博主github：https://github.com/MichaelBeechan
博主CSDN：https://blog.csdn.net/u011344545

===========================================
概念篇：https://blog.csdn.net/u011344545/article/details/89432313
技術篇：https://blog.csdn.net/u011344545/article/details/89432433
人才篇：https://blog.csdn.net/u011344545/article/details/89432856
應用篇：https://blog.csdn.net/u011344545/article/details/89433021
下載鏈接：https://download.csdn.net/download/u011344545/11147085

===========================================
清華AMiner團隊
**

1、自動駕駛汽車關鍵技術

**
自動駕駛汽車關鍵技術包括環境感知、精準定位、決策與規劃、控制與執行、高精地圖與車聯網 V2X 以及自動駕駛汽車測試與驗證技術；人工智能在自動駕駛汽車中的應用包括人工智能在環境感知中的應用、人工智能在決策規劃中的應用、人工智能在車輛控制中的應用。
自動駕駛汽車通過攝像機、激光雷達、毫米波雷達、超聲波等車載傳感器來感知周圍的環境，依據所獲取的信息來進行決策判斷，由適當的工作模型來制定相應的策略，如預測本車與其他車輛、行人等在未來一段時間內的運動狀態，并進行避碰路徑規劃。在規劃好路徑之后，接下來需要控制車輛沿著期望的軌跡行駛。車輛控制系統包括橫向控制（轉向）與縱向控制（速度）。當然，上述的動作都是基于傳感器實時獲取環境信息所做的局部路徑規劃下的動作，還需要與基于完整環境信息的全局路徑相結合，如下圖所示

1.1 環境感知

（1）攝像頭
自動駕駛汽車中配置的視覺傳感器主要是工業攝像機，它是最接近于人眼獲取周圍環境信息的傳感器。攝像機可以識別車輛行駛環境中的車輛、行人、車道線、路標、交通標志、交通信號燈等。它具有較高的圖像穩定性、抗干擾能力和傳輸能力。
攝像機按照芯片類型可分為 CCD 攝像機和 CMOS 攝像機兩種。



（2）激光雷達
激光雷達是以發射激光束來探測目標空間位置的主動測量設備。根據探測原理，激光雷達分為單線（二維）激光雷達和多線（三維）激光雷達。
目前，國際市場上推出的主要有 4 線、8 線、16 線、32 線和 64 線。激光雷達發出的線束越多，每秒采集的點云越多，同時造價也越高。例如，美國 Velodyne 公司的 16 線激光雷達 VLP-16（Puck）目前售價是 3999 美元，而 64 線激光雷達 HDL-64E 的售價高達 7 萬美元。


激光雷達的技術門檻和成本較高。目前，激光雷達已經發展了三代產品，包括第一代機械掃描激光雷達、第二代混合固態激光雷達以及第三代純固態激光雷達。第三代純固態激光雷達可以使激光雷達的成本大幅度降低，使激光雷達在自動駕駛汽車上的應用能夠普及。
除了前面提到的Velodyne公司，一些初創公司也進入該領域并展現了相當的技術實力，如美國的 Quanergy 公司、Liminar 公司和以色列的 Innoviz 公司。在 CES 2017 上，Quanergy公司的純固態激光雷達 Quanergy S3 是世界上首個低成本的固態激光雷達，因其固態掃描技術和無機械旋轉部件的解決方案獲得了汽車智能類的最佳創新獎。Quanergy 的固態傳感器芯片定價僅為 250 美元。

（3）毫米波雷達
毫米波雷達是指工作在毫米波波段。頻率在 30—300GHz 之間的雷達。根據測量原理的不同，毫米波雷達可分為脈沖方式毫米波雷達和調頻連續波方式毫米波雷達兩種。
毫米波雷達具有全天候、探測距離遠、價格便宜、質量輕、體積小等優點，能夠較精確得到目標的相對距離和相對速度。不足之處是分辨率低，在很多場合易受干擾。
（4）超聲波傳感器
超聲波傳感器是利用超聲波的特性研制而成的，工作在機械波波段，工作頻率在 20kHz以上。超聲波雷達的數據處理簡單快速，檢測距離較短，多用于近距離障礙物檢測。超聲波具有頻率高、波長短、繞射現象小、方向性好、能夠成為射線而定向傳播等優點。超聲波雷達的不足在于距離信息不精準，一般用于精度要求不高的地方，如倒車雷達等。
（5）環境感知關鍵技術
目前，環境感知技術有兩種技術路線，一種是以攝像機為主導的多傳感器融合方案，典型代表是特斯拉。另一種是以激光雷達為主導，其他傳感器為輔助的技術方案，典型企業代表如谷歌、百度等。

1. 2精準定位

自動駕駛汽車的基礎是精準導航，不僅需要獲取車輛與外界環境的相對位置關系，還需要通過車身狀態感知確定車輛的絕對位置與方位。

（1）慣性導航系統
慣性導航系統由陀螺儀和加速度計構成，通過測量運動載體的線加速度和角速率數據，并將這些數據對時間進行積分運算，從而得到速度、位置和姿態。
（2）輪速編碼器與航跡推算
可以通過輪速編碼器推算出自動駕駛汽車的位置。通常輪速編碼器安裝在汽車的前輪，分別記錄左輪與右輪的總轉數。通過分析每個時間段里左右輪的轉數，可以推算出車輛向前走了多遠，向左右轉了多少度等。由于在不同地面材質（如冰面與水泥地）上轉數對距離轉換存在偏差，隨著時間推進，測量偏差會越來越大，因此單靠輪測距器并不能精準估計自動駕駛汽車的位姿。
（3）衛星導航系統
目前全球衛星導航系統包括美國的 GPS、俄羅斯的 GLONASS、中國的北斗衛星導航系統。
參考：https://blog.csdn.net/u011344545/column/info/31553
（4）SLAM系統
SLAM（Simultaneous Localization And Mapping，即時定位與地圖構建），也稱為 CML（Concurrent Mapping and Localization，并發建圖與定位）。SLAM 最早由 Smith、Self 和Cheeseman 于 1988 年提出。SLAM 起源于機器人領域，SLAM 問題可以描述為：機器人在未知環境中開始啟動，并嘗試從一個未知位置開始移動，在移動過程中根據自身位姿估計和地圖匹配進行自身定位。然后在自身定位的基礎上實現運動中拓展地圖，最終實現全局機器人的自主定位和導航。
目前主流有兩種 SLAM 策略。
第一種是基于激光雷達的 SLAM，以谷歌汽車為例。車輛攜帶有 GPS，通過 GPS 對位置進行判斷，并以激光雷達 SLAM 點云圖像與高精度地圖進行坐標配準，匹配后確認自身位姿。
第二種是基于視覺的 SLAM，以 Mobileye 為例。Mobileye 提出一種無需 SLAM 的定位方法——REM。車輛通過采集包括信號燈、指示牌等標識，得到了一個簡單的三維坐標數據，再通過視覺識別車道線等信息，獲取一個一維數據。攝像機中的圖像與 REM 地圖中進行配準，即可完成定位。

1.3 決策與規劃

自動駕駛汽車的行為決策與路徑規劃是指依據環境感知和導航子系統輸出信息，通過一些特定的約束條件如無碰撞、安全到達終點等，規劃出給定起止點之間多條可選安全路徑，并在這些路徑中選取一條最優的路徑作為車輛行駛軌跡。

完善。混合路線是最流行的技術路線。
感知與決策技術的核心是人工智能算法與芯片。人工智能算法的實現需要強大的計算能力做支撐，特別是深度學習算法的大規模使用，對計算能力提出了更高的要求。隨著人工智能業界對于計算能力要求的快速提升。
目前，市場上采用的自動駕駛主流芯片主要分為兩種，一種是英特爾-Mobileye 開發的Mobileye? EyeQX?系列車載計算平臺。另一種是英偉達提供的 NVIDIA Drive PX 系列車載計算平臺。

1.4 控制與執行

自動駕駛汽車的車輛控制系統是自動駕駛汽車行駛的基礎，包括車輛的縱向控制和橫向控制。縱向控制，即車輛的驅動與制動控制，是指通過對油門和制動的協調，實現對期望車速的精確跟隨。橫向控制，即通過方向盤角度的調整以及輪胎力的控制，實現自動駕駛汽車的路徑跟蹤。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的人工智能 | 自动驾驶与人工智能前沿研究报告（技术篇）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。