自動駕駛?cè)f億市場待開發(fā) 無人駕駛未來將駛向何方？

　　自動駕駛萬億市場待開發(fā)

　　伴隨5G時代開啟，汽車自動駕駛或許將從想象變成現(xiàn)實。

　　無論是百度擁抱人工智能，還是華為對5G技術(shù)的研究與創(chuàng)新，中國似乎迎來自動駕駛發(fā)展的“黃金時期”。中智行科技有限公司CEO王敬認(rèn)為：“在5G的助力下，中國的自動駕駛有可能會后發(fā)先至?！?/p>

　　據(jù)全球市場調(diào)研機(jī)構(gòu)IHS Market預(yù)測，伴隨5G推動L4/5自動駕駛逐步落地，2030年國內(nèi)自動駕駛出行服務(wù)收入規(guī)模有望突破萬億。這意味著，自動駕駛的美好未來似乎將觸手可及。

　　5G加持自動駕駛

　　5G時代到來，影響的不僅僅是通訊行業(yè)，還有汽車自動駕駛技術(shù)。

　　在“汽車新四化”浪潮的沖擊下，各大車企都提出了自動駕駛出行的美好愿景。不過，目前大多數(shù)主機(jī)廠的自動駕駛水平仍在L2級。L4和L5級自動駕駛的挑戰(zhàn)難度很大，其技術(shù)瓶頸在于將車輛、道路信息等實時數(shù)據(jù)傳輸時需要足夠的速度吞吐，以保持穩(wěn)定性及安全性。

　　而能夠提供高速傳輸并擁有低延時特性的5G技術(shù)，如果能與車聯(lián)網(wǎng)（V2X）實施運用相關(guān)聯(lián)，就可以構(gòu)建智慧交通體系，加速自動駕駛汽車落地。

　　此前，各大主機(jī)廠及科技公司一直強(qiáng)調(diào)AI的自動駕駛技術(shù)路線，如今，5G技術(shù)驅(qū)動下的自動駕駛正演化出一條新技術(shù)路線。

　　“中國在5G技術(shù)上已遙遙領(lǐng)先，將5G與AI融合就能感知覆蓋更多場景、彌補(bǔ)路測數(shù)據(jù)的不足，從而提高自動駕駛的安全性，以更快實現(xiàn)落地和普及?！?中智行科技有限公司技術(shù)副總裁張振林向《每日經(jīng)濟(jì)新聞》記者分析稱。

　　據(jù)了解，中智行科技有限公司的自動駕駛路線就是5G+AI，即人工智能通過深度學(xué)習(xí)，通過車上加載的傳感器感知周邊物體，并依賴車上搭載的計算平臺實時感知規(guī)劃路徑，對車輛進(jìn)行控制。

　　不過，從技術(shù)角度來看，自動駕駛并非一家公司就可以實現(xiàn)，需要行業(yè)整體協(xié)同發(fā)展。例如，車輛自動駕駛時的數(shù)據(jù)采集等離不開高精地圖的整合與對接。

　　萬億市場待開發(fā)

　　中信建投證券在一份研報中預(yù)計，2019年中國將新建開通5G基站10萬個左右，預(yù)計全球在30萬~40萬個基站左右，這意味著，未來5G產(chǎn)業(yè)將迎來一輪巨大的基礎(chǔ)設(shè)施建設(shè)潮。

　　誠然，5G的加速推進(jìn)使自動駕駛的落地可能性在不斷增大。據(jù)全球市場調(diào)研機(jī)構(gòu)IHS Market預(yù)測，2025年全球自動駕駛汽車銷量將達(dá)到60萬輛，2035年將達(dá)到2100萬輛。預(yù)計2020年L1/2滲透率有望達(dá)到40%，2025年L3、L4/5滲透率分別有望達(dá)到15%、5%。伴隨5G推動L4/5自動駕駛逐步落地，2030年國內(nèi)自動駕駛出行服務(wù)收入規(guī)模有望突破萬億。

　　萬億市場規(guī)模之下，汽車產(chǎn)業(yè)上下游產(chǎn)業(yè)鏈都希望能切分這塊巨大蛋糕。當(dāng)下，主機(jī)廠和科技技術(shù)公司都在 “自力更生”，積極布局。例如，今年10月，大眾汽車集團(tuán)宣布成立自動駕駛子公司Volkswagen Autonomy，計劃在下個十年的中期開始自動駕駛的大規(guī)模商業(yè)化。今年10月，華為發(fā)布了行業(yè)第一個自動駕駛移動網(wǎng)絡(luò)解決方案，并將在明年推出系列化的無線網(wǎng)絡(luò)自動駕駛的L3應(yīng)用。

　　但不同行業(yè)之間的“合縱連橫”更會是未來自動駕駛落地的主流發(fā)展方向。王敬表示：“未來，自動駕駛的發(fā)展將會融合四個行業(yè)，即人工智能、汽車主機(jī)廠和零部件供應(yīng)商、電信運營商及未來出行產(chǎn)業(yè)?！?/p>

　　王敬的預(yù)判正在成為現(xiàn)實。例如，北汽集團(tuán)與中興通訊正式簽署戰(zhàn)略合作協(xié)議，雙方將基于各自資源優(yōu)勢展開合作，包括應(yīng)用于智能網(wǎng)聯(lián)汽車的通信芯片及5G V2X和后續(xù)演進(jìn)技術(shù)方案，預(yù)計將會在2022年后實現(xiàn)L3及以上自動駕駛汽車的商業(yè)化。

　　盡管5G和AI技術(shù)在加速自動駕駛發(fā)展，但自動駕駛之夢并非觸手可及。王敬表示：“自動駕駛想要真正要落地，走進(jìn)日常生活，還需千錘百煉?！?/p>

無人駕駛的未來將駛向何方？

由于人工智能的技術(shù)發(fā)展，很多領(lǐng)域開始了革命式創(chuàng)新，無人駕駛就是其中一個。本篇文章中作者介紹了無人駕駛的概念以及發(fā)展過程，并且通過分析無人駕駛的具體設(shè)計，預(yù)測了其未來發(fā)展趨勢。

2019年在美國景城、舊金山、鳳凰城、匹茲堡、亞利桑無人駕駛已經(jīng)是人們生活的日常；

2017年7月5號百度AI開發(fā)者大會，百度創(chuàng)始人、董事長兼首席執(zhí)行官李彥宏乘坐公司研發(fā)的無人駕駛汽車行駛在北京五環(huán)；

2019年滴滴網(wǎng)約自動駕駛車亮相世界人工智能大會；

可以說，無人駕駛已經(jīng)上路了。

什么算是無人駕駛，自動巡航算是無人駕駛嗎？

自動駕駛是指讓汽車自己擁有環(huán)境感知、路徑規(guī)劃并且自主實現(xiàn)車輛控制的技術(shù)，也就是用電子技術(shù)控制汽車進(jìn)行的仿人駕駛。

美國汽車工程師協(xié)會（SAE）根據(jù)系統(tǒng)對于車輛操控任務(wù)的把控程度，將自動駕駛技術(shù)分為 L0-L5 級L0 級無自動化功能。

在新聞報道中車廠會強(qiáng)調(diào)他們在L2-L3輔助駕駛系統(tǒng)的成果；科技創(chuàng)業(yè)公司則會強(qiáng)調(diào)L4是完全不同于L2-L3的新物種。

L2-L3級自動駕駛，駕駛員必須在駕駛座上，隨時準(zhǔn)備接管車；L4級自動駕駛——不要駕駛員，在限定環(huán)境中真正做到“無人”駕駛；而L5是指無人駕駛的最高級別，在任何場景任何天氣下，都不需要人來操控。

2001年，美國開始了阿富汗戰(zhàn)爭，為了應(yīng)對路邊炸彈的大量傷亡，美國國會要求，在2015年，軍方三分之一車輛必須進(jìn)行無人駕駛。

2003年，伊拉克戰(zhàn)爭爆發(fā)，無人駕駛還沒有進(jìn)展。因此美國軍方開啟非常規(guī)操作思路——用無人駕駛賽車的方式，為獲勝的團(tuán)隊提供100萬美元的獎金，在選址上，也選擇了與伊拉克戰(zhàn)爭地形相似的莫哈維沙漠。

2004年3月，第一屆DARPA挑戰(zhàn)賽寂寂無名，所有的團(tuán)隊都慘敗而歸。走的最遠(yuǎn)的卡內(nèi)基梅隆團(tuán)隊，也沒有走過全程的5%。那一年，大部分參賽者的思路是，用硬件改裝汽車。

2005年的第二屆DARPA挑戰(zhàn)賽，這一次，去年參賽過的團(tuán)隊開始放棄主要在硬件上改裝車，絕大部分團(tuán)隊都加上了激光雷達(dá)測距儀等傳感器。那一年，激光雷達(dá)的測距范圍在10米左右，而攝像頭可以看到100米。

2007年，第三屆DARPA挑戰(zhàn)賽叫做“城市挑戰(zhàn)賽”，這次比賽在美國喬治空軍基地舉行，除了沙漠路段，還增添了城市路段，挑戰(zhàn)升級，獎金也翻一番到200萬。這一次，激光雷達(dá)、攝像頭、雷達(dá)，所有能配備的傳感器都應(yīng)用到比賽中。最終卡內(nèi)基梅隆大學(xué)獲得了冠軍。

DARPA這場挑戰(zhàn)賽，參賽的斯坦福與卡內(nèi)基梅隆大學(xué)，成為美國無人駕駛行業(yè)的黃埔軍校。

僅僅是舉辦了三屆比賽，卻對行業(yè)產(chǎn)生了深遠(yuǎn)的影響。從第一次所有團(tuán)隊都毫無經(jīng)驗，到第二次激光雷達(dá)的加入；到第三次計算機(jī)視覺與激光雷達(dá)都成為主流的解決方案。

直到今天，無人駕駛的研發(fā)也依然在借鑒過去的思路。

高度自動化駕駛將會讓行車更安全，而且也有助于提升我們(乘客)的生活或工作效率。

同時，自動駕駛帶來共乘共享的機(jī)制還能讓車輛減少，都市的塞車和污染問題就能迎刃而解。

無人駕駛能夠首先商業(yè)化場景有以下三類：

無人駕駛出租車（Robotaxi）是無人駕駛出行中最核心的商業(yè)化落地場景之一，這也是現(xiàn)在滴滴等公司的研究方向。

日常出行中，高速、環(huán)路上的駕駛往往占據(jù)了駕駛員大部分的出行時間。

由于高速、環(huán)路的場景相對單一，所需要面臨的突發(fā)狀況相比于Robotaxi少很多，只需要解決從上匝道到下匝道期間汽車的自動駕駛問題即可，因而成為眾多Tier1和無人駕駛科技公司的發(fā)力方向。

相信很多駕齡不短的司機(jī)都有過“開車五分鐘，停車兩小時”的可怕經(jīng)歷。很多時候，面對只有零星幾個空車位的停車場，我們很容易像沒頭蒼蠅一樣碰運氣找車位。

有時候找到了空車位，但周圍的車停的東倒西歪，導(dǎo)致入口太窄，停進(jìn)去很難不碰到周圍的車，只能放棄繼續(xù)尋找。

面對消費者找車位難、停車難、取車難的這些痛點，智能代客泊車（Automated Valet Parking，簡稱AVP）成為了一個重要應(yīng)用場景。

相比于高速自動駕駛來說，低速的智能泊車系統(tǒng)可以不用配備成本較高傳感器，比如毫米波雷達(dá)或激光雷達(dá)。實現(xiàn)成本較低。

從定義上來講，無人駕駛汽車是通過車載傳感系統(tǒng)感知道路環(huán)境，自動規(guī)劃行車路線并控制車輛到達(dá)預(yù)定目的地的智能汽車。

無人駕駛系統(tǒng)的核心可以概述為三個部分：感知、規(guī)劃和控制。

感知層主要是通過各種傳感器以及高精度地圖實現(xiàn)，包含車輛的定位以及對物體的識別。

車輛的定位主要是通過光雷達(dá)（LiDar)、GPS、慣性傳感器、高精度地圖等等信息進(jìn)行綜合，從而得出車輛的準(zhǔn)確位置，其定位精度甚至可達(dá)cm級別；

物體的識別主要采用光雷達(dá)以及雙目攝像頭實現(xiàn)；

決策層的輸入包括感知層的信息、路徑的規(guī)劃以及控制層反饋回來的信息，通過增加學(xué)習(xí)算法下發(fā)決策指令。

決策指令包含：跟車、超車、加速、剎車、減速、轉(zhuǎn)向、調(diào)頭等等；

根據(jù)決策層下發(fā)的指令，控制層對車輛實施具體的控制，其中包括：油門的控制、剎車的控制、方向盤的控制以及檔位的控制；

主要用于車道線、交通標(biāo)示牌、紅綠燈以及車輛、行人檢測，有檢測信息全面、價格便宜的特定，但會受到雨雪天氣和光照的影響。

由鏡頭、鏡頭模組、濾光片、CMOS／CCD、ISP、數(shù)據(jù)傳輸部分組成。

光線經(jīng)過光學(xué)鏡頭和濾光片后聚焦到傳感器上，通過CMOS或CCD集成電路將光信號轉(zhuǎn)換成電信號，再經(jīng)過圖像處理器（ISP）轉(zhuǎn)換成標(biāo)準(zhǔn)的RAW，RGB或YUV等格式的數(shù)字圖像信號，通過數(shù)據(jù)傳輸接口傳到計算機(jī)端。

激光雷達(dá)是一類使用激光進(jìn)行探測和測距的設(shè)備，它能夠每秒鐘向環(huán)境發(fā)送數(shù)百萬光脈沖，它的內(nèi)部是一種旋轉(zhuǎn)的結(jié)構(gòu)，這使得激光雷達(dá)能夠?qū)崟r的建立起周圍環(huán)境的3維地圖。

激光雷達(dá)使用的技術(shù)是飛行時間法（Time of Flight）根據(jù)光線遇到障礙的折返時間計算距離。為了覆蓋一定角度范圍需要進(jìn)行角度掃描，從而出現(xiàn)了各種掃描原理。

主要分為：同軸旋轉(zhuǎn)、棱鏡旋轉(zhuǎn)、MEMS掃描、相位式、閃爍式。激光雷達(dá)不光用于感知，也應(yīng)用于高精度地圖的測繪和定位，是公認(rèn)L3級以上自動駕駛必不可少的傳感器。

主要用于交通車輛的檢測，檢測速度快、準(zhǔn)確，不易受到天氣影響，對車道線交通標(biāo)志等無法檢測。

毫米波雷達(dá)由芯片、天線、算法共同組成，基本原理是發(fā)射一束電磁波，觀察回波與入射波的差異來計算距離、速度等。成像精度的衡量指標(biāo)為距離探測精度、角分辨率、速度差分辨率。

毫米波頻率越高，帶寬越寬，成像約精細(xì)，主要分為77GHz和24GHz兩種類型 。

GNSS板卡通過天線接收所有可見GPS衛(wèi)星和RTK的信號后，進(jìn)行解譯和計算得到自身的空間位置。

當(dāng)車輛通過遂道或行駛在高聳的樓群間的街道時，這種信號盲區(qū)由于信號受遮擋而不能實施導(dǎo)航的風(fēng)險，就需要融合INS的信息；

INS具有全天候、完全自主、不受外界干擾、可以提供全導(dǎo)航參數(shù)（位置、速度、姿態(tài)）等優(yōu)點，組合之后能達(dá)到比兩個獨立運行的最好性能還要好的定位測姿性能。

無人駕駛的攝像頭會采集到圖像素材，圖像可以包含豐富的顏色信息，可以識別各種精細(xì)的類別，但是在黑暗中無法使用；激光可以在黑暗或強(qiáng)光中使用，但是雨天無法正常工作。

目前不存在一種傳感器可以滿足不同的使用場景，所以目前業(yè)界通常會通過傳感器融合的方式來提高準(zhǔn)確率，也能夠彌補(bǔ)缺點。

由于攝像頭數(shù)據(jù)（圖片）包含豐富的顏色信息，所以對于精細(xì)的障礙物類別識別、信號燈檢測、車道線檢測、交通標(biāo)志檢測等問題就需要依賴計算機(jī)視覺技術(shù)。

無人駕駛中的目標(biāo)檢測與學(xué)術(shù)界中標(biāo)準(zhǔn)的目標(biāo)檢測問題有一個很大的區(qū)別，就是距離。無人車在行駛時只知道前面有一個障礙物是沒有意義的，還需要知道這個障礙物的距離，也就是這個障礙物的3D坐標(biāo)，這樣在做決策規(guī)劃時，才可以知道要用怎樣的行駛路線來避開這些障礙物。

為了理解點云信息，通常來說，我們對點云數(shù)據(jù)進(jìn)行兩步操作：分割（Segmentation）和分類（Classification）。

其中，分割是為了將點云圖中離散的點聚類成若干個整體，而分類則是區(qū)分出這些整體屬于哪一個類別（比如說行人，車輛以及障礙物）。

分割算法可以被分類如下幾類：

基于邊的方法，例如梯度過濾等；

基于區(qū)域的方法，這類方法使用區(qū)域特征對鄰近點進(jìn)行聚類，聚類的依據(jù)是使用一些指定的標(biāo)準(zhǔn)（如歐幾里得距離，表面法線等），這類方法通常是先在點云中選取若干種子點（seed points），然后使用指定的標(biāo)準(zhǔn)從這些種子點出發(fā)對鄰近點進(jìn)行聚類；

參數(shù)方法，這類方法使用預(yù)先定義的模型去擬合點云，常見的方法包括隨機(jī)樣本一致性方法（Random Sample Consensus，RANSAC ）和霍夫變換(Hough Transform，HT)；

基于屬性的方法，首先計算每個點的屬性，然后對屬性相關(guān)聯(lián)的點進(jìn)行聚類的方法；

基于圖的方法；

基于機(jī)器學(xué)習(xí)的方法；

分割技術(shù)在無人駕駛中比較主要的應(yīng)用就是可行駛區(qū)域識別?？尚旭倕^(qū)域可以定義成機(jī)動車行駛區(qū)域，或者當(dāng)前車道區(qū)域等。

由于這種區(qū)域通常是不規(guī)則多邊形，所以分割是一種較好的解決辦法。與檢測相同的是，這里的分割同樣需要計算這個區(qū)域的三維坐標(biāo)。

對于距離信息的計算有多種計算方式：

激光測距，原理是根據(jù)激光反射回的時間計算距離。這種方式計算出的距離是最準(zhǔn)的，但是計算的輸出頻率依賴于激光本身的頻率，一般激光是 10Hz；

單目深度估計，原理是輸入是單目相機(jī)的圖片，然后用深度估計的 CNN 模型進(jìn)行預(yù)測，輸出每個像素點的深度。這種方式優(yōu)點是頻率可以較高，缺點是估出的深度誤差比較大。

結(jié)構(gòu)光測距，原理是相機(jī)發(fā)出一種獨特結(jié)構(gòu)的結(jié)構(gòu)光，根據(jù)返回的光的偏振等特點，計算每個像素點的距離。這種方式主要缺點是結(jié)構(gòu)光受自然光影響較大，所以在室外難以使用。

雙目測距，原理是根據(jù)兩個鏡頭看到的微小差別，根據(jù)兩個鏡頭之間的距離，計算物體的距離。這種方式缺點是計算遠(yuǎn)處物體的距離誤差較大。

根據(jù)相機(jī)內(nèi)參計算，原理跟小孔成像類似。圖片中的每個點可以根據(jù)相機(jī)內(nèi)參轉(zhuǎn)化為空間中的一條線，所以對于固定高度的一個平面，可以求交點計算距離。通常應(yīng)用時固定平面使用地面，即我們可以知道圖片中每個地面上的點的精確距離。這種計算方式在相機(jī)內(nèi)參準(zhǔn)確的情況下精度極高，但是只能針對固定高度的平面。

近年來深度學(xué)習(xí)的突破，使得基于圖像和深度學(xué)習(xí)的感知技術(shù)在環(huán)境感知中發(fā)揮了越來越重要的作用；

借助人工智能，我們已經(jīng)不再局限于感知障礙物，而逐漸變成理解障礙物是什么，理解場景，甚至預(yù)測目標(biāo)障礙物的行為，使得無人駕駛的安全系數(shù)更高。

盡管無人駕駛起源于美國，現(xiàn)在國內(nèi)也是如火如荼，但是中美兩國的商業(yè)化落地走了不一樣的兩條路，美國公司更重科研和通用，中國公司們則多在研究低速、場景化的無人駕駛實現(xiàn)路徑。

有網(wǎng)友發(fā)帖爆出，Model 3在行駛中開啟自動駕駛系統(tǒng)，如果車輛進(jìn)入到立交橋的車輛陰影區(qū)。而且前面有跟車；就會出現(xiàn)“突然剎車”狀況。

自動駕駛工程師將這種情況稱之為“幽靈剎車”，而且出現(xiàn)了第一起無人駕駛“殺人”事件，但這都是無人駕駛發(fā)展的必經(jīng)之路。

如果要問“無人駕駛還要多久實現(xiàn)？”

科學(xué)家說“50年，不，100年”；投資人認(rèn)為2050年或許可以；

而谷歌早年無人駕駛項目的實際控制人是克里斯·厄姆森（Chris Urmson）在演講中說：“無人駕駛真正實現(xiàn)還要30年?！?/span>

你覺得多久能實現(xiàn)？?。ňC合自每日經(jīng)濟(jì)新聞、中國無人駕駛網(wǎng)）