智能汽車(chē)技術(shù)創(chuàng)新與應(yīng)用—第29屆IEEE國(guó)際智能車(chē)大會(huì)（IEEE IV 2018）綜述

王健美 鄧明榮 胥彥玲

（北京市科學(xué)技術(shù)情報(bào)研究所，北京 100044）

主題詞：無(wú)人駕駛 智能汽車(chē) IEEE IV 技術(shù)創(chuàng)新 技術(shù)應(yīng)用 最新進(jìn)展

1 引言

隨著信息通信、互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、人工智能等新技術(shù)在汽車(chē)領(lǐng)域廣泛應(yīng)用，汽車(chē)正加速向智能化轉(zhuǎn)變，智能汽車(chē)已成為未來(lái)汽車(chē)工業(yè)乃至人工智能產(chǎn)業(yè)的戰(zhàn)略發(fā)展方向。

2015年，國(guó)務(wù)院印發(fā)《中國(guó)制造2025》，明確將無(wú)人駕駛作為汽車(chē)產(chǎn)業(yè)未來(lái)轉(zhuǎn)型升級(jí)的重要方向，“電動(dòng)化、智能化、網(wǎng)聯(lián)化、共享化”成為汽車(chē)產(chǎn)業(yè)發(fā)展的新趨勢(shì)[1]。2017年4月，工信部、國(guó)家發(fā)改委、科技部發(fā)布《汽車(chē)產(chǎn)業(yè)中長(zhǎng)期發(fā)展規(guī)劃》，提出到2020年，汽車(chē)DA（駕駛輔助）、PA（部分自動(dòng)駕駛）、CA（有條件自動(dòng)駕駛）系統(tǒng)新車(chē)裝配率超過(guò)50%，網(wǎng)聯(lián)式駕駛輔助系統(tǒng)裝配率達(dá)到10%，滿足智慧交通城市建設(shè)需求。到2025年，汽車(chē)DA、PA、CA新車(chē)裝配率達(dá)80%，其中PA、CA級(jí)新車(chē)裝配率達(dá)25%，高度和完全自動(dòng)駕駛汽車(chē)開(kāi)始進(jìn)入市場(chǎng)[2]。2018年1月，國(guó)家發(fā)改委發(fā)布了《智能汽車(chē)創(chuàng)新發(fā)展戰(zhàn)略》（征求意見(jiàn)稿），提出到2020年我國(guó)智能汽車(chē)新車(chē)占比達(dá)50%，到2035年中國(guó)將在全球范圍內(nèi)率先建成智能汽車(chē)強(qiáng)國(guó)，全民共享“安全、高效、綠色、文明”的智能汽車(chē)社會(huì)[3]。

在此背景下，由IEEE智能交通系統(tǒng)協(xié)會(huì)主辦，中國(guó)自動(dòng)化學(xué)會(huì)等機(jī)構(gòu)承辦的第29屆IEEE國(guó)際智能車(chē)大會(huì)（IEEE IV 2018）于2018年6月底在江蘇常熟召開(kāi)。大會(huì)同期還舉辦了“智能汽車(chē)跨界融合高峰論壇”和“智能汽車(chē)產(chǎn)業(yè)展（IEEE IV 2018產(chǎn)業(yè)展）”。匯集了來(lái)自整車(chē)、零部件、互聯(lián)網(wǎng)通信、投資機(jī)構(gòu)、科研院所、政府單位等數(shù)百位智能汽車(chē)相關(guān)領(lǐng)域從業(yè)者開(kāi)展深入研討、跨界交流，以及數(shù)百家智能汽車(chē)及零部件企業(yè)，分享最新產(chǎn)業(yè)成果、展望未來(lái)產(chǎn)業(yè)動(dòng)向。

本屆大會(huì)共邀請(qǐng)了6位學(xué)術(shù)屆和產(chǎn)業(yè)界專(zhuān)家，設(shè)置了6場(chǎng)主旨報(bào)告。報(bào)告內(nèi)容如下：

國(guó)防科技大學(xué)徐昕教授提出增強(qiáng)學(xué)習(xí)能夠很好地幫助智能車(chē)在決策及控制部分實(shí)現(xiàn)自我學(xué)習(xí)，其面臨的挑戰(zhàn)主要是進(jìn)行多目標(biāo)學(xué)習(xí)和在線學(xué)習(xí)的效率問(wèn)題。而新的特征表示方法和滾動(dòng)優(yōu)化策略能夠比較好地提升學(xué)習(xí)效率[4]。

慧拓智能機(jī)器有限公司CEO陳龍認(rèn)為平行駕駛的首要概念是平行學(xué)習(xí)，將其運(yùn)用于自動(dòng)駕駛車(chē)輛上時(shí)，智能汽車(chē)就會(huì)有一個(gè)“影子”，獨(dú)立于實(shí)際的車(chē)輛對(duì)各種情況進(jìn)行預(yù)測(cè)，而自動(dòng)駕駛系統(tǒng)能夠整合智能車(chē)本身和影子系統(tǒng)的反饋，找出自動(dòng)駕駛過(guò)程中的最優(yōu)解[5]。

英特爾自動(dòng)駕駛解決方案專(zhuān)家Jack Weast講述了Intel與Mobileye聯(lián)手之后圍繞自動(dòng)駕駛安全展開(kāi)思考，提出 Responsibility-Sensitive Safety（RSS）事故責(zé)任安全性模型，RSS希望模擬人類(lèi)的判斷，也會(huì)考慮到非常復(fù)雜的工況進(jìn)行決策。Intel希望以RSS的解決方案作為起點(diǎn)，提供一個(gè)開(kāi)放的對(duì)話機(jī)制，大家共同去運(yùn)作并進(jìn)行相應(yīng)的修證，形成一種綜合的技術(shù)解決方案[6]。

豐田北美研究中心CEO、研究員Gill Pratt從一個(gè)更加宏觀的角度，提出了“我們?yōu)槭裁匆苿?dòng)無(wú)人駕駛？”的問(wèn)題，并從安全、交通、能耗、收益、方便性、有效性、娛樂(lè)性等多個(gè)角度，闡述了自動(dòng)駕駛將為人類(lèi)生活和社會(huì)發(fā)展帶來(lái)的改善。隨后，Gill認(rèn)為我們距離無(wú)人駕駛還有相當(dāng)一段距離，且從環(huán)境感知、場(chǎng)景認(rèn)知、行為預(yù)測(cè)等技術(shù)發(fā)展的角度進(jìn)行了闡述[7]。

吉利集團(tuán)張曉東研究員介紹了吉利的戰(zhàn)略路線與發(fā)展愿景，以及在智能車(chē)領(lǐng)域的布局，隨后重點(diǎn)講解了吉利近來(lái)在智能汽車(chē)的驗(yàn)證與測(cè)試方面的工作。據(jù)介紹，吉利已經(jīng)發(fā)布了其未來(lái)10年將要關(guān)注的核心戰(zhàn)略，即智能互聯(lián)、智能駕駛，并發(fā)布了G-POW?ER、G-SAFETY、G-PILOT、G-NETLINK和G-Blue共5項(xiàng)舉措來(lái)保障這一戰(zhàn)略的實(shí)施[8]。

格里菲斯大學(xué)Ljubo Vlacic教授講解了智能汽車(chē)與智能交通、系統(tǒng)和車(chē)輛的關(guān)系，以及車(chē)輛在系統(tǒng)中以怎樣的角色去傳輸智能駕駛技術(shù)。隨后分析了L1到L5等級(jí)的車(chē)輛自動(dòng)化所面臨的主要問(wèn)題。Ljubo認(rèn)為從實(shí)踐的角度無(wú)法保證人類(lèi)不干預(yù)智能汽車(chē)的自動(dòng)駕駛。此外，為推動(dòng)無(wú)人駕駛最終實(shí)施，車(chē)廠還需要為用戶(hù)解釋智能汽車(chē)內(nèi)部決策邏輯等問(wèn)題。最后從消費(fèi)者角度分析，人們想購(gòu)買(mǎi)什么樣的無(wú)人駕駛車(chē)，為智能車(chē)輛研發(fā)團(tuán)隊(duì)提供了新思路[9]。

除了以上六位主旨報(bào)告人的精彩分享，大會(huì)還分別進(jìn)行了專(zhuān)題研討會(huì)和教程報(bào)告、口頭報(bào)告、海報(bào)展示等智能車(chē)論文交流的平臺(tái)。筆者對(duì)本次大會(huì)口頭報(bào)告進(jìn)行研讀，并按主題分類(lèi)綜述，讓廣大業(yè)內(nèi)外人士更清晰地了解智能汽車(chē)領(lǐng)域研究熱點(diǎn)和發(fā)展趨勢(shì)，知悉行業(yè)最新動(dòng)態(tài)，把握市場(chǎng)發(fā)展脈絡(luò)，促進(jìn)產(chǎn)業(yè)快速發(fā)展。

2 智能駕駛核心技術(shù)

本屆會(huì)議共收到來(lái)自34個(gè)國(guó)家的603篇論文，確認(rèn)接收的論文346篇，錄用率57.4%。其中276篇Con?tributed paper，20篇Special Session Paper，50篇Work?shops paper。主會(huì)議論文投稿中有153篇（錄用69篇）來(lái)自中國(guó)，83篇（錄用64篇）來(lái)自德國(guó)，58篇（錄用46篇）來(lái)自美國(guó)，這三個(gè)國(guó)家的投稿量占了近三分之一。美國(guó)是自動(dòng)駕駛的發(fā)源地，其技術(shù)一直處于世界領(lǐng)先水平，論文錄用比例高達(dá)79%。德國(guó)是汽車(chē)技術(shù)強(qiáng)國(guó)，盡管相比論文他們更看重專(zhuān)利，但本屆大會(huì)他們也投了很多高質(zhì)量的文章。近年來(lái)，隨著國(guó)家對(duì)智能汽車(chē)技術(shù)的關(guān)注，國(guó)內(nèi)迎來(lái)了智能汽車(chē)研究熱潮，收錄的國(guó)內(nèi)學(xué)者論文數(shù)量排名第一，其中不乏一些國(guó)際領(lǐng)先的技術(shù)研究[10]。大會(huì)從錄用的346篇論文中選取了評(píng)價(jià)最高的33篇論文組成口頭報(bào)告環(huán)節(jié)。大會(huì)頒發(fā)的“最佳論文獎(jiǎng)”、“最佳學(xué)生論文獎(jiǎng)”以及“最佳應(yīng)用獎(jiǎng)”均從口頭報(bào)告中選出?？陬^報(bào)告以智能汽車(chē)六大核心技術(shù)為主題，分為視覺(jué)傳感與感知、車(chē)輛運(yùn)動(dòng)規(guī)劃與測(cè)試、高級(jí)駕駛輔助系統(tǒng)（ADAS）、地圖構(gòu)建和定位、傳感器和數(shù)據(jù)融合、決策和控制6個(gè)板塊，從一定程度上反映出智能汽車(chē)領(lǐng)域新理論、新觀點(diǎn)、新方法、新技術(shù)及應(yīng)用。

2.1 視覺(jué)傳感與感知

智能汽車(chē)是一個(gè)集環(huán)境感知、規(guī)劃決策、多等級(jí)輔助駕駛等功能于一體的綜合系統(tǒng)。智能車(chē)輛運(yùn)動(dòng)控制包括感知、動(dòng)作、行為3部分。感知主要通過(guò)車(chē)的“眼耳”認(rèn)知周?chē)h(huán)境，實(shí)現(xiàn)對(duì)環(huán)境的精確建模，并將車(chē)輛位置、障礙物等信息傳輸給車(chē)輛“大腦”——車(chē)輛內(nèi)部的高性能計(jì)算機(jī)進(jìn)行分析和計(jì)算，以控制車(chē)輛的速度和轉(zhuǎn)向，從而使車(chē)輛在遵守交通規(guī)則的前提下能夠安全、可靠地在道路上自主行駛。

視覺(jué)傳感與感知是歷屆會(huì)議關(guān)注的主題之一。比利時(shí)魯汶大學(xué)Davy Neven介紹了一種以50幀/秒進(jìn)行端到端車(chē)道檢測(cè)方法，可處理不同數(shù)量的車(chē)道并應(yīng)對(duì)車(chē)道變化。該方法擺脫了傳統(tǒng)車(chē)道檢測(cè)方法對(duì)專(zhuān)業(yè)化手工標(biāo)注的依賴(lài)，也解決了利用深度學(xué)習(xí)模型進(jìn)行車(chē)道分割訓(xùn)練需預(yù)定義固定數(shù)量的車(chē)道的缺陷[11]。

戴姆勒集團(tuán)Jonas Uhrig提出了一種可以在Cityscapes和KITTI數(shù)據(jù)集上獲得競(jìng)爭(zhēng)性結(jié)果，且速率是現(xiàn)有方法兩倍的語(yǔ)義實(shí)例分割方法。該方法依賴(lài)于單個(gè)完全卷積網(wǎng)絡(luò)（FCN）預(yù)測(cè)對(duì)象邊界框，以及像素方式語(yǔ)義對(duì)象類(lèi)和指向相應(yīng)對(duì)象中心的偏移向量。使用這些輸出，提供一種有效的后處理，從而實(shí)現(xiàn)實(shí)時(shí)速率獲得的實(shí)例分割[12]。

羅馬尼亞克盧日·納波卡技術(shù)大學(xué)Vlad-Cristian Miclea提出一種新的基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的實(shí)時(shí)深度采樣方法，該方法使用語(yǔ)義信息提供的局部上下文，引入了兩種基于卷積網(wǎng)絡(luò)的解決方案，根據(jù)深度傳感器給出的稀疏程度進(jìn)行建模。從Kitti數(shù)據(jù)集中進(jìn)行的實(shí)驗(yàn)，顯示出該方法在常規(guī)GPU上實(shí)時(shí)運(yùn)行的性能[13]。

加州大學(xué)伯克利分校Yeping Hu博士提出一種基于語(yǔ)義的意圖和運(yùn)動(dòng)預(yù)測(cè)（SIMP）方法，可以通過(guò)使用語(yǔ)義定義的車(chē)輛行為來(lái)適應(yīng)任何駕駛場(chǎng)景。它利用基于深度神經(jīng)網(wǎng)絡(luò)的概率框架來(lái)估計(jì)周?chē)?chē)輛的意圖、最終位置和相應(yīng)時(shí)間信息[14]。

西安交通大學(xué)Zhongxing Tao介紹了一種在無(wú)GPS信號(hào)環(huán)境中提高車(chē)輛定位精度的方法。針對(duì)地下車(chē)庫(kù)特征，提出一種基于局部表面的描述子Cy?RoPS，其具有旋轉(zhuǎn)不變、計(jì)算快速、對(duì)噪聲魯棒等多種優(yōu)點(diǎn)，可準(zhǔn)確選出車(chē)庫(kù)中常見(jiàn)靜態(tài)物體。還提出一種基于點(diǎn)云匹配的定位框架，定位穩(wěn)定、結(jié)果準(zhǔn)確，滿足無(wú)人駕駛導(dǎo)航要求[15]。

2.2 車(chē)輛運(yùn)動(dòng)規(guī)劃與測(cè)試

運(yùn)動(dòng)規(guī)劃作為移動(dòng)機(jī)器人的一個(gè)重要研究分支，近年來(lái)，大量的路徑規(guī)劃與測(cè)試技術(shù)遷移到自動(dòng)駕駛領(lǐng)域，并根據(jù)所面臨的道路網(wǎng)絡(luò)與駕駛規(guī)則要求得以改進(jìn)。

智能車(chē)輛的認(rèn)知能力評(píng)估通常運(yùn)用經(jīng)典自動(dòng)駕駛數(shù)據(jù)集進(jìn)行評(píng)估，缺乏對(duì)駕駛難度的綜合考量。西安交通大學(xué)Chi Zhang建議使用提出的“級(jí)聯(lián)坦克模型”對(duì)駕駛難度進(jìn)行基準(zhǔn)測(cè)試，并根據(jù)語(yǔ)義描述符獲得每段難度的細(xì)分等級(jí)。通過(guò)分級(jí)離線評(píng)估（GOE）框架，證明無(wú)論數(shù)據(jù)集選擇如何，智能車(chē)輛認(rèn)知能力的離線驗(yàn)證更加一致[16]。

運(yùn)動(dòng)規(guī)劃是自動(dòng)駕駛的主要挑戰(zhàn)之一，它需要實(shí)時(shí)求解兩點(diǎn)邊值問(wèn)題（BVP），同時(shí)考慮車(chē)輛的非完整約束和非凸環(huán)境中的障礙。德國(guó)Robert Bosch公司Holger Banzhaf介紹了混合曲率（HCR）和連續(xù)曲率（CCR）轉(zhuǎn)向：兩種新型的轉(zhuǎn)向功能，用于計(jì)算類(lèi)汽車(chē)機(jī)器人兩點(diǎn)BVP的曲率連續(xù)解[17]。

西安理工大學(xué)Bai Li提出一種多車(chē)協(xié)同車(chē)道變換運(yùn)動(dòng)規(guī)劃的逐步計(jì)算框架，通過(guò)連接的自動(dòng)控制系統(tǒng)，協(xié)調(diào)車(chē)輛通信和自動(dòng)車(chē)輛的控制，以改善交通系統(tǒng)的移動(dòng)性、安全性和可持續(xù)性[18]。

北京大學(xué)Xu He通過(guò)學(xué)習(xí)自然駕駛數(shù)據(jù)，提出一種人性化的軌跡規(guī)劃方法。通過(guò)參考人類(lèi)駕駛員的車(chē)道變換決策，不僅包括舒適性、效率和安全性，還包括車(chē)道激勵(lì)，從而制定成本函數(shù)。并使用北京高速路上人類(lèi)駕駛員的自然數(shù)據(jù)開(kāi)發(fā)數(shù)據(jù)集[19]。

瑞典林科斯大學(xué)Kristoffer Bergman提出一種使用數(shù)值最優(yōu)控制技術(shù)計(jì)算非凸環(huán)境中運(yùn)動(dòng)規(guī)劃問(wèn)題的局部解的方法。作者將順序二次規(guī)劃（SQP）方法與同倫方法相結(jié)合，逐步將問(wèn)題從松弛的方法轉(zhuǎn)換為原始問(wèn)題，可以計(jì)算出與運(yùn)動(dòng)規(guī)劃問(wèn)題相關(guān)的局部最優(yōu)解[20]。

測(cè)距是智能車(chē)輛設(shè)計(jì)中的一項(xiàng)重要任務(wù)，智能交通系統(tǒng)中有多種傳感器，因此，需要多個(gè)測(cè)距傳感器融合方法。量化車(chē)輛中使用的傳感器的不確定性對(duì)于利用有效的融合系統(tǒng)是必不可少的。埃及艾因·夏姆斯大學(xué)Mostafa Osman介紹了一種在線自適應(yīng)協(xié)方差估計(jì)方法，并選擇了三種情景進(jìn)行了實(shí)驗(yàn)，在自適應(yīng)協(xié)方差和基于真實(shí)方差的幾個(gè)常數(shù)協(xié)方差之間進(jìn)行了比較研究。從平移和方位均值誤差的四個(gè)評(píng)估指標(biāo)來(lái)看，實(shí)驗(yàn)結(jié)果表明該方法具有高性能[21]。

2.3 高級(jí)駕駛輔助系統(tǒng)

高級(jí)駕駛輔助系統(tǒng)是輔助駕駛?cè)诉M(jìn)行汽車(chē)駕駛的系統(tǒng)，可增加車(chē)輛和道路的安全性。利用安裝于車(chē)上的各種感應(yīng)器，在第一時(shí)間收集車(chē)內(nèi)外的環(huán)境狀況信息，進(jìn)行靜、動(dòng)態(tài)物體的辨識(shí)、偵測(cè)追蹤等處理，在最短時(shí)間內(nèi)提醒駕駛?cè)俗⒁饪赡馨l(fā)生的情況。

車(chē)輛預(yù)警系統(tǒng)對(duì)于最大限度地避免碰撞非常重要。日本電裝公司Ikuro Sato研究一種可以使用單眼前視攝像機(jī)預(yù)測(cè)真實(shí)的自我車(chē)輛運(yùn)動(dòng)的方法，便于預(yù)警。基于觀察到車(chē)輛的幾個(gè)未來(lái)位置的非確定性，利用機(jī)器學(xué)習(xí)模擬人類(lèi)駕駛行為，從數(shù)據(jù)預(yù)測(cè)多個(gè)可能的路徑。KITTI數(shù)據(jù)集的實(shí)驗(yàn)表明，該方法可滿足4秒的早期預(yù)警[22]。

對(duì)于無(wú)人駕駛汽車(chē)來(lái)講，雨天會(huì)給視覺(jué)識(shí)別帶來(lái)很大的麻煩。德國(guó)圖賓根大學(xué)Alexander von Bernuth提出了一種新的方法來(lái)渲染這些雨滴，使用連續(xù)最近鄰R*樹(shù)搜索算法。3D場(chǎng)景是由攝像頭生成的立體圖像，雨滴下落過(guò)程遵循物理定律，所得到的圖像可用于擴(kuò)展機(jī)器學(xué)習(xí)的訓(xùn)練數(shù)據(jù)集，而不必強(qiáng)制獲得新的真實(shí)圖像[23]。

法國(guó)高等科技學(xué)院Moad Kissai研究了控制集成底盤(pán)系統(tǒng)對(duì)車(chē)輛行為的影響。固定的模型預(yù)測(cè)控制用于軌跡跟蹤，而可調(diào)諧車(chē)輛運(yùn)動(dòng)控制用于提供不同的運(yùn)動(dòng)感知。結(jié)果表明，可以以不同的方式遵循特定的軌跡[24]。

對(duì)周?chē)煌▍⑴c者的準(zhǔn)確跟蹤在自動(dòng)駕駛中起著重要作用。加州大學(xué)伯克利分校Jiachen Li提出一種基于改進(jìn)混合粒子濾波器的通用車(chē)輛跟蹤框架，可使跟蹤目標(biāo)的數(shù)量適應(yīng)于實(shí)時(shí)觀測(cè)，并在統(tǒng)一的架構(gòu)中同時(shí)跟蹤傳感器范圍內(nèi)的所有車(chē)輛，而無(wú)需明確的數(shù)據(jù)關(guān)聯(lián)[25]。

在高速公路上，人類(lèi)駕駛員不斷做出適應(yīng)駕駛行為的決定。在自動(dòng)駕駛車(chē)輛上，系統(tǒng)應(yīng)做出這個(gè)決定。德國(guó)寶馬集團(tuán)Cristina Menendez-Romero提出一種自動(dòng)適應(yīng)駕駛行為，整合其他車(chē)輛合并意圖的方法。該方法的靈活性能將其集成到不同系統(tǒng)中，能夠向其他車(chē)輛提供禮讓行為，從而提高集體的舒適度和安全性[26]。

2.4 地圖構(gòu)建和定位

自動(dòng)駕駛汽車(chē)的基礎(chǔ)是精準(zhǔn)導(dǎo)航，地圖構(gòu)建與定位系統(tǒng)是定位技術(shù)、地理信息、電子地圖、地圖匹配、路徑規(guī)劃和路徑跟蹤的綜合體。

西安交通大學(xué)Yu Chen提出一種新的環(huán)路硬件仿真平臺(tái)（HiL）。平臺(tái)實(shí)現(xiàn)了多種功能：可以構(gòu)建和模擬運(yùn)動(dòng)車(chē)輛模型；對(duì)場(chǎng)景感知、路徑規(guī)劃、決策和車(chē)輛控制算法進(jìn)行閉環(huán)評(píng)估，還具有多智能體交互系統(tǒng)；實(shí)現(xiàn)控制和決策算法從虛擬環(huán)境到自動(dòng)駕駛汽車(chē)的快速遷移[27]。

德國(guó)歌德大學(xué)Nolang Fanani提出一種用于從安裝在車(chē)輛上的單目攝像頭中檢測(cè)獨(dú)立移動(dòng)物體（IMO）的方法。該方法采用一個(gè)基于CNN的分類(lèi)器，來(lái)生成IMO備選補(bǔ)丁，通過(guò)這些補(bǔ)丁中軌跡上的關(guān)鍵點(diǎn)來(lái)檢測(cè)幾何標(biāo)準(zhǔn)。然后使用IMO備選補(bǔ)丁的運(yùn)動(dòng)信息和基于外觀的信息獲得運(yùn)動(dòng)標(biāo)簽[28]。

為了解決智能車(chē)輛“我在哪里？”和“我身邊有什么”的問(wèn)題，大連理工大學(xué)Linhui Li提出一種密集的三維同步定位與地圖構(gòu)建（SLAM）系統(tǒng)來(lái)評(píng)估智能車(chē)輛的姿態(tài)并構(gòu)建密集的3D語(yǔ)義地圖[29]。

日本金澤大學(xué)Keisuke Yoneda介紹了基于76 GHz MWR（毫米波雷達(dá)）在下雪時(shí)的自動(dòng)駕駛自定位方法。作者通過(guò)對(duì)誤差傳播的不確定性進(jìn)行建模，開(kāi)發(fā)了基于MWR的地圖生成和實(shí)時(shí)定位方法[30]。

基于立體相機(jī)的重建存在兩個(gè)特殊的挑戰(zhàn)。一是以有效方式呈現(xiàn)和壓縮數(shù)據(jù)的需要，二是盡可能多地保留可用信息，且確保足夠的準(zhǔn)確性。為克服這些問(wèn)題，慧拓智能機(jī)器有限公司Lei Fan提出一種新的3D表示方法，從深度輔助圖像分割中提取平面度，然后直接將這些深度平面投影到3D世界中[31]。

美國(guó)德克薩斯A&M大學(xué)Swaminathan Gopalswa?my提出一種新的自動(dòng)駕駛方法，該方法將重新平衡傳統(tǒng)汽車(chē)制造商，私人基礎(chǔ)設(shè)施運(yùn)營(yíng)商和第三方運(yùn)營(yíng)商之間的自動(dòng)駕駛相關(guān)的責(zé)任，且提出了一個(gè)基于貝葉斯網(wǎng)絡(luò)模型的框架，用于評(píng)估其風(fēng)險(xiǎn)收益[32]。

2.5 傳感器和數(shù)據(jù)融合

目前大多數(shù)車(chē)輛內(nèi)的ADAS都是獨(dú)立工作的，這意味著它們彼此之間幾乎不交換信息，只有把多個(gè)傳感器信息融合起來(lái)，才是實(shí)現(xiàn)自動(dòng)駕駛的關(guān)鍵。

清華大學(xué)Chijung Cheng提出一種用于非信號(hào)交叉口避碰的速度引導(dǎo)驅(qū)動(dòng)模型?；谥貜?fù)博弈論，利潤(rùn)函數(shù)包括安全性、快速性，控制指標(biāo)被重新定義。采用帕累托最優(yōu)性來(lái)獲得最大化利潤(rùn)的策略[33]。

韓國(guó)首爾漢陽(yáng)大學(xué)Jaekyum Kim介紹了一種新的相機(jī)和激光雷達(dá)傳感器融合的深度學(xué)習(xí)架構(gòu)。方案使用RGB相機(jī)圖像以及通過(guò)將3D激光雷達(dá)點(diǎn)云投影到相機(jī)圖像平面中而生成的深度、高度和強(qiáng)度圖像來(lái)執(zhí)行2D對(duì)象檢測(cè)[34]。

英國(guó)克蘭菲爾德大學(xué)Yang Xing提出一種端到端駕駛相關(guān)的任務(wù)識(shí)別系統(tǒng)。識(shí)別七種常見(jiàn)的駕駛活動(dòng)，即正常駕駛、右鏡檢查、后視鏡檢查、左鏡檢查、使用車(chē)載視頻設(shè)備、發(fā)短信和接聽(tīng)移動(dòng)電話[35]。

寶馬集團(tuán)Koyel Banerjee改進(jìn)了Levinson和Thrun的激光雷達(dá)和相機(jī)融合方法。依靠強(qiáng)度不連續(xù)性以及邊緣圖像的侵蝕和膨脹來(lái)增強(qiáng)對(duì)陰影和視覺(jué)圖案的魯棒性，作者還使用無(wú)梯度優(yōu)化器進(jìn)行外部校準(zhǔn)。該方法能在汽車(chē)的計(jì)算機(jī)上實(shí)時(shí)運(yùn)行[36]。

英國(guó)倫敦藍(lán)色視覺(jué)實(shí)驗(yàn)室Suraj M S準(zhǔn)確預(yù)測(cè)城市密集環(huán)境中車(chē)輛的未來(lái)軌跡。作者為大批汽車(chē)配備了攝像頭，并進(jìn)行了城市級(jí)規(guī)模的運(yùn)動(dòng)布局，精確重建了超過(guò)1000小時(shí)駕駛軌跡。通過(guò)將觀察到的汽車(chē)的當(dāng)前位置與該區(qū)域中先前運(yùn)動(dòng)的大數(shù)據(jù)集相關(guān)聯(lián)，可對(duì)其未來(lái)位置做出預(yù)測(cè)[37]。

2.6 決策和控制

智能汽車(chē)的決策和控制分為行為決策與控制執(zhí)行兩方面。行為決策是依據(jù)環(huán)境感知和導(dǎo)航子系統(tǒng)輸出信息，通過(guò)特定的約束條件，在起止點(diǎn)多條可選安全路徑中選取一條最優(yōu)路徑作為車(chē)輛行駛軌跡。控制執(zhí)行系統(tǒng)包括車(chē)輛的縱向控制和橫向控制。

奧地利虛擬車(chē)輛研究中心Markus Schratter提出一種將事故數(shù)據(jù)直接用于制定自動(dòng)緊急制動(dòng)系統(tǒng)的制動(dòng)策略。未來(lái)車(chē)輛將配備相關(guān)技術(shù)，可記錄危急情況的詳細(xì)信息。如果有足夠的記錄數(shù)據(jù)，則可使用此類(lèi)數(shù)據(jù)來(lái)改進(jìn)主動(dòng)安全系統(tǒng)[38]。

目前自動(dòng)駕駛在不確定和交互式環(huán)境下的各種不同場(chǎng)景的決策仍然存在挑戰(zhàn)。加州大學(xué)伯克利分校Jianyu Chen提出連續(xù)決策（CDM）框架，該框架包含最大交互防御策略（MIDP），其計(jì)算在保證安全的同時(shí)與隨機(jī)移動(dòng)障礙交互的最佳動(dòng)作[39]。

新加坡高性能計(jì)算研究所Bo Yang構(gòu)建了無(wú)人駕駛出租車(chē)智能操縱協(xié)議，目的是優(yōu)化出租車(chē)系統(tǒng)的效率。根據(jù)通勤者的來(lái)源和目的地分布的歷史模式，為任何地點(diǎn)的出租車(chē)提供最佳的選擇[40]。

斯坦福大學(xué)Xiaobai Ma為提高效率并減少智能汽車(chē)的故障，開(kāi)發(fā)了考慮到環(huán)境干擾的學(xué)習(xí)方法。作者研究了兩種不同的算法，魯棒對(duì)抗強(qiáng)化學(xué)習(xí)算法和神經(jīng)虛擬自我算法，并比較自動(dòng)駕駛場(chǎng)景的表現(xiàn)[41]。

韓國(guó)首爾漢陽(yáng)大學(xué)Seong Hyeon Park提出一種基于深度學(xué)習(xí)的車(chē)輛軌跡預(yù)測(cè)技術(shù)，可實(shí)時(shí)生成周?chē)?chē)輛的未來(lái)軌跡序列。作者采用編碼器-解碼器架構(gòu)，利用長(zhǎng)時(shí)記憶編碼（LSTM）對(duì)過(guò)去軌跡中的模式進(jìn)行分析，并利用基于LSTM的解碼器生成未來(lái)的軌跡序列[42]。

隨著攝像機(jī)在智能車(chē)輛中的普遍應(yīng)用，視覺(jué)位置識(shí)別已成為智能車(chē)輛定位的主要問(wèn)題。中國(guó)科學(xué)院大學(xué)Jianliang Zhu將圖像放在預(yù)先訓(xùn)練好的網(wǎng)絡(luò)模型中得到自動(dòng)學(xué)習(xí)的圖像描述符，并通過(guò)融合和二值化對(duì)其進(jìn)行優(yōu)化，然后根據(jù)位置序列的漢明距離給出位置識(shí)別的相似性結(jié)果[43]。

另外大會(huì)選出Workshop論文共50篇，開(kāi)展了19個(gè)專(zhuān)題研討會(huì)和教程報(bào)告。場(chǎng)景理解、自動(dòng)駕駛車(chē)輛的決策與控制、車(chē)載傳感器、多傳感器融合、目標(biāo)跟蹤等專(zhuān)題研討受到與會(huì)人員廣泛關(guān)注，這或許正是智能汽車(chē)未來(lái)急需突破的幾個(gè)方向。

3 當(dāng)前智能汽車(chē)發(fā)展的特點(diǎn)及趨勢(shì)

IEEE IV是國(guó)際智能汽車(chē)領(lǐng)域的頂級(jí)大會(huì)，其內(nèi)容理所當(dāng)然地反映著智能汽車(chē)?yán)碚撗芯康那把亍狳c(diǎn)和技術(shù)應(yīng)用的最新進(jìn)展和趨勢(shì)。

3.1 學(xué)術(shù)研究和產(chǎn)業(yè)研發(fā)高速發(fā)展，技術(shù)和配套尚不完善

智能汽車(chē)已經(jīng)成為世界車(chē)輛工程領(lǐng)域的研究熱點(diǎn)和汽車(chē)工業(yè)增長(zhǎng)的新動(dòng)力，許多發(fā)達(dá)國(guó)家都將其納入到重點(diǎn)發(fā)展的技術(shù)領(lǐng)域。本屆國(guó)際智能車(chē)大會(huì)匯集了來(lái)自全球30多個(gè)國(guó)家的數(shù)百所著名機(jī)構(gòu)的近千名頂尖專(zhuān)家學(xué)者，圍繞智能汽車(chē)技術(shù)的最新研究成果開(kāi)展學(xué)術(shù)交流，展示最新產(chǎn)業(yè)進(jìn)展，全方位推進(jìn)國(guó)際智能車(chē)和網(wǎng)聯(lián)駕駛學(xué)術(shù)與產(chǎn)業(yè)的交流合作。參會(huì)人員和收錄論文數(shù)量均創(chuàng)新高，會(huì)議圍繞智能汽車(chē)的感知識(shí)別、虛擬測(cè)試、ADAS、導(dǎo)航定位、傳感器與數(shù)據(jù)融合、決策控制、場(chǎng)景理解、人機(jī)交互等多個(gè)相關(guān)主題進(jìn)行深入交流，反映了當(dāng)前智能汽車(chē)領(lǐng)域產(chǎn)業(yè)研發(fā)和學(xué)術(shù)研究的蓬勃發(fā)展。

但同時(shí)多位與會(huì)專(zhuān)家表示，不僅僅是技術(shù)層面（安全性、可靠性），還有交通基礎(chǔ)設(shè)施、法律、倫理、數(shù)據(jù)隱私等各個(gè)層面的因素，距離實(shí)現(xiàn)真正的無(wú)人駕駛還有很長(zhǎng)的路要走。

3.2 出于技術(shù)和商業(yè)因素，開(kāi)放合作成為業(yè)界共識(shí)

本屆會(huì)議上，筆者了解到眾多車(chē)企和科技公司開(kāi)展合作成為研發(fā)趨勢(shì)，如寶馬、Intel和Mobileye三方的合作；Waymo（谷歌自動(dòng)駕駛項(xiàng)目獨(dú)立子公司）和本田的合作；國(guó)內(nèi)百度Apollo產(chǎn)業(yè)生態(tài)等。

自動(dòng)駕駛技術(shù)深度介入傳統(tǒng)汽車(chē)的全球化產(chǎn)業(yè)鏈，進(jìn)一步拉伸了產(chǎn)業(yè)鏈的縱深，任何一家企業(yè)都難以憑一己之力完成技術(shù)躍遷。自動(dòng)駕駛是一次顛覆性技術(shù)的產(chǎn)業(yè)整合，研發(fā)難度可想而知，因此，合作亦成為業(yè)內(nèi)共識(shí)。另外，自動(dòng)駕駛是以人工智能驅(qū)動(dòng)，而其中最重要的養(yǎng)料是數(shù)據(jù)。考慮到自動(dòng)駕駛的安全性，理論上需要比智能手機(jī)更流暢的數(shù)據(jù)共享，所以，開(kāi)放合作在很大程度上可以通過(guò)人工智能的收益遞增原則獲得規(guī)模效應(yīng)[44]。

此外，業(yè)內(nèi)玩家選擇合作，還有商業(yè)上的現(xiàn)實(shí)原因。自動(dòng)駕駛無(wú)法在短期能迎來(lái)利潤(rùn)回報(bào)，合作共擔(dān)無(wú)疑是分擔(dān)研發(fā)成本、縮短研發(fā)時(shí)間、降低投資風(fēng)險(xiǎn)的最佳選擇。

3.3 市場(chǎng)前景看好，融資火爆，會(huì)在多個(gè)場(chǎng)景率先落地

作為下一個(gè)可預(yù)見(jiàn)的風(fēng)口，無(wú)人駕駛的前景是誘人的。據(jù)統(tǒng)計(jì)，2014年至今，全球范圍內(nèi)與自動(dòng)駕駛技術(shù)相關(guān)的投資、并購(gòu)多達(dá)200多項(xiàng)，涉及總金額高達(dá)1,000億美元[45]。

在與本屆IEEE IV同期舉辦的“智能汽車(chē)跨界融合高峰論壇”上，筆者了解到：智能駕駛領(lǐng)域已逐步形成“主機(jī)廠+供應(yīng)商+自動(dòng)駕駛技術(shù)+交通服務(wù)+商用運(yùn)營(yíng)”的新行業(yè)格局；場(chǎng)景數(shù)據(jù)是智能駕駛企業(yè)制勝根本；多傳感器融合技術(shù)成為業(yè)界共識(shí)；隨著傳感器配置的趨同化，未來(lái)的競(jìng)爭(zhēng)更多聚焦在決策環(huán)節(jié)，決策算法將成為核心；“單車(chē)智能+網(wǎng)聯(lián)智能”實(shí)現(xiàn)終極自動(dòng)駕駛；自動(dòng)駕駛創(chuàng)業(yè)上游化，單點(diǎn)技術(shù)仍有較大的市場(chǎng)機(jī)會(huì)。行業(yè)在風(fēng)口，但也處處存在泡沫。

雖然實(shí)現(xiàn)真正的無(wú)人駕駛還任重道遠(yuǎn)，但與會(huì)專(zhuān)家們認(rèn)為，自動(dòng)駕駛會(huì)在礦區(qū)物流、無(wú)人駕駛清潔環(huán)衛(wèi)、快遞、公共交通等多個(gè)垂直領(lǐng)域率先落地。如慧拓智能CSO王健提出礦山無(wú)人化機(jī)械將是自動(dòng)駕駛在礦區(qū)落地的一個(gè)最佳應(yīng)用場(chǎng)景。Autowise.ai聯(lián)合創(chuàng)始人葉青認(rèn)為無(wú)人駕駛技術(shù)在環(huán)衛(wèi)領(lǐng)域率先“跑起來(lái)”，將極大地惠及社會(huì)服務(wù)性工作者。清華大學(xué)鄧志東教授認(rèn)為從AGV（Automated Guided Vehicle）到室外無(wú)人貨運(yùn)，最后一公里的無(wú)人配送機(jī)器人與無(wú)人長(zhǎng)途貨運(yùn)卡車(chē)，有望成為最早落地的自動(dòng)駕駛汽車(chē)產(chǎn)品。此外，本屆會(huì)議同期舉辦的IEEE IV 2018產(chǎn)業(yè)展上，美團(tuán)展示了其在即時(shí)配送上的研發(fā)成果及應(yīng)用，體現(xiàn)了自動(dòng)駕駛在快遞配送上的落地場(chǎng)景。最后，無(wú)人駕駛公交、出租車(chē)和共享出行車(chē)輛也是本屆會(huì)議上業(yè)內(nèi)專(zhuān)家提出的自動(dòng)駕駛將率先落地的幾個(gè)應(yīng)用場(chǎng)景之一。

3.4 中國(guó)在多個(gè)領(lǐng)域取得突破，但同時(shí)面臨多重挑戰(zhàn)

從本屆大會(huì)論文收錄情況來(lái)看，來(lái)自中國(guó)的研究論文排名第一。中國(guó)近年來(lái)在智能汽車(chē)領(lǐng)域掀起了研發(fā)熱潮，很多研究成果與國(guó)外相比差距不大、甚至領(lǐng)先。

本屆大會(huì)期間成立了國(guó)際平行駕駛聯(lián)盟（iPDA），平行駕駛的創(chuàng)新理念是由國(guó)內(nèi)研究人員率先提出，平行駕駛的概念源于中科院自動(dòng)化所王飛躍教授提出的基于ACP方法的“平行智能”理論。其次，無(wú)人智能駕駛場(chǎng)景，將在中國(guó)落地。王飛躍教授認(rèn)為：“以挖掘、裝載和運(yùn)輸為主的采礦作業(yè)自動(dòng)化，是無(wú)人車(chē)技術(shù)最合適、最靠譜的一個(gè)應(yīng)用領(lǐng)域”。且通過(guò)會(huì)議了解到，慧拓智能的礦山場(chǎng)景應(yīng)用將在2019年下半年成為現(xiàn)實(shí)。此外，在技術(shù)上，如對(duì)復(fù)雜交通環(huán)境的感知、行駛目標(biāo)物的識(shí)別、駕駛員特性的建模、復(fù)雜的車(chē)輛動(dòng)力性建模、車(chē)輛控制算法等，國(guó)內(nèi)都已經(jīng)做了很深入的研究，均取得了階段性成果。

另一方面，國(guó)內(nèi)智能汽車(chē)產(chǎn)業(yè)發(fā)展面臨諸多挑戰(zhàn)。其中最大的挑戰(zhàn)是如何促進(jìn)自主品牌企業(yè)的快速、高質(zhì)量的發(fā)展。面對(duì)高新技術(shù)領(lǐng)域的技術(shù)封鎖，國(guó)內(nèi)企業(yè)必須努力夯實(shí)整車(chē)技術(shù)（尤其是智能駕駛技術(shù)）的集成能力，不僅要跟國(guó)外供應(yīng)商合作，還需要加強(qiáng)國(guó)內(nèi)研發(fā)機(jī)構(gòu)的合作，培育可長(zhǎng)線合作的自主品牌供應(yīng)商。此外，智能汽車(chē)產(chǎn)業(yè)鏈不完整、技術(shù)標(biāo)準(zhǔn)體系滯后以及技術(shù)積累不足等，都將成為國(guó)內(nèi)智能汽車(chē)產(chǎn)業(yè)發(fā)展的制約因素。

4 結(jié)語(yǔ)

本文從智能汽車(chē)領(lǐng)域的重要國(guó)際會(huì)議IEEE IV 2018角度，分析了當(dāng)前智能汽車(chē)研發(fā)的熱點(diǎn)和趨勢(shì)，認(rèn)為當(dāng)前國(guó)際上智能汽車(chē)領(lǐng)域的研發(fā)，無(wú)論是理論研究，還是技術(shù)開(kāi)發(fā)與應(yīng)用都已取得了非常多的成果，而感知識(shí)別、虛擬測(cè)試、導(dǎo)航定位、傳感器與數(shù)據(jù)融合、決策控制等將是未來(lái)智能汽車(chē)研發(fā)的主要方向。

另外，面對(duì)自動(dòng)駕駛領(lǐng)域的蓬勃發(fā)展態(tài)勢(shì)，本屆大會(huì)程序主席鄭南寧院士表示，包括政府、學(xué)界、公眾和投資者，都要保持理性和冷靜，要腳踏實(shí)地地開(kāi)展基礎(chǔ)研究和應(yīng)用實(shí)踐。