0
本文為 AI 研習社編譯的技術(shù)博客，原標題 ：
Unbundling The Autonomous Vehicle
作者 | Emily Veach
翻譯 | 劉徽、Ophria、哈帝?霍布森
校對 | 鄧普斯?杰弗 審核 | 醬番梨 整理 | 菠蘿妹
原文鏈接：
https://www.cbinsights.com/research/startups-drive-auto-industry-disruption/
自動駕駛汽車依靠幾種先進技術(shù)來實現(xiàn)自主行駛。我們將自動駕駛汽車拆解，來看一看這些技術(shù)是怎樣互相協(xié)作的，以及有哪些公司在驅(qū)動這些技術(shù)的革新。
自動駕駛汽車依靠一系列互補的技術(shù)來對周圍的環(huán)境進行理解和響應(yīng)。
一些自動駕駛公司關(guān)注這些特定的部分，并且在汽車制造商和Tier-1供應(yīng)商的幫助下，讓自己的產(chǎn)品迅速規(guī)?；?。采用這種方法從頭開始制造自己的車輛的公司有Zoox和Nuro。
讓我們更仔細地觀察這些讓自動駕駛汽車成為可能的技術(shù)，并且詳細分析這些讓自動駕駛汽車更先進、更低成本和更容易規(guī)模化的路線。
這份商業(yè)地圖包括一些秘密的或者活躍的公司，但是并不完全包括行業(yè)內(nèi)所有的公司。圖中種類互相不包含，并且公司是根據(jù)初級應(yīng)用場景進行標記的
點擊可放大圖片。
自動駕駛汽車需要和其他車輛、自行車和行人一樣，能夠識別出來交通信號和標志。他們也需要感知到一個迎面而來的物體的距離和速度，以便能夠知道該如何做出反應(yīng)。
自動駕駛汽車通常依靠攝像頭和其他傳感器，如毫米波雷達和激光雷達，其中的每種傳感器都有自己的優(yōu)點和限制。
這些傳感器收集的數(shù)據(jù)被通過一種叫“傳感器融合”的技術(shù)組合在一起，來盡可能給汽車提供周圍環(huán)境最準確的情況。
攝像頭和計算機視覺
攝像頭在自動駕駛汽車和裝備ADAS功能的汽車上被普遍使用。不同于毫米波雷達和激光雷達，攝像頭能夠識別顏色和文字來幫助探測路標、交通信號燈和街道指示。
但是，攝像頭在探測深度和距離的時候與激光雷達相比有所不足。
很多初創(chuàng)公司希望開發(fā)攝像頭供自動駕駛汽車來盡可能提取最生動的圖像。
Light在7月公布了D系列的$121M，已經(jīng)專門開發(fā)了與激光雷達的精度相匹配的攝像頭。攝像頭能夠通過它的16個鏡頭來提取高精度的3D圖像進行圖像融合。
Light的L16攝像頭，包含了16個攝像頭（來源：Light）
為了處理從攝像頭接收到的數(shù)據(jù)，自動駕駛汽車的系統(tǒng)借助訓練好的計算機視覺軟件來識別物體和信號。這個軟件應(yīng)該能夠識別車道線特定的細節(jié)（比如車道邊界的顏色和圖案）并且評估合適的交通規(guī)則。
很多初創(chuàng)公司希望能夠開發(fā)更多精致和有效率的計算機視覺技術(shù)。
比如DeepScale正在布置深度神經(jīng)網(wǎng)絡(luò)來提高識別能力和保持一個隨時間不斷優(yōu)化的錯誤率。
在巴黎進行研發(fā)的Prophesee，已經(jīng)開發(fā)出基于情景的計算機視覺，能夠促進物體識別和降低數(shù)據(jù)過載。公司的深度學習技術(shù)模仿人類的大腦處理從視網(wǎng)膜接收來的圖像。
在一個標準相機里的基于每幀的傳感器依靠從圖像里面同時捕捉到的所有像素并且一幀一幀地處理圖像；基于情景的傳感器依靠互相獨立的像素，允許傳感器借助一串連續(xù)的信息捕捉物體的移動。
這個技術(shù)減少了傳統(tǒng)攝像頭從連續(xù)的各幀里面處理圖像的數(shù)據(jù)量。
來源：Prophesee
Prophesee希望在幾種工業(yè)場景中布置自己的機器學習視覺能力，從自動駕駛汽車到工業(yè)自動化，再到健康關(guān)懷。在二月，這家初創(chuàng)公司將繼續(xù)發(fā)布B系列中的$19M。
毫米波雷達、激光雷達以及V2X
自動駕駛汽車開發(fā)者在組合毫米波雷達和激光雷達傳感器來增強攝像頭獲取圖像的性能。
自動駕駛汽車借助傳感器的融合來處理大量傳感器中的數(shù)據(jù)。特別是借助所有傳感器在軟件上的數(shù)據(jù)融合，來開發(fā)出一個對于汽車周圍環(huán)境的一致性的視角。
除了視距傳感器，很多初創(chuàng)公司和汽車公司正致力于一種能讓汽車與其他相連物體進行無線通訊的技術(shù)，也就是V2X技術(shù)。
這種技術(shù)仍然處在研發(fā)階段，但是它已經(jīng)擁有讓車輛與周圍不論是否處于視野內(nèi)的車輛、非機動車和行人保持不間斷通信的潛力。
毫米波雷達
毫米波雷達通過發(fā)射一種無線電波來探測物體，汽車可以借助其來探測迎面而來的物體的距離、范圍和速度。
毫米波雷達技術(shù)被視為比激光雷達更可靠的技術(shù)，因為它的遠距離探測能力，并且沒有易損壞的旋轉(zhuǎn)運動的元件。并且它成本更低。因此毫米波雷達被廣泛應(yīng)用于自動駕駛汽車和ADAS功能中。
Lunewave在2018年9月收到了來自BMW的500萬美金的種子輪融資。這家公司正在使用3D打印技術(shù)來創(chuàng)造作用距離更遠和更準確的天線系統(tǒng)。他們的技術(shù)是基于在1940年發(fā)明的龍伯透鏡天線。
Metawave也在研究如何加強毫米波雷達的性能。這家公司已經(jīng)開發(fā)出一種使用金屬材料以達到更告訴和更遠探測距離的模擬天線。
Metawave的雷達技術(shù)（來源：Metawave）
Metawave在5月的的種子輪融資跟投方包括，來自于大型汽車業(yè)制造商如電裝、現(xiàn)代和豐田，和來自于小型VC的融資如Khosla Ventures。還包括Tier-1供應(yīng)商英飛凌在8月的跟投。
激光雷達
激光雷達被視為最先進的傳感器。激光雷達能創(chuàng)建車輛周圍環(huán)境3D透視圖的能力，能夠促進對于物體的識別。
利用激光雷達創(chuàng)建車輛周圍3D透視圖的技術(shù)（來源：Velodyne）
激光雷達技術(shù)利用激光傳感器來確定物體的距離。傳感器發(fā)射高頻脈沖激光并且計算波束往返的時間。
傳統(tǒng)的激光雷達系統(tǒng)包含一系列旋轉(zhuǎn)元件來獲取車輛周圍360°的視角。這些元件的開發(fā)成本很高，而且往往并不比固定元件更耐用。許多初創(chuàng)公司正致力于在保持激光雷達的高精度的同時減少其成本。
一種解決方法就是固態(tài)激光雷達，也就是一種沒有運動元件并且制造成本更低的激光雷達。
以色列初創(chuàng)公司Innoviz已經(jīng)將固態(tài)激光雷達縮減到幾百美元以內(nèi)。它的售價僅為Velodyne$75000的128線激光雷達系統(tǒng)的一小部分。
4月，Innoviz宣布同汽車制造商BMW和Tier-1制造商麥格納達成合作伙伴關(guān)系，來在BMW的自動駕駛汽車上搭載自己的激光雷達。
Innoviz的激光雷達系統(tǒng)：Innoviz Pro（來源：Innoviz）
Avea是另一家在研發(fā)自己的固態(tài)激光雷達的初創(chuàng)公司。它在2018年10月收獲了4500萬美元的A輪融資。這家公司宣布它的產(chǎn)品擁有200米的探測范圍和僅有幾百美元的成本。不同于傳統(tǒng)的激光雷達，Avea的技術(shù)專注于連續(xù)的激光波形而非獨立的光束。
中國的固態(tài)激光雷達初創(chuàng)公司Robosense在10月收獲了$4330萬美元的C輪融資，成為中國單輪融資金額最大的激光雷達公司。這輪融資的投資人包括阿里的物流子公司菜鳥智慧物流網(wǎng)絡(luò)和汽車制造商上汽集團以及北汽集團。
車聯(lián)萬物（V2X）
V2X技術(shù)使車輛和其他可聯(lián)網(wǎng)物體的無線信息互聯(lián)成為可能。在這項技術(shù)處于非常早期階段的時候，V2X技術(shù)能夠幫助擴展激光雷達、毫米波雷達和攝像頭等視野探測類傳感器的限制。
V2X傳感器可以探測道路險況、堵車和視野外的盲區(qū)。
以色列初創(chuàng)公司Autotalks正與韓國現(xiàn)代公司合作來為市場量產(chǎn)它的V2X傳感器技術(shù)。這家初創(chuàng)公司已經(jīng)收到了現(xiàn)代和Tier-2供應(yīng)商三星的投資。
駕駛數(shù)據(jù)和仿真
路測的駕駛數(shù)據(jù)和仿真對于自動駕駛開發(fā)是非常關(guān)鍵的，給算法訓練提供了指導方向。
根據(jù)蘭德公司的報告，自動駕駛需要駕駛數(shù)億甚至數(shù)十億英里來驗證其安全性，自動駕駛的開發(fā)人員利用車隊完成這個距離的數(shù)據(jù)收集需要花費數(shù)年時間。
因此，開發(fā)者利用仿真技術(shù)來積累虛擬里程。
仿真初創(chuàng)公司和自動駕駛開發(fā)者利用人工智能來生成測試數(shù)據(jù)訓練自動駕駛車輛。該項技術(shù)特別有利于在危險或不常見場景訓練自動駕駛車輛，例如炫目的陽光或突然出現(xiàn)的行人。
總部位于以色列的創(chuàng)業(yè)公司Cognata開發(fā)了一個3D仿真平臺，為客戶提供各種自動駕駛測試場景。
Cognata的3D模擬平臺（來源：Cognata）
10月，該公司從包括空客和Maniv Mobility在內(nèi)的投資者那里籌集了1850萬美元的B輪融資。
MightyAI的元數(shù)據(jù)歸屬和分類技術(shù)（來源：MightyAI）
NVIDIA是處于仿真技術(shù)前沿的主要公司之一。 5月，它推出了一個名為DRIVE Constellation的基于云的仿真平臺。 該平臺在公司的GPU上運行，并為自動駕駛系統(tǒng)生成傳感器數(shù)據(jù)流以進行處理。 NVIDIA可以在數(shù)十億英里的定制場景中訓練其算法。
9月，該公司向合作伙伴網(wǎng)絡(luò)開放了仿真平臺，包括創(chuàng)業(yè)公司Cognata和Parallel Domain，以及主要的科技公司西門子。
與收集駕駛員數(shù)據(jù)相關(guān)的另一個挑戰(zhàn)是圖像注釋，或標記數(shù)據(jù)，以便自動駕駛車輛可以識別和分類對象。
訓練數(shù)據(jù)初創(chuàng)公司MightyAI正在與構(gòu)建計算機視覺模型的公司合作，以幫助標記他們用于訓練的數(shù)據(jù)。 MightyAI提供數(shù)據(jù)管理，注釋和驗證工具。
公司用于理解收集的數(shù)據(jù)的一種技術(shù)是語義分割，通過對視頻圖像進行像素分解達到更細粒度的處理。
來源：Medium
中國科技巨頭百度也開發(fā)了自己的語義分割軟件ApolloScape，用于自動駕駛的開源數(shù)據(jù)集。
百度的技術(shù)可實現(xiàn)多達26種分類的圖像注釋，包括汽車，行人，自行車，建筑物和路燈，以幫助自駕車識別道路上的可駕駛區(qū)域和迎面而來的危險。
自動駕駛車輛還需要知道它們的精確位置，包括決策和路徑規(guī)劃。
許多人依賴GPS信號，但這些測量值可能會偏離1-2米——如果整個自行車道的平均長度約為1.2米，那么誤差率就太大了。
因此，AV開發(fā)人員依賴于一套技術(shù)，包括預構(gòu)建的地圖，這有助于將誤差減少到1米以下。
當車輛自我導航時，他們將周圍環(huán)境與存儲在記憶中的數(shù)字地圖進行比較。
這些被稱為高清地圖的地圖比用于個人導航軟件的數(shù)字地圖更精確。它們包含基于道路的信息，如車道大小、人行橫道和道路標志，并通過從車輛外部的傳感器收集的數(shù)據(jù)進行增強。
資源來自于: Ars Technica
許多初創(chuàng)企業(yè)設(shè)計了所需的硬件（即傳感器）和軟件，可以在路上收集數(shù)據(jù)，然后將其轉(zhuǎn)換為數(shù)字地圖。
DeepMap 開發(fā)了地圖構(gòu)建軟件，計劃向汽車制造商和專注于AV技術(shù)的公司發(fā)放許可證。一級供應(yīng)商羅伯特?博世（Robert Bosch）在8月份與之前的投資者安德烈森?霍洛維茨（Andreessen Horowitz）和Accel Partners聯(lián)手投資了這家初創(chuàng)企業(yè)。
資源來自于：DeepMap
Civil Maps也在為全自動車輛開發(fā)3D地圖技術(shù)。利用人工智能，該公司將原始傳感器數(shù)據(jù)轉(zhuǎn)換為有意義的地圖信息。
一些公司正在自己制作高清地圖，目的是將數(shù)據(jù)授權(quán)給相關(guān)方。
地圖領(lǐng)域的兩個主要參與者是HERE Maps 和TomTom。2015年12月，德國汽車制造商聯(lián)盟（奧迪、寶馬和戴姆勒）收購了地圖。今年1月，TomTom與百度合作，將其美國和西歐地圖與百度廣泛的中國地圖進行整合。
谷歌在地圖領(lǐng)域也取得了顯著進展。今年10月，沃爾沃宣布將其地圖平臺從TomTom改為Google。谷歌的自動駕駛臂Waymo也在利用自己的車輛在路上收集的數(shù)據(jù)構(gòu)建自己的高清地圖。
百度正在為自己的自動駕駛汽車軟件平臺Apollo開發(fā)高清地圖。該公司看到了一個向汽車制造商出售地圖，并收取服務(wù)費或?qū)⑦@些費用整合到汽車成本中的機會。
百度相信，其高清地圖業(yè)務(wù)最終將超過目前中國最大的搜索業(yè)務(wù)。
許多公司正在研究全自動駕駛系統(tǒng)，而不是特定的部件。
雖然這些初創(chuàng)企業(yè)大多僅僅致力于自動駕駛，并與汽車制造商合作部署他們的技術(shù)，但也有一些正在從頭開始重建他們的汽車。
大多數(shù)構(gòu)建全自動駕駛堆棧的公司都提供了一個軟件包，其中包括計算機視覺和傳感器融合軟件，以及自動駕駛所需的硬件。這些系統(tǒng)是自主車輛的“大腦”。
在這一領(lǐng)域的初創(chuàng)企業(yè)通常與汽車制造商合作部署他們的技術(shù)。在某些情況下，他們正在利用這項技術(shù)對現(xiàn)有車輛進行改裝。
例如，Drive.ai正在使用其自主系統(tǒng)來創(chuàng)建改裝套件。在得克薩斯州弗里斯科試用了幾個月的自動駕駛汽車服務(wù)后，該公司于10月將服務(wù)擴展到了得克薩斯州阿靈頓市。
Drive.ai于2017年9月與Lyft合作，將配備其系統(tǒng)的自動駕駛汽車引入Lyft的開源軟件平臺。
資源來自于: Drive.ai
中國也有幾家公司在研究自動駕駛系統(tǒng)。
總部位于北京的Momenta在10月份獲得了獨角獸的地位，在電動汽車制造商Nio和中國科技巨頭騰訊的貢獻下發(fā)起了一輪C輪融資。蒙門塔已與蘇州市政府合作，部署了一支大規(guī)模的試驗車隊，并在該市建立了智能交通系統(tǒng)。
Pony.ai也達到了獨角獸的地位。該公司已與中國第二大汽車制造商廣州汽車集團（Guangzhou Automobile Group）合作，部署其完整的AV架構(gòu)。9月，在籌集了1.02億美元的首輪融資后的三個月，它在廣州成立了一支自主車隊。
像Zoox和Nuro這樣的公司正在從頭開始建造車輛。
Zoox的原型車與傳統(tǒng)車有很大的不同——它們不包括方向盤或儀表板，內(nèi)部有兩個面對面的長椅。
資源來自于：Zoox
它的車輛還未被法律允許在公路上行駛，所以Zoox正在與豐田高地汽車公司（Toyota Highlanders）暫時測試其技術(shù)。
該公司獨特的做法引起了投資者的關(guān)注，在其聯(lián)合創(chuàng)始人兼首席執(zhí)行官被免職后，近幾個月來也引起了媒體的廣泛關(guān)注。
到目前為止，Zoox已經(jīng)籌集到8億美元，包括7月份價值32億美元的5億美元B輪融資。該公司計劃在2020年前將其自動駕駛系統(tǒng)部署成叫車服務(wù)。
努羅的AV系統(tǒng)設(shè)計用于運輸貨物而不是人，以應(yīng)對困擾眾多零售商的最后一英里交貨瓶頸。
資源來自于：Nuro
想要繼續(xù)查看該篇文章相關(guān)鏈接和參考文獻？
長按鏈接點擊打開或點擊【無人駕駛關(guān)鍵技術(shù)拆解】：
https://ai.yanxishe.com/page/TextTranslation/1278
AI研習社每日更新精彩內(nèi)容，觀看更多精彩內(nèi)容：雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
等你來譯：
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
