2020 將在日本東京舉行奧林匹克運動會，預計屆時參賽選手將會全部乘坐自動駕駛汽車這樣的特殊汽車到達競技場。這絕不是在說夢話。通過 IT 將會產生「終極自動化」這樣的新興市場。
日本日產汽車公司在去年 8 月份時宣稱，將會在 2020 年時正式發售「自動駕駛汽車」。
在自動駕駛領域最受關注的企業莫過於美國的 Google 公司。如今已有多家汽車製造商宣布進入這一領域。德國的戴姆勒集團在 2013 年 9 月時宣布將會在 2020 年正式推出自動駕駛汽車。日本豐田公司在 2013 年 1 月舉辦的 CES 2013 上也正式公佈了旗下的自動駕駛汽車的。美國 GM 公司也宣稱 2017 年將會實現道路行駛的自動駕駛汽車的商用化。
Google 將 LIDAR 安裝在汽車的頂部，而日產則將 LIDAR 內嵌在汽車本體的四個角落。
注：LiDAR——Light Detection And Ranging，即光探測與測量。是利用 GPS（Global Position System）和 IMU（Inertial Measurement Unit，慣性測量裝置）機載激光掃描。其所測得的數據為數字表面模型 (Digital Surface Model, DSM) 的離散點表示，數據中含有空間三維訊息和激光強度訊息。應用分類 (Classification) 技術在這些原始數位表面模型中移除建築物、人造物、覆蓋植物等測點，即可獲得數位高程模型 (Digital Elevation Model, DEM)，並同時得到地面覆蓋物的高度。
目前市面上已經有一些汽車配置了通過圖像識別技術來防止追尾這樣的基於 IT 技術的安全裝置。這對於由 IT 代替人來駕駛汽車的自動駕駛成為可能的衝擊很大。
這樣一來對於那些駕照失效的老年人和身體機能有障礙的不能駕駛汽車的人而言，可以不再假以別人之手自己實現汽車的自動駕駛。那些沒有駕照的人也會有考慮購買汽車的動機了，這樣一來擴大新車銷售市場的可能性是很高的。
如果自動駕駛汽車未來能夠普及的話，單純因為駕駛人員的操作失誤而造成的事故也會減少，相對而言安全性反而提高了。另外，相信隨著自動駕駛車的普及還可以減輕堵車的情況。
- 走在無人車前端的 Google
2010 年 Google 公司開啟了自動駕駛的先河，現在已經成為這一領域的引領者，在美國的公路上已經累計開展 50 萬 KM 的行駛試驗。
在 Google 公司主導這一技術開發的成員是來自美國的卡內基梅隆大學（Carnegie Mellon University 簡稱 CMU）和史丹佛大學的導師和技術人員。實際上美國在 2000 年左右時就已經由 DARPA((美國國防部先進研究項目局) 舉辦過 3 次自動駕駛技術相關的比賽。CMU 、史丹佛大學都曾獲得勝利。
Google 公司從這兩所大學選拔人材組建了自己的自動駕駛團隊。從 CMU 騁請負責自動移動技術研究的 Chris Urmson 教授和來自史丹佛大學的負責人工智能和識別技術的 Sebastian Thrun 教授。
自動駕駛汽車是通過識別道路交通狀況，和其它車輛以及行人等周邊環境，並推斷自身的位置以決定在道路上的行駛路線。這樣的通過車載電腦智能規劃的無需人工駕駛的汽車（圖 2）。
圖 2：自動駕駛汽車一般系統構成例
通過各種傳感器來獲得訊息以推斷自已的位置，實現行駛計劃和路線的實時規劃為基礎的自己控製油門和方向盤等。
這些傳感器包括：利用激光測量周邊 3 維形狀的 LIDAR(激光測距儀)、雷達、檢測附近障礙物的超聲波傳感器、照相機、GPS（全球定位系統) 等。基於這些傳感器獲得的訊息在 1 秒內就可以實現多次環境識別和道路規劃等的電腦處理，從而向油門和方向盤等發出指令。
- 實現自動駕駛的技術關鍵 —— LIDAR
要想實現自動駕駛，必要的是環境識別，特別是對自車位置的準確推斷。在 car navigation system 上是通過 GPS 和加速傳感器以及車輪轉數傳感器等來推斷自車的位置。但是對於自動駕駛的實現而言必須要能夠更加正確和穩定地獲得自身的位置。將駕駛全部委託給電腦，一旦自身的位置不能準確定位必然會導致事故的發生。
但如果道路兩側存在高樓等建築時 GPS 將不能充分地從人工衛星接受到電波信號，同時精度也將變低。因此實現自動駕駛的企業大多採用的是 LIDAR。
在 Google 的自動駕駛汽車的頂部有一個格外明顯的裝置。那就是 LIDAR。而日產的自動駕駛汽車則是嵌入汽車本體內。
LIDAR 的主要作用就是用來檢知障礙物和車道位置、形狀等訊息（圖 3）。通過從自車上發射出去的雷射再從其它車輛和地面等返回的時間來測量距離。如果讓激光 360 度旋轉掃描的話，就可以得到在雷射可以到達的幾十米範圍內的道路形狀的 3 維數據。也就是說 LIDAR 是形成 3 維地圖的裝置。
圖 3：通過 LIDAR 生成的 3 維地圖。
在環境識別中推斷自車的位置。如果使用 LIDAR 的話，就可以得到在雷射可以到達的幾十米範圍內的道路形狀的 3 維數據。產業技術綜合研究所稱隨著道路上這些數據的獲取和重疊利用，正在開發可以生成範圍更廣闊的 3 維地圖。
最近大多使用的是通過 LIDAR 獲得的訊息推斷自車位置和生成 3 維地圖並行的 SLAM 技術。通過 SLAM 技術已經將推斷自車位置精度提高了很多。（注：SLAM (simultaneous localization and mapping), 也稱為 CML (Concurrent Mapping and Localization), 即時定位與地圖構建，或併發建圖與定位。）
- GPU 實現大量數據的高速處理
自動駕駛汽車能夠駛上公路的另一項技術突破是高速化的計算處理。LIDAR 等構成自動駕駛的各類傳感器在以前就已經存在。但是，從傳感器獲得的各種數據如何進行高速、實時處理才是真正的課題。
Google 預計今後自動駕駛汽車能夠在 1 秒內實現 1GB 以上的傳感器數據的實時處理。Google 這樣的 IT 企業之所以能夠在自動駕駛上獲得先發優勢，就是因其擅於處理巨大數據。
承擔著高速處理巨大數據的正是並行計算設備的 GPU。如果使用 GPU 的話就可以實現多數計算的並列處理。CMU 大學和史丹佛大學已經通過 GPU 來實現對巨量數據的高精度識別處理。
CMU 已經通過利用 GPU 來實現在道路上怎樣行駛的規劃。對於自動行駛而言除了到達目的地之外還有是通過怎樣的道路這樣的行進計劃。為了準確地向油門和方向盤等發出指示，必須要有更加細緻的路徑規劃。
路徑規劃是指決定以什麼樣的路徑，和怎樣的速度來通過十字路口和行車道等。在提前 100 米移動的情況下，根據加減速的方法和障礙物的有無等可以有無數條路徑選擇。在這裡，實時地選擇最適當的路徑才是最重要的。這就涉及到如何從膨大的數據中找到最適當的東西的一種探索處理，這需要很強大的處理能力。
CMU 實現了在超車等動作的路徑規劃時，GPU 的利用比通常 CPU 高 10 倍的高速化利用。處理變得高速了，能夠探索的部分也相應地增加了，這樣就更容易發現最適當路徑。
Google 的 Chris Urmson 還在 CMU 時就親自負責這方面的研究。由 Chris Urmson 主導和開發的 Google 自動駕駛汽車利用類似的技術的可能性很高。
- 未來的難題是高速公路上的數據收集
如果要想自動駕駛技術能夠發展到更高的層次，多在公路上開展行駛試驗積累數據是非常有必要的。公路數據的實際收集將是今後的一項重要課題。
注：本文來自nikkeibp，由 Shift 編譯。
延伸閱讀：
你是不是很擔心無人汽車其實很危險？Google：自動駕駛比人類司機更安全！
（轉載自合作媒體《PingWest》）
Source: techorange.com
