每一輛無人駕駛車輛，與生俱來三個哲學問題。

我在哪？我要去哪？我怎麼去？

回答這三個問題，需要神器助力。

一、攝像頭和相機（Camara）

視覺攝像頭常對光照和天氣敏感，熱成像相機則對白天與黑夜變化“感受精準”。相機能捕捉環境裡的詳細紋理資訊。

二、LiDAR 鐳射雷達（LiDAR)

比起相機，鐳射雷達能以3D點雲的方式提供環境中準確的，更進一步的深度資訊，而且受強弱光照和雨雪霜降天氣影響相對較小。但是，點雲對於遙遠目標又不是十分有效。新型的flash LiDAR彌補了無法捕捉環境目標的詳細紋理的缺陷。鐳射雷達提供環境的點雲資料，每個點都有xyz座標和反射強度資訊。

LiDAR鐳射雷達發出快速的鐳射訊號，從遇到的障礙物反彈回來。訊號彈回後，感測器會收集訊號彈回所花費的時間，以確定其位置與前方可能遇到的障礙物之間的距離。

​

三、雷達(RADAR)

雷達已經在飛機和戰艦上用於軍事用途已有多年了。RADAR全稱為Radio Detection And Ranging，即用無線電波探測和定位物體。

雷達的主要區別在於它使用無線電波而不是鐳射來感測物體。這使雷達能夠直接測量周圍物體的速度。測速和測距準確性高，更少出現訊號干擾，且不受光照和天氣影響。車身360°全覆蓋的雷達系統中。

當雷達波在空中傳播時，與光波相比損失的功率更少，這意味著雷達可以在更長的距離上工作。

盲區探測、車道保持和變道輔助、後置雷達碰撞報警或防撞保護、泊車輔助是短程雷達的功勞。

剎車輔助、緊急制動、自動距離控制則是中長程雷達功勞。

四、超聲感測（Ultrasonic）

透過使用高頻聲波檢測物體的位置和距離，超聲波感測器通常可以在其他型別的感測器不足的情況下工作。

超聲波感測器可以檢測相鄰車道上的汽車以進行“盲點檢測”，並在有人處於盲區時提醒司機。多用於檢測低速場景下的目標，例如停車場停車的時候。

​

五、全球導航衛星系統（GNSS）

這個都很熟悉，就不贅述了。值得一提的是，GNSS RTK（衛星導航實時動態定位）的定位精度很高。RTK技術與IMU資料適當融合後，可將GPS定位精度提高100倍，直接從米級精度提高到釐米級精度。

也有噴灑農藥的無人機依靠RTK定位，是因為RTK主要用於農業、土地調查等。“可跨地域擴充套件的新型RTK軟體”可為自動駕駛汽車服務，該軟體經濟實惠，易於整合，並最佳化補充了自動駕駛汽車感測器融合定位導航功能。

六、高精地圖（HD Map)

結合定位系統可以進行路徑規劃。比如國內的高德地圖就有高精定位和高精地圖的一體化解決方案。

據高盛預計，高精地圖市場細分領域在2020年規模將達到21億美元，到2025年擴大到94億美元。

百度地圖採集製作並完成了中國30萬公里的高速、環路，高精地圖，億萬公里ADS的資料採集，其Apollo（阿波羅）高精地圖可實現精度在0.1～0.2米，定位精度達到8釐米，也就是一個拳頭的寬度。

特斯拉用“車隊學習網路”（Fleet Learning Network）策略，調動量產車把測繪任務以“眾包”的形式進行資料採集，可以說所有在路上跑的特斯拉車型都是實時資料線上的，他們透過在7.0系統韌體中的測試版自動駕駛輔助功能，呼叫全車所有的感測器來收資料，所有的資料（不包含隱私資訊）都會上傳給中央處理器。

七、慣性測量單元(IMU)

為了能讓無人駕駛系統更高頻率地獲取定位資訊，就必須引入頻率更高的感測器。這就是IMU（Inertial Measurement Unit）慣性測量單元。陀螺儀和加速度計是IMU的主要元件，其精度直接影響到慣性系統的精度。

手機上也有IMU，但是是低配，因為成本和精度都不高，記個行走的步數沒有什麼問題，高階的就是宇航級別的產品，導彈、宇宙飛船、太空梭都用，短時間內推算精度高，誤差小，算不錯。

工作原理是：從GPS得到的經緯度資訊作為輸入訊號傳入IMU，再透過串列埠線與控制器的連線，以此獲取更高頻率的定位結果。

學術上的語言是：測量在慣性參考系的加速度，將它對時間進行積分，且把它變換到導航座標系中，就能夠得到在導航座標系中的速度、偏航角和位置等資訊，以牛頓力學定律為基礎。

一般GPS+IMU就能給出定位輸出，是鋼筋混凝土一般的合作伙伴。有了GPS+IMU，車輛每走一小步，便能重新進行方向盤轉角的計算。IMU價格從幾百、幾千到幾萬元都有，那要看自動駕駛汽車需要的定位精度。

“長江長江，我是黃河，你在哪？”“黃河，你好，GPS+IMU告訴我，我在長江。”

八、里程計(Odometer)

實用當中，里程計主要用於在沒有任何其他全域性定位資訊下，允許車輛僅使用里程計遞推自己位置。假設車輛控制允許最大誤差是0.3m，那麼1%的里程計允許你前進30米。自動駕駛定位要求是能夠提供絕對位置，而里程計（odometry）是提供相對位置，相對位置做得再好也有誤差，這時候便需要定位（localization）修復誤差。

每種技術都有自己的優勢和劣勢，相輔相成，單獨使用時，沒有感測器是完全可靠的。

自動駕駛系統，分為感知、決策、規劃、控制這幾大層次，其中各個層次下又可以繼續劃分出多個子模組。這樣的話，一般無人駕駛軟體由3個大的系統構成：

第一，類似司機的眼睛和耳朵。

感知層，比如依靠鐳射雷達、毫米波雷達以及攝像頭。

第二，類似司機的大腦。

判斷決策層，獲取到資訊以後，系統需要去判斷，剎車、左轉、停車。

第三，類似司機的手腳，

執行層，判斷後執行指令。將決策獲得資訊轉化成剎車、油門和轉向訊號，控制車輛按照預期行駛。

感知可以細分為兩種：“感測”和“感知”。“感測”獲得的是感測器的原始資料，比如圖片，而“感知”是從圖片裡處理出的有用資訊（圖裡有幾個人，幾個標誌牌，幾條車道線）。

雖然隨著深度學習的成功，在感知層面使用深度學習演算法已經是自動駕駛的“常規動作”，但在決策規劃控制的時候，人工智慧深度學習演算法不能包打天下。

“八大神器”還要分為兩類，自車感知和外部感知。攝像頭，雷達，GPS等每時每刻獲得的資訊是自車感知。定位，地圖相當於你告訴汽車在哪裡。比如座標北京朝陽區東南三環華威橋上，這是外部感知。

由此可以看出，讓自動駕駛眼觀六路耳聽八方的“八大神器”在為感知層提供資料，這背後還需要強大的計算能力作為支撐，是自動駕駛萬里長征才起步，為人類進化到自動駕駛時代做資料儲備。（完）