來源 | 智駕未來

原創 | Alvin

（-自動駕駛系統 可理解成一種 移動機器人系統-）

 “熱炒”的自動駕駛走進了現實，也靠近了未來！

“長城汽車預計於2020年實現部分自動駕駛功能，到2025年實現Level5級自動駕駛。”長城汽車總裁王鳳英曾表示。

科技迭代很快，如果需要將概念中Level 5級別的自動駕駛形象化，那麼它就是一臺擁有人類感知、決策以及控制的代步機器。精細劃分來看，實現一個自動駕駛系統，需要分為感知層、資訊融合層、決策規劃層、以及控制層。

                                                              1 感知層

感知，其實很好理解，人類用眼睛捕捉事物，自動駕駛汽車則需要感測器感知事物。自動駕駛汽車想要安全行駛，首先需要了解周圍行駛的環境，而感測器就是自動駕駛汽車瞭解環境的工具，目前自動駕駛汽車搭載的主要感測器包括攝像頭、鐳射雷達、毫米波雷達以及超聲波雷達等四大部分。

目前，攝像頭普遍採用CMOS影象感測器，捕捉清晰圖片幫助自動駕駛汽車輸入資料引數。為了保證資料完整性，市面上的很多自動駕駛汽車都會採用3-6個攝像頭。由於攝像頭對於光線極為敏感，如果出現強、弱光的情況，普通攝像頭捕捉的影象並不能直接被使用，或者會出現無法識別的現象，這對於自動駕駛汽車來說極為致命。所以，市面上自動駕駛汽車一般都會採用動態範圍130db以上的影象感測器。

                                                              四大感測器優勢對比

雷達主要測量位置、速度以及方位角等三個引數。鐳射雷達算是汽車行業裡的一個新貴，也被視為自動駕駛汽車未來最核心感測器之一。其主要通過傳送直線鐳射束（非無線電波）的方式，根據鐳射遇到障礙物後折返時間（TOF），計算目標與車的距離。鐳射雷達在精度、資訊量以及安全性效能方面，具有獨到之處。

                                             圖片來源：星秒光電

毫米波雷達，顧名思義是工作在毫米波波段（波長1-10mm，頻率30GHZ-300GHZ）的探測雷達，與鐳射雷達傳送方式不同的是，毫米波雷達會發出錐狀的電磁波。工作原理是根據回波時間差計算距離，其具有不受天氣情況影響及超遠測距的優勢，雷達頻段與測距成正相關，目前市面上主流有24GHZ和77GHZ兩種，隨著技術水平提升以及成本下降，此感測器逐漸被應用於ADAS。

                                                  圖片來源：wired

蝙蝠發出超聲波探測物體的遠近，自動駕駛汽車用超聲波發現障礙物，兩者原理一樣。超聲波屬於機械波的一種，所以容易受傳播介質的影響，如天氣不同，傳播速度不同。故為了充分利用超聲波雷達穿透力強、測距方便以及成本低的優點，部分車企會在汽車車身四周置入大量的超聲波雷達，如L2-L3級的特斯拉、奧迪等汽車中超聲波雷達使用數量達高達12個。

                                                                2 資訊融合層

資訊融合層則比較關鍵，怎麼理解呢？自動駕駛汽車置入瞭如攝像頭、鐳射雷達、毫米波雷達等多個感測器，我們需要用這些感測器感知、捕獲資料。當汽車行駛至目標物一定距離內，攝像頭和鐳射雷達同時檢測出那個目標物，但如何讓汽車知道兩個感測器檢測出的目標物是同一個呢？這便需要對多感測器資料進行分析對比，如果相同，則進行資訊融合，告訴汽車前面就是一個目標物。

仔細想想，這其實是一個數據處理的過程，而且當資料量比較大的時候，資訊融合時延還會加長。而且極為尷尬的是，如果汽車正在前進，前方目標物靜止，那麼從傳送探測波到探測波返回，這其中汽車在探測時間內行駛的距離並沒有算入到實際距離中。所以，在計算時延的時候，需要考慮到汽車在時延過程中的速度、以及系統發出與收到測試資料前後的時間差。

此外，頻率的傳送也會受環境的影響，如高低溫環境，所面臨的處理效能則可能不同。頻率不同也會導致時延不同，所以在計算過程中，我們用初始（額定）頻率去計算時延時，也會出現一定的誤差。

對於自動駕駛汽車而言，時間意味著安全，如果1s計算錯誤，對於高速執行的汽車而言，都會產生致命的結果。

                                             3 決策規劃層

決策規劃層，其實也不難理解，即對融合的資料，根據駕駛需求，進行任務規劃以及決策。對於這點，業界看法比較多，目前只介紹兩種比較巨集觀的看法。

其一，全域性規劃；這種方式需要藉助於地圖資訊，按照乘客的需求，選擇最優的路徑。

其二，區域性規劃；需要自動駕駛汽車根據基於全域性規劃的基礎，針對區域性環境資訊，規劃最優的路線。

這個概念就相當於框架一樣，需要自動駕駛汽車能夠提前基於大資料對行程進行規劃，這也是判斷自動駕駛系統智慧性的重要指標之一。

                                                  4 控制層

經常開車的朋友都知道，現在的汽車基本都需要我們人為操作，而自動駕駛汽車控制層便是替代人為操作，根據獲取的資訊資料，將做出的決策規劃落到實處，即實時操作。用簡潔語言描述，便是自動開車。這需要車輛的控制系統與決策系統相配合，並且能夠精確的按照需求，對汽車做出加速、減速、制動、轉向、變道以及超車等操作。

可以看出，前面介紹的感知層、資訊融合層以及決策規劃層其實都是為控制層做鋪墊，最終需要做出動作的還是控制層。

                                                  5 總結

說了這麼多，其實自動駕駛就是將人為開車的過程用硬體、軟體技術體現了出來，實現了某些過程替代人或者完全自動駕駛的目標。

對於老司機而言，開車過程中，身體與車的配合極為自然，自動駕駛其實也是一樣，只不過它所有的資訊獲取以及判斷不是通過眼睛、人腦獲得、決策，而是通過汽車自身的“眼睛”、“大腦”，解放了司機。

當然，自動駕駛概念好理解，其中的實現難度可不小！正如汽車高德事業部總裁韋東所言，從普通的導航走向半自動輔助駕駛，更高自動化的輔助駕駛，再走向自動化，再走向完全自動駕駛，一定是一步一步的。