自動(dòng)駕駛?cè)f億市場(chǎng)待開(kāi)發(fā) 無(wú)人駕駛未來(lái)將駛向何方？

　　自動(dòng)駕駛萬(wàn)億市場(chǎng)待開(kāi)發(fā)

　　伴隨5G時(shí)代開(kāi)啟，汽車(chē)自動(dòng)駕駛或許將從想象變成現(xiàn)實(shí)。

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

　　據(jù)全球市場(chǎng)調(diào)研機(jī)構(gòu)IHS Market預(yù)測(cè)，伴隨5G推動(dòng)L4/5自動(dòng)駕駛逐步落地，2030年國(guó)內(nèi)自動(dòng)駕駛出行服務(wù)收入規(guī)模有望突破萬(wàn)億。這意味著，自動(dòng)駕駛的美好未來(lái)似乎將觸手可及。

　　5G加持自動(dòng)駕駛

　　5G時(shí)代到來(lái)，影響的不僅僅是通訊行業(yè)，還有汽車(chē)自動(dòng)駕駛技術(shù)。

　　在“汽車(chē)新四化”浪潮的沖擊下，各大車(chē)企都提出了自動(dòng)駕駛出行的美好愿景。不過(guò)，目前大多數(shù)主機(jī)廠的自動(dòng)駕駛水平仍在L2級(jí)。L4和L5級(jí)自動(dòng)駕駛的挑戰(zhàn)難度很大，其技術(shù)瓶頸在于將車(chē)輛、道路信息等實(shí)時(shí)數(shù)據(jù)傳輸時(shí)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(shí)特性的5G技術(shù)，如果能與車(chē)聯(lián)網(wǎng)（V2X）實(shí)施運(yùn)用相關(guān)聯(lián)，就可以構(gòu)建智慧交通體系，加速自動(dòng)駕駛汽車(chē)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(dòng)駕駛技術(shù)路線，如今，5G技術(shù)驅(qū)動(dòng)下的自動(dòng)駕駛正演化出一條新技術(shù)路線。

　　“中國(guó)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(chǎng)景、彌補(bǔ)路測(cè)數(shù)據(jù)的不足，從而提高自動(dòng)駕駛的安全性，以更快實(shí)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(chēng)。

　　據(jù)了解，中智行科技有限公司的自動(dòng)駕駛路線就是5G+AI，即人工智能通過(guò)深度學(xué)習(xí)，通過(guò)車(chē)上加載的傳感器感知周邊物體，并依賴(lài)車(chē)上搭載的計(jì)算平臺(tái)實(shí)時(shí)感知規(guī)劃路徑，對(duì)車(chē)輛進(jìn)行控制。

　　不過(guò)，從技術(shù)角度來(lái)看，自動(dòng)駕駛并非一家公司就可以實(shí)現(xiàn)，需要行業(yè)整體協(xié)同發(fā)展。例如，車(chē)輛自動(dòng)駕駛時(shí)的數(shù)據(jù)采集等離不開(kāi)高精地圖的整合與對(duì)接。

　　萬(wàn)億市場(chǎng)待開(kāi)發(fā)

　　中信建投證券在一份研報(bào)中預(yù)計(jì)，2019年中國(guó)將新建開(kāi)通5G基站10萬(wàn)個(gè)左右，預(yù)計(jì)全球在30萬(wàn)~40萬(wàn)個(gè)基站左右，這意味著，未來(lái)5G產(chǎn)業(yè)將迎來(lái)一輪巨大的基礎(chǔ)設(shè)施建設(shè)潮。

　　誠(chéng)然，5G的加速推進(jìn)使自動(dòng)駕駛的落地可能性在不斷增大。據(jù)全球市場(chǎng)調(diào)研機(jī)構(gòu)IHS Market預(yù)測(cè)，2025年全球自動(dòng)駕駛汽車(chē)銷(xiāo)量將達(dá)到60萬(wàn)輛，2035年將達(dá)到2100萬(wàn)輛。預(yù)計(jì)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(dòng)L4/5自動(dòng)駕駛逐步落地，2030年國(guó)內(nèi)自動(dòng)駕駛出行服務(wù)收入規(guī)模有望突破萬(wàn)億。

　　萬(wàn)億市場(chǎng)規(guī)模之下，汽車(chē)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(chē)集團(tuán)宣布成立自動(dòng)駕駛子公司Volkswagen Autonomy，計(jì)劃在下個(gè)十年的中期開(kāi)始自動(dòng)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(gè)自動(dòng)駕駛移動(dòng)網(wǎng)絡(luò)解決方案，并將在明年推出系列化的無(wú)線網(wǎng)絡(luò)自動(dòng)駕駛的L3應(yīng)用。

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

　　王敬的預(yù)判正在成為現(xiàn)實(shí)。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(shì)展開(kāi)合作，包括應(yīng)用于智能網(wǎng)聯(lián)汽車(chē)的通信芯片及5G V2X和后續(xù)演進(jìn)技術(shù)方案，預(yù)計(jì)將會(huì)在2022年后實(shí)現(xiàn)L3及以上自動(dòng)駕駛汽車(chē)的商業(yè)化。

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

無(wú)人駕駛的未來(lái)將駛向何方？

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

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

2017年7月5號(hào)百度AI開(kāi)發(fā)者大會(huì)，百度創(chuàng)始人、董事長(zhǎng)兼首席執(zhí)行官李彥宏乘坐公司研發(fā)的無(wú)人駕駛汽車(chē)行駛在北京五環(huán)；

2019年滴滴網(wǎng)約自動(dòng)駕駛車(chē)亮相世界人工智能大會(huì)；

可以說(shuō)，無(wú)人駕駛已經(jīng)上路了。

什么算是無(wú)人駕駛，自動(dòng)巡航算是無(wú)人駕駛嗎？

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

美國(guó)汽車(chē)工程師協(xié)會(huì)（SAE）根據(jù)系統(tǒng)對(duì)于車(chē)輛操控任務(wù)的把控程度，將自動(dòng)駕駛技術(shù)分為 L0-L5 級(jí)L0 級(jí)無(wú)自動(dòng)化功能。

在新聞報(bào)道中車(chē)廠會(huì)強(qiáng)調(diào)他們?cè)贚2-L3輔助駕駛系統(tǒng)的成果；科技創(chuàng)業(yè)公司則會(huì)強(qiáng)調(diào)L4是完全不同于L2-L3的新物種。

L2-L3級(jí)自動(dòng)駕駛，駕駛員必須在駕駛座上，隨時(shí)準(zhǔn)備接管車(chē)；L4級(jí)自動(dòng)駕駛——不要駕駛員，在限定環(huán)境中真正做到“無(wú)人”駕駛；而L5是指無(wú)人駕駛的最高級(jí)別，在任何場(chǎng)景任何天氣下，都不需要人來(lái)操控。

2001年，美國(guó)開(kāi)始了阿富汗戰(zhàn)爭(zhēng)，為了應(yīng)對(duì)路邊炸彈的大量傷亡，美國(guó)國(guó)會(huì)要求，在2015年，軍方三分之一車(chē)輛必須進(jìn)行無(wú)人駕駛。

2003年，伊拉克戰(zhàn)爭(zhēng)爆發(fā)，無(wú)人駕駛還沒(méi)有進(jìn)展。因此美國(guó)軍方開(kāi)啟非常規(guī)操作思路——用無(wú)人駕駛賽車(chē)的方式，為獲勝的團(tuán)隊(duì)提供100萬(wàn)美元的獎(jiǎng)金，在選址上，也選擇了與伊拉克戰(zhàn)爭(zhēng)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(wú)名，所有的團(tuán)隊(duì)都慘敗而歸。走的最遠(yuǎn)的卡內(nèi)基梅隆團(tuán)隊(duì)，也沒(méi)有走過(guò)全程的5%。那一年，大部分參賽者的思路是，用硬件改裝汽車(chē)。

2005年的第二屆DARPA挑戰(zhàn)賽，這一次，去年參賽過(guò)的團(tuán)隊(duì)開(kāi)始放棄主要在硬件上改裝車(chē)，絕大部分團(tuán)隊(duì)都加上了激光雷達(dá)測(cè)距儀等傳感器。那一年，激光雷達(dá)的測(cè)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(guó)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(jí)，獎(jiǎng)金也翻一番到200萬(wàn)。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(chǎng)挑戰(zhàn)賽，參賽的斯坦福與卡內(nèi)基梅隆大學(xué)，成為美國(guó)無(wú)人駕駛行業(yè)的黃埔軍校。

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

直到今天，無(wú)人駕駛的研發(fā)也依然在借鑒過(guò)去的思路。

高度自動(dòng)化駕駛將會(huì)讓行車(chē)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(shí)，自動(dòng)駕駛帶來(lái)共乘共享的機(jī)制還能讓車(chē)輛減少，都市的塞車(chē)和污染問(wèn)題就能迎刃而解。

無(wú)人駕駛能夠首先商業(yè)化場(chǎng)景有以下三類(lèi)：

無(wú)人駕駛出租車(chē)（Robotaxi）是無(wú)人駕駛出行中最核心的商業(yè)化落地場(chǎng)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(shí)間。

由于高速、環(huán)路的場(chǎng)景相對(duì)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(chē)的自動(dòng)駕駛問(wèn)題即可，因而成為眾多Tier1和無(wú)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(guò)“開(kāi)車(chē)五分鐘，停車(chē)兩小時(shí)”的可怕經(jīng)歷。很多時(shí)候，面對(duì)只有零星幾個(gè)空車(chē)位的停車(chē)場(chǎng)，我們很容易像沒(méi)頭蒼蠅一樣碰運(yùn)氣找車(chē)位。

有時(shí)候找到了空車(chē)位，但周?chē)能?chē)停的東倒西歪，導(dǎo)致入口太窄，停進(jìn)去很難不碰到周?chē)能?chē)，只能放棄繼續(xù)尋找。

面對(duì)消費(fèi)者找車(chē)位難、停車(chē)難、取車(chē)難的這些痛點(diǎn)，智能代客泊車(chē)（Automated Valet Parking，簡(jiǎn)稱(chēng)AVP）成為了一個(gè)重要應(yīng)用場(chǎng)景。

相比于高速自動(dòng)駕駛來(lái)說(shuō)，低速的智能泊車(chē)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(shí)現(xiàn)成本較低。

從定義上來(lái)講，無(wú)人駕駛汽車(chē)是通過(guò)車(chē)載傳感系統(tǒng)感知道路環(huán)境，自動(dòng)規(guī)劃行車(chē)路線并控制車(chē)輛到達(dá)預(yù)定目的地的智能汽車(chē)。

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

感知層主要是通過(guò)各種傳感器以及高精度地圖實(shí)現(xiàn)，包含車(chē)輛的定位以及對(duì)物體的識(shí)別。

車(chē)輛的定位主要是通過(guò)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(chē)輛的準(zhǔn)確位置，其定位精度甚至可達(dá)cm級(jí)別；

物體的識(shí)別主要采用光雷達(dá)以及雙目攝像頭實(shí)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(lái)的信息，通過(guò)增加學(xué)習(xí)算法下發(fā)決策指令。

決策指令包含：跟車(chē)、超車(chē)、加速、剎車(chē)、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(duì)車(chē)輛實(shí)施具體的控制，其中包括：油門(mén)的控制、剎車(chē)的控制、方向盤(pán)的控制以及檔位的控制；

主要用于車(chē)道線、交通標(biāo)示牌、紅綠燈以及車(chē)輛、行人檢測(cè)，有檢測(cè)信息全面、價(jià)格便宜的特定，但會(huì)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(guò)光學(xué)鏡頭和濾光片后聚焦到傳感器上，通過(guò)CMOS或CCD集成電路將光信號(hào)轉(zhuǎn)換成電信號(hào)，再經(jīng)過(guò)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(hào)，通過(guò)數(shù)據(jù)傳輸接口傳到計(jì)算機(jī)端。

激光雷達(dá)是一類(lèi)使用激光進(jìn)行探測(cè)和測(cè)距的設(shè)備，它能夠每秒鐘向環(huán)境發(fā)送數(shù)百萬(wàn)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(shí)的建立起周?chē)h(huán)境的3維地圖。

激光雷達(dá)使用的技術(shù)是飛行時(shí)間法（Time of Flight）根據(jù)光線遇到障礙的折返時(shí)間計(jì)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(cè)繪和定位，是公認(rèn)L3級(jí)以上自動(dòng)駕駛必不可少的傳感器。

主要用于交通車(chē)輛的檢測(cè)，檢測(cè)速度快、準(zhǔn)確，不易受到天氣影響，對(duì)車(chē)道線交通標(biāo)志等無(wú)法檢測(cè)。

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(lái)計(jì)算距離、速度等。成像精度的衡量指標(biāo)為距離探測(cè)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(lèi)型 。

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

當(dāng)車(chē)輛通過(guò)遂道或行駛在高聳的樓群間的街道時(shí)，這種信號(hào)盲區(qū)由于信號(hào)受遮擋而不能實(shí)施導(dǎo)航的風(fēng)險(xiǎn)，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(diǎn)，組合之后能達(dá)到比兩個(gè)獨(dú)立運(yùn)行的最好性能還要好的定位測(cè)姿性能。

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

目前不存在一種傳感器可以滿(mǎn)足不同的使用場(chǎng)景，所以目前業(yè)界通常會(huì)通過(guò)傳感器融合的方式來(lái)提高準(zhǔn)確率，也能夠彌補(bǔ)缺點(diǎn)。

由于攝像頭數(shù)據(jù)（圖片）包含豐富的顏色信息，所以對(duì)于精細(xì)的障礙物類(lèi)別識(shí)別、信號(hào)燈檢測(cè)、車(chē)道線檢測(cè)、交通標(biāo)志檢測(cè)等問(wèn)題就需要依賴(lài)計(jì)算機(jī)視覺(jué)技術(shù)。

無(wú)人駕駛中的目標(biāo)檢測(cè)與學(xué)術(shù)界中標(biāo)準(zhǔn)的目標(biāo)檢測(cè)問(wèn)題有一個(gè)很大的區(qū)別，就是距離。無(wú)人車(chē)在行駛時(shí)只知道前面有一個(gè)障礙物是沒(méi)有意義的，還需要知道這個(gè)障礙物的距離，也就是這個(gè)障礙物的3D坐標(biāo)，這樣在做決策規(guī)劃時(shí)，才可以知道要用怎樣的行駛路線來(lái)避開(kāi)這些障礙物。

為了理解點(diǎn)云信息，通常來(lái)說(shuō)，我們對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行兩步操作：分割（Segmentation）和分類(lèi)（Classification）。

其中，分割是為了將點(diǎn)云圖中離散的點(diǎn)聚類(lèi)成若干個(gè)整體，而分類(lèi)則是區(qū)分出這些整體屬于哪一個(gè)類(lèi)別（比如說(shuō)行人，車(chē)輛以及障礙物）。

分割算法可以被分類(lèi)如下幾類(lèi)：

基于邊的方法，例如梯度過(guò)濾等；

基于區(qū)域的方法，這類(lèi)方法使用區(qū)域特征對(duì)鄰近點(diǎn)進(jìn)行聚類(lèi)，聚類(lèi)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(lèi)方法通常是先在點(diǎn)云中選取若干種子點(diǎn)（seed points），然后使用指定的標(biāo)準(zhǔn)從這些種子點(diǎn)出發(fā)對(duì)鄰近點(diǎn)進(jìn)行聚類(lèi)；

參數(shù)方法，這類(lèi)方法使用預(yù)先定義的模型去擬合點(diǎn)云，常見(jiàn)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(jì)算每個(gè)點(diǎn)的屬性，然后對(duì)屬性相關(guān)聯(lián)的點(diǎn)進(jìn)行聚類(lèi)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(wú)人駕駛中比較主要的應(yīng)用就是可行駛區(qū)域識(shí)別。可行駛區(qū)域可以定義成機(jī)動(dòng)車(chē)行駛區(qū)域，或者當(dāng)前車(chē)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(cè)相同的是，這里的分割同樣需要計(jì)算這個(gè)區(qū)域的三維坐標(biāo)。

對(duì)于距離信息的計(jì)算有多種計(jì)算方式：

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

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

結(jié)構(gòu)光測(cè)距，原理是相機(jī)發(fā)出一種獨(dú)特結(jié)構(gòu)的結(jié)構(gòu)光，根據(jù)返回的光的偏振等特點(diǎn)，計(jì)算每個(gè)像素點(diǎn)的距離。這種方式主要缺點(diǎn)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(cè)距，原理是根據(jù)兩個(gè)鏡頭看到的微小差別，根據(jù)兩個(gè)鏡頭之間的距離，計(jì)算物體的距離。這種方式缺點(diǎn)是計(jì)算遠(yuǎn)處物體的距離誤差較大。

根據(jù)相機(jī)內(nèi)參計(jì)算，原理跟小孔成像類(lèi)似。圖片中的每個(gè)點(diǎn)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(duì)于固定高度的一個(gè)平面，可以求交點(diǎn)計(jì)算距離。通常應(yīng)用時(shí)固定平面使用地面，即我們可以知道圖片中每個(gè)地面上的點(diǎn)的精確距離。這種計(jì)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(duì)固定高度的平面。

近年來(lái)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(lái)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(chǎng)景，甚至預(yù)測(cè)目標(biāo)障礙物的行為，使得無(wú)人駕駛的安全系數(shù)更高。

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

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

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

如果要問(wèn)“無(wú)人駕駛還要多久實(shí)現(xiàn)？”

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

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

你覺(jué)得多久能實(shí)現(xiàn)？?。ňC合自每日經(jīng)濟(jì)新聞、中國(guó)無(wú)人駕駛網(wǎng)）