要說(shuō)當(dāng)今科技領(lǐng)域什么最火爆？估計(jì)十個(gè)人有九個(gè)人都會(huì)說(shuō)是人工智能AI，沒(méi)錯(cuò)，隨著云計(jì)算和大數(shù)據(jù)技術(shù)以及產(chǎn)業(yè)的成熟，使得整個(gè)科技在平臺(tái)層和數(shù)據(jù)層已經(jīng)獲得了強(qiáng)有力的支撐，在基于海量數(shù)據(jù)作為支撐的當(dāng)下，如何利用數(shù)據(jù)去開(kāi)拓頂層的應(yīng)用，使得用戶的工作和生活變得更加智能化成為了當(dāng)前企業(yè)關(guān)注的重點(diǎn)。

這樣一來(lái)，基于智能化時(shí)代背景的AI技術(shù)一時(shí)間開(kāi)始被追捧，在AI領(lǐng)域當(dāng)中無(wú)疑自動(dòng)駕駛是最熱門的領(lǐng)域之一，并且現(xiàn)在也誕生出了許許多多的自動(dòng)駕駛企業(yè)，那么這樣一個(gè)新興領(lǐng)域當(dāng)中究竟融入了哪些關(guān)鍵技術(shù)？本期我們就一起來(lái)看看。

汽車

我們先簡(jiǎn)單來(lái)說(shuō)一下自動(dòng)駕駛當(dāng)中的載體，汽車。有很多業(yè)界專家表示，自動(dòng)駕駛企業(yè)在選擇汽車的過(guò)程當(dāng)中，如果能不選擇純汽油車就盡量不要選擇，究其原因是因?yàn)樽詣?dòng)駕駛整個(gè)系統(tǒng)所需要的耗電量還是比較大的，因此混合動(dòng)力和電動(dòng)汽車在這方面來(lái)說(shuō)具有先天的優(yōu)勢(shì)。

此外，發(fā)動(dòng)機(jī)的底層控制算法相比電機(jī)要復(fù)雜的太多，這樣一來(lái)企業(yè)就必須要花費(fèi)相當(dāng)長(zhǎng)的時(shí)間去標(biāo)定和調(diào)校底層上面，這些時(shí)間其實(shí)不如放在研究高層的算法上面。

控制器

當(dāng)前對(duì)于自動(dòng)駕駛來(lái)說(shuō)，在前期算法研發(fā)的階段使用工控機(jī)的數(shù)量還是很多的，工控機(jī)也作為直接的控制器解決方案去應(yīng)用，工控機(jī)相比于嵌入式設(shè)備來(lái)說(shuō)具有更加穩(wěn)定、可靠、配套軟件更全面等優(yōu)勢(shì)。

當(dāng)算法研究進(jìn)入到成熟階段之后則可以考慮將嵌入式系統(tǒng)作為主要的控制器，例如zFAS之類的控制器就可以被應(yīng)用在更多的自動(dòng)駕駛汽車上面了。

?CAN卡組件

控制器和汽車底盤之間需要通過(guò)一種叫做CAN的語(yǔ)言去進(jìn)行溝通和交互，從底盤獲取當(dāng)前車速及方向盤轉(zhuǎn)角等信息，需要解析底盤發(fā)到CAN總線上的數(shù)據(jù)。同時(shí)，工控機(jī)通過(guò)傳感器的信息計(jì)算得到方向盤轉(zhuǎn)角以及期望的車速之后，也需要通過(guò)CAN卡把消息轉(zhuǎn)碼成底盤可以識(shí)別的信號(hào)，從而底盤做出相對(duì)應(yīng)的反應(yīng)。

?定位系統(tǒng)+慣性測(cè)量單元

我們?cè)谌粘ｑ{駛的過(guò)程當(dāng)中，在從一個(gè)地方去到另一個(gè)的地方的時(shí)候，需要了解兩地之間的地圖情況，還需要知道司機(jī)自己所在的位置等數(shù)據(jù)信息，這樣才能夠在駕駛到下一個(gè)路口的時(shí)候知道是左轉(zhuǎn)還是右轉(zhuǎn)。

對(duì)于無(wú)人駕駛汽車來(lái)說(shuō)也是一樣，通過(guò)依靠定位系統(tǒng)與慣性測(cè)量單位的整合，可以讓汽車知道自己正在處在哪條經(jīng)緯線之上，汽車在朝哪個(gè)方向開(kāi)，IMU還能提供諸如橫擺角速度、角加速度等更豐富的信息，這些信息有助于自動(dòng)駕駛汽車的定位和決策控制。

?感知傳感器

對(duì)于感知傳感器的分類可以有很多種，包括視覺(jué)傳感器、激光傳感器、雷達(dá)傳感器等。視覺(jué)傳感器其實(shí)就是攝像頭，攝像頭氛圍單目視覺(jué)、雙目立體視覺(jué)兩大類，其中比較著名的視覺(jué)傳感器提供商有來(lái)自以色列的Mobileye，加拿大的PointGrey，德國(guó)的Pike等。

而激光傳感器分為單線、多線一直到64線，在成本方面，沒(méi)多一線其成本就要多花掉1萬(wàn)元人民幣左右，比較知名的激光傳感器提供商有美國(guó)的Velodyne和Qunergy，德國(guó)的Ibeo等。國(guó)內(nèi)有速騰聚創(chuàng)和禾賽科技。

雷達(dá)傳感器在Tier 1的自動(dòng)駕駛車廠當(dāng)中應(yīng)用的非常廣泛，原因很簡(jiǎn)單，雷達(dá)傳感器已經(jīng)在越來(lái)越多的傳統(tǒng)汽車上得到了認(rèn)同和廣泛的使用，在我們常見(jiàn)的寶馬、沃爾沃、奧迪等車廠當(dāng)中都可以看到其應(yīng)用。

軟件層面的整合

前文我們說(shuō)了很多關(guān)于自動(dòng)駕駛在硬件層面的應(yīng)用點(diǎn)和技術(shù)點(diǎn)，接下來(lái)我們來(lái)看看軟件層面。

數(shù)據(jù)采集

傳感器與PC之間通過(guò)嵌入式模塊進(jìn)行傳輸，可以采集來(lái)自攝像機(jī)的圖像信息，當(dāng)然這當(dāng)中有的是通過(guò)千兆網(wǎng)卡實(shí)現(xiàn)通信的，也有直接通過(guò)視頻線纜進(jìn)行通信的。此外，還有某些毫米波雷達(dá)通過(guò)CAN總線給下游發(fā)送信息的，因此對(duì)CAN信息代碼的解析是至關(guān)重要的。

數(shù)據(jù)預(yù)處理

傳感器的信息拿到之后會(huì)發(fā)現(xiàn)不是所有信息都有用的，這就需要數(shù)據(jù)傳感器需要對(duì)數(shù)據(jù)進(jìn)行逐批次一幀一幀的發(fā)送給下游，但是下游無(wú)法拿每一幀的數(shù)據(jù)進(jìn)行決策或者融合，究其原因是因?yàn)閭鞲衅鞯臓顟B(tài)并不是100%有效的，上游需要對(duì)信息做預(yù)處理，從而保證車輛前方的障礙物能夠在時(shí)間維度上一直存在，而不是一閃而過(guò)。

坐標(biāo)轉(zhuǎn)換

傳感器安裝在車體的很多個(gè)地方，就像超聲波雷達(dá)是布置在車輛周圍一樣，這樣做的目的就是為了讓距離超聲波雷達(dá)3米范圍之內(nèi)的障礙物能夠輕易的被雷達(dá)發(fā)現(xiàn)。因此感知層拿到3m的障礙物位置信息后，必須將該障礙物的位置信息轉(zhuǎn)移到自車坐標(biāo)系下，才能供規(guī)劃決策使用。

攝像機(jī)一般安裝在擋風(fēng)玻璃下面，拿到的數(shù)據(jù)也是基于攝像機(jī)坐標(biāo)系的，給下游的數(shù)據(jù)，同樣需要轉(zhuǎn)換到自車坐標(biāo)系下。

信息的交互融合

比如攝像機(jī)檢測(cè)到了車輛正前方有一個(gè)障礙物，毫米波也檢測(cè)到車輛前方有一個(gè)障礙物，激光雷達(dá)也檢測(cè)到前方有一個(gè)障礙物，而實(shí)際上前方只有一個(gè)障礙物，所以我們要做的是把多傳感器下這輛車的信息進(jìn)行一次融合，以此告訴下游，前面有一輛車，而不是三輛車。

車輛決策規(guī)劃

車輛決策規(guī)劃主要是設(shè)計(jì)拿到融合數(shù)據(jù)之后，揣測(cè)量如何正確做出規(guī)劃，這里的規(guī)劃包含縱向控制和橫向控制兩方面，縱向控制即速度控制，表現(xiàn)為什么時(shí)候加速，什么時(shí)候制動(dòng)。橫向控制即行為控制，表現(xiàn)為什么時(shí)候換道，什么時(shí)候超車等

編輯的話

數(shù)據(jù)、平臺(tái)、硬件、軟件等多個(gè)領(lǐng)域和層面組成了當(dāng)前自動(dòng)駕駛的融合應(yīng)用，隨著未來(lái)人工智能技術(shù)在眾多行業(yè)當(dāng)中的深入應(yīng)用，使得用戶對(duì)于AI從最初的印象有了更加“落地”的體驗(yàn)感。