
社会科学文献出版社版权所有,北京科技大学图书馆下载使用
智能网联汽车蓝皮书
(一)自动驾驶技术发展路线
1 轻感知,重计算
在技术发展路线上, 早期的自动驾驶感知方案以激光雷达为主, 配合高精
地图的方式实现自动驾驶, 但成本和长期工作可靠性都是很大的挑战。
激光雷达是目前为止业界能够得到的感知精度最高、 可靠性最好的传感
器, 体现的是 “重感知, 轻计算” 的模式, 通过传感器的高度可靠性与高精
度来简化后续的计算任务及决策压力。 而高精地图则可以看作隐形的传感器,
为定位提供有力的支持, 有利于快速开发出自动驾驶原型车, 然而这种模式的
不足在于其较高的成本、 较大的外形因子以及较低的可靠性, 在导入量产时面
临很大的挑战。
2017 年, 更具可量产性的摄像头加语义地图技术路线受到极大重视, 成
为新的发展趋势。 自动驾驶业界领先的公司如 Mobileye、 博世等都在推进该技
术路线的发展。
相对而言, 摄像头加语义地图则体现了 “ 轻感知, 重计算” 的理念, 这
一理念, 更加接近人类驾驶的模式, 基于第一性原理, 机器视觉也能够像人类
一样, 凭借视觉可靠地驾驶。 但同时, 这一理念也对计算能力和算法提出了更
高的要求。 本文将在后面的章节对语义地图加以进一步的介绍。
长期来看, 激光雷达和图像传感器的融合是一个更大的趋势, 但这取决于
新型固态激光雷达的成本、 可靠性等方面在何时可以达到量产要求。
2 传感器融合感知中心地位持续加强
如图 1 所示, 图像传感器在各类传感器中拥有最高的信息密度, 正如人类
接收的信息中有 90% 来自视觉一样, 图像传感器提供了丰富的纹理和色彩信
息, 是最适合基于深度学习做目标识别、 分类的传感器。 在已经导入量产的自
动驾驶系统中, 图像传感器都是传感器组合中最关键的组成部分, 毫米波雷达
以及超声波雷达依然是必需的, 但更多的是起避障、 全工况能力弥补、 满足功
能安全的作用。 在 2018 年初的一次分析师会议上, 特斯拉 CEO 马斯克甚至公
开表示激光雷达并非必需, 特斯拉将坚持由摄像头、 毫米波雷达和超声波传感
器组成的自动驾驶系统开发, 该观点在业界引起很大争议, 但特斯拉作为自动
驾驶研发的领先企业, 其表态也从侧面反映了视觉在感知技术的中心地位。
851
评论0