本文轉自：https://mp.weixin.qq.com/s/DS3q0EqzcKU5PiTD0JODKw
原文是2016年的一個訪談。
9月20日，四維圖新副總裁李昭宏作客Comet Talk線上微課，為大家分享自動駕駛的發展。以下為微課幹貨分享：
汽車行業是一個有百年曆史的行業，且在這100多年來，一直循序漸進的發展，很少有突破性的進展。但最近幾年，由于技術上的一些新突破，從傳感器，到計算機技術，新能源技術，尤其是人工智能領域的一些突破，給傳統的汽車行業帶來了深刻的變革。其中最突出的就是對自動駕駛的研究和實施。
汽車給人類帶來的巨大便利，極大的提高了生産效率，但同時也帶來了很多負面影響。包括人員的傷亡（交通事故），空氣污染，以及交通擁堵帶來的巨大時間成本。
在美國，自動駕駛汽車如能得到廣泛使用，每年就能挽救3萬多條因交通意外而逝去的生命。統計資料顯示，交通事故的産生90%以上的原因是由于駕駛員人為因素造成的。車輛行駛時間平均可縮短40%，可節省因通勤和交通阻塞而浪費掉的800 億小時，還可減少燃耗40%。多方研究表明，上述社會效益在美國的經濟價值高達1.3萬億美元。來源波士頓咨詢
但目前如果完全實作自動駕駛，也還有一些問題亟待解決。算法的道德困境：
不像人在緊急情況下會産生本能反應，自動駕駛汽車需要計算，然後從資料中選擇一個合适的方案，這可能包括在車主和車外人群之間做出選擇。
責任的法律歸屬：經過測試的自動駕駛汽車被允許上路之前，立法也應該完善，而保險公司也必須決定如果汽車出現意外誰來負責。自動駕駛的安全性：蘭德指出自動駕駛汽車被認為可以消除許多人為操作安全隐患，但也存在黑客攻擊等潛在風險。職業：如果自動駕駛汽車開始工作且比人類駕駛更安全，我們要取消人類司機嗎？
由于汽車市場本身的體量，而自動駕駛又是未來的發展方向，是以這個領域的市場發展空間是巨大的。根據據羅蘭貝格預測，至2030年自動駕駛市場規模達500億美元左右。而BCG（波士頓咨詢）則預測至2035年自動駕駛滲透率可達25%，市場規模達770億美元。高盛公司預計到2050年市場規模會到達300億美元。
到那個時候，市場上已經不會有駕駛員了。Elon Musk曾經說過，自動駕駛的時代，人開車是違法的。雖然現在自動駕駛還處于一個相對早期的階段，但未來的想象空間是無限的。
什麼是自動駕駛？
自動駕駛汽車（Autonomous vehicles；Self-piloting automobile ）是一種通過電腦系統實作無人駕駛的智能汽車。嚴格的說，自動駕駛也是分階段和不同内涵的，它包含了輔助駕駛，ADAS，和無人駕駛。總的來說，它分為三個階段：初級，進階和終極階段。初級階段主要以預防為主，進階階段主要以控制為主，終極階段就是無人駕駛。
目前，奧迪、沃爾沃、奔馳等企業開發的都是具有自動駕駛功能的汽車。Google開發的就是無人駕駛，部分原型車輛上直接取消了方向盤、油門和刹車踏闆這些給駕駛員使用的操控裝置。
目前，自動駕駛由剛才提到的三個階段又分為五個級别。目前的分類系統主要是以美國國家公路交通安全管理局和美國汽車工程師學會定義的。NHTSA分類中的五級分别代表了無自動化、駕駛支援、部分自動化、有條件自動化和高度自動化即無人駕駛，SAE對高度自動化進行了細分，分成了高度自動化和完全自動化。
不同Level對與車輛駕駛主體的控制、觀察和支援有不同的要求，比方說Level 1實作了主動刹車控制，解放了駕駛員的雙腳，做到 Feet Off；Level2， 系統接着控制了車輛方向，解放了駕駛員的雙手，做到Hands OFF；Level3 在特定條件下，系統能夠掌控環境感覺，這時解放了駕駛員的眼睛,做到Eyes Off；到了level4 ，進入無人駕駛，駕駛員可以完全不關心駕駛，做到Minds Off。如果人類駕駛員沒有達到所使用自動駕駛技術等級的要求，就有可能出現事故。
Telsa在國外和國内的兩次傷亡事故，都是因為Autopilot本是Level2級别的技術，在這個級别的層面上，駕駛員還是車輛的掌管者，系統隻是輔助功能，駕駛員需要對環境進行監控，車主不能把駕駛判斷能力完全交給車輛。
不同Level所實作自動駕駛功能也是逐層遞增的。Level0 中實作的功能僅能夠進行傳感探測和決策報警，比如夜視系統、交通辨別識别、行人檢測、車道偏離警告等。Level1實作單一控制類功能，如支援主動緊急制動、自适應巡航控制系統等，隻要實作其中之一就可達到level1。Level2 實作了多種控制類功能，如具有AEB和LKA等功能的車輛。Level3實作了特定條件下的自動駕駛，當超出特定條件将由人類駕駛員接管駕駛。SAE中的L4是指在特定條件下的無人駕駛，如封閉園區固定線路的無人駕駛等，例如百度在烏鎮景區營運的無人駕駛服務。而SAE中的L5就是終極目标，完全無人駕駛
不同等級的駕駛技術從開始市場化到全面實作需要一個逐漸滲透的過程，按照高盛的預測，Level4級别的完全自動駕駛其市場化開始可能會在2025年左右，等到2060年會全面實作。從各個廠家Level4的開發計劃來看，開始市場化的時間點有可能會提前。
配合自動駕駛延展哪些領域的新技術？
和人類駕駛車輛一樣，由系統實作自動駕駛需要回答幾個問題，我在哪裡？ 周邊環境如何？接下來會發生什麼？我該做什麼？
對應以上問題，系統首先需要進行感覺，感覺車輛、感覺環境來回答我在哪裡？ 周邊環境如何？ 這塊采用的傳感器技術包括了雷射雷達、毫米波雷達、攝像頭、超聲雷達、高精度定位、以及高精度地圖、V2X等技術。系統通過分析決策來分析 “接下來會發生什麼”以及“接下來我該做什麼”。最後通過執行結構完成相應的操控動作。
感覺部分主要通過不同的傳感器作為資料源來擷取周邊的環境資訊。目前使用的傳感器包括雷射雷達，毫米波雷達和攝像頭。
雷射雷達，能夠生成數字搞成模型。它的工作過程包括，LiDAR以一定的角速度勻速轉動，在這個過程中不斷地發出雷射并收集反射點的資訊，計算出所有反射點的坐标。LiDAR每旋轉一周收集到的所有反射點坐标的集合就形成了該時刻的點雲（point cloud）。
LiDAR擷取的點雲資料與現有的資料庫中的模型進行對比，可以識别出探測到的物體類别，甚至是交警的手勢。這方面需要用到大資料處理技術、機器學習和人工智能等方面的技術。由于雷射傳感器成本高昂（目前需要40-50萬人民币），目前降低雷射雷達成本的基本方向，是讓雷射雷達從“機械”往“固态”的路線走。“固态雷射雷達”能夠通過電子部件實作360°發射進而實作對周圍環境360°的掃描，而不需要依靠内部機械部件的旋轉。
毫米波雷達也是在自動駕駛中廣泛使用的傳感器，它的穿透力非常強，主要的應用場景就是測量距離，探測無人車周邊的環境。毫米波雷達的微波遇到車輛之後被反射回來，被雷達測速計接收，在短時間内就能計算出所測車輛的車速。
攝像頭由于成本低、分辨率高、也是唯一可獲得外觀資訊的傳感器，在目前技術條件下成為主要的傳感器硬體。攝像頭有單目、雙目、甚至多目的解決方案。單目攝像頭在測距等應用中需要維護大量樣本進行訓練，而雙目和多目由于采用了立體視覺的技術，可以不再依賴大量樣本資料但需要複雜的算法和大量的實時計算才能得出。
鏡頭的角度、有效識别距離、分辨率三者之間是沖突的。比如 ADAS 系統對攝像頭的要求是縱深方向的視野要好、低像素、高感光度(給機器用的)。而行車記錄儀（給人用的）要求大廣角，像素要高得多（即使隻有 200萬像素），是以，現在一些市面上的行車記錄儀也可實作ADAS 中如FCW的一些功能，這種方式從傳感器上本身就有缺陷。
不同傳感器有不同的特性，這張圖表達了不同主流傳感器的覆寫範圍。
不同傳感器有不同的優缺點，目前來看，沒有一種傳感器可以适用于任何使用環境。比如說雷射安裝車頂之上，在車輛底部的就形成一個無法測量的圓形區域。用于自适應巡航的雷達是用于遠距離測量的，對于近距離測量的精度還不夠，而在泊車時的精度需要達到厘米級，這時候善于近距離測量的超音波雷達就派上用場了。是以隻有通過傳感器的融合，才能在功能的多樣性以及成本上達到設計目标。
高精度地圖或者叫自動駕駛地圖能夠擴充車輛的靜态環境感覺能力。高精度地圖為車輛提供了其它傳感器提供不了的全局視野，可提供傳感器監測範圍外的道路、交通和設施資訊。高精度地圖是為面向自動駕駛而采集生成的地圖資料，根據自動駕駛需求而建立道路環境模型，包含道路資料、如道路車道線位置、類型、寬度、坡度和曲率等資訊，以及交通标志、交通信号燈等資訊、車道限高、下水道口、障礙物以及其他道路上一些細節，還包括高架物體、防護欄、樹、道路邊緣類型、路邊地标等基礎設施資訊。
高精度地圖在精确定位 、基于車道模型的碰撞避讓、障礙物檢測和避讓、智能調速、 轉向和引導等方面都可以發揮重要作用。在高精度定位方面，商用定位系統的精度僅有5米左右，而高精度地圖與傳感器協同工作，可将車輛的位置定位精确厘米級（TomTom/Google/Here都達到10-20厘米）。在擷取靜态環境資訊方面，通過從高精度地圖模型中提取，可将車輛位置周邊的道路、交通、基礎設施等對象以及對象之間的相對關系提取出來。
V2X泛指車輛資訊互通的技術，包括V2R，車輛與道路；V2I，車輛與基礎設施；V2V，車輛與車輛等；在自動駕駛領域，V2V與V2I的應用用以擴充車載傳感器感覺範圍和效果，使智能車輛的環境感覺範圍擴大，不再受限于車載傳感器的視距範圍限制。
首先，通過多車之間溝通各自速度、加減速和轉向等資訊，為交通的可預測和管控提供基礎。其次，通過V2X應用廣播前車的環境感覺結果，使得施工、交通事故、道路異物、坑洞和路滑等情況可以預先告知後車，有效提高自動駕駛安全。第三，通過V2X網絡互聯到雲端，可以獲得更大範圍的環境資訊，擴充了實時導航和路徑規劃等服務，減少了多變的天氣和複雜環境因素影響。
按照對資料感覺、了解的不同方式，自動駕駛技術路線可以大緻分為兩個基本路線。一個是儲存/比對為主，主要技術路線包括對傳感器環境與資料庫比對以确定車輛的位置、依賴高精度地圖、通過已知物體資料庫與傳感器輸入來探測障礙，需要通過雲端提供所需資料服務。
另一個是以感覺、了解為主，通過傳感器收集資訊，建立實時環境模型，以高精度地圖作為傳感器的補充甚至可以不需要高精度地圖支援，通過深度學習等方式判斷障礙，不需要雲端提供所需的資料服務。在自動駕駛發展過程中，高精度地圖、人工智能技術、雲計算應用越來越廣泛，未來自動駕駛将是兩種路線的綜合體。
在決策過程中，認知部分需要傳感器資料認知車輛位置、車輛狀态以及周邊環境，包括車道、交通辨別、設施、行人以及車輛的識别，綜合車輛的行駛路徑決策，包括動态對象運動預測、活動規劃、并得出決策方案。最後将決策結果輸出給車輛執行系統。
車輛電傳線控平台收到執行執行指令後，将根據決策結果分别進行相應的制動、轉向、驅動等動作。無人駕駛也使得現有的執行部件由液壓、機械式轉向電傳線控化。
國内外自動駕駛領域的現狀及發展
奧迪的自動駕駛原型車傳感器包括了雷射雷達、ACC自适應雷達、超聲雷達、前置攝像頭、前置紅外攝像頭。奧迪已經實作了短距離的城市非封閉道路試驗性的自動駕駛。奧迪計劃17年或者18年量産可達到或接近達到level3的自動駕駛車輛。2021年推出L4無人駕駛車型。
寶馬以高精度地圖結合雷射雷達作為無人駕駛的研究方案，以雷射探測器＋雙目攝像頭作為自動駕駛的量産方案。在上海車展上寶馬自動駕駛汽車配置了4個雷射雷達， 4個短距離77G毫米波雷達位于四個角保險杠；還有4個長距離77G，前面2個後前面2個； 1個雙目CAM在前，單目前4後1，4個Surrouding View CAM，都挨着短距77G毫米波雷達。
寶馬在2015年7月上海創新日上曾以 0-210km／h 全實作了車速車道跟蹤駕駛系統、全自動遙控泊車、防碰撞系統。寶馬與百度合作，以寶馬3系作為平台采用百度自動駕駛技術于2015年底實作了北京混合路測 ，從 百度大廈－G7－五環路－奧林匹克森林公園往返，完成了途中的自動并線、超車、掉頭、左轉等操作。
長安汽車無人駕駛原型車采用了雷射雷達、毫米波雷達、單目攝像頭等傳感器。長安汽車已于今年4月實作了從重慶到北京的2000公裡實際道路無人駕駛。長安計劃2020年量産level3 車型。
Google是最早提出和執行無人駕駛汽車計劃的企業。但由于其目标一直是無人駕駛，市場化方面比較保守，有媒體認為谷歌無人駕駛汽車項目落後競争對手，先發優勢已逐漸喪失。Google無人車所使用的傳感器包括了毫米波雷達、雷射雷達、攝像頭、并且大量使用高精度地圖。Google在公路上試駕裡程已經超過了400萬公裡，并計劃2020年推出全自動駕駛汽車。
百度可以說是國内無人駕駛汽車領先的企業之一。百度無人車所使用的傳感器包括了雷射雷達、毫米波雷達、攝像頭、紅外、慣導、以及高精度地圖。百度在15年底完成了城市環路及高速混合路況的全自動駕駛。今年7月，在烏鎮景區推出了Level4級别的無人駕駛服務。
百度無人駕駛的核心，AutoBrain不僅在寶馬3系上得到了實踐，也安裝到了改進版的奇瑞EQ汽車上。百度15年底宣布計劃三年實作自動駕駛汽車商用化，五年實作量産。關于合作方面，百度與福特公司1.5億美元的共同投資雷射雷達公司Velodyne LiDAR；百度與英偉達聯合開發自動駕駛汽車平台 。
Uber的無人駕駛原型車上采用了雷達、攝像頭、高精度地圖等傳感器。UBer已在美國賓夕法尼亞州匹茲堡市推出無人駕駛載客服務。當然，全球第一個無駕駛計程車業務是nuTonomy今年8月在新加坡份首次推出的。
為了保證安全，每輛Uber無人駕駛專車上配備兩名Uber工程師，一人坐在駕駛座上，随時準備在緊急情況下控制車輛，另外一人則監控汽車的動态。Uber表示，除了4輛試運作的無人駕駛專車，至少還有另外12輛Uber無人駕駛汽車已做好上路載客準備。Uber計劃，逐漸将随車的兩名工程師減少至一名，最終實作“純無人駕駛”。
自動駕駛政策也不斷引導和促進産業發展，可以看到各個國家都将ADAS主動安全技術納入到安全評分體系，甚至是車輛必須配備的功能。我們國家汽車工業協會在今年釋出的十三五規劃當中，提出了具有輔助自動駕駛功能50%新車滲透率，具有部分自動駕駛功能達到10%新車滲透率的目标。這無疑會推動自動駕駛技術的在産業化方面的快速進展。
在自動駕駛研發上，汽車公司和科技公司誰跑的更快？
汽車公司更傾向于漸進式自動化，而以Google、Baidu等為代表的科技公司是以人工智能進入完全自動駕駛，一個是漸進式，另一個具有颠覆式的色彩。他們在盈利模式上也有所差別，傳統汽車公司依然着重整車銷售和後市場的服務。而科技公司更注重内容資源、平台服務和共享經濟所帶來的新商業模式。
有預測認為中短期科技型企業依然無法撼動傳統車企的占決的過半市場佔有率。傳統車企從輔助駕駛開始逐漸提升，既有品牌與使用者優勢，且造車門檻較高，
傳統整車廠仍保有全産業鍊優勢，産品安全可靠性更高；且消費者對傳統品牌認可度較高，汽車産業不會被科技型公司完全颠覆。
當然，科技企業與傳統車企合作越來越多，他們之間的聯姻，包括合作與投資，也許會是激烈競争的另外一個結果。
四維圖新在自動駕駛領域的探索
四維圖新于2012年開始研發并生成自動駕駛輔助系統地圖，也就是ADAS地圖。于2013年開始研究高精度地圖的規範和制作工藝，于2014年與部分汽車廠商聯合開發産品規格，提供樣本資料。2015年根據客戶的回報，全面啟動了高精度地圖的制作生成。今年計劃全面實作L2級别高精度地圖，并具備全國高速路網覆寫和相關的能力。
四維圖新高精度地圖内容覆寫廣泛，相對精度可達到10-20cm。車道屬性包括了車道資訊，如坡度、曲率、航向、車道數、車道類型、拓撲結構、車道寬度、車道辨別、交通限速、交叉引用等資訊，還包括了對象的資訊，如路牙、障礙物、隧道、人行道、收費站等對象的資訊。
四維圖新還研發了自動駕駛原型車，一方面用來保證高精度地圖的生産符合生成需要，另一方面也為車企提供自動駕駛方案。
采用了人工智能深度學習方式的相關研究，這是基于攝像頭資料進行環境感覺和車道定位的結果，在Nvidia GPU的支援下可實作60HZ以上的環境感覺、90HZ以上的車道級别定位 。
這張圖展示了一些執行個體，如交通燈識别、限時辨別識别、車輛識别、行人識别 。
這是基于KITTI資料集進行Car Detection的基準測試結果，橫軸是研究和訓練時間，縱軸是感覺的性能，可以看到經過了半年左右的研究和訓練，已經接近90%的識别率。
不得不承認，實際道路情況是非常複雜的。圖1由于擁堵車輛都沒有按照車道線行駛；圖2前方有什麼障礙物？是小車還是大車？ 圖3車輛需要識别交警手勢；圖4減速路坎需要識别；圖5,6中正常道路上出現了玻璃、井蓋缺失等情況；圖7,8中由于雨水、雪而無法識别車道；是以，要在複雜路況上實作完全自動駕駛還需要做更多的努力。
Q&A:
Q：四維圖新制作高精地圖采集資料是用LiDAR+攝像頭嗎？每公裡采集資料大小是在什麼量級？
A：有很多新的初創公司在做一些探索，我們用LiDAR和攝像頭采集資料，如果是不經過處理的資料，每公裡基本就是GB的level。如果用深度學習的算法，在收集以後能夠把一些資料提取出來做對比，并且加入一些變化，這個資料量就會非常小，這是未來的一個發展趨勢。
Q：四維圖新每天跑在城市路上的測圖車全國大概有多少輛？
A：對于傳統的地圖生産來講，每年在傳統地圖生産上，傳統資料的采集車有150多輛，作業人員有650多人，跑的公裡數大概每年為360萬公裡。對于高精度地圖來講，我們也知道這個技術發展是分階段的，目前也沒有哪個車廠可以馬上推出自動駕駛量産的車型。是以我們的計劃是分階段來逐漸的生産全國性的高精度地圖的資料，隻需要一二十輛車的規模，從某一地區開始，逐漸覆寫全國。
Q：四維圖新将來有計劃開放高精地圖API給開發者（個人和企業）嗎？
A：我們最近成立了全公司範圍的大資料雲平台，逐漸的把我們的資料開放給第三方，包括個人，企業。高精度地圖這塊我們正在制作全國的資料，下一步正在規劃，目前沒有明确定論。但是别的部分包括實時交通資料，傳統資料以及整個第三方資料會逐漸以API的形式開放給第三方。
Q：現在的無人駕駛解決方案是否靠雷射雷達（加一些輔助傳感器）、開源算法和英偉達GPU就能解決，四維圖新的競争力主要在哪一塊？
A：我認為在自動駕駛這塊是脫離不了雷射雷達的，本身來講，開源的算法能滿足需求的70%-80%，剩下的肯定要通過自己的一些優化來達到目的。我們的競争優勢，主要是基于我們在地圖行業的經驗和一些過去的資源，在高精度地圖生産上面，基于我們的優勢，會在整個自動駕駛部分發揮我們的作用。