智能駕駛核心技術
國際上公認未來汽車的三大前沿科學技術發展方向包括：機器人技術Robotics，人工智能AI，云技術Cloud。

↑五大技術看點（來源：CEA）

1. 機器人技術Robotics
   汽車感知傳感器技術
   汽車感知傳感器技術細分包括超聲波測距傳感器、攝像頭圖像傳感器、雷達傳感器和激光掃描儀。
   感知技術也經歷了長久的發展。谷歌無人駕駛汽車為例，使用很多的技術實際上脫胎于DARPA組織的陸地挑戰賽（Grand Challenge）。DARPA早在十多年就開始提供資金支持，協調大學研究機構、車企、傳感器供應商和半導體供應商合作，進行一系列的無人駕駛汽車挑戰賽。這個系列的挑戰賽被稱為DARPA陸地挑戰賽。這一系列挑戰賽中比較有名的就是2004年和2005年的兩屆陸地挑戰賽（Grand Challenge）和2007年舉行的城市挑戰賽（Urban Challenge）。
   

↑汽車感知傳感器包括超聲波、攝像頭、毫米波雷達和激光雷達傳感器等
由于2004年當時的技術限制，在當年第一屆無人駕駛陸地挑戰賽舉辦的時候甚至沒有一家參賽隊伍能夠完成主辦方DARPA設定的加州莫哈韋沙漠240公里賽道。因此在2005年的第二屆陸地挑戰賽中DARPA將賽道的最低目標距離設定為11.78公里。這也是第一屆中無人駕駛汽車最遠的行駛。此屆挑戰賽中有5輛無人駕駛汽車完成了目標。其中比較出名的應該就是TerraMax無人駕駛卡車。作為2005年TerraMax的陸地挑戰賽參賽車型，它在BBC TOPGEAR汽車節目19季第5集中出鏡，與詹姆斯梅駕駛的路虎攬勝來了一場機器與人的越野比賽。要知道TerraMax還僅僅是2005年挑戰賽中5個完賽隊伍中的最后一名。

↑BBC TOPGEAR出鏡的TerraMax無人駕駛卡車（左）和詹姆斯梅駕駛的路虎攬勝（右）
第三屆的陸地挑戰賽被DARPA官方稱為城市挑戰賽（Urban Challenge）。于2007年在加州的喬治空軍基地進行。比賽被設定成讓無人駕駛汽車可以使用于城市駕駛環境中。賽道全長96公里，限時為6個小時。不同的隊伍之間會有路線交叉的過程。美國Velodyne公司前期主要產品為音響產品。Velodyne公司參與了前兩屆的DARPA陸地挑戰賽，才開始了激光掃描儀產品的開發，成為業界360度高性能激光掃描儀的領先者。DARPA挑戰賽成就了Velodyne，成為激光掃描儀LIDAR界的巨人一點不為過。

↑Velodyne公司的激光掃描儀產品
到了2007年的城市挑戰賽中，Velodyne公司的激光掃描儀已經應用到了大部分的參賽隊伍中。6個完賽的參賽隊伍中只有第三名的VictorTango隊沒有使用Velodyne公司產品。

↑斯坦福隊使用的大眾帕薩特旅行版（左）和VictorTango隊使用的福特翼虎（上）在路口相遇
對于關鍵傳感器-激光掃描儀的持續成本優化

↑行業分析顯示，激光掃描儀在高級別的無人駕駛中不可或缺
從CES2016已經可以看到一個非常明顯的信號，激光掃描儀未來發展趨勢是固態化，小型化，低成本化

↑激光掃描儀未來發展趨勢是固態化
谷歌提出的無人駕駛汽車就是基于置于車頂的機械旋轉激光雷達產品實現的。就是來自Velodyne公司的64波束激光雷達。這款產品當初的價格也是驚人的超過了7萬美金。是谷歌采用的原型車豐田普銳斯售價的兩倍還要多。雖然性能非常好，為了實現將來無人駕駛汽車的量產，成本降低是必然之路。

↑裝備激光掃描儀的上汽iGS無人駕駛概念車在廣德試驗場進行測試
由于全球供應鏈一體化的影響，加上中國是最大的汽車銷售市場，相應的技術很快逐漸應用到了國內的無人駕駛概念車上，并逐步在量產車型中適配相應的駕駛輔助功能。
2.人工智能AI

↑攝像頭采集圖像進行分層學習
特斯拉等車廠率先實施人工智能的駕駛輔助系統。其中人工智能的核心技術為深度學習Deep NeuralNetworks （DNN）。通過對攝像頭采集圖像進行分層學習，從圖像中可以抽取相應的目標位置，路線規劃。從而通過深度學習，規劃出的路徑不再完全依靠車道線，基于對于前方目標辨認標識出的安全空間。

↑奧迪自動駕駛控制器zFAS
自動駕駛控制器當中的計算平臺為了實現人工智能的需求，實際上有一個迭代演進的過程。率先量產L3自動駕駛的奧迪A8L為例。自動駕駛的核心自動駕駛控制器zFAS采用了大量不同架構的計算芯片實現1個激光雷達、5個毫米波雷達和3個攝像頭的信號處理和決策。等效算力在2TOPS左右。其核心處理器包括
-Tegra K1 來自 NVIDIA，用于人工智能機器學習
-Aurix 來自 Infineon，用于提供符合功能安全和信息安全的駕駛輔助管理
-Cyclon V 來自 Altera，用于基于FPGA技術高速處理信號融合
-EyeQ3來自Mobileye，用于進行視覺信號處理

↑特斯拉Autopilot2.0域控制器CCM中央計算模塊
特斯拉演進至Autopilot2.0，將駕駛輔助的控制都合并到了CCM中央計算模塊當中。CCM就像車載的強力大腦，高速處理1個毫米波雷達和8個攝像頭信號，算力提升至10TOPS。仍采用分立的SOC和GPU架構，包含如下組成部件：
-Parker SOC +Pascal GPU 來自 NVIDIA，用于人工智能機器學習
-Aurix 來自 Infineon，用于提供符合功能安全和信息安全的駕駛輔助管理
-EthernetSwitch 來自 Marvel，用于基于以太網技術的高速信號交互

↑特斯拉Autopilot3.0域控制器采用自研異構芯片FSD
迭代至Autopilot3.0可以說是自動駕駛中央計算模塊的分水嶺和里程碑。因為采用自研異構芯片FSD，使得芯片內部集成了3個四ARM A72 CPU核心加GPU和2組神經網絡處理單元NPU。能更高速且低能耗地處理1個毫米波雷達和8個攝像頭信號，系統算力大幅提升至144TOPS。異構計算架構功不可沒。

↑英偉達自動駕駛異構芯片
作為通用圖形處理單元GPU領軍者，英偉達NVIDIA很快意識到了深度學習神經網絡DNN在自動駕駛中的崛起和應用挑戰。基于異構計算架構推出了一系列定制的SOC芯片。比如小鵬P7采用的Xavier芯片算力為30TOPS，具有強大的八核ARM64處理核心和512核Volta GPU，能夠達到汽車安全所需要功能安全ASIL-D（最高等級）的級別。相對整車級別優化了功耗性能比。即將量產的蔚來ET7配備了ADAM超算平臺，算力達到1016TOPS。ADAM超算平臺采用了4組英偉達最新的Orin自動駕駛異構計算技術SOC芯片。每組Orin芯片集成了12個ARM A76 CPU核心和算力在200TOPS左右的GPU內核。

↑芯片半導體技術逐漸成為自動駕駛的核心技術之一
3.云技術Cloud互聯技術V2X
互聯技術V2X相關標準還沒有確定。最早的DSRC專用近距通訊技術IEEE802.11p與4G LTE技術之爭。DSRC一直以200m內點對點通訊1秒的通訊實時性，壓得4G LTE 6~7秒的通訊延遲喘不過氣。

↑DSRC Dedicated Short-RangeCommunications IEEE802.11p (5.9GHz)
不過隨著5G LTE或者稱C-V2X的發展，徹底解決了實時性問題。業界逐漸統一了觀點。按照行業標準對V2X有明確的定義。具體由V2I、V2V、V2P和V2N組成。
V2I與路面設施的通訊。如車輛與紅綠燈或者十字路口標識牌間的交互。
V2V車輛與車輛間的通訊。如十字路口交匯車輛或者前后車輛間的交互。
V2P車輛與行人間的通訊。如與過馬路的行人或者周圍的騎車人的交互。
V2N車輛與云端服務器通訊。如導航路徑規劃或者高精度地圖的交互。

↑5G C-V2X車云互聯技術方案
隨著自動駕駛技術的機器人技術和人工智能技術快速發展，車輛可以通過各種傳感器比如激光雷達感知周圍環境并且通過強大的計算能力做出決策。需要非常重要的一環，通過汽車互聯技術V2X與智慧城市及外界環境進行交互。
眾多車企都針對5G互聯技術進行長期部署。國際廠商包括奧迪、寶馬、奔馳和福特等，國內包括上汽集團和華為都是汽車5G互聯技術聯盟5GAA的成員。上汽集團作為汽車行業的領軍，長期對于自動駕駛相關技術進行深耕，率先在2020年底獲得了5G在汽車上應用的商用牌照。

↑上汽5G智能駕駛
5G通訊技術有著通訊速度快延時低的特點。基于5G通訊技術推出的C-V2X標準包括了依托基站的遠距離通訊Uu協議和近距離點對點通訊的PC5協議。很好地解決了汽車互聯中遠距離通訊和近距離通訊的需求，將其合二為一。具有不依托基站進行安全低延時通訊的能力，可依托基站進行遠距離大數據量傳輸。既能夠基于車車通訊進行同步，又能夠在GPS信號弱時基于基站輔助定位。

↑5G信號指引紅綠燈通行速度
通過5G通訊技術，車輛可以與路面設施進行V2I通訊。如車輛與紅綠燈或者十字路口標識牌間的交互。通過5G信號接受途徑路段一系列紅綠燈設施的指令，指引紅綠燈通行速度。使綠燈車流更順暢，合理控制行駛速度優化能耗。

↑5G信號指引車輛讓行
通過5G通訊技術，車輛可以與車輛間進行V2V通訊。如十字路口交匯車輛或者前后車輛間的交互。通過5G信號接受交匯車輛的車速和位置信息。通過低延遲的車車通訊，合理讓行降低事故概率。

↑5G信號指引車輛道路規劃
通過5G通訊技術，車輛可以與云端服務器進行V2N通訊。如導航路徑規劃或者高精度地圖的交互。通過5G信號接收前方事故路況信息。合理規劃行駛路線，避開擁堵。自動駕駛技術越來越倚重高精度地圖。高精度地圖正成為汽車互聯中大數據量交互用的一種典型應用。依托自動駕駛或駕駛輔助攝像頭傳感器，將各個路段的車道線和指示信號燈或路牌圖像信息，通過移動網絡上傳到云進行統一計算。這樣具備這種技術的自動駕駛汽車，可以基于云數據快速學習多變復雜的道路，最終實現良好的自動駕駛體驗。

參考鏈接：
https://www.zhihu.com/question/267204565/answer/2304059167

總結

以上是生活随笔為你收集整理的智能驾驶核心技术的全部內容，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。