無人駕駛是值得信任的，程式在達到標準的時候就會觸發事件，人不可能時時刻刻關注汽車全面動態，但程式可以。在這中間唯一的問題就是需要大資料的支撐，對於路況、路徑、駕駛環境等情況的克服。

谷歌從2009年研究無人自動駕駛到現在，整個產業並沒有落地，可見難度之大，自動駕駛汽車涉及哪些技術呢！一般而言，無人駕駛系統一般有三大模組，這三方面對應不同的技術。但是即使這樣，技術並未完全成熟！

環境感知模組

無人駕駛汽車是透過感測器來感知環境資訊。比如攝像頭、鐳射雷達、毫米波雷達以及工業相機是用於獲取環境資訊；而GPS等用於獲取車身狀態的資訊。當然還需要透過演算法提取出有用的資訊。

行為決策模組

行為決策是指無人駕駛汽車根據路網資訊、獲取的交通環境資訊和自身行駛狀態，產生遵守交通規則的駕駛決策的過程。

用人話說就是規劃出一條精密的行駛軌跡，然後無人駕駛車就可以跟著這條軌跡走。

運動控制模組

運動控制模組是根據規劃的行駛軌跡和速度以及當前的位置、姿態和速度，產生對油門、剎車、方向盤和變速桿的控制命令。

無人駕駛技術實現上有兩大派系

無人駕駛的實現路徑大概有兩大派系，一派是以谷歌為主的網際網路公司，一派以特斯拉為首的汽車製造商。

谷歌的藍圖是無人車完全取代人來駕駛，把無人車看成機器人，所以沒有方向盤、油門和剎車。

谷歌無人車頂上是約8萬美元的64線鐳射雷達(Lidar)。它在高速旋轉時發射鐳射測量與周邊物體的距離，再根據距離資料描繪出精細的 3D 地形圖，並跟高解析度地圖資料相結合建模，幫計算機做決策。

由此可知，這條技術路線的關鍵是對周圍環境的模擬和3D地圖資料，而谷歌在這方面有深厚的積累。

而特斯拉的計劃是從機器輔助駕駛進化到完全自動駕駛。所以技術上逐步實現自動剎車、定速巡航、自適應巡航等，最終完全自動駕駛。

特斯拉 Model S主要是靠攝像頭結合計算機視覺，特斯拉輔助駕駛使用的硬體包括前置攝像頭、前置雷達（相對廉價的毫米波雷達）、12個超聲波感測器。

那麼自動駕駛汽車涉及哪些技術呢，下面是一些通用的技術：

訓練一個自動駕駛的決策模型

行為決策是指根據路網資訊、獲取的交通環境資訊和自身行駛狀態，產生遵守交通規則的駕駛決策的過程。這個解決方案可以是現在很火的深度學習，來實現模仿性學習（Behavioral Cloning）。

識別並跟蹤障礙物

這個問題的解決方案是感測器融合演算法，利用多個感測器所獲取的關於環境全面的資訊，透過融合演算法來實現障礙物識別與跟蹤，常用的演算法包括卡爾曼濾波法等。

根據周邊資訊，在地圖上定位車倆

在地圖上定位汽車，這一塊實現的差異很大。由於民用GPS誤差過大，不能直接用於無人駕駛。

有一類定位是透過鐳射雷達使周圍物體和自車的距離的精度達到釐米級，配合三維地圖資料可以將車輛定位至幾釐米～ 十幾釐米的程度，還有一類透過還計算機視覺的方案來定位。

從相機中識別行人

從相機中識別行人是一個計算機視覺問題，需要利用攝像機識別出物體（在這裡是人），這裡有單目，也有雙目的方案，可以呼叫OpenCV的一些包來實現。

車道識別

車道識別也是計算機視覺問題，有成熟的道路檢測演算法( lane finding)。

車輛的自適應巡航控制：車輛的自適應巡航控制（ACC）是在定速巡航控制的基礎上，透過距離感測器實時測量本車與前車的距離和相對速度，計算出合適的油門或剎車的控制量，並進行自動調節，這一塊有不少成熟的方案。

讓汽車在預定軌跡上運動：讓汽車在預定軌跡上運動是一個機器控制和規劃問題，一個難點在於躲避突發障礙之後動態路線規劃。

最近我一個朋友跟我說，不打算考駕照了，因為無人駕駛技術即將出現，所以不用交這幾千塊錢，更不用老什子去考場折騰。聽完我就想笑，還真有人有這樣的想法。這也難怪，開啟新媒體，時不時就可以看到某某公司正在測試無人駕駛汽車，優步，谷歌，百度，等等國內外大型公司，無不趨之若鶩。無人駕駛技術是下一個風口，形式相當明朗，誰不想分一杯羹呢？

央視《今日關注》裡面各位嘉賓經常探討各國最先進的武器，探討最多的莫過於各種各樣的軍機了。無人作戰系統是未來的一大趨勢，那無人機會不會替代有人機呢？專家們給出的答案是否定的，未來的作戰模式是無人機和有人機協同作戰，飛行員的作用不可能完全被人工智慧替代。地面上的道路空間遠比遠比空域複雜，無人駕駛汽車的技術難度和無人飛機的技術難度根本不在同一個量級。飛機是典型的高精尖產物，而汽車則要遜色一個等級，可是奇怪的是，我們見過批次生產的無人戰鬥機，什麼全球鷹，捕食者，翼龍，彩虹，卻沒有見過批次生產的無人駕駛汽車。各大媒體都在爭相報道無人駕駛即將替代 有人駕駛，司機即將失業，這都是曲解、歪解了無人駕駛技術。個人以為，即便將來無人駕駛技術成熟了，也不可能完全替代有人駕駛。這就跟飛機一樣，無人駕駛和有人駕駛並存才是未來汽車發展模式。

高速公路很少有突發狀況，無人駕駛技術在高速公路上應用具備優勢，這方面可以完勝有人駕駛，可是面對城市複雜道路，無人駕駛就沒有任何優勢了。

場景一，修完路後，道路施工人員忘記將“前方施工，請繞行”的指示牌拿走，無人駕駛汽車見此只能繞行。但是有人駕駛卻是另外一種情況，司機可以憑經驗判定路有沒有修好，可不可以通行，或者直接詢問路人，然後直接透過。

場景二，前方道路出現一袋東西放在路中央，因為不能確定是什麼東西，無人駕駛汽車見此只能繞行，或者乾脆就無法到達目的地。但是有人駕駛則不同了，司機可以下車來觀察，確定是一袋垃圾後直接碾過去。

場景三，前面一灘積水，或者一條小河擋住了道路，如果是清水，無人駕駛汽車可以艱難的透過感測器判斷水深能否透過，如果是渾水，則無能為力，可是有人駕駛就不同了，司機可以下車檢視水情，判定能否透過。

場景四，超市門口好大一塊空地，剛把車停在那裡，但是店老闆說擋了他的路，不能裝貨卸貨，要求挪個位置，開到花壇那邊去。有人駕駛可以輕輕鬆鬆按照老闆指使把車停好，無人駕駛缺無能無力。這樣的場景，司機們基本天天遇得到。現在大城市最缺的就是停車位，如果劃好了標線，我相信無人駕駛可以把車停得妥妥當當，但是城中村裡面的車都是亂停的，老司機尚且要下車與人家交涉，花上老大的功夫才能把車停好。無人駕駛汽車根本無法施行，因為它程式裡面沒有這種演算法，它無法確定這樣停車是否擋了人家道。

無人駕駛汽車是人工智慧領域的佼佼者，不過遺憾的是，很多關鍵的東西都沒有突破。前不久，Uber公司無人駕駛測試車撞死一個橫穿馬路的騎行者，當然，主要責任在於騎腳踏車的人。對於這種突然穿插，換做有人駕駛也是措手不及的。但問題不在於無人駕駛撞死了人，而是無人駕駛汽車檢測到了有物體比穿插過來，但卻未作出任何剎車或者打方向動作。對此，Uber公司作出的解釋是汽車檢測到了訊號，但訊號還沒有觸發到設定的引數值。Uber公司碰到的這種問題是整個無人駕駛技術的一大難題，而且也是人工智慧領域的一大難題。引數設低了會誤報警，觸發緊急剎車動作；引數設高了，又失去保護的意義。在我看來，無人駕駛技術還是基於各種各樣的演算法，工程師們絞盡腦汁尋找其中的規律，但是，很多東西都是沒有規律的，居然沒有規律，又怎麼建立演算法呢？

科技在飛速發展，技術的革新是必然的，有些現在已經開發出來的技術和尚沒開發的技術在當下或者未來遲早會用上。至於無人駕駛，很多人覺得不靠譜，不安全，不放心。讓我們來看看無人駕駛技術究竟是怎麼回事兒。

無人駕駛汽車透過車載感測系統感知周圍路況環境，包括道路上的行人和障礙物，自動規劃行車路線，達到控制車輛的目的。是集自動控制、體系結構、人工智慧、視覺計算等眾多技術於一體的智慧汽車。

所以在安全方面還是能夠讓人放心的，其實我們應該用正確的眼光去看待一些為我們帶來便利的高科技產物，平時有很多因為司機疲勞駕駛或者醉酒駕駛而發生的嚴重交通事故，如果無人駕駛技術得以普及，讓疲勞的司機可以休息一會兒，是不是會減少交通事故的發生呢。

據統計，車輛損壞的原因幾乎都是因為交通事故和泊車不當帶來的車輛刮蹭。自動駕駛技術的高階泊車導航系統完全可以實現將車輛平穩安全的停放在最佳位置。大大的減少不必要的損壞。

無人駕駛技術已經逐漸成熟，特斯拉，奧迪，賓士等汽車巨頭都將在2020年將載有無人駕駛技術的車投入市場。儘管還是有一大部分的人不支援這一技術，不可否認的是無人駕駛的確給我們節約了很多時間並且可以大大降低因交通事故造成的人員傷亡。

無人駕駛技術和很多剛剛步入大眾生活的新鮮事物剛剛步入一樣，有些人對他推崇備至也有些人持懷疑的態度，這項技術還在不斷的創新發展，誰也無法阻止。