1、主动驾驭分级
不同安排对主动驾驭的分级规范各有不同：美国国家公路交通安全管理局（NHTSA）把主动驾驭分为五个等级，而世界主动机械工程师学会（SAE）的规范分为L0~L5共六个等级，两者的L0、L1、L2的分类都是相同的，不同之处在于NHTSA的L4被 SAE 细分为L4和L5。国内选用SAE规范较多。
L0：彻底人类驾驭。
L1：辅佐驾驭，增加了预警提示类的ADAS功用，包含车道违背预警（LDW），前撞预警（FCW），盲点检测（BSD）等。
L2：部分主动驾驭，具有了干涉辅佐类的ADAS功用，包含自适应巡航（ACC），紧迫主动刹车（AEB），车道坚持辅佐（LKA）等。
L3：有条件主动驾驭，具有了归纳干涉辅佐类功用，包含主动加快、主动刹车、主动转向等。
从L2到L3发生了实质的改变，L2及以下仍是由人来观测驾驭环境，需求驾驭座上有驾驭员，遇到紧迫状况下直接进行接纳；L3级及以上则由机器来观测驾驭环境，人类驾驭员不需求坐在驾驭座上手握方向盘，只需求在车内或车外留有监控核算机即可，紧迫状况下经过核算机操作进行认知判别干涉。
L4：高度主动驾驭，没有任何人类驾驭员，能够无方向盘、油门、刹车踏板，但限制区域（如园区、景区内），或限制环境条件（如雨雪天、夜晚不能开）。
L5：彻底主动驾驭，是真实的无人驾驭阶段，司机方位无人，也没有人的车内或车外的认知判别干涉；无方向盘和油门、刹车踏板；全区域、全功用。
现在有许多公司能够完结在特定园区内的无人驾驭，宣称现已到达了L4等级，那么是不是现阶段的无人驾驭技能水平真的有那么高了呢？这个是有必定迷惑性的。在关闭环境内固定道路L4等级的无人驾驭，和北京城区内L2等级的主动驾驭，哪个技能难度更高呢？想必显而易见。所以是不是L4就必定比L2、L3先进，必定要详细看主动行进的区域（关闭、敞开；区域巨细、杂乱程度）、功用，以及环境条件（气候、时刻段）。
2.主动驾驭的完结途径
主动驾驭风口来袭，科技公司、草创企业、新式电动车企、传统车企、一级供货商争相涌入，各显神通。现在首要有两条典型的技能途径：一是以跨界科技企业、草创企业为代表的一步到位型，跨过中心等级，直指L4和L5级无人驾驭，先不考虑本钱，等技能计划老练后本钱下降，再大规划商业化。还有一类是以传统车企、TIer1为代表的按部就班型，它们在可接受的本钱内推进辅佐驾驭功用的商用化，然后跟着ADAS功用的完善和晋级，逐步过渡到无人驾驭。
第一条途径的问题在于科技企业没有量产车的才干，靠测验车搜集的数据量天然没有每辆车都设备ADAS体系那么多；而第二条途径的问题在于各项ADAS功用的拼接，是否能组成一个完好的无人驾驭体系。
科技公司的强项在人工智能技能优势，可是在轿车工程上缺乏经历。造车的门槛很高，传统车企保有全工业链优势，产品安全可靠性更高，且顾客对其品牌认可度较高，轿车工业不会被科技公司彻底推翻。传统车企具有丰厚的整车经历和完善的后商场，但跟着电动车和主动驾驭大潮的降临，传统车企的危机感很强，生怕沦为代工厂。主动驾驭的研制底子都是依据新能源轿车渠道，绕开发动机、变速箱等壁垒，选用电动车的电机、电池、电控中心体系，动摇了传统车企在“动力总成”的竞赛优势。两大阵营各有优劣势，彼此不行代替，现在越来越多地以协作和出资的方式走向敞开联婚。
3.主动驾驭体系概览
主动驾驭体系的三个层级
主动驾驭体系分为三个层级：感知层，决议计划层，履行层。
感知层
感知层用来完结对车辆周围环境的感知辨认。主动驾驭用到了各式各样的传感器，包含：摄像头、毫米波雷达、激光雷达、超声波雷达、红外夜视，以及用于定位和导航的GPS（全球定位体系）和IMU（惯性丈量单元）。还有一类技能尽管不是主动式的勘探元件，可是归于协同式的大局数据辅佐，能够扩展智能车的环境感知才干，在感知层相同扮演着不行或缺的人物，包含高精度地图、V2X车联网技能。每种类型的感知技能都有自己的优势和坏处，它们彼此弥补交融，最终使智能车到达驾驭场景下十分高的安全性要求。国内企业在这一层做文章的十分多，后续小研会专门写一篇文章解析主动驾驭传感器的技能道路，欲知概况请听下回分解。
决议计划层
决议计划层是人工智能真实发挥威力的部分，和人类驾驭员相同，机器在做驾驭决议计划时需求答复几个问题，我在哪里？周边环境怎么？接下来会发生什么？我该做什么？决议计划层详细来说分为两步，第一步认知了解，依据感知层搜集的信息，对车辆本身的准确定位，对车辆周围的环境的准确了解，第二步决议计划规划，包含对接下来可能发生状况的准确猜测，对下一步举动的准确判别和规划，挑选合理的途径到达方针。
车辆定位
主动驾驭中车辆准确定位的办法首要有3种：
第一种是经过高精度的差分GPS+惯性导航IMU来完结，GPS定位精度高，可是改写速度较慢，IMU改写速度快，可是存在累积差错，两者协作运用刚好能够取得快速且准确的方位信息。
第二种是经过激光雷达+高精度地图来定位，将激光雷达扫描周围环境所取得的点云与高精度地图进行比对和匹配，然后取得方位信息。
第三种是经过摄像头图画数据+视觉地图来定位，将摄像头内行进过程中拍摄到的图画数据，包含图画静态信息和图画间的移动信息，与视觉地图进行比对和匹配，能够取得方位信息。或许从图画中提取一些要害方针及其准确的几许特征（如车道线、地上符号、交通标牌、红绿灯等），将其和高精度地图中存储的信息进行对应和匹配，完结定位功用。
环境了解
包含物体辨认和物体追寻，比方行人辨认、车辆辨认、车道辨认、交通标识辨认、行进中车辆的追寻、举动中行人的追寻等。深度学习在这些运用中展示出了比传统核算机视觉技能更好的功用，然后被广泛运用。
行为猜测
人类智能在驾驭中表现在能够依据动态改变的环境实时调整驾驭战略，相同机器也需求对车辆周边的人、车、物的行为进行猜测，然后做出安全驾驭决议计划。
举动规划
依据车身状况数据、部分环境数据做出当下最优的举动挑选，包含加快、刹车、改换车道、转弯等。
途径规划
从出行需求动身，在高精度地图的根底之上，依据大局路网数据和微观交通讯息，制作一条从动身点到方针点的最优行车途径。
脚踏实地地说，国内真实进入到决议计划层的企业不多，有做园区、机场摆渡车的驭势科技，做高速公路货运的图森互联，还有做园区无人车和干涉辅佐类高档ADAS体系的智行者。你们听说过的那些单目、双目、环视视觉ADAS公司完结的大多是预警提示类功用，如磕碰预警、盲点监测等，仅仅停留在感知层面，没有触及到决议计划。相比之下国外在决议计划层探究的企业就许多了，Drive.ai，Comma.ai，nuTonomy，zoox，Faraday，Cruise，Otto，Navya等等。国内的路况的确比国外杂乱得多，再加上我国政府还不答应主动驾驭车辆上路路测，这些都限制着国内企业在决议计划层发力。
辨认算法业界有KITTI（用于评测方针检测、方针盯梢、语义切割等）和Cityscapes（用于评测像素级场景切割和实例标示等）等揭露数据集进行评测，可是对决议计划质量和规划才干的好坏还没有一致点评规范，因而无从判别各家技能才干的强弱，只能从发布的Demo中窥伺一二。
履行层
主动驾驭的履行层离不开和车载操控体系的深度集成，惋惜车厂和TIer1出于自我维护，不愿意对外敞开车辆操控总线，一些创企无法对原车做改动，不得已只能别的附加一套电机设备，经过电机拉动钢丝绳，钢丝绳再拉动油门、制动、转向等设备完结履举动作。这种做好的确十分蠢笨，操控性和可靠性很差，底子无法表现主动驾驭的优势。真实的主动驾驭有必要要将决议计划操控信息与车辆底层操控体系深度集成，经过线控技能完结履行组织的电控化，到达电子制动、电子驱动和电子转向。
归根到底，主动驾驭的落脚点在“驾驭”不在“主动”，“大脑”再兴旺也要靠“双脚”来行走。不把人工智能算法落地到车辆的操控履行，你永久不知道有多少dirty work要做。例如车的转向、制动、加快，你终究要把方向盘打多大何时回轮、刹车踩多大、驱动给多少，人类司机是凭经历来履行的，可是对主动驾驭体系来说，需求许多轿车动力学的knowhow才干完结。假如你仅仅单纯地在核算机上跑几个Demo，没有实打实地上车路测过，哪家车厂敢用你的算法？真上路还不得撞得人仰马翻？那些单靠几个博士弄个算法跑个测验集刷刷榜就想出来融资的草创都是耍流氓。业界人玩笑说，做主动驾驭只需撞死个人，公司就能够直接关闭了，融的那点钱还不行赔偿费呢！咱们所熟知的国内核算机视觉范畴四大独角兽，都未插手主动驾驭（商汤仅仅宣称能够供给算法支撑，和真实做主动驾驭还差得远呢），视觉算法在人脸辨认、安防监控范畴落地相对比较简单，可是在主动驾驭范畴要实实在在做车的话仍是有许多坑的，这便是为什么国内触及决议计划层和操控层的企业这么少的原因。
我国人要想碰履行层的确十分难，国内在线控技能上仍处在研制初始阶段，技能底子薄，堆集时刻缺乏。国外车厂和TIer1垄断了主动驾驭操控履行部分，一起它们在感知和决议计划部分也在竭尽全力地投入研制，凭仗多年堆集的工程才干、产品化才干和轿车经历，已有契合车规的产品老练量产，对国内企业来说的确是不小的压力。创业企业能够经过和国产车厂、国产供货商协作研制，一起抵抗国外厂商，也能够和深谙履行器改装的团队协作，介入履行层，总归未来的竞赛不会是单个企业实力的比拼，而是生态联盟间的合纵连横。
主动驾驭的底子技能架构
车载部分
感知层各种类型的传感器收集、接纳的数据，经过总线进行集成，再经过数据的交融和智能化处理，输出主动驾驭所需的环境感知信息。车载传感器的优化装备，能够在确保精度和安全性的根底上，下降全体本钱。
主控体系由硬件部分高功用车载集成核算渠道和软件部分智能车载操作体系组成。核算渠道交融了传感器、高精度地图、V2X的感知信息进行认知和决议计划核算，硬件处理器能够有GPU、FPGA、AS%&&&&&%等多种挑选，它们各自的优缺点能够拜见小研曾经的剖析文章《AI年代，我的我国“芯”》。智能车载操作体系交融了车内助机交互、运营服务商、内容服务商的数据，为乘客供给个性化服务，真实把智能车变成下一个“互联网进口”，现在的干流操作体系包含Android、Linux、Windows、QNX、YunOS（阿里云供给）等。
最终，决议计划的信息进入车辆总线操控体系，完结履举动作。
云端部分
主动驾驭车辆是一个移动体系，需求云渠道来供给支撑。云端首要完结四个功用：
1. 数据存储：智能车路测中实采的数据量十分大，需求传输到云端进行分布式存储。
2. 仿真测验：开发的新算法在布置到车上之前会在云端的模拟器上进行测验。
3. 高精度地图生成：地图的生成选用众包方式，把每辆在路上行进的智能车实时收集到的激光点云或视觉数据上传至云端，完结高精度地图的完善和更新。
4. 深度学习模型练习：主动驾驭的决议计划层运用了多种不同的深度学习模型，在《透析深度学习，其实它没那么奥秘》这篇文章中小研提到了深度学习算法存在“长尾”问题，关于没见过的状况它处理不了，因而需求继续不断地经过新数据进行模型练习，来提高算法的处理才干。因为练习的数据量十分大，所以要在云端完结。
主动驾驭范畴未来的严重时机
经过上文的整理，小研以为主动驾驭范畴未来三到五年重要的前期创业和出资时机在以下几个方面：
1. 传感器的挑选和优化装备
不同传感器有各自的优缺点，没有一种传感器能够适用于任何运用环境。把各类传感器的数据进行交融，到达宽适用范围、高感知精度的一起，削减冗余装备，下降全体本钱，供给传感器集成计划。交融架构的建立，多种数据类型的处理，交融算法的探究，都是十分有应战的作业，可是做好会有十分大的价值。
2. 高功用核算渠道
主动驾驭轿车发生的海量数据，需求车载人工智能大脑——高功用硬件核算渠道来处理，国内余凯博士领导的地平线机器人是这方面探究的前驱，小研在之前的文章《AI年代，我的我国“芯”》中介绍过。
3. 车联网
近几年国内后装车联网开展很快，形成了包含导航、文娱、金融、交互、服务等功用的生态圈，未来会逐步向以智能车载操作体系为中心的前装事务演化。国内LTE-V车联网专用通讯规范将于本年出台，可利用现有蜂窝网络根底设施，成为主动驾驭感知组织的延伸。
4. 运营服务
轿车智能化今后会成为下一个移动终端，未来会有越来越多的运营服务商出现，也会有更多依据内容资源、渠道服务、同享经济的新商业模式衍生出来。
5. 车载集成体系
面向主动驾驭的车载集成体系，需将感知、决议计划层的技能架构和车辆总线操控体系结合起来从头规划，将杰出的算法落地到安全、鲁棒的履行中。
6. 云端
做支撑主动驾驭的云渠道的公司相同值得重视，包含数据集成、众包地图、模拟器、模型再练习渠道等。
4.主动驾驭的商业化之路
主动驾驭的商业化运用有货运和客运两大块。货运的需求方比较明亮，有矿山和港口运营公司、物流公司、电商、出行服务运营商等，货运的工况首要是高速公路、矿区、港口等相对单一关闭的区域，完结起来更简单一些。客运在敞开道路上运营仍是十分困难的，现在能够落地的运用场景首要是园区低速主动驾驭，未来可能会探究给滴滴、UBER这样的运营商供给固定区域内的主动驾驭运营服务，等各类驾驭场景都验证老练今后才会面向敞开区域，最终才是卖给个人，这条路仍是很绵长的。
前段时刻百度无人车开源了阿波罗渠道，就有好事之徒写了“百度无人车扔下原子弹，炸掉职业百亿美金出资”的软文，大有误导大众之嫌。其实主动驾驭工业刚刚起步，职业规范和技能架构都没完善，未来还需求继续探究，百度开源算法对推进整个职业的前进肯定是好事情。
轿车是个很大的工业，工业链上各个环节都有活得很好的公司，主动驾驭因为信息技能和人工智能的加持，具有比传统轿车工业更大的商场空间，更何况电动化、智能化大潮的到来使我国企业摆脱了“前史包袱”，和国外企业站在同一起跑线上，弯道超车的时机大大的有，你且看一切一线基金在主动驾驭范畴都有出资布局就能理解它到底有多被看好。
从全文的整理能够看出，主动驾驭范畴有些方向的timing现已到了，而有些方向还没到。当下咱们更应该坚持耐性，跟着技能和工业的逐步老练，这些时机的发动点会一个个到来，主动驾驭是一波大的浪潮，未来十年都值得咱们继续重视。
