无人驾驶汽车，也被称为自动驾驶汽车，是一种能够在很少甚至没有人的情况下驾驶的汽车。一辆完全自动驾驶的汽车可以把你从天涯带到海北，而你只需要坐下来，静静享受平稳的旅程。
自动驾驶汽车最近受到了极大的关注，很大程度上是由于人工智能（AI）的技术快速发展。在过去的几年里，人工智能已经从几乎被遗忘变成了世界上许多巨头争相研发投资的方向。
简单地说，人工智能使我们能够自动完成许多以前需要人类知识或技能来动手完成的工作。在自动驾驶汽车的情况下，人工智能可以帮助汽车的大脑做一些事情，比如自动检测人和车辆周围的其他汽车，留在车道上，切换车道，跟随GPS到达最终目的地。
那么这一切是如何运作的呢？科学家、工程师和软件开发人员如何能够对计算机进行编程，使其能够驾驶汽车？
自动驾驶技术综述
01、自动化程度
当谈到自动驾驶汽车时，大多数技术专家都会提到自动驾驶的级别。自动驾驶汽车的自主程度是指计算机与人之间的驾驶量。级别越高，计算机所做的驾驶就越多。具体情况可以看下面的图。
0级：汽车的所有功能和系统都由人控制
1级：诸如巡航控制、自动刹车或检测盲点等小事情可以由计算机控制，一次一个
2级：计算机至少可以同时执行两个自动功能，如加速和转向。安全操作和紧急程序仍然需要人
3级：在大多数情况下，计算机可以同时控制汽车的所有关键操作，包括加速、转向、停车、导航和停车。如果他们接到紧急情况的警报，仍有人驾驶
4级：在某些驾驶场景中，该车完全自主，完全不需要人工驾驶。例如，当天气晴朗或多云时，汽车可以完全自行驾驶，但当下雪和车道被覆盖时就不行了
5级：汽车在任何情况下都完全可以自动驾驶
我们今天在新闻中听到的大多数自动驾驶汽车，如特斯拉和比亚迪的电动汽车，都是2级车。他们的水平可以让他们自己开得相当好，但仍然需要一个人驾驶辅助才能确保车辆的安全运行。
02、自动驾驶阶段
如今的自动驾驶汽车使用各种尖端的硬件和软件技术来完成驾驶。一个典型的自动驾驶系统将经历三个阶段来执行其驾驶。在本文中，我们将这些称为感知、理解和控制。
在感应阶段，相机和各种传感器被用来观察汽车周围的任何物体，如其他汽车、人、自行车和动物。它是汽车的眼睛，360度不间断地看到周围的一切。
在理解阶段，各种人工智能算法，主要是计算机视觉，被用来处理来自传感器的信息。例如，我们可能有一个计算机视觉系统来处理来自汽车周围摄像头的视频，以检测周围道路上的所有其他汽车。理想情况下，这样一个系统能够检测出汽车的位置、大小、速度和行驶方向。实际上，这些系统的设计是为了描绘汽车周围的整个环境。所有这些信息都将输入到自动驾驶的控制阶段。
在控制阶段，自动驾驶系统将处理计算机视觉系统能够提取的所有信息。根据这些信息，它将控制汽车。通过了解周围的环境，汽车周围是什么，以及它是如何变化的，控制系统的工作就是把汽车安全地移向目的地。如果前面的车减速，它会启动刹车，如果需要退出，它会切换车道，如果下雨，它会打开雨刮器。
接下来，我们将更详细地了解每个阶段。
（1） 传感器
当我们人类开车时，我们用我们的眼睛看我们周围的东西。自动驾驶汽车也需要眼睛才能看到。自动驾驶汽车的眼睛是它的各种传感器。大多数自动驾驶汽车使用的是三种不同传感器的一种或几种组合：摄像机、雷达和激光雷达。
摄像机
照相机和我们自己的视力最相似。他们像我们一样通过镜头拍摄连续的照片，也就是视频。就像我们自己的视力一样，如果汽车的摄像头能够捕捉到高质量的视频——高分辨率和高帧频，这对驾驶有很大帮助。
自动驾驶汽车的每一侧都会安装摄像头：前、后、左、右等等，可以看到周围的一切，360度全方位。有时，会使用不同类型的相机组合——一些广角相机可以获得更宽的视野，一些窄但分辨率高的相机可以看到更远的地方。
使用相机的好处是它们是世界上最自然的视觉表现。一辆汽车正看到一个人类司机将看到的东西，而且更多，因为它的内部计算机可以同时通过所有的摄像头。照相机也很便宜。
缺点是，摄像头捕捉到的数据，即图像和视频，并不能让我们对其他物体离汽车有多远或移动速度有多快有多少感觉。相机也很难在夜间使用，因为我们根本看不到那么多。
雷达
雷达传统上被用来探测移动物体，如飞机和气象编队。它的工作原理是以脉冲或脉冲的形式发射无线电波。一旦这些波击中一个物体，它们就会反弹回传感器，给出物体的速度和位置数据。
在自动驾驶汽车中，雷达用于检测汽车周围各种物体的速度和距离。这是相机的完美补充，它可以看到物体是什么，但不能精确地看到它们在哪里（有多远）。就像摄像头一样，雷达将在汽车周围360度范围内使用。
雷达还可以在光线较暗的情况下补充摄像头，如夜间驾驶。因为雷达发出的是一个信号，所以不管是凌晨3点还是中午，信号都会以完全相同的方式移动和反弹。与之形成鲜明对比的是，由于光线的缘故，相机在晚上的工作效果并不理想。
雷达的缺点是目前这项技术的精度有限。目前的雷达传感器提供的分辨率非常有限。所以雷达确实给了我们一个关于其他物体的距离、位置和速度的概念，但是这个概念有些模糊——没有我们希望的那么精确。
激光雷达
激光雷达代表光探测和测距。它的工作原理是发出光束，然后计算光线击中物体并反射回激光雷达扫描仪所需的时间。然后可以用光速计算到物体的距离，这就是所谓的飞行时间测量。
激光雷达传感器通常放置在汽车顶部，每秒发射数千束光束。根据收集到的数据，可以创建一个称为点云的三维表示来表示汽车周围的环境。
激光雷达传感器的最大优点是其精度。一个好的激光雷达传感器可以识别距离100米外物体只有几厘米的细节。例如，据说Waymo的激光雷达系统甚至可以根据来自激光雷达的精确三维点云来探测一个人行走的方向。
激光雷达的缺点是成本，目前比相机和雷达贵得多，成本高10倍。
（2） 计算机视觉
自动驾驶系统的理解阶段是大脑——它是大部分主要处理过程发生的地方。在理解阶段，目标是获取来自传感器的所有信息并对其进行解释。这一解释旨在收集有助于安全控制汽车的有用信息。这些信息可以是：
我周围所有的物体是什么，它们在哪里，它们是如何移动的？所以我们的系统可以探测到人、车和动物
我在哪里？系统将确定所有车道的位置以及车辆是否完全位于正确的车道上，或者车辆相对于道路上其他车辆的位置（太近、盲点等）
2019年，这些信息主要是通过人工智能获得的，更具体地说，是通过计算机视觉的深度学习获得的。大型神经网络被训练用于图像分类、目标检测、场景分割和车道检测等任务。然后对网络进行优化，使汽车的计算单元能够处理自动驾驶所需的实时速度。
请记住，自动驾驶汽车可能有来自多个不同来源的数据：摄像机、雷达和激光雷达。因此，所有这些常规的计算机视觉任务都可以应用于各种传感器数据，从而以非常全面的方式收集汽车周围环境的信息。这也会产生一种冗余——如果一个系统出现故障，另一个系统仍然有机会进行检测。
在这些任务中使用深度学习的好处是网络是可培训的。我们给他们的数据越多，他们得到的越好。公司正在充分利用这一点——自动驾驶汽车正与人力司机一起上路，在那里他们可以不断收集新的培训数据来提高自己。
计算机视觉确实是自动驾驶汽车系统的核心。一个理想的系统将能够准确地检测和量化汽车周围环境的每一个方面——移动物体、静止物体、路标、路灯——绝对是一切。所有这些信息都被用来决定汽车下一步该如何行驶。
（3） 控制
一旦计算机视觉系统处理了来自传感器的数据，自动驾驶汽车现在就拥有了它所需要的所有信息。控制阶段的作用是根据在理解阶段提取的信息找出如何最好地导航汽车。
描述自动驾驶汽车如何在道路上行驶的技术术语是路径规划。路径规划的目标是利用计算机视觉系统获取的信息，在避开障碍物和遵循道路规则的同时，将汽车安全地引导到目的地。
汽车将根据全球定位系统（GPS）了解其目标目的地-来自全球定位系统（GPS）的数据包含远距离路径的信息。自动驾驶系统将首先“规划路径”，即计算到其目标的最理想（读取：所用时间最短）路径，以朝其目标移动。这意味着要决定走哪条路，开多快。
一旦确定了最佳路径，系统的下一步就是确定可能的最佳“下一步”。下一步的行动将始终基于遵循到目标目的地的最佳路径。下一步可能是加速、刹车、换道或任何其他常规驾驶动作。
同时，它的任何举动都必须遵守道路规则，维护汽车乘客的安全。如果计算机视觉检测到前方有红灯亮起，则车辆应减速或停车（取决于距离有多远）。
所有这些控制装置都直接发送到汽车的机械控制装置。如果汽车需要转换车道，则会向汽车的适当部位发送一个指令，将车轮转动非常特定的量。如果汽车需要刹车，就会发出一个指令，以精确的所需压力来踩刹车，减速到足以沿着最佳路径行驶，同时保持安全并遵守道路规则。
这个感知、理解和控制的过程必须频繁和精确地重复进行，直到汽车到达目的地。
03、自动驾驶的独角兽
自动驾驶行业有可能成为一个价值数万亿美元的产业领域。机会大，竞争大，在这个领域也不乏这样的机会，产生了几个独角兽企业。
特斯拉
特斯拉，马斯克上电视时，经常为他们的车不使用激光雷达相机而自豪。他们主要依靠汽车周围的8个标准摄像头，然后他们训练一个多头卷积神经网络（CNN）来检测汽车周围的一切并相应地执行导航。
特斯拉自动驾驶技术的真正强在它的软件。通过软件更新，对运行的车型更新可以快速方便地部署到全球所有特斯拉汽车上。快速简便的软件更新意味着特斯拉汽车可以不断改进，而且用户不需要额外支付任何费用或浪费时间。
特斯拉还利用其自动驾驶车队收集数据。所有配备了适当摄像头的特斯拉汽车都用于收集新的训练数据。所有这些数据都被用来重新训练模型，并再次部署到整个流程。这是一个自动的，迭代的通道，用于不断改进自动驾驶系统。
Waymo
Waymo是谷歌旗下的一家自动驾驶汽车公司。Waymo的一大优势是，他们为自己的汽车制造专有硬件。其中包括传感器（摄像机、雷达和激光雷达）以及用于运行计算机视觉推断的定制芯片。这使得Waymo汽车能够实现最好的硬件和软件优化。
通常，激光雷达的一个大缺点是成本。然而，Waymo声称已经开发了自己的激光雷达传感器，比竞争对手便宜90%。据称，这种传感器还能够探测300米外的物体。如果在这个范围内保持适当的精度水平，那么它比Telsa更有优势。因为普通的相机根本看不到那么远。
Waymo还与克莱斯勒、丰田、雷克萨斯和捷豹等大型汽车公司建立了多个合作关系。
Uber和Lyft
Uber和Lyft都是非常受欢迎的顺风车公司，他们完全有能力自主生产自动驾驶汽车。他们正在建造自己的自动驾驶汽车车队，配备了摄像头、雷达和激光雷达，而在Lyft中，配备了多个激光雷达。
与传统汽车公司必须销售配备自动驾驶的整车（价格昂贵）不同，Uber和Lyft的目标是建立一支自动驾驶汽车车队，以便为所有人提供共享乘车服务。这将大大降低对司机的需求，从而大幅度降低人力成本。任何地方的人都可以打到一辆自动驾驶汽车，价格与打电话给Uber或Lyft差不多，自动驾驶变成了一项服务。
我们离5级自动驾驶还有多远？
在看到所有这些未来的技术和正在取得的巨大进步之后，有人不禁要问：我们离5级全自动驾驶汽车还有多远？
这要看情况。
一些人认为，这项技术还不到几年，完全不成熟。而马斯克则声称：“一年后，我们将拥有100多万辆全自动驾驶汽车。”这也是有可能的。
人工智能正以惊人的速度发展，不断有巨额的资金投入尖端技术的研究。用于传感和计算的硬件正在改进，特别是用于自动驾驶的定制硬件。因此，这项技术正朝着正确的方向飞速发展。
如果我们从技术的另一面看，事情会变得更复杂一些。
为了让自动驾驶汽车在日常生活中被人们所接受和使用，必须做到尽善尽美。当另一个人犯了一个小错误时，我们作为人类会宽容得多，但当一台计算机或机器犯了错误时，我们会变得难以容忍。
在所有人的眼中，计算机就应该在工作时没有任何错误。毕竟它们是机器，所以期望值要高得多，我们常常期望机器的数量级或比我们自己更精确。
除此之外，我们还有法律方面的考虑。可以肯定的是，一旦自动驾驶完全上路，新的法律法规就必须出台。
发生事故谁负责？既然汽车是自动驾驶的，现在应该能开得更快吗？一个人必须一直在车里吗？这些都是自动驾驶汽车在某个时候必须要回答的问题，才能在5级时真正上路。
总的来说，自动驾驶汽车是社会的一大利好。当汽车变成自动驾驶的时候，减少污染、减少交通、提高效率和更安全的驾驶都是可以期待的。这项技术正朝着正确的方向发展，有望带来光明、自主的未来。
本文转自：为AI呐喊（微信号：weainahan） - 未艾在线，转载此文目的在于传递更多信息，版权归原作者所有。
