隨著人工智能技術的不斷發展，人們急切的希望這項技術能夠盡快的落地成熟，那么自動駕駛技術到底涉及到哪些科技呢？現有的產品到底是處于什么階段呢？

技術簡析自動駕駛

技術分級

自動駕駛技術分為多個等級，目前國內外產業界采用較多的為美國汽車工程師協會（SAE）和美國高速公路安全管理局（NHTSA）推出的分類標準。

按照SAE的標準，自動駕駛汽車視智能化、自動化程度水平分為6個等級：無自動化（L0）、駕駛支援（L1）、部分自動化（L2）、有條件自動化(L3)、高度自動化(L4)和完全自動化（L5）。兩種不同分類標準的主要區別在于完全自動駕駛場景下，SAE更加細分了自動駕駛系統作用范圍。詳細標準見下圖：

技術路線

在自動駕駛技術方面，有兩條不同的發展路線：

第一種是“漸進演化”的路線，也就是在今天的汽車上逐漸新增一些自動駕駛功能，例如特斯拉、寶馬、奧迪、福特等車企均采用此種方式，這種方式主要利用傳感器，通過車車通信（V2V）、車云通信實現路況的分析。

第二種是完全“革命性”的路線，即從一開始就是徹徹底底的自動駕駛汽車，例如谷歌和福特公司正在一些結構化的環境里測試的自動駕駛汽車，這種路線主要依靠車載激光雷達、電腦和控制系統實現自動駕駛。

從應用場景來看，第一種方式更加適合在結構化道路上測試，第二種方式除結構化道路外，還可用于軍事或特殊領域。

硬件需求

自動駕駛作為新技術要與汽車舊有載體做加法，那么它需要哪些硬件配套呢？所有離開硬件光談自動駕駛都是耍流氓。

各類傳感器

各類傳感器并不一定會同時出現在一輛車上。某種傳感器存在與否，取決于這輛車需要完成什么樣的任務。如果只需要完成高速公路的自動駕駛，類似Tesla 的 AutoPilot 功能，那根本不需要使用到激光傳感器；如果你需要完成城區路段的自動駕駛，沒有激光傳感器，僅靠視覺是很困難的。

自動駕駛系統工程師要以任務為導向，進行硬件的選擇和成本控制。

控制器

控制器是汽車的大腦，算法研究得較為成熟時，就可以將嵌入式系統作為控制器，比如Audi和TTTech共同研發的zFAS，目前已經應用在最新款Audi A8上量產車上了。

CAN卡

工控機與汽車底盤的交互必須通過專門的語言——CAN。從底盤獲取當前車速及方向盤轉角等信息，需要解析底盤發到CAN總線上的數據；工控機通過傳感器的信息計算得到方向盤轉角以及期望車速后，也要通過 CAN卡 將消息轉碼成底盤可以識別的信號，底盤進而做出響應。

CAN卡可以直接安裝在工控機中，然后通過外部接口與CAN總線相連。

全球定位系統（GPS）+慣性測量單元（IMU）

人類開車，從A點到B點，需要知道A點到B點的地圖，以及自己當前所處的位置，這樣才能知道行駛到下一個路口是右轉還是直行。

無人駕駛系統也一樣，依靠GPS+IMU就可以知道自己在哪（經緯度），在朝哪個方向開（航向），當然IMU還能提供諸如橫擺角速度、角加速度等更豐富的信息，這些信息有助于自動駕駛汽車的定位和決策控制。

軟件需求

軟件包含四層：感知、融合、決策、控制。

各個層級之間都需要編寫代碼，去實現信息的轉化，更細化的分類如下。

采集

傳感器跟我們的PC或者嵌入式模塊通信時，會有不同的傳輸方式。

比如我們采集來自攝像機的圖像信息，有的是通過千兆網卡實現的通信，也有的是直接通過視頻線進行通信的。再比如某些毫米波雷達是通過CAN總線給下游發送信息的，因此我們必須編寫解析CAN信息的代碼。

不同的傳輸介質，需要使用不同的協議去解析這些信息，這就是上文提到的“驅動層”。

通俗地講就是把傳感器采集到的信息全部拿到，并且編碼成團隊可以使用的數據。

預處理

傳感器的信息拿到后會發現不是所有信息都是有用的。

傳感器層將數據以一幀一幀、固定頻率發送給下游，但下游是無法拿每一幀的數據去進行決策或者融合的。因為傳感器的狀態不是100%有效的，如果僅根據某一幀的信號去判定前方是否有障礙物（有可能是傳感器誤檢了），對下游決策來說是極不負責任的。因此上游需要對信息做預處理，以保證車輛前方的障礙物在時間維度上是一直存在的，而不是一閃而過。

這里就會使用到智能駕駛領域經常使用到的一個算法——卡爾曼濾波。

坐標轉換

坐標轉換在智能駕駛領域十分重要。

傳感器是安裝在不同地方的，比如超聲波雷達（上圖中橘黃色小區域）是布置在車輛周圍的；當車輛右方有一個障礙物，距離這個超聲波雷達有3米，那么我們就認為這個障礙物距離車有3米嗎？

并不一定！因為決策控制層做車輛運動規劃時，是在車體坐標系下做的（車體坐標系一般以后軸中心為O點），所以最終所有傳感器的信息，都是需要轉移到自車坐標系下的。

因此感知層拿到3m的障礙物位置信息后，必須將該障礙物的位置信息轉移到自車坐標系下，才能供規劃決策使用。

信息融合

信息融合是指把相同屬性的信息進行多合一操作。

比如攝像機檢測到了車輛正前方有一個障礙物，毫米波也檢測到車輛前方有一個障礙物，激光雷達也檢測到前方有一個障礙物，而實際上前方只有一個障礙物，所以我們要做的是把多傳感器下這輛車的信息進行一次融合，以此告訴下游，前面有一輛車，而不是三輛車。

決策規劃

這一層次主要設計的是拿到融合數據后，如何正確做規劃。規劃包含縱向控制和橫向控制。

縱向控制即速度控制，表現為 什么時候加速，什么時候制動。

橫向控制即行為控制，表現為 什么時候換道，什么時候超車等。