不夸張的說，如果現(xiàn)在沒有手握幾項無人駕駛技術的專利，都不好意思說自己是大的互聯(lián)網/汽車公司。
無人駕駛技術定義很簡單，就是一項可以感知周圍道路環(huán)境，自動規(guī)劃路徑并控制車輛行駛的技術，具體構成分為三個核心系統(tǒng)——視覺系統(tǒng)，控制系統(tǒng)，以及導航系統(tǒng)。
我們可以設想一個場景，如果開車去某地，我們通常的操作就是打開地圖設定好目的地，再根據導航規(guī)劃的路線行駛，然后行駛的過程中，通過眼睛觀察周圍的道路環(huán)境，實時根據路況控制車輛前行。
而完成上述的操作，我們需要具備三個條件，實現(xiàn)導航的地圖，實時感知能力，以及控制車輛的能力。
以此分析，無人駕駛技術如果想要實現(xiàn)車輛自主駕駛就必須具備上述的三個條件，所以就有了視覺系統(tǒng)——感知周圍的環(huán)境，控制系統(tǒng)——操控車輛的行駛，導航系統(tǒng)——協(xié)助實現(xiàn)路徑規(guī)劃。
對于視覺系統(tǒng)，我個人是比較熟悉，因為當年大學的畢業(yè)設計，我主要負責的就是無人駕駛方程式賽車的視覺系統(tǒng)。
視覺系統(tǒng)說白了就是一項感知技術，負責采集信息的設備也都是常見的超聲波雷達、毫米波雷達、激光雷達，以及車載攝像頭這些傳感器。
其中，雷達主要的作用是通過接收超聲波/電磁波/激光信號來感知周圍的障礙物，并且通過發(fā)出信號與接受信號的時間差來判斷車輛與障礙物之間的距離;
車載攝像頭則是采集圖像信息，再將圖片轉換成二維的數據信息，然后通過數據的匹配來識別車輛周圍的環(huán)境。
換而言之，視覺系統(tǒng)實際上就是通過這些多傳感器的融合，來采集可行駛區(qū)域分割、車道線檢測、車輛行人等目標檢測及視覺測距的信息。
繼而再建立統(tǒng)一的坐標系，判斷車輛自身在路面上的相對位置，以及車輛周圍目標相對于車輛自身的位置和運動狀態(tài)。
再有了環(huán)境感知能力之后，接下來就輪到了控制系統(tǒng)出場。
控制系統(tǒng)可分為三個模塊，底層控制、中層控制、高層控制。
其中，底層控制分為車輛縱向控制和橫向控制，顧名思義也就是控制車輛的行駛(包括加速減速)，以及轉向等行駛操作。
主要原理就是在接受到高層控制發(fā)出的期望信號之后，通過大量的算法來控制各大系統(tǒng)(轉向、制動、動力)的控制器，比如轉向盤的轉角、油門踏板的開度等等，實現(xiàn)車輛的行駛操作。
而中層控制，我認為這是控制系統(tǒng)中最難設計的一個部分，因為它的功能很像我們人體的感知反應能力。也就是當遇到不確定情況時，如何控制車輛，讓其根據當時的環(huán)境做出最佳的反應(模擬人的反應)。
這其中涉及到了一個深度的自主學習能力。也就是說，無人駕駛車輛需要構建很多個環(huán)境信息模型，或者說數據庫，來作為一個參考信息，而車輛則需要通過自主學習來識別并分類好這些信息模型。
當這些信息模型全都被深度學習標記了之后，算法會根據被標記的信息模型，預測該模型的運動軌跡，然后結合當時情況，計算出最佳的行駛路徑，減少碰撞的危險。
而之所以說它難，是因為一來有很多的不確定，不知道潛伏了哪些危害，二來模擬人的感知反應對算法模型的要求很高，三來這還面臨很多倫理道德的問題(比如撞一只貓還是撞一幅名畫)。
所以無人駕駛要想全面普及，這三個問題必須得解決。
至于高層控制，其主要功能是路徑規(guī)劃和道路導航，這有點類似于傳統(tǒng)意義上的“腦力活動”。
因為它是通過一些搜索算法來做一些智能化的判斷，一般用于評估各種駕駛行為所需支付的成本，比如等紅綠燈的時間，道路擁堵的情況，信號燈的數量等信息的搜索，然后根據搜索的情況，分析出一條最佳路線，極大的減少我們的用車成本。
這種邏輯就很像我們人在思考，“哪條路是捷徑”，“這條路我是否可以加快點速度”之類的問題。
而與高層控制互相配合的就是導航系統(tǒng)，其利用GPS，以及高清數字地圖，提供地圖數據信息，協(xié)助高層控制模塊，規(guī)劃路徑。
GPS可以幫助車輛定位位置，而高清數字地圖則是提供非常非常精確的地圖數據，輔助感知周圍環(huán)境信息，以達到一定精確度要求。
總而言之，目前無人技術的大致框架就是如此，無人駕駛的技術遠遠不止這些，畢竟僅僅是一個算法模型比如卡爾曼濾波法、多貝葉斯估計法、Dempster-Shafer(D-S)證據推理等。
