無(wú)人駕駛已是全球追逐的趨勢(shì)，科技巨頭早已爭(zhēng)相開(kāi)始了相關(guān)領(lǐng)域的研發(fā)。據(jù)外媒報(bào)道稱，在加利福尼亞州，蘋(píng)果無(wú)人駕駛測(cè)試車輛數(shù)量多于Drive．Ai、特斯拉、甚至是Alphabet旗下Waymo，其共擁有55輛無(wú)人駕駛汽車。其實(shí)，從上世紀(jì)70年代開(kāi)始，美國(guó)、德國(guó)、英國(guó)等國(guó)家就開(kāi)始了對(duì)無(wú)人駕駛汽車的研究。

國(guó)內(nèi)對(duì)無(wú)人駕駛的研究稍晚，但是現(xiàn)在也是爭(zhēng)相布局，奮起直追。百度嗅覺(jué)最敏銳，2014年7月就已著手研發(fā)；2017年7月，推出了Apollo自動(dòng)駕駛平臺(tái)；2018年年初，搭載了Apollo2．0系統(tǒng)的百度無(wú)人駕駛汽車也開(kāi)始在美國(guó)加州公路上進(jìn)行三級(jí)和四級(jí)無(wú)人駕駛汽車的測(cè)試。

2018年4月12日，騰訊和長(zhǎng)安汽車簽署合作協(xié)議，將提供智能車聯(lián)網(wǎng)整體方案。緊隨其后，5月14日騰訊已獲得深圳交警頒發(fā)的第一張智能網(wǎng)聯(lián)測(cè)試小汽車號(hào)牌。2018年4月16日，在無(wú)人駕駛領(lǐng)域看似沉默的阿里也宣布，正在進(jìn)行無(wú)人駕駛研究。BAT的布局在意料之中，令人意外的是2018年5月10日，滴滴美國(guó)研究院也獲準(zhǔn)在美國(guó)加利福尼亞州測(cè)試自動(dòng)駕駛車輛。

與一片火熱的研發(fā)、路測(cè)形成鮮明對(duì)比的是無(wú)人駕駛安全事故頻發(fā)。2018年3月，美國(guó)亞利桑那州一名女子被Uber自動(dòng)駕駛汽車撞傷，之后不幸身亡。這是全球首例自動(dòng)駕駛車輛致行人死亡的事故。近日特斯拉Model S又發(fā)生車禍致人傷亡，特斯拉發(fā)生事故已不是一次兩次了。

5月16日，在天津召開(kāi)的第二屆世界智能大會(huì)上，360董事長(zhǎng)周鴻祎在現(xiàn)場(chǎng)演講時(shí)給無(wú)人駕駛潑冷水：“沒(méi)有安全就不可能有智能汽車時(shí)代的真正到來(lái)”。

從安防角度看，我只想說(shuō)，周董這冷水潑的對(duì)，潑的及時(shí)。無(wú)人駕駛的安全技術(shù)研究應(yīng)該作為無(wú)人駕駛技術(shù)研究的重中之重。

無(wú)人駕駛主要依靠的是車內(nèi)的計(jì)算機(jī)系統(tǒng)，包括人工智能、視覺(jué)計(jì)算、雷達(dá)、監(jiān)控裝置等和全球定位系統(tǒng)中的若干技術(shù)協(xié)調(diào)運(yùn)作為主的智能駕駛，從而實(shí)現(xiàn)在沒(méi)有任何人主動(dòng)操作的情況下，能夠安全、自動(dòng)的操控汽車的運(yùn)行。既然人工智能、視覺(jué)計(jì)算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)這五大技術(shù)是無(wú)人駕駛的關(guān)鍵技術(shù)，接下來(lái)小編就一一分析這些技術(shù)目前的發(fā)展水平以及如何保證無(wú)人駕駛車輛的安全性。

人工智能

一方面就無(wú)人駕駛汽車而言，AI的存在能夠提升機(jī)器視覺(jué)系統(tǒng)的識(shí)別精度，同時(shí)它在控制傳感器融合的ECU中也將發(fā)揮重要作用。

另一方面人工智能管理無(wú)人駕駛車輛，邏輯是通過(guò)深度學(xué)習(xí)和應(yīng)對(duì)機(jī)制分析體系，來(lái)解決車輛行駛中的各種問(wèn)題，保障行駛安全。

在 2018GMIC 峰會(huì)中，北京航空航天大學(xué)交通科學(xué)與工程學(xué)院余貴珍教授卻就無(wú)人駕駛這個(gè)具體的場(chǎng)景為大家提了一個(gè)醒——人工智能并不是無(wú)人駕駛的萬(wàn)能藥。他認(rèn)為，人工智能技術(shù)的確有效地促進(jìn)了無(wú)人駕駛技術(shù)的發(fā)展，通過(guò)深度學(xué)習(xí)，特別是卷積神經(jīng)網(wǎng)絡(luò)，利用攝像頭來(lái)做環(huán)境感知，對(duì)此大家的信心已經(jīng)達(dá)到 99％ 。但是，人工智能實(shí)際上就是一個(gè)算法，就是一個(gè)比原來(lái)機(jī)器學(xué)習(xí)更高級(jí)的算法罷了，所以我們不要把人工智能想成什么都能解決。

視覺(jué)計(jì)算

主要用來(lái)識(shí)別車道線、停止線、交通信號(hào)燈、交通標(biāo)志牌、行人、車輛等。常用的有單目攝像頭、雙目攝像頭、紅外攝像頭。視覺(jué)傳感器成本低，相關(guān)研究與產(chǎn)品非常多，但視覺(jué)算法易受光照、陰影、污損、遮擋影響，準(zhǔn)確性、魯棒性有待提高。所以，作為人工智能技術(shù)廣泛應(yīng)用的領(lǐng)域之一的圖像識(shí)別，也是無(wú)人駕駛汽車領(lǐng)域的一個(gè)研究熱點(diǎn)，但是目前高精準(zhǔn)的視覺(jué)算法并沒(méi)有問(wèn)世。

雷達(dá)

雷達(dá)主要用來(lái)探測(cè)一定范圍內(nèi)障礙物（比如車輛、行人、路肩等）的方位、距離及移動(dòng)速度，常用車載雷達(dá)種類有激光雷達(dá)、毫米波雷達(dá)和超聲波雷達(dá)。激光雷達(dá)精度高、探測(cè)范圍廣，但成本高，比如Google無(wú)人車頂上的64線激光雷達(dá)成本高達(dá)70多萬(wàn)元人民幣；毫米波雷達(dá)成本相對(duì)較低，探測(cè)距離較遠(yuǎn)，被車企廣泛使用，但與激光雷達(dá)比精度稍低、可視角度偏小；超聲波雷達(dá)成本最低，但探測(cè)距離近、精度低，可用于低速下碰撞預(yù)警。

此外，CNN（Convolutional Neural Network，卷積神經(jīng)網(wǎng)絡(luò)）技術(shù)是目前最好的標(biāo)識(shí)識(shí)別技術(shù)，CNN技術(shù)也是對(duì)激光雷達(dá)的一個(gè)很好的補(bǔ)充，因?yàn)榧す饫走_(dá)是低像素，不能很好的識(shí)別障礙物。

全球定位系統(tǒng)

定位主要用來(lái)實(shí)時(shí)高精度定位以及位姿感知，比如獲取經(jīng)緯度坐標(biāo)、速度、加速度、航向角等，一般包括全球衛(wèi)星定位系統(tǒng)（GNSS）、慣性設(shè)備、輪速計(jì)、里程計(jì)等�，F(xiàn)在國(guó)內(nèi)常用的高精度定位方法是使用差分定位設(shè)備，如RTK－GPS，但需要額外架設(shè)固定差分基站，應(yīng)用距離受限，而且易受建筑物、樹(shù)木遮擋影響。近年來(lái)很多省市的測(cè)繪部門(mén)都架設(shè)了相當(dāng)于固定差分基站的連續(xù)運(yùn)行參考站系統(tǒng)（CORS），比如遼寧、湖北、上海等，實(shí)現(xiàn)了定位信號(hào)的大范圍覆蓋，這種基礎(chǔ)設(shè)施建設(shè)為智能駕駛提供了有力的技術(shù)支撐。定位技術(shù)是無(wú)人駕駛的核心技術(shù)，因?yàn)橛辛宋恢眯畔⒕涂梢岳�用豐富的地理、地圖等先驗(yàn)知識(shí)，可以使用基于位置的服務(wù)。

編輯視點(diǎn)

其實(shí)，無(wú)人駕駛安全事故頻發(fā)，核心技術(shù)不到位以及各個(gè)技術(shù)之間的協(xié)調(diào)配合不到位是重要原因，同時(shí)與無(wú)人駕駛車輛配套的道路、交通指示牌、網(wǎng)絡(luò)基礎(chǔ)設(shè)施沒(méi)有跟上，也是不可忽視的原因。