一文匯總最全自動駕駛系統(tǒng)解析

1、自動駕駛分級

不同組織對自動駕駛的分級標(biāo)準(zhǔn)各有不同：美國國家公路交通安全管理局（NHTSA）把自動駕駛分為五個級別，而國際自動機(jī)械工程師學(xué)會（SAE）的標(biāo)準(zhǔn)分為L0~L5共六個級別，兩者的L0、L1、L2的分類都是相同的，不同之處在于NHTSA的L4被 SAE 細(xì)分為L4和L5。國內(nèi)采用SAE標(biāo)準(zhǔn)較多。

L0：完全人類駕駛。

L1：輔助駕駛，增加了預(yù)警提示類的ADAS功能，包括車道偏離預(yù)警（LDW），前撞預(yù)警（FCW），盲點檢測（BSD）等。

L2：部分自動駕駛，具備了干預(yù)輔助類的ADAS功能，包括自適應(yīng)巡航（ACC），緊急自動剎車（AEB），車道保持輔助（LKA）等。

L3：有條件自動駕駛，具備了綜合干預(yù)輔助類功能，包括自動加速、自動剎車、自動轉(zhuǎn)向等。

從L2到L3發(fā)生了本質(zhì)的變化，L2及以下還是由人來觀測駕駛環(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(jī)器來觀測駕駛環(huán)境，人類駕駛員不需要坐在駕駛座上手握方向盤，只需要在車內(nèi)或車外留有監(jiān)控計算機(jī)即可，緊急情況下通過計算機(jī)操作進(jìn)行認(rèn)知判別干預(yù)。

L4：高度自動駕駛，沒有任何人類駕駛員，可以無方向盤、油門、剎車踏板，但限定區(qū)域（如園區(qū)、景區(qū)內(nèi)），或限定環(huán)境條件（如雨雪天、夜晚不能開）。

L5：完全自動駕駛，是真正的無人駕駛階段，司機(jī)位置無人，也沒有人的車內(nèi)或車外的認(rèn)知判別干預(yù)；無方向盤和油門、剎車踏板；全區(qū)域、全功能。

現(xiàn)在有很多公司可以實現(xiàn)在特定園區(qū)內(nèi)的無人駕駛，宣稱已經(jīng)達(dá)到了L4級別，那么是不是現(xiàn)階段的無人駕駛技術(shù)水平真的有那么高了呢？這個是有一定迷惑性的。在封閉環(huán)境內(nèi)固定路線L4級別的無人駕駛，和北京城區(qū)內(nèi)L2級別的自動駕駛，哪個技術(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)，一定要具體看自動行駛的區(qū)域（封閉、開放；區(qū)域大小、復(fù)雜程度）、功能，以及環(huán)境條件（氣候、時間段）。

2.自動駕駛的實現(xiàn)路徑

自動駕駛風(fēng)口來襲，科技公司、初創(chuàng)企業(yè)、新興電動車企、傳統(tǒng)車企、一級供應(yīng)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，跨過中間級別，直指L4和L5級無人駕駛，先不考慮成本，等技術(shù)方案成熟后成本下降，再大規(guī)模商業(yè)化。還有一類是以傳統(tǒng)車企、TIer1為代表的循序漸進(jìn)型，它們在可接受的成本內(nèi)推動輔助駕駛功能的商用化，然后隨著ADAS功能的完善和升級，逐漸過渡到無人駕駛。

第一條路徑的問題在于科技企業(yè)沒有量產(chǎn)車的能力，靠測試車收集的數(shù)據(jù)量自然沒有每輛車都安裝ADAS系統(tǒng)那么多；而第二條路徑的問題在于各項ADAS功能的拼接，是否能組成一個完整的無人駕駛系統(tǒng)。

科技公司的強(qiáng)項在人工智能技術(shù)優(yōu)勢，但是在汽車工程上缺乏經(jīng)驗。造車的門檻很高，傳統(tǒng)車企保有全產(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(rèn)可度較高，汽車產(chǎn)業(yè)不會被科技公司完全顛覆。傳統(tǒng)車企擁有豐富的整車經(jīng)驗和完善的后市場，但隨著電動車和自動駕駛大潮的來臨，傳統(tǒng)車企的危機(jī)感很強(qiáng)，生怕淪為代工廠。自動駕駛的研發(fā)基本都是基于新能源汽車平臺，繞開發(fā)動機(jī)、變速箱等壁壘，采用電動車的電機(jī)、電池、電控核心系統(tǒng)，動搖了傳統(tǒng)車企在“動力總成”的競爭優(yōu)勢。兩大陣營各有優(yōu)劣勢，互相不可替代，目前越來越多地以合作和投資的形式走向開放聯(lián)姻。

3.自動駕駛系統(tǒng)概覽

自動駕駛系統(tǒng)的三個層級

自動駕駛系統(tǒng)分為三個層級：感知層，決策層，執(zhí)行層。

感知層

感知層用來完成對車輛周圍環(huán)境的感知識別。自動駕駛用到了各種各樣的傳感器，包括：攝像頭、毫米波雷達(dá)、激光雷達(dá)、超聲波雷達(dá)、紅外夜視，以及用于定位和導(dǎo)航的GPS（全球定位系統(tǒng)）和IMU（慣性測量單元）。還有一類技術(shù)雖然不是主動式的探測元件，但是屬于協(xié)同式的全局?jǐn)?shù)據(jù)輔助，可以擴(kuò)展智能車的環(huán)境感知能力，在感知層同樣扮演著不可或缺的角色，包括高精度地圖、V2X車聯(lián)網(wǎng)技術(shù)。每種類型的感知技術(shù)都有自己的優(yōu)勢和弊端，它們相互補(bǔ)充融合，最終使智能車達(dá)到駕駛場景下非常高的安全性要求。國內(nèi)企業(yè)在這一層做文章的非常多，后續(xù)小研會專門寫一篇文章解析自動駕駛傳感器的技術(shù)路線，欲知詳情請聽下回分解。

決策層

決策層是人工智能真正發(fā)揮威力的部分，和人類駕駛員一樣，機(jī)器在做駕駛決策時需要回答幾個問題，我在哪里？周邊環(huán)境如何？接下來會發(fā)生什么？我該做什么？決策層具體來說分為兩步，第一步認(rèn)知理解，根據(jù)感知層收集的信息，對車輛自身的精確定位，對車輛周圍的環(huán)境的準(zhǔn)確理解，第二步?jīng)Q策規(guī)劃，包含對接下來可能發(fā)生情況的準(zhǔn)確預(yù)測，對下一步行動的準(zhǔn)確判斷和規(guī)劃，選擇合理的路徑達(dá)到目標(biāo)。

車輛定位

自動駕駛中車輛精確定位的方法主要有3種：

第一種是通過高精度的差分GPS+慣性導(dǎo)航IMU來完成，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。

第二種是通過激光雷達(dá)+高精度地圖來定位，將激光雷達(dá)掃描周圍環(huán)境所獲得的點云與高精度地圖進(jìn)行比對和匹配，從而獲得位置信息。

第三種是通過攝像頭圖像數(shù)據(jù)+視覺地圖來定位，將攝像頭在行駛過程中拍攝到的圖像數(shù)據(jù)，包括圖像靜態(tài)信息和圖像間的移動信息，與視覺地圖進(jìn)行比對和匹配，可以獲得位置信息。或者從圖像中提取一些關(guān)鍵目標(biāo)及其精確的幾何特征（如車道線、地面標(biāo)記、交通標(biāo)牌、紅綠燈等），將其和高精度地圖中存儲的信息進(jìn)行對應(yīng)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、車輛識別、車道識別、交通標(biāo)識識別、行駛中車輛的追蹤、行動中行人的追蹤等。深度學(xué)習(xí)在這些應(yīng)用中展現(xiàn)出了比傳統(tǒng)計算機(jī)視覺技術(shù)更好的性能，從而被廣泛應(yīng)用。

行為預(yù)測

人類智能在駕駛中體現(xiàn)在可以根據(jù)動態(tài)變化的環(huán)境實時調(diào)整駕駛策略，同樣機(jī)器也需要對車輛周邊的人、車、物的行為進(jìn)行預(yù)測，從而做出安全駕駛決策。

行動規(guī)劃

根據(jù)車身狀態(tài)數(shù)據(jù)、局部環(huán)境數(shù)據(jù)做出當(dāng)下最優(yōu)的行動選擇，包括加速、剎車、變換車道、轉(zhuǎn)彎等。

路徑規(guī)劃

從出行需求出發(fā)，在高精度地圖的基礎(chǔ)之上，根據(jù)全局路網(wǎng)數(shù)據(jù)和宏觀交通信息，繪制一條從出發(fā)點到目標(biāo)點的最優(yōu)行車路徑。

實事求是地說，國內(nèi)真正進(jìn)入到?jīng)Q策層的企業(yè)不多，有做園區(qū)、機(jī)場擺渡車的馭勢科技，做高速公路貨運的圖森互聯(lián)，還有做園區(qū)無人車和干預(yù)輔助類高級ADAS系統(tǒng)的智行者。你們聽說過的那些單目、雙目、環(huán)視視覺ADAS公司實現(xiàn)的大多是預(yù)警提示類功能，如碰撞預(yù)警、盲點監(jiān)測等，只是停留在感知層面，沒有涉及到?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，F(xiàn)araday，Cruise，Otto，Navya等等。國內(nèi)的路況確實比國外復(fù)雜得多，再加上中國政府還不允許自動駕駛車輛上路路測，這些都制約著國內(nèi)企業(yè)在決策層發(fā)力。

識別算法業(yè)內(nèi)有KITTI（用于評測目標(biāo)檢測、目標(biāo)跟蹤、語義分割等）和Cityscapes（用于評測像素級場景分割和實例標(biāo)注等）等公開數(shù)據(jù)集進(jìn)行評測，但是對決策質(zhì)量和規(guī)劃能力的好壞還沒有統(tǒng)一評價標(biāo)準(zhǔn)，因而無從判斷各家技術(shù)能力的強(qiáng)弱，只能從公布的Demo中窺測一二。

執(zhí)行層

自動駕駛的執(zhí)行層離不開和車載控制系統(tǒng)的深度集成，可惜車廠和TIer1出于自我保護(hù)，不愿意對外開放車輛控制總線，一些創(chuàng)企無法對原車做改動，不得已只能另外附加一套電機(jī)裝置，通過電機(jī)拉動鋼絲繩，鋼絲繩再拉動油門、制動、轉(zhuǎn)向等裝置完成執(zhí)行動作。這種做好確實非常笨拙，操控性和可靠性很差，根本無法體現(xiàn)自動駕駛的優(yōu)勢。真正的自動駕駛必須要將決策控制信息與車輛底層控制系統(tǒng)深度集成，通過線控技術(shù)完成執(zhí)行機(jī)構(gòu)的電控化，達(dá)到電子制動、電子驅(qū)動和電子轉(zhuǎn)向。

歸根結(jié)底，自動駕駛的落腳點在“駕駛”不在“自動”，“大腦”再發(fā)達(dá)也要靠“雙腳”來行走。不把人工智能算法落地到車輛的控制執(zhí)行，你永遠(yuǎn)不知道有多少dirty work要做。例如車的轉(zhuǎn)向、制動、加速，你究竟要把方向盤打多大何時回輪、剎車踩多大、驅(qū)動給多少，人類司機(jī)是憑經(jīng)驗來執(zhí)行的，但是對自動駕駛系統(tǒng)來說，需要很多汽車動力學(xué)的knowhow才能完成。如果你只是單純地在計算機(jī)上跑幾個Demo，沒有實打?qū)嵉厣宪嚶窚y過，哪家車廠敢用你的算法？真上路還不得撞得人仰馬翻？那些單靠幾個博士弄個算法跑個測試集刷刷榜就想出來融資的初創(chuàng)都是耍流氓。業(yè)內(nèi)人打趣說，做自動駕駛只要撞死個人，公司就可以直接倒閉了，融的那點錢還不夠賠償費呢！大家所熟知的國內(nèi)計算機(jī)視覺領(lǐng)域四大獨角獸，都未染指自動駕駛（商湯只是聲稱可以提供算法支持，和真正做自動駕駛還差得遠(yuǎn)呢），視覺算法在人臉識別、安防監(jiān)控領(lǐng)域落地相對比較容易，但是在自動駕駛領(lǐng)域要實實在在做車的話還是有很多坑的，這就是為什么國內(nèi)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(zhí)行層確實非常難，國內(nèi)在線控技術(shù)上仍處在研發(fā)初始階段，技術(shù)底子薄，積累時間不足。國外車廠和TIer1壟斷了自動駕駛控制執(zhí)行部分，同時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)品化能力和汽車經(jīng)驗，已有符合車規(guī)的產(chǎn)品成熟量產(chǎn)，對國內(nèi)企業(yè)來說確實是不小的壓力。創(chuàng)業(yè)企業(yè)可以通過和國產(chǎn)車廠、國產(chǎn)供應(yīng)商合作研發(fā)，共同抵制國外廠商，也可以和深諳執(zhí)行器改裝的團(tuán)隊合作，介入執(zhí)行層，總之未來的競爭不會是單個企業(yè)實力的比拼，而是生態(tài)聯(lián)盟間的合縱連橫。

自動駕駛的基本技術(shù)架構(gòu)

車載部分

感知層各種類型的傳感器采集、接收的數(shù)據(jù)，通過總線進(jìn)行集成，再通過數(shù)據(jù)的融合和智能化處理，輸出自動駕駛所需的環(huán)境感知信息。車載傳感器的優(yōu)化配置，可以在保證精度和安全性的基礎(chǔ)上，降低整體成本。

主控系統(tǒng)由硬件部分高性能車載集成計算平臺和軟件部分智能車載操作系統(tǒng)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(rèn)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)缺點可以參見小研以前的分析文章《AI時代，我的中國“芯”》。智能車載操作系統(tǒng)融合了車內(nèi)人機(jī)交互、運營服務(wù)商、內(nèi)容服務(wù)商的數(shù)據(jù)，為乘客提供個性化服務(wù)，真正把智能車變成下一個“互聯(lián)網(wǎng)入口”，目前的主流操作系統(tǒng)包括Android、Linux、Windows、QNX、YunOS（阿里云提供）等。

最后，決策的信息進(jìn)入車輛總線控制系統(tǒng)，完成執(zhí)行動作。

云端部分

自動駕駛車輛是一個移動系統(tǒng)，需要云平臺來提供支持。云端主要完成四個功能：

1. 數(shù)據(jù)存儲：智能車路測中實采的數(shù)據(jù)量非常大，需要傳輸?shù)皆贫诉M(jìn)行分布式存儲。

2. 仿真測試：開發(fā)的新算法在部署到車上之前會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實時采集到的激光點云或視覺數(shù)據(jù)上傳至云端，實現(xiàn)高精度地圖的完善和更新。

4. 深度學(xué)習(xí)模型訓(xùn)練：自動駕駛的決策層使用了多種不同的深度學(xué)習(xí)模型，在《透析深度學(xué)習(xí)，其實它沒那么神秘》這篇文章中小研提到了深度學(xué)習(xí)算法存在“長尾”問題，對于沒見過的情況它處理不了，因此需要持續(xù)不斷地通過新數(shù)據(jù)進(jìn)行模型訓(xùn)練，來提升算法的處理能力。由于訓(xùn)練的數(shù)據(jù)量非常大，所以要在云端完成。

自動駕駛領(lǐng)域未來的重大機(jī)遇

通過上文的梳理，小研認(rèn)為自動駕駛領(lǐng)域未來三到五年重要的早期創(chuàng)業(yè)和投資機(jī)會在以下幾個方面：

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，沒有一種傳感器可以適用于任何使用環(huán)境。把各類傳感器的數(shù)據(jù)進(jìn)行融合，達(dá)到寬適用范圍、高感知精度的同時，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(gòu)的搭建，多種數(shù)據(jù)類型的處理，融合算法的探索，都是非常有挑戰(zhàn)的工作，但是做好會有非常大的價值。

2. 高性能計算平臺

自動駕駛汽車產(chǎn)生的海量數(shù)據(jù)，需要車載人工智能大腦——高性能硬件計算平臺來處理，國內(nèi)余凱博士領(lǐng)導(dǎo)的地平線機(jī)器人是這方面探索的先驅(qū)，小研在之前的文章《AI時代，我的中國“芯”》中介紹過。

3. 車聯(lián)網(wǎng)

近幾年國內(nèi)后裝車聯(lián)網(wǎng)發(fā)展很快，形成了包含導(dǎo)航、娛樂、金融、交互、服務(wù)等功能的生態(tài)圈，未來會逐步向以智能車載操作系統(tǒng)為核心的前裝業(yè)務(wù)演變。國內(nèi)LTE-V車聯(lián)網(wǎng)專用通信標(biāo)準(zhǔn)將于今年出臺，可利用現(xiàn)有蜂窩網(wǎng)絡(luò)基礎(chǔ)設(shè)施，成為自動駕駛感知機(jī)構(gòu)的延伸。

4. 運營服務(wù)

汽車智能化以后會成為下一個移動終端，未來會有越來越多的運營服務(wù)商涌現(xiàn)，也會有更多基于內(nèi)容資源、平臺服務(wù)、共享經(jīng)濟(jì)的新商業(yè)模式衍生出來。

5. 車載集成系統(tǒng)

面向自動駕駛的車載集成系統(tǒng)，需將感知、決策層的技術(shù)架構(gòu)和車輛總線控制系統(tǒng)結(jié)合起來重新設(shè)計，將卓越的算法落地到安全、魯棒的執(zhí)行中。

6. 云端

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

4.自動駕駛的商業(yè)化之路

自動駕駛的商業(yè)化應(yīng)用有貨運和客運兩大塊。貨運的需求方比較明朗，有礦山和港口運營公司、物流公司、電商、出行服務(wù)運營商等，貨運的工況主要是高速公路、礦區(qū)、港口等相對單一封閉的區(qū)域，實現(xiàn)起來更容易一些?？瓦\在開放道路上運營還是非常困難的，目前能夠落地的應(yīng)用場景主要是園區(qū)低速自動駕駛，未來可能會探索給滴滴、UBER這樣的運營商提供固定區(qū)域內(nèi)的自動駕駛運營服務(wù)，等各類駕駛場景都驗證成熟以后才會推向開放區(qū)域，最后才是賣給個人，這條路還是很漫長的。

前段時間百度無人車開源了阿波羅平臺，就有好事之徒寫了“百度無人車扔下原子彈，炸掉行業(yè)百億美金投資”的軟文，大有誤導(dǎo)公眾之嫌。其實自動駕駛產(chǎn)業(yè)剛剛起步，行業(yè)標(biāo)準(zhǔn)和技術(shù)架構(gòu)都沒完善，未來還需要持續(xù)探索，百度開源算法對推動整個行業(yè)的進(jìn)步絕對是好事情。

汽車是個很大的產(chǎn)業(yè)，產(chǎn)業(yè)鏈上各個環(huán)節(jié)都有活得很好的公司，自動駕駛由于信息技術(shù)和人工智能的加持，擁有比傳統(tǒng)汽車產(chǎn)業(yè)更大的市場空間，更何況電動化、智能化大潮的到來使中國企業(yè)擺脫了“歷史包袱”，和國外企業(yè)站在同一起跑線上，彎道超車的機(jī)會大大的有，你且看所有一線基金在自動駕駛領(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，自動駕駛領(lǐng)域有些方向的timing已經(jīng)到了，而有些方向還沒到。當(dāng)下我們更應(yīng)該保持耐心，隨著技術(shù)和產(chǎn)業(yè)的逐漸成熟，這些機(jī)會的啟動點會一個個到來，自動駕駛是一波大的浪潮，未來十年都值得我們持續(xù)關(guān)注。