# 自动驾驶原理

自动驾驶就是车辆在无驾驶员操作的情况下自行实现驾驶，它是车辆的能力。比如扫地机器人在扫地的时候就是在自动驾驶。自动驾驶有多种发展路径，单车智能、车路协同、联网云控等。车路协同是依靠车-车，车-路动态信息的实时交互实现自动驾驶。联网云控更注重通过云端的控制实现自动驾驶。本文章阐述的是单车智能。

# 基本原理概述

单车智能实现的基本原理是通过传感器实时感知到车辆及周边环境的情况，再通过智能系统进行规划决策，最后通过控制系统执行驾驶操作。

这里面有三个环节：

感知：车辆自身以及环境信息的采集与处理，包括视频信息、gps信息、车辆姿态、加速度信息等等。好比是人类的眼睛、耳朵、皮肤一样去收集。具体的比如前方是否有车，前方障碍物是否是人，红绿灯是什么颜色，自车的车速如何，路面情况如何等等信息，都是需要去感知的。
决策：依据感知到的情况，进行决策判断，确定适当的工作模型，制定适当的控制策略，代替人类做出驾驶决策。决策主要依赖的是芯片和算法，就好比是人类的大脑。看到红灯，决策需要停止；观察到前车很慢，决定从右侧超车；有小孩突然闯入道路，进行紧急制动。
控制：系统做出决策后，自动对车辆进行相应的操作执行。类比人类进行的方向盘以及油门、刹车的操作。系统通过线控系统将控制命令传递到底层模块执行对应操作任务。如左转5度。

# 硬件系统

硬件系统在各层都有。感知层主要是为自动驾驶系统获取外部行驶道路环境数据并帮助系统进行车辆定位。当前无人驾驶系统中代表性的传感器有摄像头、激光雷达、毫米波雷达、超声波雷达、GNSS/IMU等。它们的工作原理、技术特性各不相同，决定了适用的场景也不同。当前大部分车辆都是采用多种传感器相融合的方式以应对各种可能发生的情况，保证较好的实际使用效果。主流传感器的优缺点参考如下图。其他还有一些传感器在一些方案中也会被使用，如麦克风阵列，红外相机等。

感知层会收集大量的自车和环境数据，决策层需要自动驾驶芯片流畅地处理这些数据才能保证系统及时作出正确的决策，从而控制车辆自动行驶并确保安全。智能系统的三大要素是数据、算法和算力，而算力的根本就是芯片。芯片是决策层最为重要的硬件。目前能够量产自动驾驶芯片的主要是Mobileye（英特尔收购）、英伟达、特斯拉。Mobileye市场规模最大，应用于L2的产品有统治级别的市场占有率。英伟达是传统巨头，有算力最强的芯片。Tesla的芯片自产自销，能够量产高算力芯片。国内也有一家后起之秀地平线，芯片也已经量产，奋起直追中。

控制层则相对简单，主要是线控。线控就是用线（电信号）的形式来取代机械、液压或气动等形式的连接，实现电子控制，从而不再需要驾驶员的力量或者扭矩的输入。对于自动驾驶来说，核心的三个线控子系统是线控油门、线控转向、线控制动。我们常常听到自动驾驶各领域都有很多独角兽。奇怪的是线控方面资本市场却少有提及，但它也是自动驾驶生态中重要的一个环节。大概是因为线控技术直接涉及风险，大家有意无意地忽视。目前主流的L4&L4+自动驾驶硬件架构都是依赖激光雷达的，包括华为ADS、百度Apollo、Waymo、Mobileye等等。特斯拉的方案则没有激光雷达，个人认为关键原因是激光雷达成本高落地难，而视觉方案可以快速落地形成数据算法迭代优化的闭环。但激光雷达数据质量实在好，对视觉方案有极大的补充价值，甚至是主导价值，而且成本已经大幅下降。所以特斯拉可能成也视觉（更快落地）、败也视觉（效果上限较低）。

# 软件系统

我们以业界某款开源平台架构来理解一下自动驾驶在软件方面需要具备的能力。

地图引擎（Map）：提供道路、周边建筑等地图信息，高精地图还包含全局车道、曲率、坡度、红绿灯、护栏情况等等信息。如地图可以透出前方右拐急弯曲率及下坡坡度。
高精定位（Localization）：定位是一个重要模块，L3及以上自动驾驶场景需要高精定位，是车辆信息感知的一个重要元素。如定位到车辆在行进方向右边第二车道，该车道只能直行不能右拐。
感知（Perception）：感知模块接受并处理传感器信息，从而识别自车以及周边的情况。如感知到车辆的速度，感知到前方50米有一个行人。
预测（Prediction）：预测模块主要用于预测感知到的障碍物的运动轨迹。如在行驶中，感知到左侧道路有一辆车，根据车辆的状态和历史运动轨迹，预测车辆后续运动轨迹，识别是否有碰撞风险。
规划（Planning）：根据感知到的信息，规划出一条到达目的地的行进路线，而且还需要规划出未来一段时间内，每一时刻所在位置的精细轨迹和自车状态。如规划轨迹向左偏移并加速，超车后回到道路中心线附近。
控制（Control）：如字面意思，通过指令控制车辆硬件进行操作，如发送减速指令到制动器执行制动操作。
交互界面（HMI）：人类在中控屏幕上看到的人机交互模块。如自动驾驶系统通过HMI向乘客实时展示系统识别到的自车位置及周边障碍物信息，有助于提升乘客的安全感。HMI在人车共驾的过度阶段更有价值。
实时操作系统（RTOS）：Real Time Operation System 根据感知的数据信息，及时进行计算和分析并执行相应的控制操作。自动驾驶在感知、预测、高精定位等模块，对机器学习都有很深的应用和依赖。自动驾驶在一定程度上也促进了机器学习的发展。如下为整个架构的数据流向图，从中可以看出各模块的上下游依赖关系。感知是预测的上游；感知、预测、定位、地图又是规划的上游；而控制则是规划的下游；HMI则处于整个系统的下游。从中我们也可以看出，各模块对于高精地图都有依赖，可见高精地图的重要性。高精地图采集分为集中制图和众包制图两种，未来最可能普遍采用的方式是集中制图+众包更新，也可能是直接全众包SLAM制图，够用就好。

# 自动驾驶的发展

我们不妨先看看自动驾驶的发展历程。1925年，发明家Francis Houdina展示了一辆无线电控制的汽车，自动驾驶的雏形开始显现；1986年，第一辆自动驾驶汽车雪佛兰厢式货车Navlab 1诞生；1992年，我国第一辆纯正意义上的无人驾驶汽车诞生；进入21世纪后，自动驾驶技术获得了更多地关注，互联网巨头、传统车企、新势力等都逐渐加入自动驾驶领域的角逐。

# 自动驾驶的分级

# L0级（无自动驾驶No Driving Automation）

今天路上的大部分汽车都是0等级：手动控制。尽管车上有相关的系统帮助驾驶者更好地驾驶但是还是人来发布“动态的指令”。一个例子就是紧急制动系统-因为从技术上讲，它并不驾驶汽车，不能被当做自动化的驾驶。

# L1级（驾驶辅助Driver Assistance）

L1等级为自动驾驶的最低的一个等级，它最显著的特点是对于辅助驾驶有一个简单地自动系统，例如：转向或者加速（巡航控制）。自适应巡航系统可以让车辆与前车保持一个安全的距离，因为它由驾驶员来监控像是转向，刹车这些驾驶状况，所以它是可以作为是L1里的一个功能。

# L2级（部分自动驾驶Partial Driving Automation）

这意味着更先进的驾驶辅助系统或者ADAS，汽车可以控制转向和加减速。L2等级的自动化驾驶达不到自动驾驶，因为还是人坐在驾驶员的位置全时控制汽车。特斯拉的自动导航（Tesla Autopilot）和凯迪拉克的超级巡航系统都是L2。

# L3级（有条件的自动驾驶Conditional Driving Automation）

L2到L3的跳跃从技术上讲是一个实质性的跳跃，但是从驾驶员的角度来讲变化并不明显。L3级别的汽车有环境感知的能力，能够根据环境感知做出更明智的决策，例如加速超过一台低速汽车。但是，它仍需要驾驶员可以随时掌控，驾驶员必须时刻保持警惕并做好自动驾驶系统失效重新掌控汽车的准备。两年前，奥迪宣布下一代的A8旗舰版将成为世界上第一个量产的L3级别的汽车， 2019款奥迪A8L的特色是“交通堵塞先导”(Traffic Jam Pilot)，它将激光雷达扫描与先进的传感器融合和处理能力结合在一起(如果某个部件出现故障，还有内置冗余功能)。然而，就在奥迪开发他们的工程时，美国对自动驾驶汽车的监管程序从联邦指导转向了各州强制要求。因此，目前A8L在美国仍被归类为L2级别的车辆，将不具备实现L3级别功能所需的关键硬件和软件。然而，在欧洲，奥迪将推出全L3级别A8L车型，其中包括交通堵塞引导(在德国首次推出)。

# L4级（高度自动驾驶High Driving Automation）

L3级别和L4级别的自动驾驶之间的关键区别在于：L4级自动驾驶车辆可以在出现问题或系统故障时进行干预。从这个意义上说，L4级别地汽车在大多数情况下不需要人的互动。然而，驾驶员仍可以选择手动重写。

L4级别的车辆可在自动驾驶模式下运行。但在法律和基础设施发展之前，他们只能在一个有限的区域内(通常是最高时速平均达到30英里的城市环境)这样做。这就是所谓的地理围栏。因此，大多数L4级别的车辆都是面向拼车的。例如:

NAVYA，一家法国公司，已经在美国制造并销售L4级航天飞机和出租车，它们完全依靠电力运行，最高时速可达55英里每小时。
Alphabet的Waymo公司最近在亚利桑那州推出了一项L4级自动驾驶出租车服务，他们在那里测试无人驾驶汽车——没有安全司机坐在座位上——长达一年多时间，行驶里程超过1000万英里。
加拿大汽车供应商麦格纳开发了MAX4技术，在城市和高速公路环境中实现了L4级能力。他们正在与Lyft合作，提供能把汽车变成自动驾驶汽车的高科技套件。
就在几个月前，沃尔沃和百度宣布建立战略合作伙伴关系，共同开发为中国机器人出租车市场服务的L4级电动汽车。

# L5级 (完全自动驾驶Full Driving Automation)

L5级别的自动驾驶汽车不需要驾驶员的注意——“动态驾驶任务”被取消了。L5级别的汽车甚至没有方向盘或加速/刹车踏板。他们将摆脱地理围栏，能够去任何地方，做任何有经验的人类驾驶员能做的事情。全自动驾驶汽车正在世界上的几个地区进行测试，但目前还没有任何一款完全自动驾驶汽车向公众开放。

# 自动驾驶的企业

进入21世纪开始，互联网巨头、传统车企、新势力等相继加入自动驾驶领域的角逐。发展至今，很多企业在自动驾驶领域已经率先取得了突破，那么自动驾驶技术到底那家强？我们不妨来看看各个企业在自动驾驶领域的竞争力。

谈到企业竞争力前，我们不得不提到的两份报告，一份是加州车辆管理局DMV（Department of Motor Vehicles）的自动驾驶路测成绩单，一份是来自于美国知名市场研究机构NR（Navigant Research）自动驾驶竞争力榜单。DMV的路测报告主要涵盖的信息包括：测试里程数、测试车辆信息、测试路段场景、自动驾驶脱离记录，其中一个重要的考核指标为MPI（Miles Per Intervention，每两次人工干预之间行驶的平均里程数）；NR竞争力报告会从公司愿景、市场发展策略、合作伙伴、生产策略、技术、营销&销售&产品、产能等十大维度，对全球自动驾驶领域的主流玩家竞争力进行综合评测，并根据执行能力（Execution）和策略能力（Strategy），将玩家划分为“领导者”、“竞争者”、“挑战者”、“跟随者”四个等级。

综合来看，我们不难看出，国外的Waymo（谷歌）、Cruise（通用旗下）、国内的百度等企业都是自动驾驶领域的翘楚。据网络信息，百度Apollo已经形成了自动驾驶、车路协同、智能车联三大开放平台体系，以超过300万公里的道路测试里程实力领跑中国自动驾驶。作为国家首批人工智能创新平台，百度Apollo现已在生态、技术等多个领域处于业内领先位置。

# 自动驾驶的现状

自动驾驶技术大抵可分为四个阶段：自动安全措施辅助、ADAS高级驾驶辅助、部分无人驾驶、完全无人驾驶。目前我们更多地处于ADAS技术阶段： ADAS（AdvancedDriving Assistance System），即高级驾驶辅助系统（是利用安装在车上的各式各样传感器（毫米波雷达、激光雷达、单\双目摄像头以及卫星导航），在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。