技術(shù)路線

6． 兩大路線

自動駕駛研發(fā)兩大路線：

漸進(jìn)式：逐級研發(fā)，由 L1／L2 ADAS 駕駛輔助系統(tǒng)逐級向 L4／L5 過渡；

激進(jìn)式：跳過駕駛輔助系統(tǒng)，直接從高度自動駕駛 L4 系統(tǒng)切入。

7． 產(chǎn)業(yè)鏈

自動駕駛本質(zhì)是產(chǎn)業(yè)升級，產(chǎn)業(yè)鏈包括：

1）硬件：各類傳感器、集成計(jì)算處理平臺、傳統(tǒng)汽車組件等；

2）軟件：無人駕駛操作系統(tǒng)、車聯(lián)網(wǎng)、高精度地圖數(shù)據(jù)等；

3）整車制造；

4）運(yùn)營服務(wù)。

8． 三大分層

自動駕駛系統(tǒng)分感知層、決策層、執(zhí)行層，分別代替人的眼睛、大腦、手腳。

感知層：環(huán)境信息和車內(nèi)信息的采集與處理，傳感器包括激光雷達(dá)、攝像頭、毫米波雷達(dá)、高精地圖、GNSS 衛(wèi)星定位、IMU 慣性導(dǎo)航等；

決策層：依據(jù)獲取的信息來進(jìn)行決策判斷，制定相應(yīng)控制策略，替代人類做出駕駛決策，決策算法包括模糊推理、強(qiáng)化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)技術(shù)等；

執(zhí)行層：系統(tǒng)在做出決策后，替代人類對車輛進(jìn)行控制，反饋到底層模塊執(zhí)行任務(wù)，包括線控加減速、線控制動、線控轉(zhuǎn)向等。

9． 感知層：多傳感器融合，兩種技術(shù)方案

感知層是自動駕駛的眼睛，獲取周圍的信息，分為定位和傳感兩部分。

定位包括高精地圖、全球?qū)Ш叫l(wèi)星定位、慣性導(dǎo)航等；

周圍傳感包含了攝像頭、激光雷達(dá)、毫米波雷達(dá)等。

各種傳感器單獨(dú)使用均有一定局限。

1） 攝像頭成本低功能齊全，但易受環(huán)境影響；

2） 毫米波雷達(dá)不受環(huán)境影響，但精度較低；

3） 激光雷達(dá)精度高，但成本高；

4） 高精地圖精度高，但采集困難；

5） GNSS 全球?qū)Ш叫l(wèi)星定位精度高，但信號差；

6） IMU 慣性導(dǎo)航不受環(huán)境影響，但成本高。

各類傳感器詳細(xì)分析請持續(xù)關(guān)注本公眾號（史晨星）。

多種傳感器融合可滿足各種復(fù)雜路況，同時保證系統(tǒng)冗余。

百度 Apollo 研究，GNSS＋I(xiàn)MU＋Lidar／CV 融合高精度定位系統(tǒng)可以實(shí)現(xiàn) 97．5％ 以上的覆蓋率。

兩種技術(shù)方案

1）視覺主導(dǎo)方案：攝像頭（主導(dǎo)）＋毫米波雷達(dá)＋超聲波雷達(dá)＋激光雷達(dá)，典型的代表是特斯拉，馬斯克堅(jiān)持在其方案中不加入激光雷達(dá)。

2）激光雷達(dá)主導(dǎo)方案：激光雷達(dá)（主導(dǎo)）＋毫米波雷達(dá)＋超聲波傳感器＋攝像頭，典型的代表是 Google Waymo。

10． 決策層：算法 ＋ 芯片

決策層是自動駕駛的大腦。

一方面收集感知層數(shù)據(jù)，分析周邊環(huán)境，規(guī)劃駕駛路線；

一方面控制執(zhí)行層，預(yù)判路況，做出相應(yīng)的車輛控制。

決策算法是核心競爭力，分為感知層算法和決策層算法。

1）感知層算法——將傳感器的輸入數(shù)據(jù)最終轉(zhuǎn)換成計(jì)算機(jī)能夠理解的自動駕駛車輛所處場景的語義表達(dá)、物體的結(jié)構(gòu)化表達(dá)，包括：物體檢測、識別和跟蹤、3D環(huán)境建模、物體的運(yùn)動估計(jì)等。

2）決策層算法——基于感知層算法的輸出結(jié)果，給出最終的行為／動作指令，包括行為決策（汽車的跟隨、停止和追趕）、動作決策（汽車的轉(zhuǎn)向、速度等）、反饋控制（向油門、剎車等車輛核心控制部件發(fā)出指令）。

關(guān)于人工智能、視覺算法、路徑規(guī)劃、行為決策、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)、遷移學(xué)習(xí)等詳細(xì)分析請持續(xù)關(guān)注本公眾號（史晨星）。

根據(jù)英特爾 CEO 測算，假設(shè)一輛自動駕駛汽車配置了GPS、攝像頭、雷達(dá)和激光雷達(dá)等傳感器，每天將產(chǎn)生約 4000GB 待處理的傳感器數(shù)據(jù)。

考慮到自動駕駛對延遲要求很高，傳統(tǒng)的云計(jì)算面臨著延遲明顯、連接不穩(wěn)定等問題，這意味著一個強(qiáng)大的車載計(jì)算平臺（芯片）成為了剛需。