智能汽车无人驾驶资料调研（一）

　　1.提出无人驾驶演进的五个维度：消费者接受度、技术整合度、生态体系、立法、基础设施投资；

　　2.无人驾驶的关键技术：环境感知技术、定位导航技术、路径规划技术和决策控制技术。（分类有待商榷，比如V2X通信技术等未包括）

　　给出SAE给的最新L0-L5的无人驾驶定义：

自动驾驶分级		名称（SAE）	定义（SAE）
NHTSA	SAE
0	0	无自动化	无自动驾驶，由人类驾驶员全权操控汽车，可以得到警告或干预系统的辅助；
1	1	驾驶支援	通过驾驶环境对方向盘和加减速中的一项操作提供驾驶支持，其他的驾驶动作都由人类驾驶员进行操作；
2	2	部分自动化	通过驾驶环境对方向盘和加减速中的多项操作提供驾驶支持，其他的驾驶动作都由人类驾驶员进行操作。
3	3	有条件自动化	由自动驾驶系统完成所有的驾驶操作。根据系统要求，人类驾驶者需要在适当的时候提供应答。
4	4	高度自动化	由自动驾驶系统完成所有的驾驶操作。根据系统要求，人类驾驶者不一定需要对所有的系统请求做出应答，包括限定道路和环境条件等。
	5	完全自动化	在所有人类驾驶者可以应付的道路和环境条件下，均可以由自动驾驶系统自主完成所有的驾驶操作。

　　2.1 环境感知

　　环境感知技术通常是利用传感器感知周边环境。常用的传感器包括摄像头、激光雷达、超声波雷达、GPS、陀螺仪等等。最主要的两种传感器就是摄像头和激光雷达。如 tesla autopilot 采用了摄像头、雷达、超声波传感器等：https://www.tesla.cn/autopilot

• 激光雷达（主流厂商有Velodyne、Quanergy、Ibeo 等公司）：激光光束从两侧透镜发出，遇到障碍物折返后经过中间透镜被抓取，接收器处理分析后判断障碍物位置。Google 无人驾驶原型车、Uber 无人驾驶测试车、百度无人驾驶测试车都采用了 Velodyne。

　　2.2 定位导航

• 【定位】高精度地图层：提供道路的斜率和曲率、车道标志和路边物体的标注；提供一个高精度的车道模型，协助车辆间距调整、安全换道、速度管理、超车等等；实现车与车之间的水平和垂直方向的精确定位。（主流厂商 HERE、Tomtom 等）
• 【道路环境】实时道路层：现场道路层动态地跟踪道路上的事件，提供在车辆传感器范围之外的时的信息；提供与建筑物、交通拥堵、交通事故、天气灾害等等有关的动态事件；遥感数据在云中进行汇总和处理，受影响的层进行更新，使得车辆可以启用主动战略规划。
• 【自动化】驾驶层：基于真正的人类学习驾驶模式，分析了大量的车辆传感器数据，提取合适的车辆行为配置规范；提供符合当前驾驶环境的速度规范；有助于把“机器感觉”的车辆自动化，以帮助增加驾驶员的信任。

　　2.3 规划决策

　　路径规划技术可以为无人驾驶提供最优的行车路径。无人驾驶车在行驶过程中，行车路线的确定、如何躲避障碍物、路口转向等问题都需要通过路径规划技术完成。

　　常用的路径规划算法包括了栅格法、人工势场法、VFH 类方法、神经网络法等。

• 谷歌无人驾驶：（可参阅 http://www.ithome.com/html/auto/269035.htm）
  • 2009 年，Google 开始了无人驾驶汽车的项目。在加州的公路上用丰田普锐斯测试无人驾驶技术。

  • 谷歌的无人驾驶汽车配备有大约价值$150,000 的设备，包括价值$60,000-70,000 的激光雷达（LIDAR）系统。安装在顶部的测距仪是 Velodyne 的 64 线激光雷达。它可以一边旋转一边不间断的发射 64 束最远射程可达 120 米的激光束，并接收反射回来的光束，依据返回时间的差别计算出物体与汽车之间的距离，从而绘制出汽车周围实时的 3D 地图。

  • Google 无人驾驶车有一对向前的摄像头，其之间有着一定的距离。从两个摄像头传回的画面的视差就像人的两只眼睛一样，可以帮助车辆判断自己的位置、行进的速度等信息。

  • 位置传感器：Google 无人驾驶车的车胎轮毂上同样带有位置传感器，用于探测车轮转动，也能帮助车辆进行定位，同时与 GPS 得出的数据进行整合。

  • Google 无人驾驶车上的各种传感器综合起来的数据流量是非常大的，可以达到每秒 1GB，由车辆后方的强大计算性能的计算机处理。有一些计算是在车载的计算机（on-board systems）完成，有一些计算在远程的云（clouds）中完成。

• Mobileye
  • 是一家基于人工视觉技术的全球领先的ADAS 和无人驾驶技术服务提供商，拥有全球最大的人工视觉研发中心。Mobileye 用十几年的积累完成了可靠的单摄像头信息采集技术。
  • 主打 EyeQ 视觉处理芯片。Mobileye 最大的优势就在于所有应用只使用一个摄像机就可将多个路况探测应用捆绑起来，在一个摄像机内的芯片中同时运行，大大节省了在车体内的占用空间和成本。

　　总结来说，即分类为以 google 为代表的完全无人驾驶路线（智能化、激光雷达、高精度地图）和以 mobileye 和车企合作为代表的 ADAS 渐进式无人驾驶路线（摄像头、驾驶辅助）

3.2-3.9 招商证券 2016/7-2017/3

• 　　英特尔正与以色列汽车技术公司 Mobileye 合作为宝马研发无人驾驶汽车：Mobileye 的 ADAS 技术已经成为主流。：Mobileye 从摄像头的图像识别演进，是一种渐进式的无人驾驶路线，先期减少汽车的拥有成本；
• 无人驾驶+共享经济可以降低70%的出行成本；
• 更高的安全冗余需要智能+网联：即需要对外界感知技术+V2X通信技术；

• 国家发改委、交通部联合印发《推进“互联网+”便捷交通 促进智能交通发展的实施方案》；

• 特斯拉官网公布了新的 Autopolit 升级方案。将把毫米波雷达作为汽车感知的主力，摄像头作为辅助。毫米波雷达的局限性：大雨天气受干扰、毫米波的频段易受干扰。

• CES2017：英伟达在前两届 CES 推出了 DrivePX、DrivePX2 计算平台之后，在本届 CES 推出人工智能汽车超级计算机 Xavier 和以此创建的自动驾驶汽车 BB8，用强硬的底层核心技术打造完整的人工智能汽车生态；英特尔推出首款全球通用的 5G 调制解调器和业内首款面向无人驾驶的 5G 平台，用于填补车载通信的空白。

• Intel 斥资 153 亿美元收购 Mobileye。

3.8 招商证券：从CES看无人驾驶大变革  2017/1

　　一、IT厂商

　　1. Nvidia

　　在过去两届 CES 上，Nvidia 对投身自动驾驶表现出强烈的兴奋，分别推出了 DrivePX、DrivePX2 这两个计算平台，并且试图统一自动驾驶的底层平台。在今年的CES 上，Nvidia 推出了功能超强的车载超级计算机 Xavier，并且发布了一个强大且完整的人工智能汽车平台(AI Car Platform)，它包括最底层的 DrivePX 计算平台，上层是深度神经网络支持的应用层 Auto-Pilot(自动驾驶神经网络)、协同驾驶系统 Co-Pilot 等。

• 英伟达人工智能汽车超级计算机 Xavier
• 英伟达使用Xavier 创建了自己的无人驾驶车 BB8

• 除了自动驾驶功能，BB8 还配置了新一代协同驾驶系统 AI Co-Pilot。AI Co-Pilot 包括面部识别、头部追踪、视线追踪以及读唇技术（以上皆是针对自车驾驶员）

• 英伟达自动驾驶汽车 BB8 的一切都建立在 DRIVE PX 计算平台上：将外部传感器获取的数据加工，制成单个的高精度点云并上传云端服务器，由超级计算机 DGX-1 融合成高精度地图.

• MapWorks : 将与世界上的所有地图公司进行合作和交互，专注于四件事：调查以及收集路况数据，构建云端 GPU 超级计算机，进行数据处理和交换，云端实时更新地图；这四个功能对自驾车的工作至关重要。在本届 CES 大会上，英伟达还进一步公布了已经达成合作的地图公司伙伴，包括百度，Tomtom，Zenrin，还有HERE。

　　2. Intel

• CES2017 大会上，英特尔和宝马、Mobileye 正式宣布40 辆宝马无人驾驶汽车将于2017年下半年开始路测。这是三家公司携手全面实现无人驾驶的重要里程碑。这距离英特尔要在2021 年推出宝马第一款全无人驾驶汽车 BMW iNEXT 的目标又近了一步。
• 推出 5G 调制解调器：它是世界上首款全球通用的 5G 调制解调器，搭载了一个能够同时支持 6GHz 以下频段和毫米波频段的基带芯片，可与诸如英特尔 LTE 调制解调器如 XMM™ 7360 等配合使用，支持 4G 回落以及 4G/5G 的互操作。此款调制解调器是专为具有早期 5G 部署需求的应用领域设计，适用于汽车、家庭宽带和移动设备等领域的早期 5G 部署，对于无人车、无人机以及打造智能城市具有重要意义。
• 推出 5G 车载通信平台，是业内第一个面向无人驾驶的 5G 平台和完整的可扩展端到端系统，可让汽车制造商开发并测试各种使用场景，例如把汽车传感器数据上传到机器学习系统、实时下载高清地图、进行空中固件和软件升级。
• intel 已于 2017/3 收购 Mobileye

　　二、技术提供商（第三方供应商）

　　1. Mobileye：以人工视觉技术为汽车厂商提供自动驾驶服务

• 在去年的 CES 大会上，Mobileye 强调在以车载摄像头记录的画面为基础，分析车道线、交通标识以及道路基础设施，借助具有深度学习功能的图像识别系统绘制高精度地图。

• 在今年与宝马、英特尔的合作中，Mobileye 贡献了其专有的 EyeQ5 高性能算机视觉处理器。EyeQ5 独有的优化的加速器内核可执行各种计算机视觉、信号处理和机器学习任务，包括深度神经网络。EyeQ5 集成四种完全可编程的异构加速器，每种加速器各自优化执行专用算法集。该处理器将负责处理和分析来自 360 度全景视觉传感器的信息，以及本地化处理。同时其结合英特尔 CPU 和 FPGA 技术构成的中央计算平台，将集成到每一辆自动驾驶汽车中。

　　2. 德尔福 delphi：德尔福是全球最大的汽车线束系统制造厂商。

　　本届 CES 大会上，德尔福与 Mobileye 展示了合作开发的中央传感定位规划（CSLP）自动驾驶解决方案，并在复杂路段（包含信号不佳的隧道）进行 10km 的路测。双方为技术互补型合作，德尔福提供了雷达、激光雷达以及激光雷达系统等传感器组件，而 Mobileye 则负责顶级视觉（摄像）系统以及实时地图检制与车辆定位系统。

　　3. 博世：概念车搭载语音识别技术，自然语言识别是亮点

　　三、整车厂

　　1. 宝马：推出全新5系自动驾驶原型车

　　2. 奥迪：发布交通灯辅助系统，联手英伟达打造自动驾驶车

　　本届 CES 大会上，奥迪和英伟达重磅宣布未来扩大合作范围，联手打造下一代 AI 车。此前双方已联手开发名为交通堵塞导航 (traffic jam pilot) 的半自动驾驶系统，该系统将在今年晚些时候装配在奥迪 A8 车型上。该系统使用的是英伟达的硬件和软件，允许司机在某些情况下让汽车以不超过 35 英里的时速自动驾驶。奥迪是七年前来到 CES 的第一家汽车公司，和英伟达已经合作十年。奥迪与英伟达的最新合作正是基于英伟达的新一代人工智能超级计算机 Xavier。奥迪表示，装载了 Xavier 的奥迪 Q7 只通过 AI 学习了 3 天就已经可以自主行驶，3 年后该项合作下的车辆就可以达到 L4 级别的完全自动驾驶。奥迪计划明年将自动驾驶测试扩大到加利福尼亚州等一些州的公共道路， 2020 年前让他们的人工智能汽车驰骋在路上。

　　3. 福特：环保+智能，新一代 Fusion 自动驾驶车　　

　　福特也推广了全新的 SYNC3 系统，提升了科技含量，包括自动泊车在内的基础功能也都随之提升。从宣传上看，今年福特更多的把亚马逊的 Alexa 语音助手放在了重要层面，并且已经打算把 Alexa 语音助手集成到 SYNC 3 系统当中。据了解，福特自动驾驶汽车项目目前在美国亚利桑那、加利福尼亚和密歇根三地展开，共有30 辆测试车辆，到了明年预计将会扩展至9 0 辆以收集更多的道路数据。同时，福特还宣称于2 021 年推出量产版的完全自动驾驶汽车用于商业运营。

 

　　这以上我是目前调研的关于智能汽车的无人驾驶技术的一部分，摘自招商证券。