無人駕駛汽車技術分析

霍志鳴

[摘要]在未來的世界里，無人駕駛汽車將會約來越普遍，并將逐漸取代由人類駕駛的汽車。本文對無人駕駛的技術做簡要的分析。

[關鍵詞]無人駕駛 人工智能 深度學習

1無人駕駛汽車簡介

無人駕駛汽車是智能汽車的一種，屬于人工智能的范疇，是以計算機系統(tǒng)等相關技術為主實現(xiàn)無人駕駛的目標。

隨著時間的發(fā)展，無人駕駛技術將深入我們的生活，并有取代普通駕駛的趨勢。在經歷數(shù)十年不斷失敗的嘗試后，依靠更先進的傳感器，以及深度學習的智能軟件，汽車可以擁有與與人相似的能力，實現(xiàn)自主安全駕駛。

2無人駕駛汽車的發(fā)展

在近一個世紀里，由人類駕駛汽車已經改變了我們的生活。現(xiàn)在的汽車是非智能的。汽車帶來便利的同時，也帶來了新的問題，即城市交通擁堵。解決汽車引發(fā)系列問題最好的方法就是讓汽車變得更加智能。

第一代自主駕駛汽車在行駛普通街道前，會先應用到某些特殊場景環(huán)境中，主要是以低速行駛的穿梭車形式而存在，如行駛在礦場、農場、機場及度假村等。

汽車公司和運輸部官員會用更加長遠的眼光看待智能汽車的發(fā)展。他們預計無人駕駛汽車要想成為公路主流至少需要在2025年之后。IHS公司估計2035年時銷售的新車中將有10%是自動駕駛的，到2050年之后，售賣的汽車將幾乎都是自動駕駛的。

3無人駕駛汽車發(fā)展的誤區(qū)

有些人無人駕駛是是當今駕駛員輔助技術。無人駕駛技術并不是輔助技術，在緊急時刻，人和機器同時控制方向盤時，人往往無法集中，更加不安全。無人駕駛技術有著獨立發(fā)展路徑。

有些人認為無人駕駛技術進步較慢，且在基礎設施上投入較大。現(xiàn)在的電子設備的發(fā)展遵循摩爾定律，也就是硬件性能提升，但價格會降幅很大。每輛汽車能從其他汽車共享經驗，用不了很長時間就能積累大量經驗。無人駕駛對于基礎設施投入主要是將智能賦予汽車，基礎建設投資很少。

還有人認為無人駕駛技術不安全。從統(tǒng)計上看，人類駕駛員每20萬公里左右就會出現(xiàn)一次非致命的碰撞。如果無人駕駛技術在安全性優(yōu)于人類駕駛員兩倍的話，就可以讓汽車自動駕駛。即平均碰撞距離達到40萬公里。

4無人駕駛關鍵技術

4.1高清地圖

無人駕駛是怎么識別道路的呢？無人駕駛汽車可以通過高清的地圖來確定大致的方位。高清地圖可以反映大型的地理特征，也可以反省微觀地形細微的部分。比如車道的畫線，路口交叉點等。

4.2數(shù)碼相機

高清地圖相當于靜態(tài)的數(shù)據(jù)，而數(shù)碼相機實時捕捉車外的環(huán)境，好像人的眼睛一樣。先進的自動相機可以自動分析圖片的數(shù)據(jù)，圖片的處理速度能夠有所提高，在無人駕駛汽車里可以放置多臺數(shù)碼相機，對于數(shù)碼相機的污垢處理要安裝好清潔裝置。

4.3激光雷達與雷達

數(shù)碼相機是把三維視覺空間拆分成二維像素矩陣，激光雷達向周圍散出脈沖激光，通過發(fā)射時間計算周圍環(huán)境的三維數(shù)字模型。激光雷達無法捕獲色彩信息。

雷達傳感器一個常見的應用就是當車輛靠近司機的視線盲區(qū)，系統(tǒng)會發(fā)出警告。雷達傳感器的穿透性很好，可以透過風沙塵土等，還可以測出物體的速度。當然部分雷達會自動去除靜態(tài)物體數(shù)據(jù)的記錄，有時候把巨型靜止的物體誤認成別的東西。

4.4聲吶與gps

聲吶相當于人的耳朵，也叫做超聲波傳感器，它的穿透性好，不過聲波傳輸速度較慢，所以只能進距離監(jiān)測物體。超聲波作為雷達實際應用的補充。

GPS技術負責統(tǒng)籌與整合，為汽車提供最終的精確定位。GPS開始應用與軍事，后續(xù)漸漸投入民間使用。如今GPS接收器不像之前那么龐大，已經變成一個小小的芯片，嵌入到汽車的操作系統(tǒng)中。

4.5感知器

感知器使用導線和導電晶體管來模擬人類大腦的結構，感知器的表層模擬生理上的視網膜，通過不斷地重復進行學習，對錯誤的答案進行不斷調整。在后續(xù)的人工智能發(fā)展的歷程來看，感知器已經逐漸演變成神經網絡某一層神經元的通稱。

4.6神經網絡

無人汽車使用的神經網絡是通過模仿大腦神經網絡結構和功能，建立起來的信息處理系統(tǒng)。傳統(tǒng)的數(shù)據(jù)處理方法相比，神經網絡技術在處理模糊數(shù)據(jù)、隨機性數(shù)據(jù)、非線性數(shù)據(jù)方面具有明顯優(yōu)勢，對規(guī)模大、結構復雜、信息不明確的系統(tǒng)尤為適用。由于車行道路瞬息萬變，無人駕駛汽車可以應用神經網絡相關的技術。神經網絡對于計算能力要求特別高，所以還需要采用高速獨立顯卡。

4.7深度學習

深度學習的概念源于人工神經網絡的研究。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。深度學習是快速發(fā)展的領域，幾乎每周都會有新的結構與算法。深度學習需要有原始數(shù)據(jù)，現(xiàn)在的多層深度學習網絡神經元有很多層，神經元的連結點上百萬甚至幾十億。

目前，深度學習在無人駕駛汽車已有幾款應用，如移動眼等。另外深度學習算法能夠分析視頻信號流產生的多個框架，可以創(chuàng)造動態(tài)——深度感知等視覺特征。

5總結

無人駕駛汽車技術方面正在逐步走向成熟，人為因素主要是政府的監(jiān)管與管理措施。未來前景如何，機器人技術已經發(fā)展到了重要的轉折點，無人駕駛汽車也將會成為安全實用的運輸工具。endprint