自動駕駛作為一個龐大且復雜的工程，到底涉及了哪些技術
Google從2009年開始做自動駕駛，到現(xiàn)在已有8個年頭。8個年頭的技術積累還無法將自動駕駛技術量產落地，可見自動駕駛技術并不簡單。
自動駕駛是一個龐大而且復雜的工程，涉及的技術很多，大部分答主僅從軟件方面進行了介紹，而且太過細致。我從硬件和軟件兩方面談一談自動駕駛汽車所涉及的技術。
一. 硬件
離開硬件談自動駕駛都是耍流氓。
先看個圖，下圖基本包含了自動駕駛研究所需要的各種硬件。
自動駕駛作為一個龐大且復雜的工程，到底涉及了哪些技術？
然而…
這么多傳感器并不一定會同時出現(xiàn)在一輛車上。某種傳感器存在與否，取決于這輛車需要完成什么樣的任務。如果只需要完成高速公路的自動駕駛，類似Tesla 的 AutoPilot 功能，那根本不需要使用到激光傳感器；如果你需要完成城區(qū)路段的自動駕駛，沒有激光傳感器，僅靠視覺是很困難的。
自動駕駛系統(tǒng)工程師要以任務為導向，進行硬件的選擇和成本控制。
1、汽車
既然要做自動駕駛，汽車當然是必不可少的東西。
從我司做自動駕駛的經驗來看，做開發(fā)時，能不選純汽油車就別選。
一方面是整個自動駕駛系統(tǒng)所消耗的電量巨大，混動和純電動在這方面具有明顯優(yōu)勢。另一方面是是發(fā)動機的底層控制算法相比于電機復雜太多，與其花大量時間在標定和調試底層上，不如直接選用電動車研究更高層的算法。
國內也有媒體專門就測試車輛的選擇做過調研。
2、控制器
在前期算法預研階段，推薦使用工控機（Industrial PC，IPC）作為最直接的控制器解決方案。因為工控機相比于嵌入式設備更穩(wěn)定、可靠，社區(qū)支持及配套的軟件也更豐富。百度開源的Apollo推薦了一款包含GPU的工控機，型號為Nuvo-5095GC，如下圖。
當算法研究得較為成熟時，就可以將嵌入式系統(tǒng)作為控制器，比如Audi和TTTech共同研發(fā)的zFAS，目前已經應用在最新款Audi A8上量產車上了。
3、CAN卡
工控機與汽車底盤的交互必須通過專門的語言——CAN。從底盤獲取當前車速及方向盤轉角等信息，需要解析底盤發(fā)到CAN總線上的數(shù)據(jù)；工控機通過傳感器的信息計算得到方向盤轉角以及期望車速后，也要通過 CAN卡 將消息轉碼成底盤可以識別的信號，底盤進而做出響應。
CAN卡可以直接安裝在工控機中，然后通過外部接口與CAN總線相連。
4、全球定位系統(tǒng)（GPS）+慣性測量單元（IMU）
人類開車，從A點到B點，需要知道A點到B點的地圖，以及自己當前所處的位置，這樣才能知道行駛到下一個路口是右轉還是直行。
無人駕駛系統(tǒng)也一樣，依靠GPS+IMU就可以知道自己在哪（經緯度），在朝哪個方向開（航向），當然IMU還能提供諸如橫擺角速度、角加速度等更豐富的信息，這些信息有助于自動駕駛汽車的定位和決策控制。
Apollo的GPS型號為NovAtel GPS-703-GGG-HV，IMU型號為NovAtel SPAN-IGM-A1。
5、感知傳感器
相信大家對車載傳感器都耳熟能詳了。
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。
視覺傳感器就是攝像頭，攝像頭分為單目視覺，雙目（立體）視覺。比較知名的視覺傳感器提供商有以色列的Mobileye，加拿大的PointGrey，德國的Pike等。
激光傳感器分為單線，多線一直到64線。每多一線，成本上漲1萬RMB，當然相應的檢測效果也更好。比較知名的激光傳感器提供商有美國的Velodyne和Quanergy，德國的Ibeo等。國內有速騰聚創(chuàng)和禾賽科技。
雷達傳感器是車廠Tier1的強項，因為雷達傳感器已經在汽車上得到了廣泛使用。知名的供應商當然是博世、德爾福、電裝等。
6、硬件部分總結
組裝一套可以完成某項功能的自動駕駛系統(tǒng)需要及其豐富的經驗，并且要對各傳感器的性能邊界及控制器計算能力了如指掌。優(yōu)秀的系統(tǒng)工程師能在滿足功能的要求下將成本控制在最低，使其量產、落地的可能性更大。
二. 軟件
大部分答主已對軟件進行了闡述，我也從我的角度介紹以下軟件的開發(fā)。
以下內容前半段為搬運。
軟件包含四層：感知、融合、決策、控制。
各個層級之間都需要編寫代碼，去實現(xiàn)信息的轉化，更細化的分類如下。
1、采集
傳感器跟我們的PC或者嵌入式模塊通信時，會有不同的傳輸方式。
比如我們采集來自攝像機的圖像信息，有的是通過千兆網卡實現(xiàn)的通信，也有的是直接通過視頻線進行通信的。再比如某些毫米波雷達是通過CAN總線給下游發(fā)送信息的，因此我們必須編寫解析CAN信息的代碼。
不同的傳輸介質，需要使用不同的協(xié)議去解析這些信息，這就是上文提到的“驅動層”。
通俗地講就是把傳感器采集到的信息全部拿到，并且編碼成團隊可以使用的數(shù)據(jù)。
2、預處理
傳感器的信息拿到后會發(fā)現(xiàn)不是所有信息都是有用的。
傳感器層將數(shù)據(jù)以一幀一幀、固定頻率發(fā)送給下游，但下游是無法拿每一幀的數(shù)據(jù)去進行決策或者融合的。為什么？
因為傳感器的狀態(tài)不是100%有效的，如果僅根據(jù)某一幀的信號去判定前方是否有障礙物（有可能是傳感器誤檢了），對下游決策來說是極不負責任的。因此上游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。
這里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。
3、坐標轉換
坐標轉換在智能駕駛領域十分重要。
傳感器是安裝在不同地方的，比如超聲波雷達（上圖中橘黃色小區(qū)域）是布置在車輛周圍的；當車輛右方有一個障礙物，距離這個超聲波雷達有3米，那么我們就認為這個障礙物距離車有3米嗎？
并不一定！因為決策控制層做車輛運動規(guī)劃時，是在車體坐標系下做的（車體坐標系一般以后軸中心為O點），所以最終所有傳感器的信息，都是需要轉移到自車坐標系下的。
因此感知層拿到3m的障礙物位置信息后，必須將該障礙物的位置信息轉移到自車坐標系下，才能供規(guī)劃決策使用。
同理，攝像機一般安裝在擋風玻璃下面，拿到的數(shù)據(jù)也是基于攝像機坐標系的，給下游的數(shù)據(jù)，同樣需要轉換到自車坐標系下。
什么是自車坐標系？
請拿出你的右手，以大拇指 → 食指 → 中指 的順序開始念 X、Y、Z。
然后把手握成如下形狀：
把三個軸的交點（食指根部）放在自車坐標系后軸中心，Z軸指向車頂，X軸指向車輛前進方向。
各個團隊可能定義的坐標系方向不一致，只要開發(fā)團隊內部統(tǒng)一即可。
4、信息融合
信息融合是指把相同屬性的信息進行多合一操作。
比如攝像機檢測到了車輛正前方有一個障礙物，毫米波也檢測到車輛前方有一個障礙物，激光雷達也檢測到前方有一個障礙物，而實際上前方只有一個障礙物，所以我們要做的是把多傳感器下這輛車的信息進行一次融合，以此告訴下游，前面有一輛車，而不是三輛車。
5.決策規(guī)劃
這一層次主要設計的是拿到融合數(shù)據(jù)后，如何正確做規(guī)劃。規(guī)劃包含縱向控制和橫向控制。
縱向控制即速度控制，表現(xiàn)為 什么時候加速，什么時候制動。
橫向控制即行為控制，表現(xiàn)為 什么時候換道，什么時候超車等
6、軟件長什么樣子？
自動駕駛系統(tǒng)中的部分軟件看起來和下面類似。
軟件的名字反映了該軟件的實際作用——
app_driver_camera 攝像機驅動
app_driver_hdmap 高精度地圖驅動
app_driver_ins 慣導驅動
app_driver_lidar 激光傳感器驅動
app_driver_mwr 毫米波傳感器驅動
app_fusion_freespace 自由行駛區(qū)域融合
app_fusion_lane 車道線融合
app_fusion_obstacle 障礙物融合
app_planning&decision 規(guī)劃決策
然而實際上攻城獅們會編寫一些其他軟件用于自己的調試工作，比如記錄數(shù)據(jù)和回放數(shù)據(jù)的工具。
工業(yè)清洗機原理清洗機價格清洗機型號清洗機廠家掃描關注官方微博
高壓清洗機訂制清洗機產品清洗機用途清洗機設備掃描關注官方微信
