无人驾驶汽车首出事故 技术应用需稳步前行

3月19日，美国亚历桑纳州坦贝市发生一辆优步（Uber）自驾车撞死一名女子的车祸。这是全球第一起自动驾驶车辆撞死行人的交通事故。事故发生时，自驾车处于自动驾驶状态，但驾驶座位上有人操作。坦贝市警察局长莫伊尔表示经过调查，录像画面显示，行人从阴影处立即走到马路，不管是任何模式（自动驾驶或真人驾驶），都难以避免碰上。尽管这只能算是每年发生在道路上的无数起驾驶事故中普通一例，但其意义却不得不令人深思：当无人驾驶车辆第一次撞死行人的时候，我们应该想到什么？

自动驾驶产业链分析

1

感知

自动驾驶汽车的感知部分主要由摄像机、激光雷达、毫米波雷达和超声波雷达组成。由于各种传感方式在不同的环境、不同的距离和不同的作用下都有各自的优势，采用多传感器信息融合的方法有助于保证综合信息的收集，从而使计算机能够做出更准确的判断和计划。

一、激光雷达

激光雷达，是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数,从而对飞机、导弹等目标进行探测、跟踪和识别。它由激光发射机、光学接收机、转台和信息处理系统等组成，激光器将电脉冲变成光脉冲发射出去，光接收机再把从目标反射回来的光脉冲还原成电脉冲，送到显示器。

激光雷达具有高精度、高分辨率的优势，同时具有建立周边3D模型的前景，然而其劣势在于对静止物体如隔离带的探测较弱且目前技术落地成本高昂。激光雷达可广泛应用于ADAS系统，例如自适应巡航控制（ACC）、前车碰撞警示（FCW）及自动紧急制动（AEB）

二、毫米波雷达

毫米波雷达，是工作在毫米波波段探测的雷达。进行高精度距离、方位、频率和空间位置的测量定位；毫米波雷达高分辨力、宽工作频带、大数值的多普勒频率响应、短的波长易获得目标细节特征和清晰轮廓成像等特点，适于目标分类和识别的重要战术要求；毫米波短波长对应的光学区尺寸较小，相对微波雷达更适于小目标探测。除特殊的空间目标观测等远程毫米波雷达外，一般毫米波雷达适用于30 km 以下的近距离探测；毫米波窗口可用频段宽，易进行宽频带扩频和跳频设计。同时针对毫米波雷达的侦察和干扰设备面临宽频带、大气衰减和窄波束等干扰难题，毫米波雷达相对微波雷达具有更好的抗干扰能力。

三、摄像头

视觉系ADAS使用摄像头采集图像信息，通过算法分析出图像中的道路环境。因此，基于摄像头的视觉系ADAS可以实现性路标识别、车道线感应、行人识别、车辆识别等特殊功能，应用较为广泛。另外，同一个摄像头能通过调整算法融合多种不同功能。成本和功能多样性带来视觉系传感器的巨大优势。

2

汽车通讯

一、车联网系统

车联网系统分为三大部分：车载终端、云计算处理平台、数据分析平台。车载终端采集车辆实时运行数据，实现对车辆所有工作信息和静、动态信息的采集、存储并发送。车载终端由传感器、数据采集器、无线发送模块组成，车辆实时运行工况包括驾驶员的操作行为、动力系统工作参数数据等；由云计算处理平台处理海量车辆信息，对数据进行“过滤清洗”；数据分析平台则负责对数据进行报表式处理，供管理人员查看。

二、高精度地图

高精地图是无人驾驶核心技术之一，精准的地图对无人车定位、导航与控制，以及安全至关重要。与传统电子地图不同，高精度电子地图的主要服务对象是无人驾驶车，或者说是机器驾驶员。和人类驾驶员不同，机器驾驶员缺乏与生俱来的视觉识别、逻辑分析能力。比如，人可以很轻松、准确地利用图像、GPS定位自己，鉴别障碍物、人、交通信号灯等，但这对当前的机器人来说都是非常困难的任务。因此，高精度电子地图是当前无人驾驶车技术中必不可少的一个组成部分。高精度电子地图包含大量行车辅助信息，其中，最重要的是对路网精确的三维表征（厘米级精度）。比如，路面的几何结构，道路标示线的位置，周边道路环境的点云模型等。有了这些高精度的三维表征，车载机器人就可以通过比对车载GPS、IMU、LiDAR或摄像头数据来精确确认自己的当前位置。此外，高精地图还包含丰富的语义信息，比如交通信号灯的位置及类型，道路标示线的类型，识别哪些路面可以行驶等。这些能极大提高车载机器人鉴别周围环境的能力。此外，高精度地图还能帮助无人车识别车辆、行人及未知障碍物。这是因为高精地图一般会过滤掉车辆、行人等活动障碍物。如果无人车在行驶过程中发现当前高精地图中没有的物体，便有很大几率是车辆、行人或障碍物。因此，高精地图可以提高无人车发现并鉴别障碍物的速度和精度。

无人驾驶汽车将改变世界，就像汽车曾经改变了世界一样。自动驾驶存在的价值是什么，首先是更便利，它解放了人的注意力，节省了时间。然后就是安全性，虽然现在测试的时候屡屡出现安全问题，但是整个交通系统的安全问题其实要看概率，由人工智能支持的自动驾驶在理论上是要比人类自己控制出现事故的概率更低，毕竟它们没有情绪，不会喝酒，也不会走神。要真正实现自动驾驶乃至无人驾驶，我们依然任重道远。