自动驾驶的三种解决方案

自动驾驶到现在估计没有人会怀疑他的可实现性，从当前各大主机厂的战略和方向，从产业报告（自动驾驶产业报告2020年自动驾驶汽车技术报告 - 了解自动驾驶汽车硬件和软件最新技术的指南之处理和执行，2020年自动驾驶汽车技术报告 - 自动驾驶汽车硬件和软件最新技术的指南之感知与定位）都有非常明晰的解释和说明。

一般自动驾驶以下四个核心肯定是离不开的，第一是感知（感知详细点击自动驾驶八大定位感知），第二是互联，第三是高精定位地图，第四是AI.

但是鲜有文章去谈自动驾驶的方法的种类，当前自动驾驶方式属于战国时期，百家争鸣，没有一致的绝对正确的方法。本文基于自动驾驶感知数据和硬件去分类总结当前自动驾驶三种解决方案。

基于视觉主导

- 采用GPS地图和AI人工智能进行自动驾驶

基于视觉主导的当前主要是特斯拉模式，特斯拉通过所有特斯拉汽车的摄像头采集环境数据，将图像处理和机器学习结合起来通过从而不依靠预先记录的地图。特斯拉汽车在行驶中采集数据学习并与所有特斯拉汽车分享学习到的东西，从而实现类似于人眼睛的方式查看地形然后通过人工智能进行分析指导自动驾驶汽车做出决策。

基于视觉主导的自动驾驶，由于不需要昂贵的激光雷达所以价格，能耗等占相对优势，但他需要大量的数据处理和学习对于AI算法要求很高,例如Tesla宣称自己采用鸟类俯瞰视觉来实现路径规划（具体查看我们之前视频文章：特斯拉自动驾驶方案（中英字幕版）- Andrej K）。

基于激光雷达主导

-视觉辅导，采用高精地图和人工智能进行自动驾驶

这是当前主流传统主机厂通用，奔驰，福特以及众多自动驾驶公司包括Waymo，谷歌等采用的自动驾驶方式。这些车辆取决于预先记录的周围环境的3D高分辨率地图，该地图是使用配备激光雷达的车辆预先捕获绘制的。然后，车辆可以使用地图，使用自己的激光雷达设备定位确定环境是否已发生变化，然后在地图区域中巡航时进行控制。

高精地图需要保持地图更新，例如凯迪拉克宣传他的Super Cruise等系统中看到的那样 ，车辆只有在一致性和安全性检查通过后才能在预先映射的高速公路上行驶。这种方法提供了高度的可靠性和可预测性，但由于需要记录地图并使用激光雷达设备制造车辆，因此付出了更高的成本。

基于车联网主导

-多种传感器融合的人工智能自动驾驶

驾驶自动驾驶的另一种方法是（与直觉相反）不是太关注使汽车更智能以适应其环境，而是创造了更智能的环境。这减轻了车辆负担，使其能够找出环境中所有不确定因素。在这种情况下，环境将警告车辆周围环境的变化，并让他们更精确地知道周围的环境。

车联网，需要庞大的基础设施投资以及需要所有运行的自动驾驶都处于同一平台内。与前两种策略相比，这是一个更为广阔的生态系统，通过投资建设更智能的道路，可以降低车辆自主性的复杂性和不确定性。这就要求汽车制造商，V2X供应商和市政当局共同协作，并创建车辆的基础设施和标准，以使车辆能够顺利导航并降低错误门槛。

当然基于车联网应用目前很难找出一家主机厂来，但听说大众与西门子在狼堡合作进行相关测试。基于V2X的场景如果简单点的就是工厂无人物流小车了,总的来说V2X需要智能的环境。

小结

不管基于视觉还是激光雷达实现的自动驾驶，都牵扯到大数据，对于大数据处理其中非常重要的一点就是人工智能，这个人工智能当前主流的方式是基于图像识别例如CNN(了解什么是CNN 点击AI 之卷积神经网络 CNN 简介 _ MIT中英字幕版)，对道路上的物体进行识别，RNN(关注我们公众号，我们接下来会有介绍)以及LSTM，对运动进行预测从而提供信息给自动驾驶决策。

参考文献：

1，Autonomous DrivingMoonshot Project with Quantum Leapfrom Hardware to Software & AI Focus - Deloitte

2，How Automakers Can Survive the Self-Driving Era - A.T.Kearney

*未经准许严禁转载和摘录-加入我们的知识星球Vehicle可以下载以上参考资料。