自动驾驶环境检测尚不成熟 未来难题又有哪些

　　【仪表网 仪表下游】对于一部分人来说，学车是痛苦的、折磨人的。无数驾校学员被一辆破旧的小汽车难倒，屡次倒在科二、科三的考场上。这时候，自动驾驶似乎成为了这些屡战屡败的学员的“救星”。
 

　　想要实现自动驾驶，就需要先对周围的环境进行检测和识别。常用的识别技术包括：摄像头、激光雷达、毫米波雷达。摄像头是用的最多的设备，通过对周围的环境拍摄可以看到有颜色的标志、物体。但是在夜晚或者雾天，摄像头的性能会受到严重影响。激光雷达是通过激光束照射周围，然后根据接收的反射波的时间和波长，来绘制周围障碍物的3D图。但是激光雷达无法确定物体的具体颜色。毫米波雷达可以穿透尘雾、雨雪，但是缺点是无法识别高度，且分辨率不高。
 

　　获得了环境中的信息之后，下一步就需要对信息进行识别和标识。例如视频拍摄到的照片，识别出其中的汽车、交通信号灯等信息。这一过程中需要注意的是，多种控制器获得的信息不一定是互相协调的。同一个物体，激光雷达和摄像头得到的信息，有可能会给出不同的判断。这种时候，就需要对获得的不同信息进行融合，根据每种传感器的优缺点，综合评判各种信息的准确度，最终得到一个可靠、安全的结果。
 

　　获得了信息之后，下一步就是根据对应的信息进行决策了。看到了汽车和行人，就需要注意避让。看到了红灯就停车，等到绿灯再出行。
 

　　决策包含两种类型：专家规则和AI学习。专家规则就是提前录入各种交通规则和法规以及对应的反应准则，然后根据对应的规则进行行动。AI学习就是通过机器学习的方法，让系统学习出一套“临场反应“的方法。最后完成决策之后，系统对车辆进行控制，做出决策后的反应，就完成了机器学习的整个过程。
 

　　总体而言，影响自动驾驶落地的因素主要有三个：
 

　　一是设备，基于纯二维视觉(这里再次点名屡次撞上白色大卡车的某公司)的自动驾驶终究不会是这个领域的最终形态。然而，基于毫米波和激光雷达的设备目前价格依旧高昂，导致这些三维视觉感知设备在商用自动驾驶车辆上迟迟不能落地。虽然这些设备的制造成本在逐年降低，但是能够大规模推广应用仍然需要一定的时间周期来进行产品的研发和迭代；
 

　　二是政策，这个涉及到伦理和监管问题，以及对自动驾驶汽车的事故责任认定等一系列复杂的讨论(目前这一块儿法律法规仍然是一个巨大的空白)。另一方面，政府目前对这块的态度是非常积极地在推动。比如北京、苏州等地19年就已经开放了很多自动驾驶路测路段，对于自动驾驶企业的扶持政策也在逐步落实到位；
 

　　三是技术，这个相对来说是目前自动驾驶领域中相对较为简单和易解决的问题了。在有强大的传感器和雷达等硬件设备的支撑下，自动驾驶技术是能够通过识别和控制系统充分保障汽车行驶过程中的安全性。只不过限于设备成本，很多技术还未能投入商用(这一块儿就需要时间来不断迭代产品并降低成本)。
 

　　最大的风险主要存在于伦理方面，包括事故的责任认定、划分等等，这些非技术性的问题将在未来成为影响自动驾驶技术发展的主要因素。但总体来看，自动驾驶距离我们的生活，并不遥远。未来人们的交通出行方式，终将因自动驾驶而产生翻天覆地的变化。
 

　　资料来源：科普中国-科普融合创作与传播