感知，包括了傳感器融合(整合多傳感器的數(shù)據(jù))、物體檢測(cè)(發(fā)現(xiàn)障礙物)、物體分類(lèi)(障礙物是不是行人)，物體分割(行人位于道路右側(cè)還是左側(cè))和障礙物跟蹤(行人在向哪個(gè)方向移動(dòng))等。
感知，是自動(dòng)駕駛的前提，沒(méi)有精確的感知，自動(dòng)駕駛就是一場(chǎng)災(zāi)難!要做到精確的感知，必須采用多種探測(cè)技術(shù)，因?yàn)槟壳叭澜邕€沒(méi)有一種探測(cè)技術(shù)能適應(yīng)所有場(chǎng)景。
常見(jiàn)的感知傳感器主要有：視覺(jué)類(lèi)成像傳感器(包括單目/雙目立體視覺(jué)、全景視覺(jué)、紅外相機(jī)等)和雷達(dá)類(lèi)測(cè)距傳感器(包括激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)等)。
在光照良好的條件下，可見(jiàn)光視覺(jué)類(lèi)傳感器就像人類(lèi)的眼睛，可以提供最全面最準(zhǔn)確的環(huán)境信息，但是在黑夜、雨霧雪等惡劣環(huán)境下，它們就無(wú)能為力了。紅外傳感器是近些年才被人們所重視的，能在任何環(huán)境或天氣條件下較準(zhǔn)確地識(shí)別到生物，但是對(duì)徑向運(yùn)動(dòng)的辨別能力很差，沒(méi)有角度測(cè)量能力，不能完成靜止測(cè)距。
雷達(dá)類(lèi)傳感器一般不受天氣或光照影響，但是它們不能精確地確定物體的大小和形狀，只能確定在距離多遠(yuǎn)的地方有物體存在;有的雷達(dá)技術(shù)對(duì)部分材料敏感、對(duì)部分材料不敏感，可能會(huì)造成誤判。
激光雷達(dá)傳感器也是近些年比較火的技術(shù)，與其他的雷達(dá)類(lèi)傳感器不同，它綜合了視覺(jué)傳感器和雷達(dá)傳感器的優(yōu)點(diǎn)：能成像能測(cè)距、不受光照影響，但是也有缺點(diǎn)：成本很高、會(huì)受雨霧灰塵等環(huán)境因素影響。
前面說(shuō)的這些感知技術(shù)，都是從車(chē)輛自身的角度來(lái)說(shuō)的，是汽車(chē)采集環(huán)境數(shù)據(jù)的第一來(lái)源，但僅靠這些手段去實(shí)現(xiàn)高級(jí)別的自動(dòng)駕駛還是不夠的。我們?cè)贗TA視角第三期文章《車(chē)聯(lián)網(wǎng)與5G和自動(dòng)駕駛》里講過(guò)，借助于車(chē)聯(lián)網(wǎng)的V2X通信，汽車(chē)可以從周邊車(chē)輛、道路、基礎(chǔ)設(shè)施等獲取到更多信息，大大增強(qiáng)汽車(chē)對(duì)周?chē)h(huán)境的感知。通過(guò)這種方式，可以突破單車(chē)感知的局限性，降低單車(chē)傳感器的成本，擴(kuò)大單車(chē)感知的范圍。
綜上所述，汽車(chē)會(huì)通過(guò)自身安裝的多個(gè)攝像頭、多個(gè)雷達(dá)等傳感器實(shí)時(shí)采集環(huán)境數(shù)據(jù)，也會(huì)通過(guò)V2X通信技術(shù)從周邊車(chē)輛等獲取環(huán)境數(shù)據(jù)，那么，這么多數(shù)據(jù)應(yīng)該怎么處理呢?
首先，一個(gè)基本原則是，以汽車(chē)自身傳感器采集到的數(shù)據(jù)為主，從周邊車(chē)輛等獲取到的數(shù)據(jù)為輔。因?yàn)?，沒(méi)有人愿意把自己的安危交給他人決定，萬(wàn)一周邊車(chē)輛等傳遞過(guò)來(lái)的數(shù)據(jù)是過(guò)期失效、甚至是惡意篡改的呢?
其次，汽車(chē)自身采集的數(shù)據(jù)也有很多種，有的是2D圖像數(shù)據(jù)，有的是3D激光點(diǎn)云數(shù)據(jù)，還有的是距離數(shù)據(jù)等。而且，不同種類(lèi)的數(shù)據(jù)還會(huì)有多個(gè)來(lái)源，有的是車(chē)前方的，有的是車(chē)后方的，還有的是車(chē)兩側(cè)的。所有這些數(shù)據(jù)，有兩種處理方案：集中式處理方案和分布式處理方案。所謂集中式處理，就是傳感器只管產(chǎn)生數(shù)據(jù)，把產(chǎn)生的大量數(shù)據(jù)通過(guò)高帶寬的總線傳輸?shù)礁咝阅艿闹醒胩幚砥鳎芍醒胩幚砥鬟M(jìn)行大量的運(yùn)算處理;所謂分布式處理，就是傳感器不僅產(chǎn)生數(shù)據(jù)，還要把產(chǎn)生的數(shù)據(jù)先進(jìn)行預(yù)處理，然后再把處理后的少量數(shù)據(jù)通過(guò)總線傳輸?shù)街醒胩幚砥鳎醒胩幚砥髦恍枰M(jìn)行融合等少量的運(yùn)算處理。
不管哪種方案，所有傳感器的數(shù)據(jù)都需要進(jìn)行深度融合，合成為包含多個(gè)角度、距離、維度的全方位的環(huán)境數(shù)據(jù)，然后在此合成數(shù)據(jù)基礎(chǔ)之上再進(jìn)行識(shí)別和處理，進(jìn)行物體檢測(cè)、物體分類(lèi)，物體分割和障礙物跟蹤等。
除了需要感知，汽車(chē)還需要定位和高精度地圖。有了定位和地圖，才能知道我在哪里、目的地在哪里、怎么去目的地。地圖好說(shuō)，有專(zhuān)業(yè)的公司專(zhuān)門(mén)負(fù)責(zé)制作和維護(hù)，那么定位怎么弄呢?一般有三種方法：
1、基于地標(biāo)定位。根據(jù)視覺(jué)傳感器或者激光雷達(dá)傳感器采集到的圖像，與數(shù)據(jù)庫(kù)中的特征進(jìn)行匹配，確定車(chē)輛的位置。
2、基于信號(hào)定位。車(chē)輛安裝GPS和/或北斗，獲取衛(wèi)星定位信號(hào);還可以通過(guò)4G/5G的蜂窩通信系統(tǒng)基站定位。
3、基于慣性定位。首先知道車(chē)輛的起始位置，然后根據(jù)慣性傳感器來(lái)的數(shù)據(jù)計(jì)算車(chē)輛當(dāng)前的位置和方向，本質(zhì)上就是在初始位置上不斷累加位移矢量來(lái)計(jì)算當(dāng)前位置。
通常情況下，使用最多的定位方法，是2、3兩種方法的結(jié)合，即衛(wèi)星定位+慣性導(dǎo)航。而在自動(dòng)駕駛中，為了保證高準(zhǔn)確度，往往采用1、2、3三種方法結(jié)合，即先使用衛(wèi)星定位+慣性導(dǎo)航先判斷出大概位置，再使用高精度地圖與感知系統(tǒng)獲取到的圖像進(jìn)行對(duì)比計(jì)算，確定出更精確的位置。
最后，有了對(duì)當(dāng)前周邊環(huán)境的感知，有了定位和地圖，那么就可以通過(guò)大量復(fù)雜的計(jì)算，制定出車(chē)輛的運(yùn)動(dòng)軌跡和行為動(dòng)作，也就是規(guī)劃與決策。為了保證自動(dòng)駕駛的安全性和舒適性，對(duì)算法就提出了很高的要求：速度要快，要能對(duì)動(dòng)態(tài)的大量數(shù)據(jù)快速計(jì)算出結(jié)果;結(jié)果要合理，稍有差錯(cuò)可能就造成嚴(yán)重的后果;算法要智能，能自動(dòng)學(xué)習(xí)，能正確處理各種未知的突發(fā)情況。
在以前，傳統(tǒng)的編程模式是窮舉式的，典型的就是if...else if...else這種結(jié)構(gòu)，把所有已知情形都列舉出來(lái)并一一給出處理辦法，然后其他所有未知的都?xì)w并到else這一個(gè)地方給出一個(gè)籠統(tǒng)的處理辦法。以這種思路寫(xiě)出的程序如果用于自動(dòng)駕駛，可能會(huì)出現(xiàn)什么樣的結(jié)果?大家自己可以想象。
隨著技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)理論逐漸成熟，科學(xué)家基于對(duì)人類(lèi)大腦神經(jīng)細(xì)胞、學(xué)習(xí)和條件反射的觀察和研究，建立并完善了深度學(xué)習(xí)的算法模型。與以前算法最大的不同就是，它是基于大量數(shù)據(jù)訓(xùn)練逐步自己完善自己的，而不是由開(kāi)發(fā)者事先確定好的。甚至模型中的很多參數(shù)，開(kāi)發(fā)者自己都不能解釋為什么應(yīng)該是這個(gè)值而不是其他值。
很多人在上大學(xué)時(shí)可能都干過(guò)這樣的事：做實(shí)驗(yàn)，自己的實(shí)驗(yàn)沒(méi)做好，結(jié)果不理想，于是從別的同學(xué)那里抄來(lái)結(jié)果，然后開(kāi)始修改自己的實(shí)驗(yàn)中間過(guò)程數(shù)據(jù)，讓數(shù)據(jù)能跟結(jié)果看起來(lái)吻合。深度學(xué)習(xí)算法本質(zhì)上也是這樣做的：原始輸入數(shù)據(jù)和對(duì)應(yīng)的最終結(jié)果都有了，算法開(kāi)始自己拼湊公式中的參數(shù)，以使能根據(jù)輸入數(shù)據(jù)計(jì)算出相同的結(jié)果;然后換一批輸入數(shù)據(jù)重復(fù)相同的過(guò)程，拼湊出的參數(shù)既要保證本次計(jì)算能得出正確的結(jié)果，還要保證以前的數(shù)據(jù)也還是能得出正確的結(jié)果;重復(fù)這樣的過(guò)程，直到所有數(shù)據(jù)都訓(xùn)練完，這樣最終拼湊出的參數(shù)模型，能保證所有已知數(shù)據(jù)都能計(jì)算出相應(yīng)的正確結(jié)果。樣本數(shù)據(jù)越多，拼湊出的參數(shù)模型越能接近反映事物的本質(zhì)。
實(shí)踐已經(jīng)證明，這種解決問(wèn)題的思路，要比從探究事物本質(zhì)原理的角度建模寫(xiě)算法要好，簡(jiǎn)單、粗暴、有普適性。但是，畢竟是拼湊出來(lái)的，只能是盡可能地接近事物的本質(zhì)，而不能保證100%就是事物的本質(zhì)。
當(dāng)前自動(dòng)駕駛大部分是在L3級(jí)別的，叫有條件自動(dòng)化，對(duì)方向盤(pán)和加減速中的多項(xiàng)操作提供駕駛支援，其他的駕駛操作由人類(lèi)駕駛者完成。
L4級(jí)別是高度自動(dòng)化，由無(wú)人駕駛系統(tǒng)完成全時(shí)駕駛操作，根據(jù)系統(tǒng)請(qǐng)求，人類(lèi)駕駛者不一定需要對(duì)所有的系統(tǒng)請(qǐng)求做出應(yīng)答，限定道路和環(huán)境條件，這是后面幾年人們的研發(fā)重點(diǎn)。
L5級(jí)別是完全自動(dòng)化，允許車(chē)內(nèi)所有乘員從事其他活動(dòng)，無(wú)需對(duì)車(chē)輛進(jìn)行監(jiān)控。這是人們追求的目標(biāo)，什么時(shí)候能實(shí)現(xiàn)?也許十年，也許二十年。但真到了L5普及的那一天，你敢用嗎?我覺(jué)得汽車(chē)的安全防護(hù)技術(shù)要有重大突破，即使自動(dòng)駕駛決策失誤，也不能造成非常嚴(yán)重的后果，這樣人們才能安心地將自己的安危完全托付給汽車(chē)。
