【智能駕駛】最全、最強的無人駕駛技術學習路線

作者：許小岩 來源：AI腦力波 授權 産業智能官 轉載。

近兩年，國内外掀起了一場空前的無人駕駛熱潮。特斯拉、谷歌、福特、奔馳、豐田、百度、滴滴等衆多企業開始研發無人駕駛汽車，甚至不少企業已經計劃量産無人車。而在推動無人駕駛技術取得更多進展的過程中，要想無人駕駛汽車大量普及，還有許多艱巨的技術挑戰有待克服。

因此，筆者這次選擇從無人駕駛技術的角度，盡可能全面地來與大家聊一下如何入門無人駕駛行業。

無人駕駛實現普及會帶來哪些好處呢？

首先，能提高人類社會的效率。當無人駕駛成為現實時，人們就可以在路上辦公、生活，時間都浪費在路上的這種說法将不複存在。另外，每輛傳統車每年平均排放5噸的二氧化碳，而如果使用中央調度的無人新能源車，總排放量可以降低到0.6億噸，效果驚人。

其次，比人類駕駛更為安全。人類駕駛員每駕駛100萬英裡的裡程，平均會發生4.2次意外，全球每年會産生大約1300萬次事故。如果我們能把無人駕駛每100萬英裡的事故率控制在1次以内，那麼總事故數會被控制在300萬左右。現在每年全球車禍死亡人數超過百萬，所以無人駕駛的普及可以每年在全球挽救幾十萬甚至上百萬的生命。

無人駕駛并不是單點的技術，而是多個技術的整合。自動駕駛的關鍵技術依次可以分為環境感知、行為決策、路徑規劃和運動控制四大部分。

去年5月，特斯拉撞卡車交通事故的宣判結果是：特斯拉Autopilot的功能限制是導緻2016年5月交通緻死事故的主要原因，這裡的功能缺陷實際上就是傳感器感知的缺陷。

無人駕駛汽車行駛過程中有必要知道自己的位置信息，隻有這樣才知道要怎麼去往目的地。因此，無人駕駛汽車如何進行定位呢？這裡我們要講到三個方面。

技術1：感知傳感器

感知傳感器分為很多種，包括視覺傳感器、激光傳感器、雷達傳感器等。

成本問題：

在短期内，激光雷達的成本仍然很高，而且是轉動的形式，容易磨損，耐用性很差，這也是限制自動駕駛汽車普及的重要原因之一，有待無人駕駛領域工作者來解決。

技術2：GPS

GPS是一個比較好的定位導航工具，但是其更新率低是最大的問題。有的是1幀/秒的更新，有的是10幀/秒的更新，車輛高速行駛的狀況下，這顯然不夠用。所以，一般情況下，我們會把GPS和IMU慣導系統結合起來。慣導系統能提供快速更新——1000幀/秒，這彌補了GPS的更新率低的問題；而慣性導航所存在的“累計誤差”問題，也可以通過GPS來彌補。

技術3：高精地圖（HD Map）

激光雷達的好處是有一定的射程，能觸及100-200米的距離，能很精準的得到空間中的點（3D點雲）。将激光雷達的數據和高精地圖的數據做一個匹配，可以将車輛定位上升到厘米級别。

具體到高精地圖的制作上。在高精地圖的最底層，是一個網格地圖，網格地圖是使用激光雷達掃描回來的，精度可達5厘米；網格地圖之上，我們會做道路的标簽，也就是最底層的reference line；再加一些語義信息，精确到車道，标示出lanes；在車道之上，再做一些語義标簽，比如限速、紅綠燈這樣的标志物。高精地圖制作起來費用高昂，因為需要激光雷達設備不斷去掃描外部環境，從而得到相關的數據來支撐其制作。剛入門的同學可以使用商業地圖平台，比如百度地圖，去了解現有地圖的精度。然後通過深入學習高精地圖 。

技術4：輪速計

這個就相對簡單了，因為輪子周長固定，可以通過圈速來進行距離的測算，但是這個方式的累計誤差會比較大，所以也存在很大的問題。

這個部分其實是無人駕駛中最難的部分。感知、決策、規劃、控制這四層并不是獨立存在，各個層級之間都需要編寫代碼，去實現信息的轉化，設計到行為決策可細化為：

步驟1. 采集

最上方的感知系統可以感知行人的位置、速度及态勢，然後将這些信息傳送給預測模塊，預測行人是往前還是往後，速度多快。而下方的定位數據流進來之後，全局的路徑規劃模塊就會将這些路徑傳入到最核心的控制決策模塊——其中包括行為決策、動作決策和反饋控制。最後，這些信号會傳送給CAN-BUS，由車輛來執行。

步驟2. 預處理

傳感器的信息拿到後會發現不是所有信息都是有用的。

傳感器層将數據以一幀一幀、固定頻率發送給下遊，但下遊是無法拿每一幀的數據去進行決策或者融合的。這是因為傳感器的狀态不是100%有效的，如果僅根據某一幀的信号去判定前方是否有障礙物，對下遊決策來說是極不負責任的。因此上遊需要對信息做預處理，以保證車輛前方的障礙物在時間維度上是一直存在的，而不是一閃而過。

這裡就會使用到智能駕駛領域經常使用到的一個算法——卡爾曼濾波。卡爾曼濾波（Kalman filtering）一種利用線性系統狀态方程，通過系統輸入輸出觀測數據，對系統狀态進行最優估計的算法。

步驟3. 決策

這裡其實可以分成兩個問題：一個是分類問題，另一個是回歸的問題。分類問題要了解的是行人到底是過馬路還是不過馬路，回歸問題就更複雜一些，如果行人是過馬路，那麼針對其過馬路的速度是多少，需要做一個預測。 路徑規劃也是比較有趣的，因為這對無人車來說是一個比較特殊的問題，因為對于普通的車輛來說，隻要知道這是哪條路就行了，而不需要知道這是哪一條車道。

有了全局的路徑規劃以後，我們就需要進行行為決策。因為道路場景非常複雜，可以分成幾十個不同的場景——左右車道、丁字路口等等，需要做場景組合決策。

智能車輛有了行駛任務，智能車輛的路徑規劃就是在進行環境信息感知并确定車輛在環境中位置的基礎上，按照一定的搜索算法，找出一條可通行的路徑，進而實現智能車輛的自主導航。

路徑規劃的方法根據智能車輛工作環境信息的完整程度，可分為兩大類：

一是，基于完整環境信息的全局路徑規劃方法。例如，從上海到北京有很多條路，規劃處一條作為行駛路線即為全局規劃。如栅格法、可視圖法、拓撲法、自由空間法、神經網絡法等靜态路徑規劃算法。

二是基于傳感器實時獲取環境信息的局部路徑規劃方法。例如，在全局規劃好的上海到北京的那條路線上會有其他車輛或者障礙物，想要避過這些障礙物或者車輛，需要轉向調整車道，這就是局部路徑規劃。局部路徑規劃的方法包括：人工勢場法、矢量域直方圖法、虛拟力場法、遺傳算法等動态路徑規劃算法等。

另外，在車道保持、車道偏離預警、車距保持，障礙物警告等系統中，也需要預測本車與其他車輛、車道、行人等在未來一段時間内的狀态，這裡需要了解和學習的決策理論包括：模糊推理、強化學習、神經網絡和貝葉斯網絡技術等。

規劃好了行駛路徑，接下來就是運動控制部分需要完成的内容。

運動控制，包括加速、減速、轉向等等，速度控制主要使用了ST-graph工具來做，路徑控制主要是動态編程來實現。

現在研究比較多的是路徑控制，所運用的方法主要包括滑膜控制、模糊控制、神經網絡控制、最優控制、自适應控制和純跟蹤控制等。

通俗地講就是，速度控制為給定一個速度，通過控制轉向達到車輛沿着預定軌迹行駛的目的；而路徑控制目的是為了滿足車輛行駛過程中的速度要求，有時候還需要配合速度達到滿足車輛在軌迹跟蹤的同時，還需要滿足安全性、穩定性和舒适性的目的。因為車輛是一個特别複雜的系統，速度、路徑和垂向都有耦合關系的存在，因此就需要對智能車輛進行兩方面的協同控制。由于其耦合關系的複雜性，所以說智能車輛運動控制的協同控制技術，也是該部分的技術難點。

許多技術方向的同學對人工智能是又愛又畏懼，一方面覺得這是未來，另一方面覺得很難而不敢觸碰。下面，我們探讨一下如何為投身無人駕駛行業做好準備。

興趣與勇氣

當前的人工智能熱潮是一次大的技術革命，對廣大技術人員來說是個特别好的機會，但是如果隻掌握一個技術點是不足夠的。在技術行業，隔行如隔山，比如做算法的對軟件設計未必熟悉，專注做軟件的很少懂系統，而懂系統的了解硬件的也不多。反過來也一樣。所以如果你有好奇心有興趣，也有勇氣去嘗試新的東西，那麼就一定能克服困難，入門無人駕駛領域。

入門知識學習

無人駕駛是一個複雜的系統，涉及的技術點種類多且跨度大，入門者常常不知從何入手。本文宏觀地呈現了無人駕駛的整體技術架構，概述了無人駕駛中涉及的部分技術點。當你對無人駕駛技術有了宏觀認識後，再開始進一步學習無人駕駛定位導航、感知、決策與控制等算法，深度學習在無人駕駛中的應用，無人駕駛系統軟件和硬件平台，無人駕駛安全及無人駕駛雲平台等多個主要技術點。

書籍和課程

美國出版的《Creating Autonomous Vehicle Systems》這本書被IEEE推薦為無人駕駛教材，已經被美國多個大學的圖書館收錄，如果大家感興趣可以拿來讀一讀。另外，如果你對某個技術點特别感興趣，網上也有足夠的文獻值得你去深入研究。

另外，優達學城的《無人駕駛入門》這門課的要求相對較低，也适合有了一定自學基礎的無人駕駛愛好者進行學習。教授這門課的正是Thrun大神，他曾是Google無人車項目負責人，被稱為無人車之父。

本文為大家呈現了無人駕駛涉及到的各細分領域技術，如果你對無人駕駛感興趣，如果你想成為一名無人駕駛工程師，小編希望本文能讓你有所收獲。

人工智能賽博物理操作系統

AI-CPS OS

“人工智能賽博物理操作系統”（新一代技術+商業操作系統“AI-CPS OS”：雲計算+大數據+物聯網+區塊鍊+人工智能）分支用來的今天，企業領導者必須了解如何将“技術”全面滲入整個公司、産品等“商業”場景中，利用AI-CPS OS形成數字化+智能化力量，實現行業的重新布局、企業的重新構建和自我的煥然新生。

AI-CPSOS的真正價值并不來自構成技術或功能，而是要以一種傳遞獨特競争優勢的方式将自動化+信息化、智造+産品+服務和數據+分析一體化，這種整合方式能夠釋放新的業務和運營模式。如果不能實現跨功能的更大規模融合，沒有颠覆現狀的意願，這些将不可能實現。

領導者無法依靠某種單一戰略方法來應對多維度的數字化變革。面對新一代技術+商業操作系統AI-CPS OS颠覆性的數字化+智能化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位：

1. 重新行業布局：你的世界觀要怎樣改變才算足夠？你必須對行業典範進行怎樣的反思？

2. 重新構建企業：你的企業需要做出什麼樣的變化？你準備如何重新定義你的公司？

3. 重新打造自己：你需要成為怎樣的人？要重塑自己并在數字化+智能化時代保有領先地位，你必須如何去做？

AI-CPS OS是數字化智能化創新平台，設計思路是将大數據、物聯網、區塊鍊和人工智能等無縫整合在雲端，可以幫助企業将創新成果融入自身業務體系，實現各個前沿技術在雲端的優勢協同。AI-CPS OS形成的數字化+智能化力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數字化融入到領導者所在企業與領導方式的核心位置：

1. 精細：這種力量能夠使人在更加真實、細緻的層面觀察與感知現實世界和數字化世界正在發生的一切，進而理解和更加精細地進行産品個性化控制、微觀業務場景事件和結果控制。

2. 智能：模型随着時間（數據）的變化而變化，整個系統就具備了智能（自學習）的能力。

3. 高效：企業需要建立實時或者準實時的數據采集傳輸、模型預測和響應決策能力，這樣智能就從批量性、階段性的行為變成一個可以實時觸達的行為。

4. 不确定性：數字化變更颠覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了複合不确定性這種颠覆性力量。主要的不确定性蘊含于三個領域：技術、文化、制度。

5. 邊界模糊：數字世界與現實世界的不斷融合成CPS不僅讓人們所知行業的核心産品、經濟學定理和可能性都産生了變化，還模糊了不同行業間的界限。這種效應正在向生态系統、企業、客戶、産品快速蔓延。

AI-CPS OS形成的數字化+智能化力量通過三個方式激發經濟增長：

1. 創造虛拟勞動力，承擔需要适應性和敏捷性的複雜任務，即“智能自動化”，以區别于傳統的自動化解決方案；

2. 對現有勞動力和實物資産進行有利的補充和提升，提高資本效率；

3. 人工智能的普及，将推動多行業的相關創新，開辟嶄新的經濟增長空間。

給決策制定者和商業領袖的建議：

1. 超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動态機器智能，為企業創造新商機；

2. 迎接新一代信息技術，迎接人工智能：無縫整合人類智慧與機器智能，重新

   評估未來的知識和技能類型；

3. 制定道德規範：切實為人工智能生态系統制定道德準則，并在智能機器的開

   發過程中确定更加明晰的标準和最佳實踐；

4. 重視再分配效應：對人工智能可能帶來的沖擊做好準備，制定戰略幫助面臨

   較高失業風險的人群；

5. 開發數字化+智能化企業所需新能力：員工團隊需要積極掌握判斷、溝通及想象力和創造力等人類所特有的重要能力。對于中國企業來說，創造兼具包容性和多樣性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。” 《論語·子路》雲計算、大數據、物聯網、區塊鍊和 人工智能，像君子一般融合，一起體現科技就是生産力。

如果說上一次哥倫布地理大發現，拓展的是人類的物理空間。那麼這一次地理大發現，拓展的就是人們的數字空間。在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的财富空間。雲計算，大數據、物聯網和區塊鍊，是進入這個數字空間的船，而人工智能就是那船上的帆，哥倫布之帆！

新一代技術+商業的人工智能賽博物理操作系統AI-CPS OS作為新一輪産業變革的核心驅動力，将進一步釋放曆次科技革命和産業變革積蓄的巨大能量，并創造新的強大引擎。重構生産、分配、交換、消費等經濟活動各環節，形成從宏觀到微觀各領域的智能化新需求，催生新技術、新産品、新産業、新業态、新模式。引發經濟結構重大變革，深刻改變人類生産生活方式和思維模式，實現社會生産力的整體躍升。