無人駕駛已是全球追逐的趨勢，科技巨頭早已爭相開始了相關(guān)領(lǐng)域的研發(fā)。據(jù)外媒報道稱，在加利福尼亞州，蘋果無人駕駛測試車輛數(shù)量多于Drive．Ai、特斯拉、甚至是Alphabet旗下Waymo，其共擁有55輛無人駕駛汽車。其實，從上世紀(jì)70年代開始，美國、德國、英國等國家就開始了對無人駕駛汽車的研究。

國內(nèi)對無人駕駛的研究稍晚，但是現(xiàn)在也是爭相布局，奮起直追。百度嗅覺最敏銳，2014年7月就已著手研發(fā)；2017年7月，推出了Apollo自動駕駛平臺；2018年年初，搭載了Apollo2．0系統(tǒng)的百度無人駕駛汽車也開始在美國加州公路上進(jìn)行三級和四級無人駕駛汽車的測試。

2018年4月12日，騰訊和長安汽車簽署合作協(xié)議，將提供智能車聯(lián)網(wǎng)整體方案。緊隨其后，5月14日騰訊已獲得深圳交警頒發(fā)的第一張智能網(wǎng)聯(lián)測試小汽車號牌。2018年4月16日，在無人駕駛領(lǐng)域看似沉默的阿里也宣布，正在進(jìn)行無人駕駛研究。BAT的布局在意料之中，令人意外的是2018年5月10日，滴滴美國研究院也獲準(zhǔn)在美國加利福尼亞州測試自動駕駛車輛。

與一片火熱的研發(fā)、路測形成鮮明對比的是無人駕駛安全事故頻發(fā)。2018年3月，美國亞利桑那州一名女子被Uber自動駕駛汽車撞傷，之后不幸身亡。這是全球首例自動駕駛車輛致行人死亡的事故。近日特斯拉Model S又發(fā)生車禍致人傷亡，特斯拉發(fā)生事故已不是一次兩次了。

5月16日，在天津召開的第二屆世界智能大會上，360董事長周鴻祎在現(xiàn)場演講時給無人駕駛潑冷水：“沒有安全就不可能有智能汽車時代的真正到來”。

從安防角度看，我只想說，周董這冷水潑的對，潑的及時。無人駕駛的安全技術(shù)研究應(yīng)該作為無人駕駛技術(shù)研究的重中之重。

無人駕駛主要依靠的是車內(nèi)的計算機(jī)系統(tǒng)，包括人工智能、視覺計算、雷達(dá)、監(jiān)控裝置等和全球定位系統(tǒng)中的若干技術(shù)協(xié)調(diào)運作為主的智能駕駛，從而實現(xiàn)在沒有任何人主動操作的情況下，能夠安全、自動的操控汽車的運行。既然人工智能、視覺計算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)這五大技術(shù)是無人駕駛的關(guān)鍵技術(shù)，接下來小編就一一分析這些技術(shù)目前的發(fā)展水平以及如何保證無人駕駛車輛的安全性。

人工智能

一方面就無人駕駛汽車而言，AI的存在能夠提升機(jī)器視覺系統(tǒng)的識別精度，同時它在控制傳感器融合的ECU中也將發(fā)揮重要作用。

另一方面人工智能管理無人駕駛車輛，邏輯是通過深度學(xué)習(xí)和應(yīng)對機(jī)制分析體系，來解決車輛行駛中的各種問題，保障行駛安全。

在 2018GMIC 峰會中，北京航空航天大學(xué)交通科學(xué)與工程學(xué)院余貴珍教授卻就無人駕駛這個具體的場景為大家提了一個醒——人工智能并不是無人駕駛的萬能藥。他認(rèn)為，人工智能技術(shù)的確有效地促進(jìn)了無人駕駛技術(shù)的發(fā)展，通過深度學(xué)習(xí)，特別是卷積神經(jīng)網(wǎng)絡(luò)，利用攝像頭來做環(huán)境感知，對此大家的信心已經(jīng)達(dá)到 99％ 。但是，人工智能實際上就是一個算法，就是一個比原來機(jī)器學(xué)習(xí)更高級的算法罷了，所以我們不要把人工智能想成什么都能解決。

視覺計算

主要用來識別車道線、停止線、交通信號燈、交通標(biāo)志牌、行人、車輛等。常用的有單目攝像頭、雙目攝像頭、紅外攝像頭。視覺傳感器成本低，相關(guān)研究與產(chǎn)品非常多，但視覺算法易受光照、陰影、污損、遮擋影響，準(zhǔn)確性、魯棒性有待提高。所以，作為人工智能技術(shù)廣泛應(yīng)用的領(lǐng)域之一的圖像識別，也是無人駕駛汽車領(lǐng)域的一個研究熱點，但是目前高精準(zhǔn)的視覺算法并沒有問世。

雷達(dá)

雷達(dá)主要用來探測一定范圍內(nèi)障礙物（比如車輛、行人、路肩等）的方位、距離及移動速度，常用車載雷達(dá)種類有激光雷達(dá)、毫米波雷達(dá)和超聲波雷達(dá)。激光雷達(dá)精度高、探測范圍廣，但成本高，比如Google無人車頂上的64線激光雷達(dá)成本高達(dá)70多萬元人民幣；毫米波雷達(dá)成本相對較低，探測距離較遠(yuǎn)，被車企廣泛使用，但與激光雷達(dá)比精度稍低、可視角度偏��；超聲波雷達(dá)成本最低，但探測距離近、精度低，可用于低速下碰撞預(yù)警。

此外，CNN（Convolutional Neural Network，卷積神經(jīng)網(wǎng)絡(luò)）技術(shù)是目前最好的標(biāo)識識別技術(shù)，CNN技術(shù)也是對激光雷達(dá)的一個很好的補(bǔ)充，因為激光雷達(dá)是低像素，不能很好的識別障礙物。

全球定位系統(tǒng)

定位主要用來實時高精度定位以及位姿感知，比如獲取經(jīng)緯度坐標(biāo)、速度、加速度、航向角等，一般包括全球衛(wèi)星定位系統(tǒng)（GNSS）、慣性設(shè)備、輪速計、里程計等�，F(xiàn)在國內(nèi)常用的高精度定位方法是使用差分定位設(shè)備，如RTK－GPS，但需要額外架設(shè)固定差分基站，應(yīng)用距離受限，而且易受建筑物、樹木遮擋影響。近年來很多省市的測繪部門都架設(shè)了相當(dāng)于固定差分基站的連續(xù)運行參考站系統(tǒng)（CORS），比如遼寧、湖北、上海等，實現(xiàn)了定位信號的大范圍覆蓋，這種基礎(chǔ)設(shè)施建設(shè)為智能駕駛提供了有力的技術(shù)支撐。定位技術(shù)是無人駕駛的核心技術(shù)，因為有了位置信息就可以利用豐富的地理、地圖等先驗知識，可以使用基于位置的服務(wù)。

編輯視點

其實，無人駕駛安全事故頻發(fā)，核心技術(shù)不到位以及各個技術(shù)之間的協(xié)調(diào)配合不到位是重要原因，同時與無人駕駛車輛配套的道路、交通指示牌、網(wǎng)絡(luò)基礎(chǔ)設(shè)施沒有跟上，也是不可忽視的原因。