互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展給汽車工業(yè)帶來(lái)了革命性的變化，高精度地圖的進(jìn)步與普及使得車輛實(shí)時(shí)精準(zhǔn)定位成為可能，與此同時(shí)，智能駕駛技術(shù)的廣泛應(yīng)用使汽車駕駛變得更簡(jiǎn)單更智能。互聯(lián)網(wǎng)、高精度地圖與智能駕駛技術(shù)相結(jié)合，共同推動(dòng)了無(wú)人駕駛汽車技術(shù)的發(fā)展。

　　1 無(wú)人駕駛汽車發(fā)展現(xiàn)狀

　　近年來(lái)，隨著市場(chǎng)對(duì)汽車主動(dòng)安全和智能化需求的不斷提高，無(wú)人駕駛巨大的社會(huì)和經(jīng)濟(jì)價(jià)值越發(fā)凸顯，越來(lái)越多的企業(yè)與科研機(jī)構(gòu)積極參與并推動(dòng)無(wú)人駕駛領(lǐng)域的發(fā)展。目前，能夠?qū)崿F(xiàn)完全無(wú)人駕駛的車輛還沒(méi)有正式批量生產(chǎn)銷售，但已經(jīng)有相當(dāng)一部分實(shí)驗(yàn)車型可以通過(guò)環(huán)境感知實(shí)現(xiàn)高度自主駕駛行為，如起步、加速、制動(dòng)、車道線跟蹤、換道、避撞、停車等。表 1 給出了 NHTSA (national highway traffic safety administration) 對(duì)無(wú)人駕駛的定義 [1] ，它將無(wú)人駕駛分為 5 個(gè)等級(jí)，分別是高級(jí)輔助駕駛 (advanced driver assistance systems)、特定功能輔助、組合功能輔助、高度自動(dòng)駕駛以及完全無(wú)人駕駛。如表 1 所示，目前大部分車型都還停留在組合功能輔助階段 (Level 2 級(jí))，要實(shí)現(xiàn)完全無(wú)人駕駛車的量產(chǎn)化，還有很長(zhǎng)一段路要走。

　　1.1 國(guó)外無(wú)人駕駛汽車發(fā)展現(xiàn)狀 20 世紀(jì) 70 年代初，許多發(fā)達(dá)國(guó)家 (如美國(guó)、英國(guó)、德國(guó)等) 開(kāi)始研究無(wú)人駕駛汽車，經(jīng)過(guò)長(zhǎng)時(shí)間的發(fā)展，無(wú)人駕駛汽車在可行性和實(shí)用化方面都取得了突破性的進(jìn)展[2]。1995 年，美國(guó)卡納基梅隆大學(xué)研制的無(wú)人駕駛汽車 Navllab-V，完成了橫穿美國(guó)東西部的無(wú)人駕駛實(shí)驗(yàn)[3]。2005 年，在美國(guó)國(guó)防部組織的“大挑戰(zhàn)”比賽中，由美國(guó)斯坦福大學(xué)改造的無(wú)人汽車，經(jīng)過(guò)沙漠、隧道、泥濘的河床以及崎嶇陡峭的山道最終獲得成功[4]。近年來(lái)由于谷歌、特斯拉、奔馳、寶馬等紛紛加入無(wú)人駕駛汽車的研究，無(wú)人駕駛技術(shù)有了突飛猛進(jìn)的發(fā)展。

　　1.2 國(guó)內(nèi)無(wú)人駕駛汽車發(fā)展現(xiàn)狀無(wú)人駕駛技術(shù)在國(guó)內(nèi)的發(fā)展較晚，1992 年國(guó)防科技大學(xué)成功研制出中國(guó)第一輛紅旗系列無(wú)人駕駛汽車[3 0] ;經(jīng)過(guò)一系列的努力和研制，直到 2011 年 7 月 14 日，首次在高速上實(shí)現(xiàn)長(zhǎng)沙到武漢約 286 km 的全程無(wú)人駕駛實(shí)驗(yàn)，成為了首個(gè)中國(guó)自主研制的無(wú)人駕駛車輛，突破了在復(fù)雜交通狀況下的自主駕駛的新紀(jì)錄，這次成功標(biāo)志著中國(guó)無(wú)人駕駛技術(shù)在復(fù)雜環(huán)境識(shí)別、智能行為決策和控制等方面的技術(shù)突破，達(dá)到世界先進(jìn)水平[31]。 2005 年，首輛城市無(wú)人駕駛汽車在上海交通大學(xué)研制成功[32]。從 2009 年開(kāi)始，在國(guó)家自然科學(xué)基金委“視聽(tīng)覺(jué)信息的認(rèn)知計(jì)算”重大研究計(jì)劃支持下，分別在西安、鄂爾多斯、赤峰、常熟等地舉辦了七屆“中國(guó)智能車未來(lái)挑戰(zhàn)賽 (見(jiàn)圖 4)”。該比賽是現(xiàn)有的國(guó)內(nèi)外唯一面向無(wú)人駕駛的賽事，極大地推動(dòng)了中國(guó)無(wú)人駕駛車輛的研究工作[33]。

　　2 無(wú)人駕駛汽車產(chǎn)業(yè)化瓶頸

　　目前，無(wú)人駕駛汽車產(chǎn)業(yè)化的瓶頸問(wèn)題主要有兩點(diǎn)：1) 如何更高效快速實(shí)現(xiàn)多傳感器信息融合; 2) 在保證自動(dòng)駕駛性能的前提下如何最大限度降低設(shè)備成本。

　　2.1 更高效快速實(shí)現(xiàn)多傳感器信息融合研發(fā)人員當(dāng)前面臨的最棘手的難題是如何提高汽車的視覺(jué)能力，目前所研發(fā)的計(jì)算機(jī)視覺(jué)系統(tǒng)還非常的低端和原始，如何賦予計(jì)算機(jī)系統(tǒng)接近甚至達(dá)到人類的視覺(jué)能力是一項(xiàng)非常巨大的挑戰(zhàn)。無(wú)人駕駛汽車需要隨時(shí)注意周邊車輛和行人，而且能夠?qū)崟r(shí)檢測(cè)到周圍的車道、地面上的畫(huà)線，認(rèn)識(shí)交通標(biāo)識(shí)、交通燈的含義，應(yīng)對(duì)風(fēng)霜雨露以及強(qiáng)光、弱光等一系列復(fù)雜的環(huán)境因素的影響。此外，由于某些原因無(wú)法“看清”道路標(biāo)志甚至在一些根本沒(méi)有道路標(biāo)志的環(huán)境時(shí)，為了實(shí)現(xiàn)完全無(wú)人駕駛，目前唯一可行的辦法是通過(guò)多傳感器實(shí)現(xiàn)信息融合進(jìn)行決策，綜合利用各類傳感器的優(yōu)勢(shì)從而達(dá)到理想的效果，如圖 8 所示。例如，毫米波雷達(dá)適用于近程、高分辨力的目標(biāo)監(jiān)視和目標(biāo)截獲，由于其較強(qiáng)的穿透能力，可以用于視覺(jué)系統(tǒng)捕獲車道線、交通燈顏色等信息。但是其視覺(jué)系統(tǒng)不足之處在于，其測(cè)距能力沒(méi)有激光雷達(dá)準(zhǔn)確。因此將激光雷達(dá)、毫米波雷達(dá)與視覺(jué)傳感器相融合，可以有效解決單獨(dú)使用的不足之處，在進(jìn)行物體檢測(cè)的同時(shí)，也可以進(jìn)行空間測(cè)距和圖像識(shí)別。

　　2.2 如何降低制造成本目前無(wú)人駕駛汽車所使用的設(shè)備主要包括激光雷達(dá)、車載攝像頭、車載雷達(dá)、超聲波設(shè)備以及 GPS 等。利用激光雷達(dá)生成的點(diǎn)云，對(duì)反射障礙物的遠(yuǎn)近、高低能較為準(zhǔn)確地估計(jì)，從而大大提高障礙物檢測(cè)的準(zhǔn)確度，谷歌、Uber 等科技公司都將這種設(shè)備應(yīng)用在原型汽車上[46]。圖 10 為目前常用激光雷達(dá) LiDAR 示意圖，其中 Velodyne HDL-64E LiDAR 預(yù)售價(jià)在 10 萬(wàn)美元以上，Velodyne VLP-16 LiDAR 官網(wǎng)報(bào)價(jià)為稅前 7 999 美元，過(guò)高的成本大大阻礙無(wú)人車的商業(yè)化。

　　3 深度學(xué)習(xí)在無(wú)人駕駛領(lǐng)域的應(yīng)用

　　深度學(xué)習(xí)[50]在計(jì)算機(jī)視覺(jué)獲得了巨大成功，徹底顛覆了傳統(tǒng)的計(jì)算機(jī)模式識(shí)別方法[51]。在深度學(xué)習(xí)出現(xiàn)以前，大多數(shù)識(shí)別任務(wù)要經(jīng)過(guò)手工特征提取和分類器判斷兩個(gè)基本步驟，而深度學(xué)習(xí)可以自動(dòng)地從訓(xùn)練樣本中學(xué)習(xí)特征。深度學(xué)習(xí)的快速應(yīng)用主要有兩點(diǎn)原因：1) 更容易獲得大量的人工標(biāo)注數(shù)據(jù)集，如 ImageNet 大規(guī)模視覺(jué)識(shí)別挑戰(zhàn)(ILSVRC) [52] ; 2) 深度學(xué)習(xí)算法可以在 GPUs 上并行處理圖形，提高了學(xué)習(xí)效率和預(yù)測(cè)能力。利用深度神經(jīng)網(wǎng)絡(luò)自主學(xué)習(xí)的特性，先通過(guò)高性能 GPUs 將龐大復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練好，然后移植到嵌入式開(kāi)發(fā)平臺(tái)，就可以實(shí)現(xiàn)對(duì)圖像、視頻信息實(shí)時(shí)高效的處理[53]。近年來(lái)，從自動(dòng)駕駛初創(chuàng)企業(yè)、互聯(lián)網(wǎng)公司到各大 OEM 廠商，都在積極探索利用 GPUs 構(gòu)建神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)最終的無(wú)人駕駛。

　　3.1 無(wú)人駕駛硬件實(shí)現(xiàn)將深度學(xué)習(xí)應(yīng)用于無(wú)人駕駛領(lǐng)域的代表公司有 Mobileye 及 NVIDIA 公司，他們把基于深度卷積神經(jīng)網(wǎng)絡(luò)的方法用于汽車的視覺(jué)系統(tǒng)中，取得了非常理想的效果。其中 Mobileye 公司生產(chǎn)的基于多核架構(gòu)芯片 EyeQ4(見(jiàn)圖 11(a))，使用了 4 顆核心處理器、6 顆 VMP 芯片、2 顆 M PC 核心和 2 顆 PMA 核心，每秒浮點(diǎn)運(yùn)算可達(dá) 2.5 萬(wàn)億次，而功耗僅有 3 W。通過(guò)一系列的算法，EyeQ4 可以同時(shí)處理 8 部攝像頭 (最高 36f/s) 產(chǎn)生的圖像數(shù)據(jù)[54-56]。英偉達(dá) DRIVE PX2 無(wú)人駕駛汽車平臺(tái) (見(jiàn)圖 11 (b))，支持 12 路攝像頭輸入、激光定位、雷達(dá)和超聲波傳感器;包括兩顆新一代 NVIDIA Tegra 處理器，其中每個(gè)處理器包括 8 個(gè) A57 核心和 4 個(gè) Denver 核心;基于 NVIDIA(見(jiàn)圖 12) 的新一代 GPU 架構(gòu) Pascal 設(shè)計(jì)，單精度計(jì)算能力達(dá)到 8 T/S，超越 TITAN X 的 10 倍以上的深度學(xué)習(xí)計(jì)算能力[57]。

　　3.2 無(wú)人駕駛算法實(shí)現(xiàn) Pomerleau 在 1989 年用神經(jīng)網(wǎng)絡(luò)搭建了一套自動(dòng)駕駛系統(tǒng) (autonomous land vehicle in a neural network，ALVINN)[68]。ALVINN 首次證實(shí)了端到端訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)無(wú)人駕駛的可行性。

　　近年來(lái)，隨著深度學(xué)習(xí)的快速發(fā)展，利用深度學(xué)習(xí)實(shí)現(xiàn)圖像識(shí)別的文章數(shù)不勝數(shù)。2016 年 5 月 18 日，Y. Lecun 等發(fā)表 Stereo Matching by Training a Convolutional NeuralNetwork to Compare Image Patches，首次提出利用 Siamese 網(wǎng)絡(luò) (見(jiàn)圖 14)，同時(shí)輸入左視圖和右視圖兩幅圖像，利用網(wǎng)絡(luò)計(jì)算出兩幅圖像的視差圖像，從而控制車輛的前進(jìn)方向[69]

　　4 無(wú)人駕駛汽車行業(yè)發(fā)展前景預(yù)測(cè)

　　隨著市場(chǎng)對(duì)汽車主動(dòng)安全技術(shù)、智能化等技術(shù)需求不斷增加，越來(lái)越多的企業(yè)投入其中，共同推動(dòng)無(wú)人駕駛汽車的發(fā)展。與此同時(shí)，隨著計(jì)算機(jī)性能的逐步提高，成本降低，無(wú)人駕駛汽車使用的各種傳感器取得了很大的進(jìn)步，研發(fā)技術(shù)的門檻隨之降低，前景十分明朗。近年來(lái)深度學(xué)習(xí)在圖像識(shí)別方面取得了突破性的進(jìn)展，更是為無(wú)人駕駛技術(shù)的成熟增添了強(qiáng)勁的活力，利用 GPU 高效的圖像處理性能，實(shí)現(xiàn)了實(shí)時(shí)圖像處理。智能車輛的國(guó)內(nèi)外研究成果已經(jīng)取得了重大的進(jìn)展，但是從近期發(fā)生的自動(dòng)駕駛汽車事故可以看出，智能車輛投入實(shí)際使用還需要解決多種問(wèn)題。 因此未來(lái)無(wú)人駕駛將需要在以下幾個(gè)方面取得進(jìn)步。

　　首先，需要采用更好的傳感器和優(yōu)化配置改善自動(dòng)駕駛功能。高精度的傳感器才能在復(fù)雜交通下檢測(cè)車輛周圍的環(huán)境信息。現(xiàn)階段傳感器無(wú)法克服車輛運(yùn)動(dòng)、環(huán)境氣候和工作范圍的信號(hào)干擾，從而無(wú)法保證準(zhǔn)確檢測(cè)出所有的行車駕駛要素。而激光雷達(dá)傳感器的高昂價(jià)格也限制了該技術(shù)的實(shí)際應(yīng)用。未來(lái)激光雷達(dá)會(huì)變得更小更輕便，集成度更高，價(jià)格更低以及變成固態(tài)。面向復(fù)雜環(huán)境感知需求，通過(guò)融合多種傳感器的數(shù)據(jù)來(lái)實(shí)現(xiàn)感知、定位、決策和規(guī)劃，這是無(wú)人車近期的發(fā)展方向。其次，為了實(shí)現(xiàn)自動(dòng)駕駛，需要將集成化控制系統(tǒng)、新型總線分布和自動(dòng)駕駛架構(gòu)結(jié)合。通過(guò)多種感知和決策算法的車載軟件，提高自動(dòng)駕駛技術(shù)的安全性和魯棒性。采用車聯(lián)網(wǎng)絡(luò)可以實(shí)現(xiàn)車輛之間的信息共享，有效提高了傳感范圍。高精度的地圖和 GPS 定位可以通過(guò)減少車輛傳感器的需求，進(jìn)而降低自動(dòng)駕駛技術(shù)的難度。另外，結(jié)合深度學(xué)習(xí)技術(shù)，集成高性能的車載計(jì)算平臺(tái)，可以提高車輛自動(dòng)駕駛的水平。此外，無(wú)人汽車技術(shù)需要高性能計(jì)算平臺(tái)的支持。將車載計(jì)算平臺(tái)與深度學(xué)習(xí)技術(shù)相結(jié)合，增強(qiáng)無(wú)人車輛的智能水平，將人工智能技術(shù)的新突破應(yīng)用于無(wú)人駕駛。

　　參考文獻(xiàn)：

　　倪暖. 自動(dòng)駕駛也分三六九等?[EB/OL].(2016-8-07) [2016-09-27] http://www.ednchina.com/news/article/2016 08170801. [1]

　　佚名. 無(wú)人駕駛汽車[EB/OL]. (2016-06-10)[2016-09-27] http://baike.baidu.com/link?url=iObG6G1U5wmuVNCdgm 7wXDpV8418yWtKAlBAVjC4xyVEL7Lgy3fgfkpsda4qiABZHCsxtQ9J9xqqcsZdTu_vF6kAT6xwu7zedQw2ggyuqa.

　　《深度學(xué)習(xí)在無(wú)人駕駛汽車領(lǐng)域應(yīng)用的研究進(jìn)展》來(lái)源：《智能系統(tǒng)學(xué)報(bào)》，作者：王科俊，趙彥東，邢向磊