自动驾驶如果要做到老司机的水平，甚至超越老司机，离不开三个核心模块。
感知———思考———行动
感知：
利用各类传感器，如摄像头、雷达、超声波
思考:
通过车辆计算机的软件和智能算法执行，处理和解释感知得到的数据。整个过程必须要在非常短的时间内完成，因为如果时速120公里/小时，一秒的时间就足够车辆窜三十几米远了。所以，得要求车辆电脑在毫秒级别就要思考完毕，并得出可靠的预测，规划下一步合适的驾驶策略。
行动：
考虑到周围环境的所有感知数据和定位，能独立、快速、安全、精确地使用动力系统、转向系统和制动系统来移动车辆，使得思考的驾驶策略付诸实践。
而感知，是ADV（自动驾驶汽车）的基础。
自动驾驶汽车（ADV）的主要传感器包括：相机、雷达、激光雷达、超声波、定位系统（如GPS）、传声器（声音）。除开这些传感器，ADV还可以从云端或者其他汽车获取周边信息来用于指导驾驶。
这里，ADV为什么要多个传感器，为什么不能只用雷达或者摄像头或者超声波，因为不同传感器的可探测的范围、角度、精度，距离都有不同。
比如摄像头受到光线的限制，无法直观感知立体形状，如要大范围探测，还存在边缘失真的情况。而激光雷达精准度高，可以感知立体形状，且不受光线的影响，黑夜里照样发挥作用，但它识别不了平面图像，比如交通指示牌，交通信号灯，在稍微恶劣天气下也会失去精准度。而毫米波雷达就可以比较适应风沙雨雾等恶劣天气情况。比如超声波测距器虽然廉价，但可以识别障碍物，可以用于倒车提醒。但是它受到距离的束缚，且辨别精度低，也无法动态探测远处。而声音探测器也是需要的，它可以用来识别外界的声音，如周围车辆的警报声，后车急促的喇叭声，人们的呼喊声等。
所以，如果要开发ADV，在驾驶上超过老司机，就需要在成本平衡上去细致感知周围，要大范围和远距离，且能在恶劣的天气下也能正常驾驶，多种传感器的搭配是必须的。
说到感知，这里要引一个之前的新闻。
当时记得回答里面众说纷纭，有说感知的融合问题没能辨别出来前方是个卡车，有的说雷达的FOV（水平视场）问题，说雷达没能扫描到卡车（因为雷达仰角向上，而卡车的车尾过低）。
但实际不论小鹏还是蔚来，还是现有车企配置的毫米波雷达+摄像头方案，本身就是很依赖摄像头。
毫米波雷达一般有24GHZ和77GHZ，24GHZ的探测距离短，探测角度（FOV）大，精度低，大概是60-70CM的分辨率。而77HZ的探测距离远，能达到200米以上，精度高，大概是20-40CM分辨率。（国内车企采用的大部分是24GHZ毫米波雷达，小鹏、蔚来车型用的毫米波雷达，并未申明是77Ghz.）
即便是77HZ的毫米波雷达，精度也是比较低的，近距离低速下还好，可以分辨出人形、车辆，但稍微远一点距离，几十米开外，加之动态行驶，毫米波雷达基本就属于重度近视，看什么都是花的，只知道前面有个大概的，好像是什么样的轮廓，最后还是要靠摄像头的图片来进行识别。
这也是为什么众多车企都一致说AEB中低速才起作用的原因，因为速度越快，就越要辨别远处的物体。虽然一两百米开外，天气好的情况下摄像头看得清楚，但是毫米波雷达不清楚。而摄像头对于物体的准确判断，则需要大量的实例去喂给AI，告诉他前面那种低矮的不装货的平板，也是货车的一部分，而不是可以忽略的路况。
而感知对ADV的重要性，也可以从下图看出来一二，左右图片是一样的场景，在红外摄像头下的差别。
说了好多高感知的重要性，但实际也需要高昂的感知成本，那能否用低成本的低感知来自动驾驶呢？
实际，低感知也有种自动驾驶的方案，那就是公路列车。
早在2009年，欧盟就启动了一个名为SARTRE的项目，开发和测试在高速公路上的车辆自动驾驶的技术，这种技术也被称为队列技术。
按照火车头领航的模式，每个公路列车的第一辆车由一位熟悉路线的有经验的驾驶员驾驶，可以是公共汽车
这样也达到了自动驾驶的目的，所有允许跟随的车辆都能做其他的事情，比如电话，吃饭，看书，喝茶，工作等。等司机需要离开这个队伍，前面没有公共路径的话，导航会提醒你自己操纵车辆，准备离开这个车队。到了下一个有共同路途的车队，发出申请，系统接受后，就会接管你的车辆，并入到这个车队中来。
这种方式的好处众多。
后续的每辆车不仅可以自动驾驶，还非常省油，因为前方大车破开了风阻，使得后车风阻较小，预计产生20%的节能效果。
有效提高了道路安全，减弱了80%的事故的人为因素。减少了交通拥堵，提高了高速公路的利用率。
整套方案的成本极低，只需要能够感知前方车辆的动态相对距离即可，不需要额外的高精度传感器。
虽然这个项目后来没有继续做了，但是在未来，我想着也不失为一个自动驾驶方案：全自动驾驶的L5级别汽车带动后续众多L2级别汽车。在某些限定路段（用地理围栏限定范围）内行驶，我觉得是一种低成本且安全的自动驾驶实施方案。
评论
收藏
加电