同之處在于NHTSA的L4被 SAE 細分為L(cháng)4和L5。國內采用SAE標準較多。

L0：完全人類(lèi)駕駛。

L1：輔助駕駛，增加了預警提示類(lèi)的ADAS功能，包括車(chē)道偏離預警（LDW），前撞預警（FCW），盲點(diǎn)檢測（BSD）等。

L2：部分自動(dòng)駕駛，具備了干預輔助類(lèi)的ADAS功能，包括自適應巡航（ACC），緊急自動(dòng)剎車(chē)（AEB），車(chē)道保持輔助（LKA）等。

L3：有條件自動(dòng)駕駛，具備了綜合干預輔助類(lèi)功能，包括自動(dòng)加速、自動(dòng)剎車(chē)、自動(dòng)轉向等。

從L2到L3發(fā)生了本質(zhì)的變化，L2及以下還是由人來(lái)觀(guān)測駕駛環(huán)境，需要駕駛座上有駕駛員，遇到緊急情況下直接進(jìn)行接管；L3級及以上則由機器來(lái)觀(guān)測駕駛環(huán)境，人類(lèi)駕駛員不需要坐在駕駛座上手握方向盤(pán)，只需要在車(chē)內或車(chē)外留有監控計算機即可，緊急情況下通過(guò)計算機操作進(jìn)行認知判別干預。

L4：高度自動(dòng)駕駛，沒(méi)有任何人類(lèi)駕駛員，可以無(wú)方向盤(pán)、油門(mén)、剎車(chē)踏板，但限定區域（如園區、景區內），或限定環(huán)境條件（如雨雪天、夜晚不能開(kāi)）。

L5：完全自動(dòng)駕駛，是真正的無(wú)人駕駛階段，司機位置無(wú)人，也沒(méi)有人的車(chē)內或車(chē)外的認知判別干預；無(wú)方向盤(pán)和油門(mén)、剎車(chē)踏板；全區域、全功能。

現在有很多公司可以實(shí)現在特定園區內的無(wú)人駕駛，宣稱(chēng)已經(jīng)達到了L4級別，那么是不是現階段的無(wú)人駕駛技術(shù)水平真的有那么高了呢？這個(gè)是有一定迷惑性的。在封閉環(huán)境內固定路線(xiàn)L4級別的無(wú)人駕駛，和北京城區內L2級別的自動(dòng)駕駛，哪個(gè)技術(shù)難度更高呢？想必不言而喻。所以是不是L4就一定比L2、L3先進(jìn)，一定要具體看自動(dòng)行駛的區域（封閉、開(kāi)放；區域大小、復雜程度）、功能，以及環(huán)境條件（氣候、時(shí)間段）。

2.自動(dòng)駕駛的實(shí)現路徑

自動(dòng)駕駛風(fēng)口來(lái)襲，科技公司、初創(chuàng )企業(yè)、新興電動(dòng)車(chē)企、傳統車(chē)企、一級供應商爭相涌入，各顯神通。目前主要有兩條典型的技術(shù)路徑：一是以跨界科技企業(yè)、初創(chuàng )企業(yè)為代表的一步到位型，跨過(guò)中間級別，直指L4和L5級無(wú)人駕駛，先不考慮成本，等技術(shù)方案成熟后成本下降，再大規模商業(yè)化。還有一類(lèi)是以傳統車(chē)企、TIer1為代表的循序漸進(jìn)型，它們在可接受的成本內推動(dòng)輔助駕駛功能的商用化，然后隨著(zhù)ADAS功能的完善和升級，逐漸過(guò)渡到無(wú)人駕駛。

第一條路徑的問(wèn)題在于科技企業(yè)沒(méi)有量產(chǎn)車(chē)的能力，靠測試車(chē)收集的數據量自然沒(méi)有每輛車(chē)都安裝ADAS系統那么多；而第二條路徑的問(wèn)題在于各項ADAS功能的拼接，是否能組成一個(gè)完整的無(wú)人駕駛系統。

科技公司的強項在人工智能技術(shù)優(yōu)勢，但是在汽車(chē)工程上缺乏經(jīng)驗。造車(chē)的門(mén)檻很高，傳統車(chē)企保有全產(chǎn)業(yè)鏈優(yōu)勢，產(chǎn)品安全可靠性更高，且消費者對其品牌認可度較高，汽車(chē)產(chǎn)業(yè)不會(huì )被科技公司完全顛覆。傳統車(chē)企擁有豐富的整車(chē)經(jīng)驗和完善的后市場(chǎng)，但隨著(zhù)電動(dòng)車(chē)和自動(dòng)駕駛大潮的來(lái)臨，傳統車(chē)企的危機感很強，生怕淪為代工廠(chǎng)。自動(dòng)駕駛的研發(fā)基本都是基于新能源汽車(chē)平臺，繞開(kāi)發(fā)動(dòng)機、變速箱等壁壘，采用電動(dòng)車(chē)的電機、電池、電控核心系統，動(dòng)搖了傳統車(chē)企在“動(dòng)力總成”的競爭優(yōu)勢。兩大陣營(yíng)各有優(yōu)劣勢，互相不可替代，目前越來(lái)越多地以合作和投資的形式走向開(kāi)放聯(lián)姻。

3.自動(dòng)駕駛系統概覽

自動(dòng)駕駛系統的三個(gè)層級

自動(dòng)駕駛系統分為三個(gè)層級：感知層，決策層，執行層。

感知層

感知層用來(lái)完成對車(chē)輛周?chē)h(huán)境的感知識別。自動(dòng)駕駛用到了各種各樣的傳感器，包括：攝像頭、毫米波雷達、激光雷達、超聲波雷達、紅外夜視，以及用于定位和導航的GPS（全球定位系統）和IMU（慣性測量單元）。還有一類(lèi)技術(shù)雖然不是主動(dòng)式的探測元件，但是屬于協(xié)同式的全局數據輔助，可以擴展智能車(chē)的環(huán)境感知能力，在感知層同樣扮演著(zhù)不可或缺的角色，包括高精度地圖、V2X車(chē)聯(lián)網(wǎng)技術(shù)。每種類(lèi)型的感知技術(shù)都有自己的優(yōu)勢和弊端，它們相互補充融合，最終使智能車(chē)達到駕駛場(chǎng)景下非常高的安全性要求。國內企業(yè)在這一層做文章的非常多，后續小研會(huì )專(zhuān)門(mén)寫(xiě)一篇文章解析自動(dòng)駕駛傳感器的技術(shù)路線(xiàn)，欲知詳情請聽(tīng)下回分解。

決策層

決策層是人工智能真正發(fā)揮威力的部分，和人類(lèi)駕駛員一樣，機器在做駕駛決策時(shí)需要回答幾個(gè)問(wèn)題，我在哪里？周邊環(huán)境如何？接下來(lái)會(huì )發(fā)生什么？我該做什么？決策層具體來(lái)說(shuō)分為兩步，第一步認知理解，根據感知層收集的信息，對車(chē)輛自身的精確定位，對車(chē)輛周?chē)沫h(huán)境的準確理解，第二步?jīng)Q策規劃，包含對接下來(lái)可能發(fā)生情況的準確預測，對下一步行動(dòng)的準確判斷和規劃，選擇合理的路徑達到目標。

車(chē)輛定位

自動(dòng)駕駛中車(chē)輛精確定位的方法主要有3種：

第一種是通過(guò)高精度的差分GPS+慣性導航IMU來(lái)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(guò)激光雷達+高精度地圖來(lái)定位，將激光雷達掃描周?chē)h(huán)境所獲得的點(diǎn)云與高精度地圖進(jìn)行比對和匹配，從而獲得位置信息。

第三種是通過(guò)攝像頭圖像數據+視覺(jué)地圖來(lái)定位，將攝像頭在行駛過(guò)程中拍攝到的圖像數據，包括圖像靜態(tài)信息和圖像間的移動(dòng)信息，與視覺(jué)地圖進(jìn)行比對和匹配，可以獲得位置信息?；蛘邚膱D像中提取一些關(guān)鍵目標及其精確的幾何特征（如車(chē)道線(xiàn)、地面標記、交通標牌、紅綠燈等），將其和高精度地圖中存儲的信息進(jìn)行對應和匹配，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(chē)輛識別、車(chē)道識別、交通標識識別、行駛中車(chē)輛的追蹤、行動(dòng)中行人的追蹤等。深度學(xué)習在這些應用中展現出了比傳統計算機視覺(jué)技術(shù)更好的性能，從而被廣泛應用。

行為預測

人類(lèi)智能在駕駛中體現在可以根據動(dòng)態(tài)變化的環(huán)境實(shí)時(shí)調整駕駛策略，同樣機器也需要對車(chē)輛周邊的人、車(chē)、物的行為進(jìn)行預測，從而做出安全駕駛決策。

行動(dòng)規劃

根據車(chē)身狀態(tài)數據、局部環(huán)境數據做出當下最優(yōu)的行動(dòng)選擇，包括加速、剎車(chē)、變換車(chē)道、轉彎等。

路徑規劃

從出行需求出發(fā)，在高精度地圖的基礎之上，根據全局路網(wǎng)數據和宏觀(guān)交通信息，繪制一條從出發(fā)點(diǎn)到目標點(diǎn)的最優(yōu)行車(chē)路徑。

實(shí)事求是地說(shuō)，國內真正進(jìn)入到?jīng)Q策層的企業(yè)不多，有做園區、機場(chǎng)擺渡車(chē)的馭勢科技，做高速公路貨運的圖森互聯(lián)，還有做園區無(wú)人車(chē)和干預輔助類(lèi)高級ADAS系統的智行者。你們聽(tīng)說(shuō)過(guò)的那些單目、雙目、環(huán)視視覺(jué)ADAS公司實(shí)現的大多是預警提示類(lèi)功能，如碰撞預警、盲點(diǎn)監測等，只是停留在感知層面，沒(méi)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，Faraday，Cruise，Otto，Navya等等。國內的路況確實(shí)比國外復雜得多，再加上中國政府還不允許自動(dòng)駕駛車(chē)輛上路路測，這些都制約著(zhù)國內企業(yè)在決策層發(fā)力。

識別算法業(yè)內有KITTI（用于評測目標檢測、目標跟蹤、語(yǔ)義分割等）和Cityscapes（用于評測像素級場(chǎng)景分割和實(shí)例標注等）等公開(kāi)數據集進(jìn)行評測，但是對決策質(zhì)量和規劃能力的好壞還沒(méi)有統一評價(jià)標準，因而無(wú)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。

執行層

自動(dòng)駕駛的執行層離不開(kāi)和車(chē)載控制系統的深度集成，可惜車(chē)廠(chǎng)和TIer1出于自我保護，不愿意對外開(kāi)放車(chē)輛控制總線(xiàn)，一些創(chuàng )企無(wú)法對原車(chē)做改動(dòng)，不得已只能另外附加一套電機裝置，通過(guò)電機拉動(dòng)鋼絲繩，鋼絲繩再拉動(dòng)油門(mén)、制動(dòng)、轉向等裝置完成執行動(dòng)作。這種做好確實(shí)非常笨拙，操控性和可靠性很差，根本無(wú)法體現自動(dòng)駕駛的優(yōu)勢。真正的自動(dòng)駕駛必須要將決策控制信息與車(chē)輛底層控制系統深度集成，通過(guò)線(xiàn)控技術(shù)完成執行機構的電控化，達到電子制動(dòng)、電子驅動(dòng)和電子轉向。

歸根結底，自動(dòng)駕駛的落腳點(diǎn)在“駕駛”不在“自動(dòng)”，“大腦”再發(fā)達也要靠“雙腳”來(lái)行走。不把人工智能算法落地到車(chē)輛的控制執行，你永遠不知道有多少dirty work要做。例如車(chē)的轉向、制動(dòng)、加速，你究竟要把方向盤(pán)打多大何時(shí)回輪、剎車(chē)踩多大、驅動(dòng)給多少，人類(lèi)司機是憑經(jīng)驗來(lái)執行的，但是對自動(dòng)駕駛系統來(lái)說(shuō)，需要很多汽車(chē)動(dòng)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(gè)Demo，沒(méi)有實(shí)打實(shí)地上車(chē)路測過(guò)，哪家車(chē)廠(chǎng)敢用你的算法？真上路還不得撞得人仰馬翻？那些單靠幾個(gè)博士弄個(gè)算法跑個(gè)測試集刷刷榜就想出來(lái)融資的初創(chuàng )都是耍流氓。業(yè)內人打趣說(shuō)，做自動(dòng)駕駛只要撞死個(gè)人，公司就可以直接倒閉了，融的那點(diǎn)錢(qián)還不夠賠償費呢！大家所熟知的國內計算機視覺(jué)領(lǐng)域四大獨角獸，都未染指自動(dòng)駕駛（商湯只是聲稱(chēng)可以提供算法支持，和真正做自動(dòng)駕駛還差得遠呢），視覺(jué)算法在人臉識別、安防監控領(lǐng)域落地相對比較容易，但是在自動(dòng)駕駛領(lǐng)域要實(shí)實(shí)在在做車(chē)的話(huà)還是有很多坑的，這就是為什么國內涉及決策層和控制層的企業(yè)這么少的原因。

中國人要想碰執行層確實(shí)非常難，國內在線(xiàn)控技術(shù)上仍處在研發(fā)初始階段，技術(shù)底子薄，積累時(shí)間不足。國外車(chē)廠(chǎng)和TIer1壟斷了自動(dòng)駕駛控制執行部分，同時(shí)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(chē)經(jīng)驗，已有符合車(chē)規的產(chǎn)品成熟量產(chǎn)，對國內企業(yè)來(lái)說(shuō)確實(shí)是不小的壓力。創(chuàng )業(yè)企業(yè)可以通過(guò)和國產(chǎn)車(chē)廠(chǎng)、國產(chǎn)供應商合作研發(fā)，共同抵制國外廠(chǎng)商，也可以和深諳執行器改裝的團隊合作，介入執行層，總之未來(lái)的競爭不會(huì )是單個(gè)企業(yè)實(shí)力的比拼，而是生態(tài)聯(lián)盟間的合縱連橫。

自動(dòng)駕駛的基本技術(shù)架構

車(chē)載部分

感知層各種類(lèi)型的傳感器采集、接收的數據，通過(guò)總線(xiàn)進(jìn)行集成，再通過(guò)數據的融合和智能化處理，輸出自動(dòng)駕駛所需的環(huán)境感知信息。車(chē)載傳感器的優(yōu)化配置，可以在保證精度和安全性的基礎上，降低整體成本。

主控系統由硬件部分高性能車(chē)載集成計算平臺和軟件部分智能車(chē)載操作系統組成。計算平臺融合了傳感器、高精度地圖、V2X的感知信息進(jìn)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(diǎn)可以參見(jiàn)小研以前的分析文章《AI時(shí)代，我的中國“芯”》。智能車(chē)載操作系統融合了車(chē)內人機交互、運營(yíng)服務(wù)商、內容服務(wù)商的數據，為乘客提供個(gè)性化服務(wù)，真正把智能車(chē)變成下一個(gè)“互聯(lián)網(wǎng)入口”，目前的主流操作系統包括Android、Linux、Windows、QNX、YunOS（阿里云提供）等。

最后，決策的信息進(jìn)入車(chē)輛總線(xiàn)控制系統，完成執行動(dòng)作。

云端部分

自動(dòng)駕駛車(chē)輛是一個(gè)移動(dòng)系統，需要云平臺來(lái)提供支持。云端主要完成四個(gè)功能：

1. 數據存儲：智能車(chē)路測中實(shí)采的數據量非常大，需要傳輸到云端進(jìn)行分布式存儲。

2. 仿真測試：開(kāi)發(fā)的新算法在部署到車(chē)上之前會(huì )在云端的模擬器上進(jìn)行測試。

3. 高精度地圖生成：地圖的生成采用眾包形式，把每輛在路上行駛的智能車(chē)實(shí)時(shí)采集到的激光點(diǎn)云或視覺(jué)數據上傳至云端，實(shí)現高精度地圖的完善和更新。

4. 深度學(xué)習模型訓練：自動(dòng)駕駛的決策層使用了多種不同的深度學(xué)習模型，在《透析深度學(xué)習，其實(shí)它沒(méi)那么神秘》這篇文章中小研提到了深度學(xué)習算法存在“長(cháng)尾”問(wèn)題，對于沒(méi)見(jiàn)過(guò)的情況它處理不了，因此需要持續不斷地通過(guò)新數據進(jìn)行模型訓練，來(lái)提升算法的處理能力。由于訓練的數據量非常大，所以要在云端完成。

自動(dòng)駕駛領(lǐng)域未來(lái)的重大機遇

通過(guò)上文的梳理，小研認為自動(dòng)駕駛領(lǐng)域未來(lái)三到五年重要的早期創(chuàng )業(yè)和投資機會(huì )在以下幾個(gè)方面：

1. 傳感器的選擇和優(yōu)化配置

不同傳感器有各自的優(yōu)缺點(diǎn)，沒(méi)有一種傳感器可以適用于任何使用環(huán)境。把各類(lèi)傳感器的數據進(jìn)行融合，達到寬適用范圍、高感知精度的同時(shí)，減少冗余配置，降低整體成本，提供傳感器集成方案。融合架構的搭建，多種數據類(lèi)型的處理，融合算法的探索，都是非常有挑戰的工作，但是做好會(huì )有非常大的價(jià)值。

2. 高性能計算平臺

自動(dòng)駕駛汽車(chē)產(chǎn)生的海量數據，需要車(chē)載人工智能大腦——高性能硬件計算平臺來(lái)處理，國內余凱博士領(lǐng)導的地平線(xiàn)機器人是這方面探索的先驅?zhuān)⊙性谥暗奈恼隆禔I時(shí)代，我的中國“芯”》中介紹過(guò)。

3. 車(chē)聯(lián)網(wǎng)

近幾年國內后裝車(chē)聯(lián)網(wǎng)發(fā)展很快，形成了包含導航、娛樂(lè )、金融、交互、服務(wù)等功能的生態(tài)圈，未來(lái)會(huì )逐步向以智能車(chē)載操作系統為核心的前裝業(yè)務(wù)演變。國內LTE-V車(chē)聯(lián)網(wǎng)專(zhuān)用通信標準將于今年出臺，可利用現有蜂窩網(wǎng)絡(luò )基礎設施，成為自動(dòng)駕駛感知機構的延伸。

4. 運營(yíng)服務(wù)

汽車(chē)智能化以后會(huì )成為下一個(gè)移動(dòng)終端，未來(lái)會(huì )有越來(lái)越多的運營(yíng)服務(wù)商涌現，也會(huì )有更多基于內容資源、平臺服務(wù)、共享經(jīng)濟的新商業(yè)模式衍生出來(lái)。

5. 車(chē)載集成系統

面向自動(dòng)駕駛的車(chē)載集成系統，需將感知、決策層的技術(shù)架構和車(chē)輛總線(xiàn)控制系統結合起來(lái)重新設計，將卓越的算法落地到安全、魯棒的執行中。

6. 云端

做支持自動(dòng)駕駛的云平臺的公司同樣值得關(guān)注，包括數據集成、眾包地圖、模擬器、模型再訓練平臺等。

4.自動(dòng)駕駛的商業(yè)化之路

自動(dòng)駕駛的商業(yè)化應用有貨運和客運兩大塊。貨運的需求方比較明朗，有礦山和港口運營(yíng)公司、物流公司、電商、出行服務(wù)運營(yíng)商等，貨運的工況主要是高速公路、礦區、港口等相對單一封閉的區域，實(shí)現起來(lái)更容易一些?？瓦\在開(kāi)放道路上運營(yíng)還是非常困難的，目前能夠落地的應用場(chǎng)景主要是園區低速自動(dòng)駕駛，未來(lái)可能會(huì )探索給滴滴、UBER這樣的運營(yíng)商提供固定區域內的自動(dòng)駕駛運營(yíng)服務(wù)，等各類(lèi)駕駛場(chǎng)景都驗證成熟以后才會(huì )推向開(kāi)放區域，最后才是賣(mài)給個(gè)人，這條路還是很漫長(cháng)的。

前段時(shí)間百度無(wú)人車(chē)開(kāi)源了阿波羅平臺，就有好事之徒寫(xiě)了“百度無(wú)人車(chē)扔下原子彈，炸掉行業(yè)百億美金投資”的軟文，大有誤導公眾之嫌。其實(shí)自動(dòng)駕駛產(chǎn)業(yè)剛剛起步，行業(yè)標準和技術(shù)架構都沒(méi)完善，未來(lái)還需要持續探索，百度開(kāi)源算法對推動(dòng)整個(gè)行業(yè)的進(jìn)步絕對是好事情。

汽車(chē)是個(gè)很大的產(chǎn)業(yè)，產(chǎn)業(yè)鏈上各個(gè)環(huán)節都有活得很好的公司，自動(dòng)駕駛由于信息技術(shù)和人工智能的加持，擁有比傳統汽車(chē)產(chǎn)業(yè)更大的市場(chǎng)空間，更何況電動(dòng)化、智能化大潮的到來(lái)使中國企業(yè)擺脫了“歷史包袱”，和國外企業(yè)站在同一起跑線(xiàn)上，彎道超車(chē)的機會(huì )大大的有，你且看所有一線(xiàn)基金在自動(dòng)駕駛領(lǐng)域都有投資布局就能明白它到底有多被看好。

從全文的梳理可以看出，自動(dòng)駕駛領(lǐng)域有些方向的timing已經(jīng)到了，而有些方向還沒(méi)到。當下我們更應該保持耐心，隨著(zhù)技術(shù)和產(chǎn)業(yè)的逐漸成熟，這些機會(huì )的啟動(dòng)點(diǎn)會(huì )一個(gè)個(gè)到來(lái)，自動(dòng)駕駛是一波大的浪潮，未來(lái)十年都值得我們持續關(guān)注。