人工智能在自動(dòng)駕駛應(yīng)用中的5大關(guān)鍵技術(shù)分析

隨著技術(shù)的快速發(fā)展云計(jì)算、大數(shù)據(jù)、人工智能一些新名詞進(jìn)入大眾的視野，人工智能是人類進(jìn)入信息時(shí)代后的又一技術(shù)革命正受到越來(lái)越廣泛的重視。作為人工智能技術(shù)在汽車行業(yè)、交通領(lǐng)域的延伸與應(yīng)用，無(wú)人駕駛近幾年在世界范圍內(nèi)受到了產(chǎn)學(xué)界甚至國(guó)家層面的密切關(guān)注。

自動(dòng)駕駛汽車依靠人工智能、視覺(jué)計(jì)算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)協(xié)同合作，讓電腦可以在沒(méi)有任何人類主動(dòng)的操作下，自動(dòng)安全地操作機(jī)動(dòng)車輛。自動(dòng)駕駛技術(shù)將成為未來(lái)汽車一個(gè)全新的發(fā)展方向。

本文將主要介紹人工智能技術(shù)在自動(dòng)駕駛中的應(yīng)用領(lǐng)域，并對(duì)自動(dòng)技術(shù)的發(fā)展前景進(jìn)行一個(gè)簡(jiǎn)單的分析。

人工智能是一門起步晚卻發(fā)展快速的科學(xué)。20 世紀(jì)以來(lái)科學(xué)工作者們不斷尋求著賦予機(jī)器人類智慧的方法?，F(xiàn)代人工智能這一概念是從英國(guó)科學(xué)家圖靈的尋求智能機(jī)發(fā)展而來(lái)，直到1937年圖靈發(fā)表的論文《理想自動(dòng)機(jī)》給人工智能下了嚴(yán)格的數(shù)學(xué)定義，現(xiàn)實(shí)世界中實(shí)際要處理的很多問(wèn)題不能單純地是數(shù)值計(jì)算，如言語(yǔ)理解與表達(dá)、圖形圖像及聲音理解、醫(yī)療診斷等等。

1955 年Newell 和Simon 的Logic Theorist證明了《數(shù)學(xué)原理》中前52 個(gè)定理中的38 個(gè)。Simon 斷言他們已經(jīng)解決了物質(zhì)構(gòu)成的系統(tǒng)如何獲得心靈性質(zhì)的問(wèn)題( 這種論斷在后來(lái)的哲學(xué)領(lǐng)域被稱為“強(qiáng)人工智能”) ，認(rèn)為機(jī)器具有像人一樣邏輯思維的能力。1956 年，“人工智能”( AI) 由美國(guó)的JohnMcCarthy 提出，經(jīng)過(guò)早期的探索階段，人工智能向著更加體系化的方向發(fā)展，至此成為一門獨(dú)立的學(xué)科。

五十年代，以游戲博弈為對(duì)象開(kāi)始了人工智能的研究；六十年代，以搜索法求解一般問(wèn)題的研究為主；七十年代，人工智能學(xué)者進(jìn)行了有成效的人工智能研究；八十年代，開(kāi)始了不確定推理、非單調(diào)推理、定理推理方法的研究；九十年代，知識(shí)表示、機(jī)器學(xué)習(xí)、分布式人工智能等基礎(chǔ)性研究方面都取得了突破性的進(jìn)展。

人工智能在自動(dòng)駕駛技術(shù)中的應(yīng)用概述

人工智能發(fā)展六十年，幾起幾落，如今迎來(lái)又一次熱潮，深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)和自然語(yǔ)言理解等各方面的突破，使得許多曾是天方夜譚的應(yīng)用成為可能，無(wú)人駕駛汽車就是其中之一。作為人工智能等技術(shù)在汽車行業(yè)、交通領(lǐng)域的延伸與應(yīng)用，無(wú)人駕駛近幾年在世界范圍內(nèi)受到了產(chǎn)學(xué)界甚至國(guó)家層面的密切關(guān)注。目前，人工智能在汽車自動(dòng)駕駛技術(shù)中也有了廣泛應(yīng)用。

自動(dòng)駕駛汽車依靠人工智能、視覺(jué)計(jì)算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)協(xié)同合作，它是一個(gè)集環(huán)境感知、規(guī)劃決策、多等級(jí)輔助駕駛等功能于一體的綜合系統(tǒng)，它集中運(yùn)用了計(jì)算機(jī)、現(xiàn)代傳感、信息融合、通訊、人工智能及自動(dòng)控制等技術(shù), 是典型的高新技術(shù)綜合體。

這種汽車能和人一樣會(huì)“思考” 、“判斷”、“行走” ，讓電腦可以在沒(méi)有任何人類主動(dòng)的操作下，自動(dòng)安全地操作機(jī)動(dòng)車輛 。 按照SAE（美國(guó)汽車工程師協(xié)會(huì)）的分級(jí)，共分為：駕駛員輔助、部分自動(dòng)駕駛、有條件自動(dòng)駕駛、高度自動(dòng)駕駛、完全自動(dòng)駕駛五個(gè)層級(jí)。

第一階段：駕駛員輔助目的是為駕駛者提供協(xié)助，包括提供重要或有益的駕駛相關(guān)信息，以及在形勢(shì)開(kāi)始變得危急的時(shí)候發(fā)出明確而簡(jiǎn)潔的警告?，F(xiàn)階段大部分ADAS主動(dòng)安全輔助系統(tǒng)，讓車輛能夠?qū)崿F(xiàn)感知和干預(yù)操作。例如防抱死制動(dòng)系統(tǒng)（ABS）、電子穩(wěn)定性控制（ESC）、車道偏離警告系統(tǒng)、正面碰撞警告系統(tǒng)、盲點(diǎn)信息系統(tǒng)等等，此時(shí)車輛是能夠通過(guò)攝像頭、雷達(dá)傳感器獲知周圍交通狀況，進(jìn)而做出警示和干預(yù)。

第二階段：部分自動(dòng)駕駛車輛通過(guò)攝像頭、雷達(dá)傳感器、激光傳感器等等設(shè)備獲取道路以及周邊交通信息，車輛會(huì)自行對(duì)方向盤和加減速中的多項(xiàng)操作提供駕駛支援，在駕駛者收到警告卻未能及時(shí)采取相應(yīng)行動(dòng)時(shí)能夠自動(dòng)進(jìn)行干預(yù)，其他操作交由駕駛員，實(shí)現(xiàn)人機(jī)共駕，但車輛不允許駕駛員的雙手脫離方向盤。例如自適應(yīng)巡航控制（ACC）、車道保持輔助系統(tǒng)（LKA）、自動(dòng)緊急制動(dòng)（AEB）系統(tǒng)、車道偏離預(yù)警（LDW）等。

第三階段：有條件自動(dòng)駕駛由自動(dòng)駕駛系統(tǒng)完成駕駛操作，根據(jù)路況條件所限，必要時(shí)發(fā)出系統(tǒng)請(qǐng)求，必須交由駕駛員駕駛。

第四階段：高度自動(dòng)駕駛由自動(dòng)駕駛系統(tǒng)完成所有駕駛操作，根據(jù)系統(tǒng)請(qǐng)求，駕駛員可以不接管車輛。車輛已經(jīng)可以完成自動(dòng)駕駛，一旦出現(xiàn)自動(dòng)駕駛系統(tǒng)無(wú)法招架的情形，車輛也可以自行調(diào)整完成自動(dòng)駕駛，駕駛員不需要干涉。

第五階段：完全自動(dòng)駕駛自動(dòng)駕駛的理想形態(tài)，乘客只需提供目的地，無(wú)論任何路況，任何天氣，車輛均能夠?qū)崿F(xiàn)自動(dòng)駕駛。這種自動(dòng)化水平允許乘客從事計(jì)算機(jī)工作、休息和睡眠以及其他娛樂(lè)等活動(dòng)，在任何時(shí)候都不需要對(duì)車輛進(jìn)行監(jiān)控。

自動(dòng)駕駛的實(shí)現(xiàn)

車輛實(shí)現(xiàn)自動(dòng)駕駛，必須經(jīng)由三大環(huán)節(jié)：

第一，感知。也就是讓車輛獲取，不同的系統(tǒng)需要由不同類型的車用感測(cè)器，包含毫米波雷達(dá)、超聲波雷達(dá)、紅外雷達(dá)、雷射雷達(dá)、CCD \CMOS影像感測(cè)器及輪速感測(cè)器等來(lái)收集整車的工作狀態(tài)及其參數(shù)變化情形。

第二，處理。也就是大腦將感測(cè)器所收集到的資訊進(jìn)行分析處理，然后再向控制的裝置輸出控制訊號(hào)。

第三，執(zhí)行。依據(jù)ECU輸出的訊號(hào)，讓汽車完成動(dòng)作執(zhí)行。其中每一個(gè)環(huán)節(jié)都離不開(kāi)人工智能技術(shù)的基礎(chǔ)。

人工智能在自動(dòng)駕駛定位技術(shù)中的應(yīng)用

定位技術(shù)是自動(dòng)駕駛車輛行駛的基礎(chǔ)。目前常用的技術(shù)包括線導(dǎo)航、磁導(dǎo)航、無(wú)線導(dǎo)航、視覺(jué)導(dǎo)航、導(dǎo)航、激光導(dǎo)航等。

其中磁導(dǎo)航是目前最成熟可靠的方案,現(xiàn)有大多數(shù)應(yīng)用均采用這種導(dǎo)航技術(shù)。磁導(dǎo)航技術(shù)通過(guò)在車道上埋設(shè)磁性標(biāo)志來(lái)給車輛提供車道的邊界信息,磁性材料具有好的環(huán)境適應(yīng)性,它對(duì)雨天,冰雪覆蓋,光照不足甚至無(wú)光照的情況都可適應(yīng),不足之處是需要對(duì)現(xiàn)行的道路設(shè)施作出較大的改動(dòng),成本較高。同時(shí)磁性導(dǎo)航技術(shù)無(wú)法預(yù)知車道前方的障礙,因而不可能單獨(dú)使用。

視覺(jué)導(dǎo)航對(duì)基礎(chǔ)設(shè)施的要求較低,被認(rèn)為是最有前景的導(dǎo)航方法。在高速路和城市環(huán)境中視覺(jué)方法受到了較大的關(guān)注。

人工智能在自動(dòng)駕駛圖像識(shí)別與感知中的應(yīng)用

無(wú)人駕駛汽車感知依靠傳感器。目前傳感器性能越來(lái)越高、體積越來(lái)越小、功耗越來(lái)越低，其飛速發(fā)展是無(wú)人駕駛熱潮的重要推手。反過(guò)來(lái)，無(wú)人駕駛又對(duì)車載傳感器提出了更高的要求，又促進(jìn)了其發(fā)展。

用于無(wú)人駕駛的傳感器可以分為四類：

雷達(dá)傳感器。

主要用來(lái)探測(cè)一定范圍內(nèi)障礙物（比如車輛、行人、路肩等）的方位、距離及移動(dòng)速度，常用車載雷達(dá)種類有激光雷達(dá)、毫米波雷達(dá)和超聲波雷達(dá)。激光雷達(dá)精度高、探測(cè)范圍廣，但成本高，比如Google無(wú)人車頂上的64線激光雷達(dá)成本高達(dá)70多萬(wàn)元人民幣；毫米波雷達(dá)成本相對(duì)較低，探測(cè)距離較遠(yuǎn)，被車企廣泛使用，但與激光雷達(dá)比精度稍低、可視角度偏?。怀暡ɡ走_(dá)成本最低，但探測(cè)距離近、精度低，可用于低速下碰撞預(yù)警。

視覺(jué)傳感器。

主要用來(lái)識(shí)別車道線、停止線、交通信號(hào)燈、交通標(biāo)志牌、行人、車輛等。常用的有單目攝像頭、雙目攝像頭、紅外攝像頭。視覺(jué)傳感器成本低，相關(guān)研究與產(chǎn)品非常多，但視覺(jué)算法易受光照、陰影、污損、遮擋影響，準(zhǔn)確性、魯棒性有待提高。所以，作為人工智能技術(shù)廣泛應(yīng)用的領(lǐng)域之一的圖像識(shí)別，也是無(wú)人駕駛汽車領(lǐng)域的一個(gè)研究熱點(diǎn)。

定位及位姿傳感器。

主要用來(lái)實(shí)時(shí)高精度定位以及位姿感知，比如獲取經(jīng)緯度坐標(biāo)、速度、加速度、航向角等，一般包括全球衛(wèi)星定位系統(tǒng)（GNSS）、慣性設(shè)備、輪速計(jì)、里程計(jì)等?，F(xiàn)在國(guó)內(nèi)常用的高精度定位方法是使用差分定位設(shè)備，如RTK-GPS，但需要額外架設(shè)固定差分基站，應(yīng)用距離受限，而且易受建筑物、樹(shù)木遮擋影響。近年來(lái)很多省市的測(cè)繪部門都架設(shè)了相當(dāng)于固定差分基站的連續(xù)運(yùn)行參考站系統(tǒng)（CORS），比如遼寧、湖北、上海等，實(shí)現(xiàn)了定位信號(hào)的大范圍覆蓋，這種基礎(chǔ)設(shè)施建設(shè)為智能駕駛提供了有力的技術(shù)支撐。定位技術(shù)是無(wú)人駕駛的核心技術(shù)，因?yàn)橛辛宋恢眯畔⒕涂梢岳秘S富的地理、地圖等先驗(yàn)知識(shí)，可以使用基于位置的服務(wù)。

車身傳感器。

來(lái)自車輛本身，通過(guò)整車網(wǎng)絡(luò)接口獲取諸如車速、輪速、檔位等車輛本身的信息。

人工智能在自動(dòng)駕駛深度學(xué)習(xí)中的應(yīng)用

駕駛員認(rèn)知靠大腦，無(wú)人駕駛汽車的“大腦”則是計(jì)算機(jī)。無(wú)人車?yán)锏挠?jì)算機(jī)與我們常用的臺(tái)式機(jī)、筆記本略有不同，因?yàn)檐囕v在行駛的時(shí)候會(huì)遇到顛簸、震動(dòng)、粉塵甚至高溫的情況，一般計(jì)算機(jī)無(wú)法長(zhǎng)時(shí)間運(yùn)行在這些環(huán)境中。所以無(wú)人車一般選用工業(yè)環(huán)境下的計(jì)算機(jī)——工控機(jī)。

工控機(jī)上運(yùn)行著操作系統(tǒng)，操作系統(tǒng)中運(yùn)行著無(wú)人駕駛軟件。如圖1所示為某無(wú)人駕駛車軟件系統(tǒng)架構(gòu)。操作系統(tǒng)之上是支撐模塊（這里模塊指的是計(jì)算機(jī)程序），對(duì)上層軟件模塊提供基礎(chǔ)服務(wù)。

支撐模塊包括：虛擬交換模塊，用于模塊間通信；日志管理模塊，用于日志記錄、檢索以及回放；進(jìn)程監(jiān)控模塊，負(fù)責(zé)監(jiān)視整個(gè)系統(tǒng)的運(yùn)行狀態(tài)，如果某個(gè)模塊運(yùn)行不正常則提示操作人員并自動(dòng)采取相應(yīng)措施；交互調(diào)試模塊，負(fù)責(zé)開(kāi)發(fā)人員與無(wú)人駕駛系統(tǒng)交互。

圖：某無(wú)人駕駛車軟件系統(tǒng)架構(gòu)

除了對(duì)外界進(jìn)行認(rèn)知之外，機(jī)器還必須要能夠進(jìn)行學(xué)習(xí)。深度學(xué)習(xí)是無(wú)人駕駛技術(shù)成功地基礎(chǔ)，深度學(xué)習(xí)是源于人工神經(jīng)網(wǎng)絡(luò)的一種高效的機(jī)器學(xué)習(xí)方法。深度學(xué)習(xí)可以提高汽車識(shí)別道路、行人、障礙物等的時(shí)間效率，并保障了識(shí)別的正確率。通過(guò)大量數(shù)據(jù)的訓(xùn)練之后，汽車可以將收集到的圖形，電磁波等信息轉(zhuǎn)換為可用的數(shù)據(jù)，利用深度學(xué)習(xí)算法實(shí)現(xiàn)無(wú)人駕駛。

在無(wú)人駕駛汽車通過(guò)雷達(dá)等收集到數(shù)據(jù)時(shí)，對(duì)于原始的訓(xùn)練數(shù)據(jù)要首先進(jìn)行數(shù)據(jù)的預(yù)處理化。計(jì)算均值并對(duì)數(shù)據(jù)的均值做均值標(biāo)準(zhǔn)化、對(duì)原始數(shù)據(jù)做主成分分析、使用PCA白化或ZCA白化。例如：將激光傳感器收集到的時(shí)間數(shù)據(jù)轉(zhuǎn)換為車與物體之間的距離；將車載攝像頭拍攝到的照片信息轉(zhuǎn)換為對(duì)路障的判斷，對(duì)紅綠燈的判斷，對(duì)行人的判斷等；雷達(dá)探測(cè)到的數(shù)據(jù)轉(zhuǎn)換為各個(gè)物體之間的距離。

將深度學(xué)習(xí)應(yīng)用于無(wú)人駕駛汽車中，主要包含以下步驟：

1. 準(zhǔn)備數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理再選用合適的數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)訓(xùn)練數(shù)據(jù)和測(cè)試元組；

2. 輸入大量數(shù)據(jù)對(duì)第一層進(jìn)行無(wú)監(jiān)督學(xué)習(xí)；

3. 通過(guò)第一層對(duì)數(shù)據(jù)進(jìn)行聚類，將相近的數(shù)據(jù)劃分為同一類，隨機(jī)進(jìn)行判斷；

4. 運(yùn)用監(jiān)督學(xué)習(xí)調(diào)整第二層中各個(gè)節(jié)點(diǎn)的閥值，提高第二層數(shù)據(jù)輸入的正確性；

5. 用大量的數(shù)據(jù)對(duì)每一層網(wǎng)絡(luò)進(jìn)行無(wú)監(jiān)督學(xué)習(xí)，并且每次用無(wú)監(jiān)督學(xué)習(xí)只訓(xùn)練一層，將其訓(xùn)練結(jié)果作為其更高一層的輸入。

6. 輸入之后用監(jiān)督學(xué)習(xí)去調(diào)整所有層。

人工智能在自動(dòng)駕駛信息共享中的應(yīng)用

首先，利用無(wú)線網(wǎng)絡(luò)進(jìn)行車與車之間的信息共享。通過(guò)專用通道，一輛汽車可以把自己的位置、路況實(shí)時(shí)分享給隊(duì)里的其它汽車，以便其它車輛的自動(dòng)駕駛系統(tǒng)，在收到信息后做出相應(yīng)調(diào)整。

其次，是3D路況感應(yīng)，車輛將結(jié)合超聲波傳感器、攝像機(jī)、雷達(dá)和激光測(cè)距等技術(shù)，檢測(cè)出汽車前方約5米內(nèi)地形地貌，判斷前方是柏油路還是碎石、草地、沙灘等路面，根據(jù)地形自動(dòng)改變汽車設(shè)置。

另外，汽車還將能進(jìn)行自動(dòng)變速，一旦探測(cè)到地形發(fā)生改變，可以自動(dòng)減速，路面恢復(fù)正常后，再回到原先狀態(tài)。

汽車信息共享所收集到的交通信息量將非常巨大，如果不對(duì)這些數(shù)據(jù)進(jìn)行有效處理和利用，就會(huì)迅速被信息所湮沒(méi)。因此需要采用數(shù)據(jù)挖掘、人工智能等方式提取有效信息，同時(shí)過(guò)濾掉無(wú)用信息?？紤]到車輛行駛過(guò)程中需要依賴的信息具有很大的時(shí)間和空間關(guān)聯(lián)性，因此有些信息的處理需要非常及時(shí)。

人工智能應(yīng)用于自動(dòng)駕駛技術(shù)中的優(yōu)勢(shì)

人工智能算法更側(cè)重于學(xué)習(xí)功能，其他算法更側(cè)重于計(jì)算功能。學(xué)習(xí)是智能的重要體現(xiàn)，學(xué)習(xí)功能是人工智能的重要特征，現(xiàn)階段大多人工智能技術(shù)還處在學(xué)的階段。如前文所說(shuō)，無(wú)人駕駛實(shí)際上是類人駕駛，是智能車向人類駕駛員學(xué)習(xí)如何感知交通環(huán)境，如何利用已有的知識(shí)和駕駛經(jīng)驗(yàn)進(jìn)行決策和規(guī)劃，如何熟練地控制方向盤、油門和剎車。

從感知、認(rèn)知、行為三個(gè)方面看，感知部分難度最大，人工智能技術(shù)應(yīng)用最多。感知技術(shù)依賴于傳感器，比如攝像頭，由于其成本低，在產(chǎn)業(yè)界倍受青睞。以色列一家名叫Mobileye的公司在交通圖像識(shí)別領(lǐng)域做得非常好，它通過(guò)一個(gè)攝像頭可以完成交通標(biāo)線識(shí)別、交通信號(hào)燈識(shí)別、行人檢測(cè)，甚至可以區(qū)別前方是自行車、汽車還是卡車。

人工智能技術(shù)在圖像識(shí)別領(lǐng)域的成功應(yīng)用莫過(guò)于深度學(xué)習(xí)，近幾年研究人員通過(guò)卷積神經(jīng)網(wǎng)絡(luò)和其它深度學(xué)習(xí)模型對(duì)圖像樣本進(jìn)行訓(xùn)練，大大提高了識(shí)別準(zhǔn)確率。Mobileye目前取得的成果，正是得益于該公司很早就將深度學(xué)習(xí)當(dāng)作一項(xiàng)核心技術(shù)進(jìn)行研究。 認(rèn)知與控制方面，主要使用人工智能領(lǐng)域中的傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)，通過(guò)學(xué)習(xí)人類駕駛員的駕駛行為建立駕駛員模型，學(xué)習(xí)人的方式駕駛汽車。

無(wú)人駕駛技術(shù)所面臨的挑戰(zhàn)和展望

在目前交通出行狀況越來(lái)越惡劣的背景下，“無(wú)人駕駛”汽車的商業(yè)化前景，還受很多因素制約。

主要有：

1. 法規(guī)障礙

2. 不同品牌車型間建立共同協(xié)議，行業(yè)缺少規(guī)范和標(biāo)準(zhǔn)

3. 基礎(chǔ)道路狀況，標(biāo)識(shí)和信息準(zhǔn)確性，信息網(wǎng)絡(luò)的安全性

4. 難以承受的高昂成本

此外，“無(wú)人駕駛”汽車的一個(gè)最大特點(diǎn)，就是車輛網(wǎng)絡(luò)化、信息化程度極高，而這也對(duì)電腦系統(tǒng)的安全問(wèn)題形成極大挑戰(zhàn)。一旦遇到電腦程序錯(cuò)亂或者信息網(wǎng)絡(luò)被入侵的情況，如何繼續(xù)保證自身車輛以及周圍其他車輛的行駛安全，這同樣是未來(lái)急需解決的問(wèn)題。 雖然無(wú)人駕駛技術(shù)還存在著很多挑戰(zhàn)，但是無(wú)人駕駛難在感知，重在“學(xué)習(xí)”，無(wú)人駕駛的技術(shù)水平遲早會(huì)超過(guò)人類，因?yàn)榉€(wěn)、準(zhǔn)、快是機(jī)器的先天優(yōu)勢(shì)，人類無(wú)法與之比擬。

駕駛有時(shí)并不是負(fù)擔(dān)，相反是一種樂(lè)趣，體現(xiàn)了人類拓展自身極限的能力。筆者相信，完全的無(wú)人駕駛也許有些遙遠(yuǎn)，但隨著機(jī)器學(xué)習(xí)算法的提升和應(yīng)用的挖掘，更接地氣人機(jī)和諧共駕指日可待。不管在自動(dòng)駕駛這條路上有多少困難，但我相信總有它出現(xiàn)在城市道路上的一天，技術(shù)的發(fā)展充滿激情與動(dòng)力。在不久的將來(lái)，也許自動(dòng)駕駛會(huì)成為主流。