科幻電影里的自動(dòng)駕駛技術(shù)讓大家心馳神往，近幾年，隨著人工智能的技術(shù)提升，無(wú)人駕駛汽車(chē)從我們的幻想成為了現(xiàn)實(shí)。車(chē)企、互聯(lián)網(wǎng)企業(yè)紛紛涌入這個(gè)全新領(lǐng)域。

然而，曾經(jīng)的Uber的撞人事故中為什么傳感器沒(méi)能檢測(cè)到行人？無(wú)人駕駛汽車(chē)又是怎么樣的一個(gè)技術(shù)解決方案呢？我們來(lái)了解一下。

無(wú)人駕駛技術(shù)

無(wú)人駕駛汽車(chē)是一種智能汽車(chē)，也可以稱(chēng)之為輪式移動(dòng)機(jī)器人，主要依靠車(chē)內(nèi)的以計(jì)算機(jī)系統(tǒng)為主的智能駕駛儀來(lái)實(shí)現(xiàn)無(wú)人駕駛。無(wú)人駕駛汽車(chē)是通過(guò)車(chē)載傳感系統(tǒng)感知道路環(huán)境，自動(dòng)規(guī)劃行車(chē)路線并控制車(chē)輛到達(dá)預(yù)定目標(biāo)的智能汽車(chē)。

它是集自動(dòng)控制、體系結(jié)構(gòu)、人工智能、視覺(jué)計(jì)算等眾多技術(shù)于一體，是計(jì)算機(jī)科學(xué)高度發(fā)展的產(chǎn)物，也是衡量一個(gè)國(guó)家科研實(shí)力和工業(yè)水平的一個(gè)重要標(biāo)志。

通過(guò)給車(chē)輛裝備智能軟件和多種感應(yīng)設(shè)備，包括車(chē)載傳感器雷達(dá) 以及攝像頭等，實(shí)現(xiàn)車(chē)輛的自主安全駕駛，安全高效地到達(dá)目的地并達(dá)到完全消除交通事故的目標(biāo) 美國(guó) (美國(guó)國(guó)家公路交通安全管理局)分級(jí)定義汽車(chē)的自動(dòng)化等級(jí)。

0級(jí)：由駕駛員駕駛；

1級(jí)：具備1 種以上自動(dòng)化控制功能(如自適應(yīng)巡航和車(chē)道保持系統(tǒng)等) ；

2級(jí)：以汽車(chē)為主體執(zhí)行多種操作功能；

3級(jí)：當(dāng)以汽車(chē)為主體的駕駛行不通時(shí)可指示駕駛員切換為手動(dòng)駕駛；

4級(jí)：完全可以無(wú)人駕駛。

無(wú)人駕駛技術(shù)主要有以下幾種技術(shù)組成：

1、車(chē)道保持系統(tǒng)

公路行駛時(shí)，該系統(tǒng)能探測(cè)到左右兩根車(chē)道線，如果發(fā)生偏航時(shí)，車(chē)道保持系統(tǒng)會(huì)通過(guò)振動(dòng)提示駕駛者，然后自動(dòng)修正方向，輔助回正車(chē)輛使其一直保持在路中間行駛。

2.、ACC自適應(yīng)巡航系統(tǒng)or激光測(cè)距系統(tǒng)

自適應(yīng)巡航控制(ACC)是一個(gè)允許車(chē)輛巡航控制系統(tǒng)通過(guò)調(diào)整速度以適應(yīng)交通狀況的汽車(chē)功能。

安裝在車(chē)輛前方的雷達(dá)用于檢測(cè)在本車(chē)前進(jìn)道路上是否存在速度更慢的車(chē)輛。若存在速度更慢的車(chē)輛，ACC系統(tǒng)會(huì)降低車(chē)速并控制與前方車(chē)輛的間隙或時(shí)間間隙。若系統(tǒng)檢測(cè)到前方車(chē)輛并不在本車(chē)行駛道路上時(shí)將加快本車(chē)速度使之回到之前所設(shè)定的速度。此操作實(shí)現(xiàn)了在無(wú)司機(jī)干預(yù)下的自主減速或加速。ACC控制車(chē)速的主要方式是通過(guò)發(fā)動(dòng)機(jī)油門(mén)控制和適當(dāng)?shù)闹苿?dòng)。

3、夜視系統(tǒng)

夜視系統(tǒng)是一種源自軍事用途的汽車(chē)駕駛輔助系統(tǒng)。在這個(gè)輔助系統(tǒng)的幫助下，駕駛者在夜間或弱光線的駕駛過(guò)程中將獲得更高的預(yù)見(jiàn)能力，它能夠針對(duì)潛在危險(xiǎn)向駕駛者提供更加全面準(zhǔn)確的信息或發(fā)出早期警告

4、精確定位/導(dǎo)航系統(tǒng)

自動(dòng)駕駛汽車(chē)依賴(lài)于非常精確的地圖來(lái)確定位置，因?yàn)橹皇怯?GPS 技術(shù)會(huì)出現(xiàn)偏差。在自動(dòng)汽車(chē)上路之前，工程師會(huì)駕車(chē)收集路況數(shù)據(jù)，因此，自動(dòng)汽車(chē)能夠?qū)?shí)時(shí)的數(shù)據(jù)和記錄的數(shù)據(jù)進(jìn)行比較，這有助于它將行人和路旁的物體分辨開(kāi)來(lái)。

無(wú)人駕駛汽車(chē)的傳感器系統(tǒng)

無(wú)人駕駛汽車(chē)的實(shí)現(xiàn)需要大量的科學(xué)技術(shù)支持，而其中最重要的就是大量的傳感器定位。核心技術(shù)是包括高精度地圖、定位、感知、智能決策與控制等各個(gè)模塊。其中有幾個(gè)關(guān)鍵的技術(shù)模塊，包含精確GPS定位及導(dǎo)航、動(dòng)態(tài)傳感避障系統(tǒng)、機(jī)械視覺(jué)三個(gè)大部分，其他的如只能行為規(guī)劃等不屬于傳感器范疇，屬于算法方面，不做過(guò)多設(shè)計(jì)。傳感器系統(tǒng)如圖所示。

精確GPS定位及導(dǎo)航

無(wú)人駕駛汽車(chē)對(duì)GPS定位精度、抗干擾性提出了新的要求。在無(wú)人駕駛時(shí)GPS導(dǎo)航系統(tǒng)要不間斷的對(duì)無(wú)人車(chē)進(jìn)行定位。在這個(gè)過(guò)程之中，無(wú)人駕駛汽車(chē)的GPS導(dǎo)航系統(tǒng)要求GPS定位誤差不超過(guò)一個(gè)車(chē)身寬度。

無(wú)人駕駛汽車(chē)面臨的另一個(gè)問(wèn)題面臨的另一個(gè)挑戰(zhàn)，是需要確保他們又完美的導(dǎo)航功能，實(shí)現(xiàn)導(dǎo)航的主要技術(shù)是現(xiàn)在生活中已經(jīng)使用非常廣泛的GPS技術(shù)。由于GPS無(wú)積累誤差、自動(dòng)化測(cè)量的特點(diǎn)，因此十分適合用于無(wú)人駕駛汽車(chē)的導(dǎo)航定位。

為了大幅提高GPS測(cè)量技術(shù)的精度，本系統(tǒng)采用位置差分GPS測(cè)量技術(shù)。相較于傳統(tǒng)的GPS技術(shù)，差分GPS技術(shù)會(huì)在一個(gè)觀測(cè)站對(duì)兩個(gè)目標(biāo)的觀測(cè)量、兩個(gè)觀測(cè)站對(duì)一個(gè)目標(biāo)的觀測(cè)量或者一個(gè)測(cè)站對(duì)一個(gè)目標(biāo)的兩次測(cè)量之間求差，目的在于消去公共誤差源，包括電離層和對(duì)流層效應(yīng)等。

位置差分原理是一種最簡(jiǎn)單的差分方法，任何一種GPS接收機(jī)均可改裝和組成這種差分系統(tǒng)。

安裝在基準(zhǔn)站上的GPS接收機(jī)觀測(cè)4顆衛(wèi)星后便可進(jìn)行三維定位，解算出基準(zhǔn)站的坐標(biāo)。由于存在著軌道誤差、時(shí)鐘誤差、SA影響、大氣影響、多徑效應(yīng)以及其他誤差，解算出的坐標(biāo)與基準(zhǔn)站的已知坐標(biāo)是不一樣的， 存在誤差。基準(zhǔn)站利用數(shù)據(jù)鏈將此改正數(shù)發(fā)送出去，由用戶(hù)站接收，并且對(duì)其解算的用戶(hù)站坐標(biāo)進(jìn)行改正。

最后得到的改正后的用戶(hù)坐標(biāo)已消去了基準(zhǔn)站和用戶(hù)站的共同誤差，例如衛(wèi)星軌道誤差、 SA影響、大氣影響等，提高了定位精度。以上先決條件是基準(zhǔn)站和用戶(hù)站觀測(cè)同一組衛(wèi)星的情況。位置差分法適用于用戶(hù)與基準(zhǔn)站間距離在100km以?xún)?nèi)的情況。其原理如圖所示。

高精度的汽車(chē)車(chē)身定位是無(wú)人駕駛汽車(chē)行駛的先決條件，以現(xiàn)有的技術(shù)，利用差分GPS技術(shù)可以完成無(wú)人駕駛汽車(chē)的精確定位，基本滿足需求。

動(dòng)態(tài)傳感避障系統(tǒng)

無(wú)人駕駛汽車(chē)作為一種陸地輪式機(jī)器人，既與普通機(jī)器人有著很大的相似性，又存在著很大的不同。首先它作為汽車(chē)需保證乘員乘坐的舒適性和安全性，這就要求對(duì)其行駛方向和速度的控制更加嚴(yán)格；另外，它的體積較大，特別是在復(fù)雜擁擠的交通環(huán)境下，要想能夠順利行駛，對(duì)周?chē)系K物的動(dòng)態(tài)信息獲取就有著很高的要求。國(guó)內(nèi)外很多無(wú)人駕駛汽車(chē)研究團(tuán)隊(duì)都是通過(guò)分析激光傳感器數(shù)據(jù)進(jìn)行動(dòng)態(tài)障礙物的檢測(cè)。

斯坦福大學(xué)的自主車(chē)“Junior”利用激光傳感器對(duì)跟蹤目標(biāo)的運(yùn)動(dòng)幾何特征建模，然后用貝葉斯濾波器分別更新每個(gè)目標(biāo)的狀態(tài)；卡耐基 ? 梅隆大學(xué)的 “BOSS”從激光傳感器數(shù)據(jù)中提取障礙物特征，通過(guò)關(guān)聯(lián)不同時(shí)刻的激光傳感器數(shù)據(jù)對(duì)動(dòng)態(tài)障礙物進(jìn)行檢測(cè)跟蹤。

在實(shí)際應(yīng)用中，3 維激光傳感器因?yàn)閿?shù)據(jù)處理工作量較大，存在一個(gè)比較小的延時(shí)，這在一定程度上降低了無(wú)人駕駛汽車(chē)對(duì)動(dòng)態(tài)障礙物的反應(yīng)能力，特別是無(wú)人駕駛汽車(chē)前方區(qū)域的運(yùn)動(dòng)障礙物，對(duì)其安全行駛構(gòu)成了很大的威脅；而普通的四線激光傳感器雖然數(shù)據(jù)處理速度較快，但是探測(cè)范圍較小，一般在 100°～ 120°之間；另外，單個(gè)的傳感器在室外復(fù)雜環(huán)境中也存在著檢測(cè)準(zhǔn)確率不高的現(xiàn)象。

針對(duì)這些問(wèn)題，提出一種利用多激光傳感器進(jìn)行動(dòng)態(tài)障礙物檢測(cè)的方法，采用 3 維激光傳感器對(duì)無(wú)人駕駛汽車(chē)周?chē)恼系K物進(jìn)行檢測(cè)跟蹤，利用卡爾曼濾波器對(duì)障礙物的運(yùn)動(dòng)狀態(tài)進(jìn)行跟蹤與預(yù)測(cè)，對(duì)于無(wú)人駕駛汽車(chē)前方準(zhǔn)確性要求較高的扇形區(qū)域，采用置信距離理論融合四線激光傳感器數(shù)據(jù)來(lái)確定障礙物的運(yùn)動(dòng)信息，提高了障礙物運(yùn)動(dòng)狀態(tài)的檢測(cè)準(zhǔn)確率，最終在柵格圖上不僅對(duì)無(wú)人駕駛汽車(chē)周?chē)膭?dòng)、靜態(tài)障礙物進(jìn)行區(qū)別標(biāo)示，而且還根據(jù)融合結(jié)果對(duì)動(dòng)態(tài)障礙物的位置進(jìn)行了延時(shí)修正，來(lái)消除傳感器處理數(shù)據(jù)延時(shí)所帶來(lái)的位置偏差。

其流程圖如圖所示，最終這些信息都顯示在人機(jī)交互界面上。

動(dòng)態(tài)避障系統(tǒng)的流程結(jié)構(gòu)

首先對(duì)Veloadyne數(shù)據(jù)進(jìn)行柵格化處理得到一張障礙物占用柵格圖，對(duì)不同時(shí)刻的柵格圖進(jìn)行聚類(lèi)跟蹤可以獲取障礙物的動(dòng)態(tài)信息，將動(dòng)態(tài)的障礙物從柵格圖中刪除并存儲(chǔ)在動(dòng)態(tài)障礙物列表中，這個(gè)刪除了動(dòng)態(tài)障礙物占用信息的柵格圖也就是一張靜態(tài)障礙物柵格圖，然后將動(dòng)態(tài)障礙物列表中的動(dòng)態(tài)障礙物信息和Ibeo獲取的無(wú)人駕駛汽車(chē)前方區(qū)域內(nèi)的動(dòng)態(tài)障礙物信息進(jìn)行同步融合得到一個(gè)新的動(dòng)態(tài)障礙物列表，最后將這個(gè)新的列表中的動(dòng)態(tài)障礙物合并到靜態(tài)障礙物柵格圖中得到一張動(dòng)靜態(tài)障礙物區(qū)別標(biāo)示的柵格圖。障礙物檢測(cè)模塊是通過(guò)分析處理各種激光雷達(dá)返回的數(shù)據(jù)，將這些激光雷達(dá)數(shù)據(jù)進(jìn)行柵格化處理，投影到512*512的柵格地圖中，從而實(shí)現(xiàn)對(duì)環(huán)境中障礙物的檢測(cè)。

最終，多傳感器信息融合與環(huán)境建模模塊則是將不同傳感器獲取的環(huán)境信息進(jìn)行融合、建立道路模型并最終用柵格地圖進(jìn)行表示，這些環(huán)境信息包括：標(biāo)識(shí)信息、路面信息、障礙物信息以及定位信息等。

最后，對(duì)獲得的環(huán)境信息信號(hào)進(jìn)行處理，得到一張動(dòng)態(tài)的標(biāo)志了障礙物的柵格圖，從而達(dá)到避障的效果，采用融合 Velodyne 和 Ibeo 信息得到運(yùn)動(dòng)目標(biāo)狀態(tài)的方式相比于只用 Velodyne 處理結(jié)果的方式，檢測(cè)結(jié)果的準(zhǔn)確率和穩(wěn)定性都得到了較大的提升。

機(jī)械視覺(jué)機(jī)構(gòu)

機(jī)械視覺(jué)也可以稱(chēng)作為環(huán)境感知，是無(wú)人駕駛汽車(chē)最重要也是最復(fù)雜的一部分。無(wú)人駕駛車(chē)輛的環(huán)境感知層的任務(wù)是針對(duì)不同的交通環(huán)境，對(duì)傳感器進(jìn)行合理的配置、融合不同傳感器獲取的環(huán)境信息、對(duì)復(fù)雜的道路環(huán)境建立模型。無(wú)人駕駛系統(tǒng)的環(huán)境感知層分為交通標(biāo)志識(shí)別、車(chē)道線的檢測(cè)與識(shí)別、車(chē)輛檢測(cè)、道路路沿的檢測(cè)、障礙物檢測(cè)以及多傳感器信息融合與環(huán)境建模等模塊。

傳感器探測(cè)環(huán)境信息，只是將探測(cè)的物理量進(jìn)行了有序排列與存儲(chǔ)。此時(shí)計(jì)算機(jī)并不知道這些數(shù)據(jù)映射到真實(shí)環(huán)境中是什么物理含義。因此需要通過(guò)適當(dāng)?shù)乃惴◤奶綔y(cè)得到的數(shù)據(jù)中挖掘出我們關(guān)注的數(shù)據(jù)并賦予物理含義，從而達(dá)到感知環(huán)境的目的。

比如我們?cè)隈{駛車(chē)輛時(shí)眼睛看前方，可以從環(huán)境中分辨出我們當(dāng)前行駛的車(chē)道線。若要讓機(jī)器獲取車(chē)道線信息，需要攝像頭獲取環(huán)境影像，影像本身并不具備映射到真實(shí)環(huán)境中的物理含義，此時(shí)需要通過(guò)算法從該影像中找到能映射到真實(shí)車(chē)道線的影像部分，賦予其車(chē)道線含義。

自動(dòng)駕駛車(chē)輛感知環(huán)境的傳感器繁多，常用的有：攝像頭、激光掃描儀、毫米波雷達(dá)以及超聲波雷達(dá)等。

針對(duì)不同的傳感器，采用的感知算法會(huì)有所區(qū)別，跟傳感器感知環(huán)境的機(jī)理是有關(guān)系的。每一種傳感器感知環(huán)境的能力和受環(huán)境的影響也各不相同。比如攝像頭在物體識(shí)別方面有優(yōu)勢(shì)，但是距離信息比較欠缺，基于它的識(shí)別算法受天氣、光線影響也非常明顯。激光掃描儀及毫米波雷達(dá)，能精確測(cè)得物體的距離，但是在識(shí)別物體方面遠(yuǎn)弱于攝像頭。同一種傳感器因其規(guī)格參數(shù)不一樣，也會(huì)呈現(xiàn)不同的特性。為了發(fā)揮各自傳感器的優(yōu)勢(shì)，彌補(bǔ)它們的不足，傳感器信息融合是未來(lái)的趨勢(shì)。事實(shí)上，已經(jīng)有零部件供應(yīng)商做過(guò)此事，比如德?tīng)柛ｉ_(kāi)發(fā)的攝像頭與毫米波雷達(dá)組合感知模塊已應(yīng)用到量產(chǎn)車(chē)上。因此本系統(tǒng)設(shè)計(jì)將多個(gè)感知模塊結(jié)合去識(shí)別各種環(huán)境實(shí)物。

1、交通識(shí)別模塊

交通標(biāo)識(shí)識(shí)別模塊又分為交通標(biāo)志牌識(shí)別和交通信號(hào)燈識(shí)別。其中，交通標(biāo)志牌識(shí)別主要由以下幾部分組成：

（1）圖像/視頻輸入；

（2）交通標(biāo)識(shí)檢測(cè)；

（3）交通標(biāo)識(shí)識(shí)別；

（4）識(shí)別結(jié)果輸出；

（5）實(shí)驗(yàn)數(shù)據(jù)庫(kù)和訓(xùn)練樣本數(shù)據(jù)庫(kù)。

交通信號(hào)燈識(shí)別主要由以下幾部分組成：

（1）圖像/視頻輸入；

（2）交通信號(hào)燈檢測(cè)；

（3）交通信號(hào)燈狀態(tài)識(shí)別；

（4）識(shí)別結(jié)果輸出。

交通標(biāo)識(shí)識(shí)別模塊系統(tǒng)框圖如圖所示。

交通標(biāo)志牌識(shí)別系統(tǒng)框圖

交通信號(hào)燈識(shí)別系統(tǒng)框

2、車(chē)道線檢測(cè)與識(shí)別模塊

車(chē)道線檢測(cè)模塊是通過(guò)對(duì)傳感器圖像進(jìn)行車(chē)道線檢測(cè)和提取來(lái)獲取道路上的車(chē)道線位置和方向，通過(guò)識(shí)別車(chē)道線，提供車(chē)輛在當(dāng)前車(chē)道中的位置，能夠幫助無(wú)人車(chē)遵守交通規(guī)則，為無(wú)人駕駛車(chē)輛的自主行駛提供導(dǎo)向，提高無(wú)人車(chē)的行車(chē)穩(wěn)定性。智能車(chē)道線檢測(cè)和識(shí)別模塊的處理流程主要是：

對(duì)采集的圖像進(jìn)行預(yù)處理，主要是圖像的平滑；

對(duì)圖像進(jìn)行二值化，為了適應(yīng)光照分布的不均勾，采用了自適應(yīng)閾值二值化方法；

對(duì)二值化圖像進(jìn)行分析，得出該路段屬于哪種路況；

對(duì)不同路況運(yùn)用不同算法進(jìn)行檢測(cè)和識(shí)別在圖像預(yù)處理階段，運(yùn)用高斯平滑模板對(duì)圖像進(jìn)行平滑，去除圖像噪聲的干擾。在圖像二值化上，利用S*S大小的均值模板對(duì)圖像進(jìn)行卷積，將圖像中車(chē)道線的區(qū)域信息提取出來(lái)，然后通過(guò)逆透視投影變換，通過(guò)路況判斷，識(shí)別出車(chē)道線，通過(guò)透視投影原理，將車(chē)道線映射到原始圖像上。

3、車(chē)輛檢測(cè)模塊

車(chē)輛檢測(cè)模塊則是通過(guò)對(duì)相機(jī)圖像進(jìn)行處理將環(huán)境中的車(chē)輛檢測(cè)出來(lái)，為了保證圖像中任意尺寸的車(chē)輛都能檢測(cè)到，本設(shè)計(jì)采用滑動(dòng)窗口的目標(biāo)檢測(cè)：在輸入圖像的多尺度空間中，對(duì)圖像進(jìn)行放縮，然后在每一個(gè)尺度上，通過(guò)平行移動(dòng)滑動(dòng)搜索窗口，可以獲得不同尺度和不同坐標(biāo)位置的子圖。其次對(duì)所獲得子框圖的類(lèi)別進(jìn)行判別，整合各個(gè)子框圖的類(lèi)別信息，輸出檢測(cè)得到的結(jié)果。其檢測(cè)采用的是基于區(qū)域的Haar特征描述算子和Adaboost級(jí)聯(lián)分類(lèi)器。

4、決策規(guī)劃層

無(wú)人駕駛車(chē)輛決策規(guī)劃層的任務(wù)是根據(jù)路網(wǎng)文件(RNDF)、任務(wù)文件(MDF)以及定位信息生成一條全局最優(yōu)路徑，并在交通規(guī)則的約束下，依靠環(huán)境感知信息實(shí)時(shí)推理出正確合理的駕駛行為，最終生成安全可行駛的路徑發(fā)送給控制執(zhí)行系統(tǒng)。決策規(guī)劃層分為全局規(guī)劃、行為決策和運(yùn)動(dòng)規(guī)劃三個(gè)模塊。

全局規(guī)劃模塊首先讀取網(wǎng)文件和任務(wù)文件，遍歷路網(wǎng)文件中的所有路點(diǎn)，生成所有路點(diǎn)之間的連通性，然后根據(jù)任務(wù)文件來(lái)設(shè)定起點(diǎn)、任務(wù)點(diǎn)和終點(diǎn)，計(jì)算出最優(yōu)路徑，最終將這條最優(yōu)路徑的路點(diǎn)序列發(fā)送給行為決策模塊。

行為決策模塊針對(duì)車(chē)輛所處的不同交通場(chǎng)景、任務(wù)要求以及環(huán)境特征，將無(wú)人駕駛車(chē)輛行為分為多個(gè)狀態(tài)，并延展為不同的亞態(tài)和子態(tài)。

運(yùn)動(dòng)規(guī)劃模塊的任務(wù)則是根據(jù)行為決策模塊發(fā)送的局部目標(biāo)點(diǎn)以及環(huán)境感知信息，實(shí)時(shí)規(guī)劃出安全可行駛的路徑，并將路徑的軌跡點(diǎn)序列發(fā)送給控制執(zhí)行。

無(wú)人駕駛技術(shù)的展望

目前無(wú)人駕駛技術(shù)的實(shí)現(xiàn)主要是基于激光傳感技術(shù)或者是超聲雷達(dá)技術(shù)等，經(jīng)過(guò)十余年的研究探索，許多機(jī)構(gòu)和公司都已經(jīng)推出了自己的無(wú)人駕駛汽車(chē)，但基本都存在不足，并不能實(shí)現(xiàn)真正意義的“無(wú)人駕駛”。

解決無(wú)人駕駛汽車(chē)的關(guān)鍵技術(shù)主要在于兩個(gè)方面，一方面是算法的設(shè)計(jì)，另一方面便是傳感器的設(shè)計(jì)。傳感器的精度和響應(yīng)速度直接關(guān)系到無(wú)人駕駛汽車(chē)的安全性問(wèn)題，而安全性正是無(wú)人駕駛技術(shù)最基本也是最關(guān)鍵的部分。將來(lái)無(wú)人駕駛技術(shù)的發(fā)展方向也應(yīng)該是改善算法和選擇更合適精度更高的傳感器。

面對(duì)無(wú)人駕駛的首例Uber撞人致死事故，禾賽科技CEO李一帆表示，我們不愿意接受的不是交通死亡事故本身，而是由于新技術(shù)帶來(lái)的新增的、本來(lái)不一定會(huì)發(fā)生的死亡事故。從這個(gè)角度說(shuō)，自動(dòng)駕駛這個(gè)行業(yè)還遠(yuǎn)沒(méi)有成熟，我們應(yīng)該抱著一顆敬畏的心，用性能最好、最穩(wěn)定的傳感器來(lái)盡可能增加系統(tǒng)冗余，遵守最成熟的開(kāi)發(fā)方法和測(cè)試流程。一切試圖走捷徑的低成本傳感器方案，人肉小白鼠眾包都是無(wú)稽之談，是犯罪。

將來(lái)自動(dòng)駕駛的路很長(zhǎng)，后面可能還有更加糟糕的狀況，但這些都不能掩蓋自動(dòng)駕駛對(duì)社會(huì)發(fā)展的價(jià)值。

責(zé)任編輯：lq