1984年，美國國防高級(jí)研究計(jì)劃局(DARPA)啟動(dòng)“ALV自主陸上車輛”，攝像頭檢測地形，計(jì)算機(jī)系統(tǒng)計(jì)算出導(dǎo)航和行駛路線。采用激光雷達(dá)來識(shí)別道路，GPS導(dǎo)航，并有小型化的短波雷達(dá)發(fā)現(xiàn)障礙物。
這些都是，歷史上無人駕駛的眼睛。
今天，寶馬I3車載硬件包括4個(gè)激光感應(yīng)器，具備多開立柱障礙、緊急剎車的功能。但是這些“眼睛”對(duì)于無人駕駛來說是遠(yuǎn)遠(yuǎn)不夠的。
車載硬件
開車需要眼觀六路，這樣能得到深度、豐富的信息，為駕駛決策提供依據(jù)。我們需要清楚的知道車輛周圍發(fā)生了什么，有什么將會(huì)發(fā)生。無人駕駛就是用雙目系統(tǒng)做感知，計(jì)算系統(tǒng)做處理。不同的廠商技術(shù)路線不一樣，車載無人駕駛硬件，也就是車身上的硬件包括:傳感器、激光雷達(dá)、攝像頭、超聲波等等。聲波一般是用在慢速的道路場景中。主流的自動(dòng)駕駛，一般是毫米波雷達(dá)，激光雷達(dá)和攝像頭。但是，攝像頭的兩個(gè)主要限制是:對(duì)光的要求很高，運(yùn)算要求也較大。這時(shí)，需要多傳感器組合，但是不同場景有不同的傳感器配置，簡單的場景可能是純攝像頭，有的場景需要是攝像頭加超聲波，再加上一系列的激光雷達(dá)，分有8線激光雷達(dá)、16線激光雷達(dá)，攝像頭也會(huì)有很多種不同的配置。也有的無人駕駛的方案是用視覺的方式來做3D感知。比如識(shí)別車道線、穩(wěn)定精確的車輛3D框，同時(shí)每輛車都有車輛身份，每個(gè)車輛身份都帶有這輛車的類型信息，是小轎車、還是貨車等等。通過識(shí)別可行駛區(qū)域，將2D識(shí)別的結(jié)果投影到3D上，在3D空間中，知道每輛車的位置、每輛車的速度，以及通過歷史的數(shù)據(jù)和當(dāng)前車的狀態(tài)去判斷它下一個(gè)時(shí)刻可能發(fā)生的運(yùn)動(dòng)軌跡和位置。目前國內(nèi)也有許多初創(chuàng)團(tuán)隊(duì)在做視覺加深度學(xué)習(xí)的感知方案。
高精度地圖
對(duì)高階別的(L4)無人駕駛來說地圖是一個(gè)非常重要的戰(zhàn)略資源。布局高級(jí)別無人駕駛，必須布局地圖，谷歌和百度的無人駕駛，就都有有地圖這一先天優(yōu)勢(shì)。原因是自動(dòng)駕駛車載定位的主要輸入是定位特征，例如車道標(biāo)志或者交通標(biāo)志。這些特征點(diǎn)被儲(chǔ)存在定位地圖里，并由車載傳感器探測。通過比較和分析這些特征，我們知道車輛的位置，以及車頭方向，行駛車道內(nèi)的信息。這也就是為什么傳感器需要做識(shí)別，聯(lián)網(wǎng)上報(bào)車輛的位置與坐標(biāo)，這樣減少了不少復(fù)雜的檢測。也有無人駕駛的技術(shù)路線是希望基于高精度地圖能夠做到一個(gè)厘米級(jí)的定位，然后基于高精度地圖做到針對(duì)自動(dòng)駕駛的導(dǎo)航。
