自动驾驶与雷达(四)  自动驾驶技术路线和分级标准

姓名：张波；  学号：22021211233； 学院：电子工程学院

【嵌牛导读】本小节主要探讨一下自动驾驶的技术路线和分级标准，了解目前市场上自动驾驶厂商的方案区别和优缺点。

【嵌牛鼻子】感知 决策 多传感器融合

【嵌牛提问】你认为哪一种自动驾驶方案更好，未来自动驾驶汽车是否能实现赛博朋克科幻电影中的那般智能？

自动驾驶分级标准

L0：人工驾驶，驾驶员执行全部的驾驶任务。

L1：辅助驾驶，在适用的设计范围下，驾驶自动化系统（driving automation system）可持续执行横向或纵向的车辆运动控制的某一子任务（不同时进行），驾驶员负责执行其他的动态驾驶任务。

L2：部分驾驶自动化，在适用的设计范围下，驾驶自动化系统（driving automation system）可持续执行横向或纵向的车辆运动控制任务（不同时进行），驾驶员进行周边监控并监督驾驶自动化系统。L2级别及以下以驾驶员操控汽车为主，驾驶系统主要提供辅助功能。

L3：有条件驾驶自动化，在适用的设计范围下，自动驾驶系统（Automated Driving System，ADS）可持续执行完整的动态驾驶任务，驾驶员需要在系统失效时接受系统的干预请求，及时作出响应。L3级别在限定条件下，系统操控汽车，驾驶员在必要时进行接管。

L4：高度驾驶自动化，在适用的设计范围下，自动驾驶系统（Automated Driving System，ADS）可持续执行完整的动态驾驶任务，驾驶员不需要对系统请求作出响应。L4级别在限定条件下，系统可以基本上操控智能汽车，不需要驾驶员进行接管。

L5：完全驾驶自动化，自动驾驶系统（Automated Driving System，ADS）在所有道路环境执行完整的动态驾驶任务及动态驾驶任务支援，驾驶员无需介入。

自动驾驶技术路线

        自动驾驶分三步：1感知；2决策；3操控。简单说就是模拟驾驶员，先观察周边环境，再判断和障碍物距离，最后发出指令以操控汽车行驶。目前用于感知的工具主要包括：1. 估计型的摄像头；2. 测量型的雷达。因此，目前的技术路线之争也主要分为视觉算法路线和激光雷达路线。

（1）视觉算法路线

        通俗的解释是：让摄像头模拟眼睛进行观察、感知，让神经网络系统模拟大脑进行判断。底层逻辑是：驾驶员可以依靠人眼驾驶汽车，自动驾驶也可以依靠摄像头驾驶。特斯拉采用这一技术路线，具体步骤如下：

        1、在驾驶应用之前，通过摄像头将道路周边环境建模，把相片及相关数据添加到神经网络系统，先由人工告诉神经网络系统正确的指令；

        2、指令不断累积形成规模之后，神经网络系统根据算法进行学习，进而产生自主判断能力，自行发出行进或避让的指令开启自动驾驶；

        3、在不断的测试中试错，人工将神经网络系统误判情况下人为干预行为进行标注，神经网络系统基于标注不断学习，最终形成无限接近正确的反应模式。这就是所谓的通过“影子模式”不断优化算法。

        特斯拉的模式更复杂一些，其以路上跑的每一辆特斯拉采集真实数据组成标注数据池，通过海量的算法帮助神经网络系统不断纠错和修正，形成闭环。这种技术路线的优点是便宜，每套系统成本仅几百美元。但缺点也很明显。摄像头是二维的，在感知三维物体或者复杂环境的时候会存在失真的情况。

（2）激光雷达路线

        激光雷达的优势很明显。激光雷达可每秒向外发射几百万个激光脉冲，并通过内部旋转方式对外界进行旋转扫描，每次扫描都可获取周边物体精确的三维数据，从而大大提高对于驾驶环境的识别准确度。缺点是无法识别物体颜色，从而影响对红绿灯这一传统重要交通规则的判断。

        目前，更多的厂商则采取视觉算法+激光雷达的“双保险”技术路线。用摄像头的高分辨率和激光雷达的精准测距互为补充。即在感知范围的设置重叠区域，用更多硬件来做安全沉余。这种方法最大的缺点在于价格昂贵。因此才会有马克龙怒怼激光雷达是智商税的桥段。不过2020年之后，随着激光雷达技术的完善及量产，这一困境有所改善。激光雷达技术路线的自动驾驶也走向了量产。