技术路线

6． 两大路线

自动驾驶研发两大路线：

渐进式：逐级研发，由 L1／L2 ADAS 驾驶辅助系统逐级向 L4／L5 过渡；

激进式：跳过驾驶辅助系统，直接从高度自动驾驶 L4 系统切入。

7． 产业链

自动驾驶本质是产业升级，产业链包括：

1）硬件：各类传感器、集成计算处理平台、传统汽车组件等；

2）软件：无人驾驶操作系统、车联网、高精度地图数据等；

3）整车制造；

4）运营服务。

8． 三大分层

自动驾驶系统分感知层、决策层、执行层，分别代替人的眼睛、大脑、手脚。

感知层：环境信息和车内信息的采集与处理，传感器包括激光雷达、摄像头、毫米波雷达、高精地图、GNSS 卫星定位、IMU 惯性导航等；

决策层：依据获取的信息来进行决策判断，制定相应控制策略，替代人类做出驾驶决策，决策算法包括模糊推理、强化学习、神经网络和贝叶斯网络技术等；

执行层：系统在做出决策后，替代人类对车辆进行控制，反馈到底层模块执行任务，包括线控加减速、线控制动、线控转向等。

9． 感知层：多传感器融合，两种技术方案

感知层是自动驾驶的眼睛，获取周围的信息，分为定位和传感两部分。

定位包括高精地图、全球导航卫星定位、惯性导航等；

周围传感包含了摄像头、激光雷达、毫米波雷达等。

各种传感器单独使用均有一定局限。

1） 摄像头成本低功能齐全，但易受环境影响；

2） 毫米波雷达不受环境影响，但精度较低；

3） 激光雷达精度高，但成本高；

4） 高精地图精度高，但采集困难；

5） GNSS 全球导航卫星定位精度高，但信号差；

6） IMU 惯性导航不受环境影响，但成本高。

各类传感器详细分析请持续关注本公众号（史晨星）。

多种传感器融合可满足各种复杂路况，同时保证系统冗余。

百度 Apollo 研究，GNSS＋IMU＋Lidar／CV 融合高精度定位系统可以实现 97．5％ 以上的覆盖率。

两种技术方案

1）视觉主导方案：摄像头（主导）＋毫米波雷达＋超声波雷达＋激光雷达，典型的代表是特斯拉，马斯克坚持在其方案中不加入激光雷达。

2）激光雷达主导方案：激光雷达（主导）＋毫米波雷达＋超声波传感器＋摄像头，典型的代表是 Google Waymo。

10． 决策层：算法 ＋ 芯片

决策层是自动驾驶的大脑。

一方面收集感知层数据，分析周边环境，规划驾驶路线；

一方面控制执行层，预判路况，做出相应的车辆控制。

决策算法是核心竞争力，分为感知层算法和决策层算法。

1）感知层算法——将传感器的输入数据最终转换成计算机能够理解的自动驾驶车辆所处场景的语义表达、物体的结构化表达，包括：物体检测、识别和跟踪、3D环境建模、物体的运动估计等。

2）决策层算法——基于感知层算法的输出结果，给出最终的行为／动作指令，包括行为决策（汽车的跟随、停止和追赶）、动作决策（汽车的转向、速度等）、反馈控制（向油门、刹车等车辆核心控制部件发出指令）。

关于人工智能、视觉算法、路径规划、行为决策、深度学习、强化学习、贝叶斯网络、迁移学习等详细分析请持续关注本公众号（史晨星）。

根据英特尔 CEO 测算，假设一辆自动驾驶汽车配置了GPS、摄像头、雷达和激光雷达等传感器，每天将产生约 4000GB 待处理的传感器数据。

考虑到自动驾驶对延迟要求很高，传统的云计算面临着延迟明显、连接不稳定等问题，这意味着一个强大的车载计算平台（芯片）成为了刚需。