3
| 本文作者： 張偉 | 2017-07-26 12:01 |
*清華大學(xué)猛獅智能車團(tuán)隊(duì)（后排左三為張新鈺）
雷鋒網(wǎng)新智駕按：作為清華大學(xué)智能車“猛獅”團(tuán)隊(duì)（由中國工程李德毅院士及清華大學(xué)李克強(qiáng)教授指導(dǎo)）負(fù)責(zé)人，張新鈺在2016年帶領(lǐng)車隊(duì)拿下“中國智能車未來挑戰(zhàn)賽”城市賽段亞軍，雖然與冠軍失之交臂，但這也是對他數(shù)十年智能駕駛研究成果的證明。在這漫長的生涯里，他參與研發(fā)了國內(nèi)首輛無人駕駛快遞車以及奇瑞-百度智能車的底層智能系統(tǒng)。2015年，其帶領(lǐng)的團(tuán)隊(duì)所研制的智能公交車在河南鄭開大道順利完成了開放城際道路環(huán)境下的智能駕駛，這是世界上第一臺智能駕駛公交車正式路測。
正是因?yàn)樵谥悄荞{駛領(lǐng)域的多年積累，他近期受邀到中國圖象圖形學(xué)學(xué)會主辦的“智能駕駛與機(jī)器視覺”講習(xí)班展開分享?；仡櫫酥悄荞{駛的發(fā)展歷史，詳述了智能駕駛的關(guān)鍵技術(shù)，深入解讀了智能駕駛產(chǎn)業(yè)化的挑戰(zhàn)與方向，最后，還將自己數(shù)十年在清華團(tuán)隊(duì)所做的關(guān)于智能駕駛的研究和成果如數(shù)分享。
以下為張新鈺分享精華內(nèi)容，雷鋒網(wǎng)新智駕獨(dú)家整理奉送（有刪減）。
汽車工業(yè)已經(jīng)經(jīng)歷了100多年的發(fā)展，而中國業(yè)已成為全球第一大汽車市場?；仡櫄v史，我們可以發(fā)現(xiàn)汽車工業(yè)經(jīng)歷了幾次較大的變革。
100多年前，汽車代替馬車，成為新一代的日常交通工具，隨著汽車的普及，汽車的形態(tài)及生產(chǎn)工藝也在不斷進(jìn)行突破。后來，汽車安全性能越來越受到重視，無論是被動安全還是主動安全，都有不斷進(jìn)行探索的先驅(qū)。隨著汽車電子、通訊技術(shù)以及人工智能的發(fā)展，汽車儼然要成為下一代的移動終端。
智能駕駛也在這一進(jìn)程中不斷發(fā)展。也許我們對開始于美國莫哈韋沙漠的DARPA無人車挑戰(zhàn)賽已經(jīng)很熟悉了，很多人都將這一賽事視作無人駕駛?cè)瞬诺摹皳u籃”，但殊不知，關(guān)于無人駕駛，其研發(fā)在世界范圍內(nèi)已有很長的歷史。
從以上智能駕駛發(fā)展的歷程來看，無論是互聯(lián)網(wǎng)科技公司、車企、Tier 1，還是自動駕駛傳感器、系統(tǒng)解決方案創(chuàng)新公司，亦或是高校、科研機(jī)構(gòu)，全都加入到大潮之中，資本、人才亦迅速涌入。
現(xiàn)在，人們談?wù)撟疃嗟?、市場聲量最大的，國外?dāng)屬谷歌，而國內(nèi)則是百度。谷歌研究無人駕駛已經(jīng)有10多年的歷史，而百度，近來聲勢浩大的要All in AI，最重要的方向當(dāng)然還是智能駕駛，“阿波羅計(jì)劃”（Apollo）便是其最重要的戰(zhàn)略。百度要成為智能駕駛領(lǐng)域“安卓”的野心昭然。
為了早日實(shí)現(xiàn)商業(yè)化落地，谷歌無人車獨(dú)立出來以Waymo品牌存在。后來，那輛廣為流傳的“螢火蟲無人車”也在不久前宣布退役。
百度如今大肆推廣智能駕駛，通過“阿波羅計(jì)劃”向外界開放其代碼。但智能駕駛汽車是人坐的，一般人都會考慮其安全性，要讓所有人接受這一新生事物，是非常艱巨的任務(wù)。
從“阿波羅計(jì)劃”的開放路線圖可以看到，自2017年7月，百度開放了其自動駕駛基本平臺，開放的內(nèi)容主要是封閉場景循跡自動駕駛。張新鈺覺得，這種技術(shù)目前自動駕駛公司、高校已經(jīng)有基本的技術(shù)原型。
到第二步，百度想推廣固定車道的自動駕駛，這才是比較關(guān)鍵的。它要公布高精地圖、傳感器等一系列感知、定位技術(shù)。
然后是真正意義上的自動駕駛，這個(gè)就更加遙遠(yuǎn)了，如果到今年年底百度能把這塊開放，那么說明“阿波羅”真是一個(gè)很開放的平臺。
從自動駕駛的上層技術(shù)來看，百度在國內(nèi)處在領(lǐng)先位置。2015年12月，百度的自動駕駛汽車在北京五環(huán)上進(jìn)行了測試。
在那輛自動駕駛汽車上，裝配了一個(gè)64線的激光雷達(dá)（Velodyne）。這種架構(gòu)基本上是現(xiàn)在國內(nèi)的高校以及科研機(jī)構(gòu)或創(chuàng)業(yè)型公司所采用的，用高精度的激光雷達(dá)方案做自動駕駛。這套設(shè)備的成本大概在130、140萬人民幣左右。當(dāng)時(shí)，百度說3年后（也就是2018年）實(shí)現(xiàn)商業(yè)化，現(xiàn)在看來還有很大困難。
目前，谷歌的自動駕駛汽車已經(jīng)可以在鄉(xiāng)村道路以及復(fù)雜路況下運(yùn)行，但百度依然是在高速上實(shí)現(xiàn)自動駕駛。所以，從技術(shù)上看，張新鈺個(gè)人覺得現(xiàn)階段肯定還是谷歌的水平要更高。
但是，不管是谷歌還是百度，亦或是很多車企，現(xiàn)在遇到了同樣的問題，那就是“自動駕駛落地”。其中，阻礙因素有這樣幾個(gè)方面：
傳感器層面，無論是圖像、攝像頭、雷達(dá)還是GPS，在一般環(huán)境下，由于天氣、氣候或者突發(fā)情況，不可能保證100%安全。而談起激光雷達(dá)，雖然它感知環(huán)境的效果最好，但“貴”是最大的問題。
張新鈺介紹，百度采用的64線激光雷達(dá)價(jià)格大概在60萬人民幣左右，谷歌所使用的32線激光雷達(dá)，成本大概在33萬人民幣。而Quanergy的S3，作為固態(tài)激光雷達(dá)，其成本雖然據(jù)稱已經(jīng)壓縮到了幾百美元至上千美元，但具體效果還沒有確切的說法，因?yàn)槠髽I(yè)還未用其產(chǎn)品進(jìn)行測試。
而在政策法規(guī)問題上，美國很多州已經(jīng)允許自動駕駛汽車上路，但國內(nèi)依然未開放。比如7月5號，李彥宏乘著自家的自動駕駛汽車上了五環(huán)，立馬被交警部門調(diào)查。政策對于自動駕駛的支持非常重要，政府需要站出來。
此外，實(shí)現(xiàn)自動駕駛，還需要車與車、車與路、車與周圍更為廣闊的環(huán)境進(jìn)行信息的感知和交互。這一塊國內(nèi)基本上是空白，可能有些試驗(yàn)場有這樣的設(shè)施，但為數(shù)不多。
張新鈺認(rèn)為，只有這三個(gè)方面的問題解決了，才能考慮自動駕駛汽車落地的問題。
其實(shí)，做智能駕駛，就是讓機(jī)器仿照人類去駕駛，我們要思考的是如何按照腦科學(xué)的發(fā)展來做智能駕駛。
人腦是由性格、情緒、長期記憶、短期記憶、動機(jī)以及學(xué)習(xí)和思維組成的。
如果以人腦來類比“駕駛腦”，智能駕駛其實(shí)形成的是這樣一個(gè)框架：
一般來說，人在駕駛的時(shí)候，其實(shí)是將認(rèn)知、感知（駕駛過程主要通過眼睛來看）、行動（執(zhí)行人腦一些行動）和反饋（反饋到人眼里面）進(jìn)行了一個(gè)循環(huán)。
智能駕駛也一樣，首先有動態(tài)感知（通過感知記憶），然后到態(tài)勢分析（包括長期記憶的進(jìn)入）、自主決策，之后是精確控制（就是我們的小腦），再到行動——形成一個(gè)循環(huán)過程。
基于此，我們提出了關(guān)于智能駕駛過程的流程圖。
這個(gè)流程中，傳感器充當(dāng)了人類眼睛的角色。其中包括雷達(dá)傳感器（激光雷達(dá)、毫米波雷達(dá)）；視覺傳感器（左、中、右攝像頭）；車姿傳感器（慣導(dǎo)IMU、OBD接口）；定位傳感器（GPS、北斗、輪速計(jì)）。
傳感器感知到的數(shù)據(jù)會每隔一段時(shí)間形成駕駛態(tài)勢圖，每100毫秒形成一個(gè)駕駛圖簇，構(gòu)成車輛的短期記憶；長期記憶則包含了駕駛地圖以及各類駕駛先驗(yàn)知識；而動機(jī)就是智能駕駛的某個(gè)路徑要求，可以通過人機(jī)交互傳達(dá)給車輛。
通過短期記憶、長期記憶以及動機(jī)不斷相互作用，車輛形成了“二次規(guī)劃”——學(xué)習(xí)和思維，其實(shí)就是人類思考的過程。
這些規(guī)劃再輔以一些緊急干預(yù)的操作，就形成了控制的策略（類似于人小腦實(shí)現(xiàn)的功能）。
最后到執(zhí)行機(jī)構(gòu)——智能駕駛車輛。
可以看到，按照腦認(rèn)知結(jié)構(gòu)研究智能駕駛，它有感知域、認(rèn)知域、執(zhí)行。這是一個(gè)以認(rèn)知為中心的智能駕駛的全域過程，可以分層看一下：
而在以上四個(gè)層面上，現(xiàn)今也有很多需要車企、技術(shù)公司去解決的關(guān)鍵技術(shù)問題。
具體而言，這些關(guān)鍵性技術(shù)包含感知、認(rèn)知、決策、控制和執(zhí)行。
這塊的內(nèi)容包括在復(fù)雜行駛環(huán)境下自主式與協(xié)同式的動靜態(tài)目標(biāo)檢測與跟蹤技術(shù)，重點(diǎn)解決的是檢測的準(zhǔn)確性、魯棒性和實(shí)時(shí)性。
傳感器主要以單目相機(jī)、雙目相機(jī)、毫米波雷達(dá)以及激光雷達(dá)為主，同時(shí)把GPS組合慣導(dǎo)系統(tǒng)的信息融入進(jìn)去。針對不同的傳感器，可以有不同的算法，進(jìn)行深度學(xué)習(xí)與構(gòu)建。
智能駕駛非常關(guān)鍵的一個(gè)點(diǎn)是“數(shù)據(jù)融合”。因?yàn)閱我坏膫鞲衅鞯倪m應(yīng)性不夠、精度不高，那我們就想辦法把多傳感器的數(shù)據(jù)融合到一起，進(jìn)行目標(biāo)的識別或者定位。
目前，清華猛獅團(tuán)隊(duì)也在做一些工作，比如數(shù)據(jù)融合，我們將相機(jī)RGB圖像與雷達(dá)數(shù)據(jù)進(jìn)行融合，對人、車輛不斷進(jìn)行檢測，用卷積神經(jīng)網(wǎng)絡(luò)做訓(xùn)練。
從下圖可以看到，上部是攝像頭拍下的RGB圖像，下部是激光雷達(dá)的點(diǎn)云圖像，進(jìn)行融合后可以得到灰度圖：
通過這種融合，可以提高目標(biāo)檢測和識別的能力。
這一塊要實(shí)現(xiàn)擬人認(rèn)知過程中場景理解、目標(biāo)危險(xiǎn)行為預(yù)判和軌跡生成預(yù)測問題。這其實(shí)是最難的，目前研究還不是很多。
我們首先通過車內(nèi)外綜合狀態(tài)感知的傳感器，獲取數(shù)據(jù)后進(jìn)入到瞬態(tài)記憶池，然后再到態(tài)勢記憶池，再到自適應(yīng)定位學(xué)習(xí)，最后是長期記憶池。這樣就形成了駕駛態(tài)勢，最后輸出到下一層——決策。
這個(gè)過程中，清華猛獅團(tuán)隊(duì)使用基于駕駛認(rèn)知計(jì)算的分割、調(diào)度、映射和加速方法進(jìn)行探索。這塊是其目前做的硬件方案，這里需要使用一些工具，包括FPGA、GPU和GPU多核運(yùn)算等，加快認(rèn)知計(jì)算的速度，縮短認(rèn)知輸出所需的時(shí)間。
整個(gè)認(rèn)知過程中，還有一個(gè)很關(guān)鍵的問題是智能駕駛定位的問題。
現(xiàn)在智能駕駛定位麻煩的原因在于：
GPS在很多地方?jīng)]信號；
價(jià)格也貴，GPS要好幾萬，慣導(dǎo)IMU好一點(diǎn)的要20萬人民幣。
這塊清華猛獅團(tuán)隊(duì)也做了些工作。
上圖是一個(gè)智能駕駛定位系統(tǒng)，首先有一個(gè)絕對定位的系統(tǒng)，包括GPS、激光雷達(dá)；還有一個(gè)相對定位的系統(tǒng)，有慣導(dǎo)IMU、圖像編碼器以及車輪編碼器。我們可以融合二者的信息來做定位融合，這樣就可以大大降低成本，因?yàn)榭梢杂玫途菺PS、雷達(dá)和慣導(dǎo)IMU（便宜的幾千人民幣）。
當(dāng)然，不同的傳感器，在不同的條件下利用其產(chǎn)生的數(shù)據(jù)進(jìn)行定位，效果是不一樣的，組合形式則需要更多的嘗試。
感知、認(rèn)知之后，我們需要做決策，要在動態(tài)場景中進(jìn)行擬人行為的決策和路徑規(guī)劃及避障，需要解決決策的有效性和實(shí)時(shí)性。
通過認(rèn)知過程中的結(jié)果，把車輛的速度、加速度還有障礙物的速度、加速度都預(yù)測好，同時(shí)把車輛位置、車輛航向以及車道線的序列、交通標(biāo)志等一切信息拿出來做決策算法的輸入。其中還包括車輛動學(xué)模型、還有障礙物的威脅模型。
我們同時(shí)要把以前的專家示教序列、獎(jiǎng)勵(lì)學(xué)習(xí)以及更新的模型參數(shù)融入到?jīng)Q策算法中去，最后形成這種局部點(diǎn)坐標(biāo)和期望速度值。
傳感器的輸入信息以及決策算法導(dǎo)出的信息共同作用于規(guī)劃算法，再引入車輛模型，形成最后的軌跡坐標(biāo)和速度曲線。
這是自主決策的一個(gè)過程。
張新鈺和他的團(tuán)隊(duì)提出了“基于AI的自主決策”。
簡單來說，傳感器感知當(dāng)前車輛內(nèi)部與外部環(huán)境產(chǎn)生數(shù)據(jù)，數(shù)據(jù)輸入到數(shù)據(jù)模型，數(shù)據(jù)模型會輸出車輛的運(yùn)動指令到控制器，運(yùn)動指令包括加速度與方向盤轉(zhuǎn)向角，控制器會將運(yùn)動指令轉(zhuǎn)化為控制指令輸入到執(zhí)行器，執(zhí)行器執(zhí)行指令后，產(chǎn)生執(zhí)行反饋到控制器。張新鈺團(tuán)隊(duì)的目標(biāo)是通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)出數(shù)據(jù)模型。
而在智能駕駛汽車的自主決策方面，協(xié)同控制也是一大難點(diǎn)。
協(xié)同控制指的是全場景工況下車輛運(yùn)動狀態(tài)參數(shù)自適應(yīng)估計(jì)方法和多目標(biāo)協(xié)同控制問題，解決動力學(xué)控制的有效性和魯棒性。
這個(gè)控制其實(shí)挺麻煩的，因?yàn)檫@個(gè)是底層的控制，它的非線性很不好做。
現(xiàn)在比較流行的，主要是基于MPC（Model Predictive Control）的協(xié)同控制，大家了解比較多的。通過全場景工況下車輛運(yùn)動狀態(tài)參數(shù)的反饋和隨時(shí)域滾動的MPC，解決無人駕駛車輛縱向與橫向的實(shí)時(shí)跟蹤性，體現(xiàn)在隨車而動的不同時(shí)域長度的預(yù)測能力上。
前面談了很多感知、認(rèn)知、決策以及控制層面的問題，最后還是要車輛本身去執(zhí)行控制操作，如果車輛的執(zhí)行力不行，那智能駕駛的功能實(shí)現(xiàn)肯定好不了。
對于智能駕駛汽車來說，要想很好地執(zhí)行控制操作，在電源控制器、轉(zhuǎn)向控制器、油門控制器以及制動控制器上都要進(jìn)行一些改裝。目前，國內(nèi)在這塊的技術(shù)都不是很成熟，這也是影響自動駕駛落地的重要因素。
互聯(lián)網(wǎng)科技公司主要做軟件，以工程機(jī)上層為主；而車廠其實(shí)以下層的組裝為主，也就是OEM，也不是那么懂車。像制動、油門和轉(zhuǎn)向等這些領(lǐng)域，話語權(quán)依然集中在博世、大陸這樣的Tier 1身上。比如去年清華和長安合作進(jìn)行的2000公里的自動駕駛路測，車輛的制動就是博世做的，國內(nèi)現(xiàn)在能做這塊的公司其實(shí)不多。
張新鈺表示他的團(tuán)隊(duì)都是自己改裝東西，改裝一個(gè)閥去做制動，當(dāng)然這都是手工做的，沒量產(chǎn)?，F(xiàn)在很多公司想創(chuàng)業(yè)，其實(shí)這塊是很有意義的，但著實(shí)很難。
總的來說，像油門、線控轉(zhuǎn)向這些技術(shù)都直接關(guān)系到智能駕駛車輛的精準(zhǔn)執(zhí)行，這些在目前來說也是制約智能駕駛落地的重要問題。
以上闡述的關(guān)鍵技術(shù)，基本上是針對單車智能，而智能駕駛是系統(tǒng)工程，涉及車與車通信、人車交互、多車間的交互等等。目前，單車智能問題還未解決好，多車智能便不會成為重點(diǎn)。這可能作為未來五年到十年的研究方向，大家若有興趣，可以關(guān)注。
接下來闡述一下智能駕駛產(chǎn)業(yè)化方面的問題。
一輛智能駕駛汽車上，搭載了相機(jī)、激光雷達(dá)、毫米波雷達(dá)、GPS設(shè)備、后視鏡、OBD、高精地圖、慣導(dǎo)系統(tǒng)等。僅僅針對激光雷達(dá)，如今國內(nèi)外的創(chuàng)業(yè)公司便不可勝數(shù)。
總結(jié)起來，智能汽車產(chǎn)業(yè)，集成幾乎所有工業(yè)和信息領(lǐng)域的中高端技術(shù)為一身，鏈條長、關(guān)聯(lián)度強(qiáng)、就業(yè)面廣、涉及經(jīng)濟(jì)領(lǐng)域多、消費(fèi)拉動大，是國民經(jīng)濟(jì)的重要支柱產(chǎn)業(yè)。
再來看一看百年汽車產(chǎn)業(yè)核心競爭力的轉(zhuǎn)移趨勢。
從上圖可以清晰地看出，以后汽車行業(yè)的競爭將會聚焦在智能駕駛技術(shù)之上。
在張新鈺看來，信息技術(shù)和智能制造已然成為熱點(diǎn)，智能駕駛是集位置服務(wù)、車聯(lián)網(wǎng)和機(jī)器人等技術(shù)于一身存在，無論是實(shí)踐云計(jì)算、物聯(lián)網(wǎng)，還是研發(fā)機(jī)器人，智能駕駛都被推到風(fēng)口浪尖，占據(jù)重要位置。
針對智能駕駛，目前國際上兩大機(jī)構(gòu)NHTSA（美國國家公路交通安全管理局）和SAE（美國汽車工程師學(xué)會）都有自己的分級標(biāo)準(zhǔn)，前者為5級劃分，后者是6級劃分。二者的不同之處在NHTSA定義的L4級別包括了SAE定義的L4和L5級別。
此前，特斯拉的量產(chǎn)車已經(jīng)實(shí)現(xiàn)了L2級別的自動駕駛；2017年7月11日，新一代奧迪A8發(fā)布，據(jù)稱已經(jīng)達(dá)到L3級別的自動駕駛，這兩款車是已經(jīng)量產(chǎn)的自動駕駛汽車。像很多高校，其實(shí)走的路線也是從L3開始，走向更高級別的自動駕駛。
針對L4和L5的自動駕駛，谷歌、百度以及一些車企正在進(jìn)行研發(fā)，但是還未量產(chǎn)化。
張新鈺認(rèn)為，L3級別可能在2020年會比較完善，量產(chǎn)化車型也會越來越多；而L4、L5級別，估計(jì)還需要10年左右的時(shí)間才能實(shí)現(xiàn)。到那時(shí)，自動駕駛車輛需要全場景運(yùn)行，車本身的結(jié)構(gòu)會有很大的變化，同時(shí)要保證絕對安全。
對于智能駕駛的發(fā)展階段，張新鈺和他的團(tuán)隊(duì)也有自己的劃分標(biāo)準(zhǔn)。
最初級的是離線輔助駕駛；接著局部時(shí)段、局部區(qū)域的自動駕駛；然后是自駕駛/自主駕駛/無人駕駛；最高級別的是以人為本的人機(jī)協(xié)同。形象一點(diǎn)來說，前兩個(gè)階段是人趕著馬兒跑，第三個(gè)階段則是馬自己跑，最后一個(gè)階段就是騎士與馬的完美共舞。
全球智能駕駛的實(shí)踐近乎火爆，盡管形態(tài)多樣、方法各異，但也趨向形成共識，從認(rèn)知試驗(yàn)走向認(rèn)知工程，正迅速為智能汽車的產(chǎn)業(yè)化和市場切入開辟道路，建立全新的智能車產(chǎn)業(yè)生態(tài)環(huán)境。
反觀此前百年汽車工業(yè)成功的關(guān)鍵，必須要保證以下三個(gè)方面的要求：
規(guī)?；a(chǎn)
精細(xì)化管理
高可靠運(yùn)行
這些要求在智能駕駛汽車上同樣需要得到保證，甚至要求會更高。目前，智能駕駛汽車的發(fā)展路線大致有以下幾種：
以傳統(tǒng)的汽車廠商為代表，從ADAS切入，“漸進(jìn)式“地從高級輔助駕駛實(shí)現(xiàn)到無人駕駛的過渡。
現(xiàn)在很多創(chuàng)業(yè)公司和車企都在做ADAS這方面的功能，主要有攝像頭方案、毫米波雷達(dá)方案。后期，隨著車輛自動駕駛水平越來越高，激光雷達(dá)也將被引入。
從攝像頭方案切入到ADAS，目前有很多內(nèi)容是可以去進(jìn)行嘗試的。
而毫米波雷達(dá)則被認(rèn)為是ADAS的核心傳感器。
激光雷達(dá)雖然分辨率高、精度高、抗有源干擾能力強(qiáng)，但是目前的價(jià)格實(shí)在昂貴。
基于以上分析，未來要做自動駕駛方案，在傳感器的選擇上會有多種多樣的配置選項(xiàng)。攝像頭是不是可以多用一些？毫米波雷達(dá)用多少個(gè)？激光雷達(dá)是否可以盡量少配一些？這涉及到自動駕駛汽車的成本控制，創(chuàng)業(yè)者們需要去思考。
以Google、百度、Uber等為代表的互聯(lián)網(wǎng)公司，通過價(jià)格高昂的傳感器（激光雷達(dá)為主），“一步到位位”地實(shí)現(xiàn)完全無人駕駛。
谷歌和百度的自動駕駛汽車，包括各類傳感器以及車輛本身改裝的成本等，成本基本都在100萬人民幣以上。一般的公司基本上難以承受。
以Tesla等為代表的一邊自己造車，但不按傳統(tǒng)汽車廠的路線發(fā)展自動駕駛，另一邊利用互聯(lián)網(wǎng)思維發(fā)展自動駕駛技術(shù)，利用上路產(chǎn)品作為測試自動駕駛系統(tǒng)Bug的手段，同時(shí)又打著低成本的牌。
特斯拉的量產(chǎn)車還可以進(jìn)行駕駛數(shù)據(jù)采集，數(shù)據(jù)對將來的無人駕駛很關(guān)鍵。所以，張新鈺覺得，特斯拉最有可能實(shí)現(xiàn)自動駕駛商業(yè)化落地。
從上面三條發(fā)展路線來看，智能駕駛產(chǎn)業(yè)需要考慮的問題就包括下面這些：
不得不說，智能駕駛產(chǎn)業(yè)是非常龐大的，產(chǎn)業(yè)鏈非常長。
傳感器產(chǎn)業(yè)自不必說，相機(jī)、激光雷達(dá)、毫米波雷達(dá)、慣導(dǎo)、GPS……本身就是很長的產(chǎn)業(yè)鏈。
而切入ADAS產(chǎn)業(yè)的公司更是數(shù)不勝數(shù)，他們做系統(tǒng)監(jiān)測、環(huán)境監(jiān)測、顯示輔助以及主動安全等功能，這一塊進(jìn)入比較快，門檻也沒那么高。
控制產(chǎn)業(yè)則包含了決策系統(tǒng)、轉(zhuǎn)向、制動、電源控制器等細(xì)分領(lǐng)域?，F(xiàn)在國內(nèi)在制動系統(tǒng)方面幾乎是空白，所以這是很多創(chuàng)業(yè)公司的機(jī)會。
同時(shí)，智能駕駛行業(yè)絕對不只有乘用車，貨車、巡邏車、清掃車、礦山車等都可以應(yīng)用智能駕駛技術(shù)。
當(dāng)然，有了海量的智能駕駛傳感器數(shù)據(jù)，對于將來的交通、保險(xiǎn)業(yè)、呼叫中心、汽車救援等工作都大有裨益，而這也是云計(jì)算和大數(shù)據(jù)可以施展功夫的空間。
最后，分享一下清華猛獅團(tuán)隊(duì)在智能駕駛方面的一些實(shí)踐工作。
從2009年開始，清華猛獅團(tuán)隊(duì)投入到飛思卡爾的微縮車平臺的研發(fā)中；到2012年，團(tuán)隊(duì)開始做自動駕駛的轎車和客車。
在智能駕駛小車方面，團(tuán)隊(duì)主要是在硬件和軟件方面做了一些工作。
上圖是張新鈺團(tuán)隊(duì)研發(fā)的智能駕駛小車的模型。它由GPS、接收機(jī)、慣導(dǎo)、激光雷達(dá)、工控機(jī)、相機(jī)、電池組成，同時(shí)有它自己的控制系統(tǒng)。
針對轎車平臺，清華猛獅也有自己的一套方案。
在這輛自動駕駛汽車成型前，團(tuán)隊(duì)對其進(jìn)行了一番系統(tǒng)的改造，其中包括了對車輛制動、油門、轉(zhuǎn)向、電氣系統(tǒng)的“革命”。
張新鈺表示，這些改裝方案都是團(tuán)隊(duì)自己在做，其實(shí)是個(gè)手工方案，不是很工業(yè)化的方案，只能臨時(shí)用。他透露，改造一套轉(zhuǎn)向系統(tǒng)大概需要二三十萬人民幣。
經(jīng)過一番改造后，清華猛獅智能車的方案最終成型：
張新鈺表示，這套設(shè)備的價(jià)格大概為20-30萬人民幣，已經(jīng)屬于很便宜的方案。
這輛自動駕駛汽車目前可以實(shí)現(xiàn)以下功能：
除去小車和轎車，清華猛獅團(tuán)隊(duì)也在進(jìn)行自動駕駛客車的研發(fā)，主要是和宇通客車進(jìn)行合作。
2015年8月29日，這輛自動駕駛客車在鄭開大道上成功完成路測，測試?yán)锍碳s32km，含27個(gè)路段、26個(gè)路口和26個(gè)紅綠燈，路段內(nèi)均為直道，限速 80km/h。有意思的是，當(dāng)時(shí)《連線》對這次測試進(jìn)行了報(bào)道，宇通的股票還因此大漲。目前，團(tuán)隊(duì)和宇通還在無人駕駛快速公交領(lǐng)域進(jìn)行合作。
除此之外，張新鈺和他的團(tuán)隊(duì)還和京東和百度展開了合作。
車輛改裝其實(shí)是張新鈺非?？粗氐念I(lǐng)域，目前國內(nèi)相關(guān)公司還不多，業(yè)內(nèi)較為知名的是美國的 AutonomouStuff，曾幫助谷歌和百度改裝自動駕駛汽車。他覺得國內(nèi)的創(chuàng)業(yè)公司、研究團(tuán)隊(duì)可以在該領(lǐng)域施展身手。
如今，張新鈺和他的清華猛獅團(tuán)隊(duì)依然在智能駕駛汽車的研發(fā)道路上行進(jìn)，期待未來有更多成果能應(yīng)用到工業(yè)界，為國內(nèi)智能駕駛發(fā)展增添動力。
*文中PPT由張新鈺提供給雷鋒網(wǎng)新智駕
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。
