自动驾驶的命门在哪里，你真的了解么？——上

一转眼2018年就过去了一半，距离各大主机厂宣称实现L4级别自动驾驶的2020年只剩下了不到2年的时间，尽管业界对于这个时间节点所持态度不一，但该来的迟早要来，结果始终是清晰的。那么在我们把命交给人工智能之前，目前自动驾驶的这几个“命门”，你有深刻的了解过么?

命门之一：具备新能源特性的整车方案

如果你细心观察目前各家正在紧锣密鼓测试的无人车项目就会发现，其中大部分都为纯电动或者是混合动力汽车，为什么呢？首先我们知道目前主流的自动驾驶技术，其核心是一套具备深度学习能力的人工智能嵌入式系统。用已经量产的能够实现L3级别自动驾驶能力的新奥迪A8L为例，它所采用的zFAS控制器，是一个整合了Nvidia Drive PX 2和Mobileye EyeQ3嵌入式方案的高度定制化系统，这套系统堪称是整台车的大脑，既要负责传感器数据融合和场景分析，也要完成决策与车辆控制的任务，因此保证该系统的稳定性是重中之重。

从传统的燃油汽车角度出发，发动机是整车唯一的能源供给者，一旦发动机罢工，那么对于自动驾驶车辆控制中枢的打击就是极其致命的，毕竟对于动辄数百上千瓦的核心部件功耗，传统蓄电池长远来看无法胜任可靠的电能供给任务。而新能源汽车则不同，由于它们的设计基础就是一套高容量的电池系统，因此其电力供给的可靠性要远高于燃油车，同时也能更稳定的支持大量传感器组件的正常运作。

而目前刚刚开始普及的48V和90V轻混系统，其实就相当于在传统内燃机汽车上为电子系统的正常运转加了道保险（具备充足的应急电能储备），作为L2-L3这样的自动驾驶技术过渡期的载体，完全可以胜任。

另一方面，由于控制器要同时接任ECU的工作来完成车辆组件的控制，那么内燃机复杂的控制逻辑相比电动机而言也会成为一个累赘，不仅是对计算资源的浪费，对于CAN总线带宽等内部资源的消耗也是设计自动驾驶汽车时不乐于看到的。而这些还都是仅仅基于现有的L3级别自动驾驶，当级别提升至L4甚至L5，随着车辆运行速度的提升和高精度识别需求的增加，像Nvidia Drive PX 2这种通用嵌入式系统的计算能力需求也会跟着成倍增长，随之而来的就是功耗的进一步加大。综上所述，我们基本就可以理解，为什么自动驾驶汽车会更多的和新能源汽车联系在一起了，二者都是大势所趋，且可以相辅相成，有了成熟的纯电动汽车产品作为载体，自动驾驶技术才能更好的腾飞。

命门之二：激 光 传 感 器

解决了载体问题，我们就要将目光投向自动驾驶技术更具体的硬件需求了，这其中包括很多门类，比如之前提到的控制器、CAN总线、传感器，以及相对已经普及的全球定位系统（GPS）、惯性测量单元（IMU）。这里我们捡比较特殊的来说，控制器放到后面，先来聊聊传感器。

传感器的分类有很多，在汽车上应用比较成熟的当然是基于声呐的雷达传感器，以及基于光学图像的视觉传感器，而对于需要更高精度的自动驾驶技术而言，其目前的命门则在激光传感器上。为什么这样说？我们知道视觉传感器能够很好的检测物体以及分辨颜色，但要受制于光线条件；雷达传感器则能够从很远的距离感知密集或大型物体，但精度往往不够高。因此结论就是二者在实际应用中都存在局限性。

不过，将它们与激光雷达的六维（三个坐标轴+三个旋转轴）高精度探测能力结合起来之后，无论在白天还是黑夜，理论上都可以从3D视角观测到所有的东西，并最终令自动驾驶汽车拥有远远强于人类视力的计算机视觉。除了埃隆·马斯克(Elon Musk)领导的特斯拉以外，世界上所有自动驾驶汽车公司的项目都依赖于激光雷达技术。

然而就像我们多年来对激光这个词的固有认知一样，这是一个高成本的玩意，一套激光传感器通常是由一个或多个激光器单元组成，从单线到目前最多的128线，随着单元数量的提升，成本和识别精度都会成倍增长。同样以A8L为例，这台具备L3级别自动驾驶能力的汽车，其使用的激光传感器为4线，价格已经不菲，如果要像L4级别自动驾驶进发，那么激光传感器的线程数量势必要进一步上涨，成本也会随之飙升。

好消息是，基于行业内越来越激烈的市场竞争，激光传感器的研发已经开始向降低成本、扩大产能的方向迈进了，且成本正在逐步下降的过程中。例如今年年初，全球激光雷达领军企业Velodyne LiDAR就宣布，其旗下16线激光雷达产品VLP-16 Puck在全球范围内的价格由此前的7999美元降至3999美元，这对于自动驾驶技术的研发和推广无疑是一个重大利好消息。

好了，今天我们先聊到这，下一期我再来和大家讨论一下自动驾驶技术的另外两个命门——作为自动驾驶主控核心的人工智能嵌入式系统，以及对于L4和L5级别自动驾驶尤为重要的高精度电子地图，好好学习~ Day Day Up~