三分钟读懂无人驾驶汽车的核心技术 | 荐读

发布时间：2017-10-13 作者：佚名来源：微信

关键字：无人驾驶汽车无人驾驶

收藏好文推荐打印

DARPA挑战赛不仅在美国汽车工业摇篮底特律掀起了不小的波澜，最终也演变成了两个世界的分界线：一个世界里，机器人被视为玩具或科研人员的成果；而在另一个世界里，人们开始接受机器人能够在现实世界中自由移动的事实。

2013年，国际知名汽车企业开展了一场无人驾驶汽车的研发竞赛，一些企业研发的无人驾驶汽车相继亮相，并宣称在10-15年的时间内实现量产。无人驾驶汽车之所以能够提上各大汽车企业的研究与开发日程，被国内外相关机构作为研究重点，投入大量的人力和物力，不仅因为它代表了高新科技水平，更因为他满足了人类对汽车技术发展的迫切需求。

从长远角度来看，汽车发展的趋势是实现自主驾驶。无人驾驶汽车是自主驾驶的一种表现形式。从广义上说，无人驾驶汽车是在网络环境下用计算机技术、信息技术和智能控制技术武装起来的汽车，是有着汽车外壳的移动机器人。而从技术角度讲，自动驾驶又分为感知定位、规划决策、执行控制三个部分。要实现自动驾驶，除了算法创新、系统融合之外，还需要来自云平台的支持。

本文整合了首发于车云的无人驾驶系列技术文章，相信可以帮助各位建立起对自动驾驶技术的宏观理解。点击蓝色标题即可进入阅读。

1、感知

一张图读懂为什么自动驾驶汽车要装备各种类型的传感器

但凡聊到自动驾驶汽车，不出意外我们总是会提到它们搭载的一系列传感器，有摄像头、超声波传感器、雷达、激光雷达，但凡你说得出的，几乎都能在一辆无人车上找到。这篇文章从冗余系统建立的角度，以“边缘案例”分析了为何自动驾驶汽车为何需要如此多的传感器。而通过逐步找出哪些数据可以用来合理处理特定的「边缘案例」，无论是在模拟仿真还是真实路况中，汽车都能学会处理更复杂的情况。

在攻城狮眼里，传统车企怎样避免被出局？——传感器篇

这篇文章的作者是一位汽车底盘工程师，文章中他详细分析了目前主流传感器对车企发展ADAS及自动驾驶技术的影响，并提出了自己中肯的建议。

【车云报告】激光雷达与自动驾驶，最佳CP初养成

据Lux Research报告，到2030年，激光雷达将在自动驾驶领域收获近亿美元的商业机会。并且按照车企从ADAS向全自动驾驶过渡的商用化计划，激光雷达已经开始在车辆局部发挥特长。

但不同激光雷达企业进入自动驾驶领域的策略各不相同，产品技术也存在差异。激光雷达与自动驾驶作为最佳CP如何走到一起？作为激光雷达的领军企业，Velodyne，Ibeo和Quanergy打开市场有何不同姿势？通过车云菌的调研，这篇文章将为您细细道来。

2、决策

自动驾驶呼唤理性决策

自动驾驶在技术上的竞争，主要聚焦于决策环节。事实上，区分一个系统是ADAS还是自动驾驶，也主要是看该系统是否有决策部分。无论是谷歌，还是特斯拉，他们的核心竞争力，都还是体现在其决策算法方面。

在训练和测试自动驾驶汽车决策能力的过程中，其实收集到的绝大部分数据都是正常路况下的行车数据，极端情况极其罕见。深度学习加增强学习的算法只能无限趋近于处理所有场景，贝叶斯网络的因果推理逻辑可以在一定程度上处理未知的极端情况。决策层的不同技术路线也各有优缺点，可能包括深度学习、增强学习、专家系统、贝叶斯网络在内的多种方法融合，将是下一步的主流方案。

技术贴 | 从算法层解读，自动驾驶的「轨迹规划」是如何实现的？

前面也提到了，车辆自主驾驶系统从本质上讲是一个智能控制机器，其研究内容大致可分为信息感知、行为决策及操纵控制三个子系统。路径规划是智能车辆导航和控制的基础，是从轨迹决策的角度考虑的，可分为局部路径规划和全局路径规划。

随着计算机科学技术、无线通信技术以及交通运输业的高速发展，车辆导航系统的动态路径规划研究趋势还将向多导航器相互协调规划的方向发展。现在的车辆导航都是单个车辆为对象进行路径引导，而没有考虑到总体的大局协调，这样容易引起新的交通拥塞等问题，所以多导航器协调规划将是一种更加符合实际需求的规划方法。

共2页

1 2 下一页

本文来源于互联网，e-works本着传播知识、有益学习和研究的目的进行的转载，为网友免费提供，并以尽力标明作者与出处，如有著作权人或出版方提出异议，本站将立即删除。如果您对文章转载有任何疑问请告之我们，以便我们及时纠正。联系方式：editor@e-works.net.cn tel：027-87592219/20/21。

上一篇文章：我们的汽车会如何改善我们的驾驶体验？
下一篇文章：RealWear工业可穿戴平板电脑助力风电行业智能化升级