無人駕駛汽車

無人駕駛汽車是智能汽車的一種，也稱為輪式移動機器人，主要依靠車內的以計算機系統為主的智能駕駛儀來實現無人駕駛的目標。

據湯森路透知識產權與科技最新報告顯示，2010年到 2015年間，與汽車無人駕駛技術相關的發明專利超過22，000件，并且在此過程中，部分企業已嶄露頭角，成為該領域的行業領導者。

無人駕駛汽車是通過車載傳感系統感知道路環境，自動規劃行車路線并控制車輛到達預定目標的智能汽車。

它是利用車載傳感器來感知車輛周圍環境，并根據感知所獲得的道路、車輛位置和障礙物信息，控制車輛的轉向和速度，從而使車輛能夠安全、可靠地在道路上行駛。

集自動控制、體系結構、人工智能、視覺計算等眾多技術于一體，是計算機科學、模式識別和智能控制技術高度發展的產物，也是衡量一個國家科研實力和工業水平的一個重要標志，在國防和國民經濟領域具有廣闊的應用前景。

無人駕駛技術哪家強？

外媒最新公布的榜單顯示，谷歌旗下的自動駕駛公司Waymo的綜合評分位列第一。來自中國的百度排名第七，滴滴則成為17家公司中在無人駕駛領域評分最低的一家。6月13日，美國科技媒體The Information通過采訪和調研對當今主要的17家發展L4級別及以上無人駕駛技術的公司進行了一次綜合評估和排名。

其中，谷歌母公司Alphabet旗下的Waymo獲得了接近滿分的13分位列第一，Uber以1分之差名列第二，德國老牌汽車制造商戴姆勒和美國汽車零配件供應商德爾福則并列第三名。

外媒排名自動駕駛技術：谷歌奪冠百度第7蘋果倒數

The Information主要從技術、工程、商業模式三個指標對上述公司進行了打分。其中，Waymo是唯一個在技術上獲得滿分5分的公司，并且與第二名的3分拉開了較大距離，這意味著Waymo在技術上已經具有了較大的領先優勢。同時，僅有Waymo與Uber在工程這一項中獲得4分及以上的分數。

The Information分析認為，目前在無人駕駛的關鍵領域，像Waymo和Uber這樣的科技公司已經建立了顯著優勢，將傳統車企甩在身后。

Uber則是唯一一個在商業模式上獲得滿分的公司，被稱為中國版Uber的滴滴出行也在該項中獲得了4.5分。

目前業界普遍認為，在未來無人駕駛與共享出行的結合將帶來較大的商業機會。而在此次上榜的公司中，大多數均在共享出行或乘車服務方面有所布局，譬如通用汽車擁有Maven并獲得了Lyft的大量股權，寶馬擁有DriveNow，戴姆勒擁有Car2Go等。

這份榜單也對兩家中國公司進行了評價——百度以總分8.5分排名第七，在三項指標的打分中均表現平平。目前，自動駕駛在百度內部被提升到了較高的戰略地位。該公司在今年4月提出了“阿波羅計劃”，將把自動駕駛軟件向全行業開源。

另一家中國公司是滴滴出行，但它在17家公司中名列最末，尤其在技術上獲得了唯一的零分。不過，這或與滴滴在部署無人駕駛上起步較晚有關，該公司已經在加大對該領域的投入。據悉，滴滴出行目前聘請了Uber的自動駕駛項目的著名安全工程師查理·米勒（Charlie Miller），并且挖來了Waymo專門從事對象檢測的工程師。

令人吃驚的是，科技巨頭蘋果公司卻在這份名單中成了“吊車尾”——總分5.5，與菲亞特克萊斯勒并列15名。蘋果公司是較早布局無人駕駛的科技公司之一，在兩年前公司就啟動了專門的無人車項目“Project Titan”，并為之成立了專門的部門。但可惜的是，該項目進展相當緩慢，并于去年裁撤了專門的汽車部門。外媒消息稱，蘋果或將放棄獨立造車的計劃，轉而與成熟的汽車廠商合作開發。

綜合來看，The Information的這份調研結果顯示，在較高級別的自動駕駛領域，傳統汽車制造商并不具備優勢，這與此前另一家機構的排名有較大出入。

今年4月，市場調研機構Navigant Research公布的全球自動駕駛全球實力排名顯示，傳統車廠獲得了壓倒性的優勢，福特汽車排名第一，緊隨其后的是通用，前五名當中的另外三家分別為雷諾日產聯盟、戴姆勒和大眾。大眾眼中的明星公司谷歌僅排第7位，而同為科技公司的Uber和百度甚至沒能進入前十。

Navigant Research 的報告總共探討了18家領先公司開發自動駕駛系統的策略和執行情況，目的是對全球自動駕駛系統市場的相對優勢和劣勢進行客觀評估。其中包含10個評判標準，分別為：視力；市場策略；伙伴；生產策略；技術；銷售；營銷和分銷；產品能力；產品質量可靠；產品介紹；持續活力。

該報告將自動駕駛公司分為引領者、競爭者、挑戰者和跟隨者四類，處于引領地位的三家公司——福特、通用、戴姆勒——事實上同時也是傳統汽車行業的巨頭。谷歌母公司的Waymo、特斯拉被歸為競爭者一類，而百度和Uber則被放在第三梯隊的挑戰者中。

這份報告同時也指出，自動駕駛領域的競爭是一場曠日持久的軍備競賽，隨著技術的發展和這些企業未來戰略的發布，種種因素都會影響排名，很難出現常勝將軍，這一領域的企業將呈現動態排名。

美國無人駕駛技術領先中國多少？

自動駕駛是早晚的事，現在看來，自動駕駛的普及速度比預想的還要快。

自動駕駛一旦大規模普及，很多功能將會成為現實，比如：車輛可以像動車一樣編組運行以實現同步高速度的交通，車與車之間的通訊和交互可以實現高效的通行效率和極低的事故率，甚至不需要紅綠燈及各種復雜的交通標志標線系統，總體的交通效率和安全性將大大提高，是革命性的。

用不了多久，就會有人說：“開車這么危險的事情，以前竟然讓人去做，這簡直太嚇人了，不可想象。”，當然“女司機”這個說法可能也要退出歷史舞臺了。

很多朋友擔心交通基礎設施以及法律責任等問題，我覺得這點不用太擔心，自動駕駛普及的過程，也是相關的交通技術設施和法律不斷完善的過程。

今天主要分析一下自動駕駛的技術層面，其他相關的道路設施及法律責任等問題在這里不討論了。

首先簡單說一下自動駕駛的原理。

所有的控制系統都是由傳感器、控制器和執行器組成的，從這個角度上講，自動駕駛原理其實和人工駕駛是一樣的，我們用眼睛觀察路況，而自動駕駛則是使用激光雷達、超聲波雷達、攝像頭、GPS等傳感器來觀察路況確定位置。我們用大腦做判斷，自動駕駛當然就是用電腦作為控制器來判斷。然后我們通過手腳控制車輛方向盤、加速和剎車，自動駕駛也是根據電腦的輸出直接去控制車輛。

看上去很簡單，但是要深入分析的話，特別是汽車這么危險的東西，要想保證自動駕駛的可靠性的話，其實非常復雜。

傳感器方面，激光雷達和超聲波雷達當然都是用來測距的，理想狀態下車輛可以探測到周圍所有的障礙物并算出這些障礙物的距離，但是實際上，這些障礙物很可能會被誤判，比如風中飛舞的塑料袋會被判斷為障礙物，甚至雨滴有可能被認為是障礙物。攝像頭更不用說了，單目或多目攝像頭利用計算機視覺讓自動駕駛汽車實時識別交通信號燈、交通標志、車道線、近距離低速障礙物等，同時加上與道路基礎設施以及云端數據庫的通信，實現諸多功能。但是，今年特斯拉自動駕駛出現的死亡事故很大程度上與攝像頭有關系。在逆光和大光比的情況下，攝像頭的分辨能力就降低了，當然還有低照度情況，這個受限于當前的圖像傳感器技術，懂攝影的朋友都會知道，機器視覺本來就是一個復雜的東西，同時攝像頭有可能被灰塵、眩光等各種不利因素影響，所有從可靠性上講，依然存在很多問題。當然除了這些判斷路況的傳感器，汽車還有車速、加速度、轉角度等各種傳感器。

控制中心方面，接收這么多傳感器的信息，進行分析處理，得出控制策略，下達控制指令，并且這個過程必須實時，所以控制中心必須具備高性能的實時運算能力。就硬件來說，自動駕駛的過程可容不得死機，所以一般硬件都要用滿足高可靠性高性能的實時運算。就軟件來說，算法就太重要了，自動駕駛的軟件算法必須實現路徑規劃、躲避障礙物、加速度控制、姿態控制等等多種功能，但是目前并沒有哪種控制方式能實現完美的無人駕駛，很多時候廠家都會采用多種方式共同處理，比如模糊控制配合遺傳算法、深度學習等等。作為也寫了好多控制軟件的答主來說，感覺這句話說的真是太對了：“99%的情況使用1%的代碼就可以應付，而剩下的1%的情況需要用99%的代碼去處理。”

執行器方面，一旦得到了控制指令，讓汽車去執行，這一部分就目前來說還算是不錯的，特別是電動車。電動機極高的效率、優良的調速性能、寬泛的調速區間決定了電動車更容易實現自動駕駛，而普通汽車經過多年的發展，其發動機自動控制系統、自動變速箱、電子制動等系統的控制也已成熟，ESP、TCS、定速巡航、自適應巡航等系統也已經廣泛使用，與自動控制系統對接并不麻煩。

下面說說我國的無人駕駛研究情況和美國的研究進展情況，然后看看差距。

國內

國防科大早在1992年成功研制出中國第一輛真正意義上的無人駕駛汽車。2007年，與一汽共同研發紅旗無人駕駛車，該車主要使用CCD圖像傳感器和激光雷達作為傳感器，實現了高速路的無人駕駛。2011年國防科大自行研發的HQ3，實現了從長沙到武漢286公里的路試。

吉林大學研發了JLUIV-1型無人駕駛車，使用的是模糊控制加遺傳算法修正的方式。

上海交大在2005年就與歐盟合作Cyber C3項目，研究面向城市環境的區域交通智能車輛。

2012年，軍事交通學院的“猛獅三號”，配備5個雷達，3個CCD圖像傳感器，1個GPS，以無人駕駛狀態行駛114公里，最高時速105km/h。

2016年，北京理工大學設計了一款無人駕駛賽車，使用了雙目攝像頭用于行人偵測、避障這樣的局部路線規劃。有意思的是，這車百公里加速僅3秒。

2013年，百度也開始搞自動駕駛汽車，2015年12月初，百度無人駕駛汽車在北京進行全程自動駕駛測跑，實現多次跟車減速、變道、超車、上下匝道、調頭等復雜駕駛動作，完成了進入高速到駛出高速不同道路場景的切換，最高時速達100km/h。下圖就是百度的無人駕駛車。

今年9月1日，百度宣布其獲得美國加州第15張無人駕駛測試牌照。百度在無人駕駛方面投入可謂巨大，包括建立硅谷研發中心，聯合福特公司投資激光雷達廠商Velodyne （為谷歌提供激光雷達），早前百度還公布了其“三年商用”、“五年量產”的目標。

國內剛剛起步的無人駕駛技術研究是成為很多高端人才的關注點，前面說的北理工搞無人駕駛車的負責人姜巖，和原Intel中國研究院院長吳甘沙一起成立的馭勢科技，就是一家專門從事自動駕駛研究的公司，在雙目視覺方面有著深厚的技術積累，提供低成本純視覺的自動駕駛解決方案，在限制性環境的自動駕駛技術方面取得了相當的進展。當然類似的小公司還有很多，從不同的層面對自動駕駛技術展開研究。

以上使用的技術基本上都是以CCD圖像傳感器、雷達測距等技術，簡單的高速路況下，幾乎都已經可以實現不錯的自動駕駛性能，但是城市道路路況，問題還是非常多，畢竟總體來看，國內的自動駕駛依然處于起步階段，還處于研發的原型驗證階段，與美國差距不?。ú还庾詣玉{駛，很多方面都是）。百度在這方面算是國內的領頭羊的，與NVIDIA合作，同時也和政府聯手推動自動駕駛技術。但是從路試距離上來說，百度相比谷歌也差得遠。類似馭勢科技這種專業公司的出現，也為國內的自動駕駛研究增添了一支強勁的力量。

美國

當然最牛最有代表性的就是谷歌和特斯拉。

谷歌在軟件方面一直就是世界最頂尖的，雖然微軟和蘋果可能表示不服氣，但是我是這么認為的。

所以谷歌的強大優勢就是軟件和算法。下面就是谷歌的自動駕駛汽車。

谷歌的自動駕駛汽車具有GPS、攝像頭、雷達和激光傳感器，可以以一個360度的視角從周圍環境中獲取信息，從2009年開始，谷歌自動駕駛汽車在自主模式下已經行駛了120多萬英里，軟件已經知道了許多如何去應對不同情況的方法。下圖就是谷歌自動駕駛汽車眼中的世界。

從圖中可以看出車身的各種傳感器可以檢測到最遠達兩個足球場那樣范圍內的物體，包括人員，車輛，建筑區，鳥類，自行車等，這輛車可以看到其他的車輛，這些車輛在圖里用紫色的圖形來表示，騎自行車的人會用紅色標出，左上角轉角的地方會用橙色的圓錐來表示。它甚至可以識別交警的手勢，這是非常了不起的，也是谷歌強大的軟件算法能力的體現。雖然谷歌的自動駕駛汽車可以根據收集到的數據來預測很多事情，比國內的強大許多倍，但是仍然會出現以前從來沒有發生過的情況。有一次，一輛測試中的自動駕駛汽車正行駛在山景城地帶，出現了一個坐著電動輪椅的女人在路上轉圈圈地追趕一只鴨子，但是這輛車卻只能不斷試探并且降速來躲避這個女人。

特斯拉強大在別人還在研究試驗的時候，它已經量產并大規模投入使用了。

作為純電動，特斯拉在自動駕駛方便本來就具有優勢，同時特斯拉又特別執著于自動駕駛技術。目前跑在路上的特斯拉車型，實現 Autopilot 輔助駕駛使用了圍繞在車身周圍的 12 個超聲波傳感器識別周圍環境、一個前置攝像頭辨別前方物體、一個前置雷達也對前方物體進行識別，還有就是長時間路試積累來的高精度衛星地圖。這樣實現了下表中的“部分自動駕駛”功能。

而特斯拉在今年10月20日非常激動的宣布：從今天開始，所有在工廠生產的特斯拉車型 -- 包括Model 3--- 將配備具有全自動駕駛功能的硬件，相比人工駕駛，新硬件將從根本上提高車輛行駛的安全性。該系統將包含8個攝像頭，覆蓋360度可視范圍，對周圍環境的監控距離最遠可達 250 米。除此之外，車輛配備的12 個超聲波傳感器完善了視覺系統，探測和傳感硬、軟物體的距離接近上一代系統的兩倍。增強版前置雷達通過冗余波長提供周圍更豐富的數據，雷達波可以穿越大雨、霧、灰塵，甚至前方車輛。為了更好的使用這些數據，車輛搭載了比上一代運算能力快40倍的處理器，運行特斯拉基于深度神經網絡研發的視覺系統、聲納與雷達系統軟件。綜上所述，該系統提供了一幅駕駛員用眼睛無法觸及的世界影像，通過波段同步檢測車輛周邊每一個方向，這一切遠遠超越了人類的感官。

特斯拉把傳感器布滿了全車。8 個攝像頭提供 360 度的視覺監控，最遠能夠監控 250 米范圍內的物體，12 個超聲波傳感器覆蓋的范圍是之前 Autopilot 系統的兩倍。一個加強版雷達用來在雨雪大霧天氣下探測前方車輛。這些硬件使特斯拉的自動駕駛可以達到“高度自動化”的程度。

另外，特斯拉路上跑的車型，都用自己的各種傳感器為特斯拉的高精度衛星地圖在做貢獻，這一點是谷歌也比不上的，畢竟谷歌就那么幾輛測試車跑來跑去，而特斯拉量產的車型都一定程度上是測試車。目前特斯拉 Autopilot 輔助駕駛的行駛里程已經達到了 2.22 億英里（約合 3.57 億公里）。

所以總體來看，不論是谷歌還是特斯拉，其自動駕駛技術都要比國內先進，國內要追上，還需要時日。

有時候，差距就是，看著很小，覺得一使勁就可以追上，然后就使勁，可剛要追上的時候，目標也加速了，差距反而更大了。