970
机器人
你应该知道的无人车知识点——人工智能爆发点
自从16年乌镇百度无人车，再到17年无人车北京五环之行，我国无人车发展应用已然走在世界前列，虽谷歌最早研究，而且技术综合实力最强，但商用路途依然落后些。
首先，简单科普无人车基础知识点，敲黑板，知识点。自动化驾驶汽车分为 4 个级别，分别是 L1 辅助驾驶阶段、L2 半无人驾驶阶段、L3 高度无人驾驶阶段和 L4 完全无人驾驶阶段，目前百度已经实现区域L4完全无人驾驶。无人驾驶汽车主要依靠车内的传感器和以计算机系统为主的智能驾驶仪来实现无人驾驶，涉及计算机视觉、环境感知、决策规划、智能控制、传感融合、语音对话、高精定位、高精地图等前沿技术。
无人车外观
讲了有些专业，最终实体参照上图，其中上面怪怪的凸起，就是终端环境感知设备——雷达，其汽车大脑分为高精地图、感知系统、车载计算中心三大部分。
其中，感知系统由用于自身定位和采集周围环境信息的64线激光雷达、检测前方障碍物的毫米波雷达以及识别红绿灯及交通标识的2个高动态范围相机模组等传感装置共同构成。
现在车载大脑计算能力都是架在汽车里，想想如果未来也可以放在云端（欢迎大佬打脸），量化难度应该更低；当然汽车大脑硬件也很昂贵，64位激光固态雷达太贵（位数越多，扫描间隔越短，识别延迟更低），8万美元一个（经验说法：一位接近1万人民币），比车贵太多了，后续量化都可以减少成本。
扯了很多无人车目前应用，以及无人车主要构成，我想大家可以了解，百度谷歌技术公司负责智能大脑软件系统，主机厂还是继续做了不起的制造商（几十年造车积淀不是吹吹就可以），最初谷歌连主机厂都要颠覆，谷歌也要造汽车（特斯拉可以，我为啥不行？），百度把无人车搞个专利找主机厂去卖，但是主机厂更没闲着，花重金去自己埋头搞无人车。
主机厂的无奈
但是突然出来搅局者，这回竟然就是百度，发布阿波罗计划，我免费给大家用，大家别自己搞，我们一起弄多好呀（我只搭台子），类似谷歌安卓生态，竟然从个名不经传的小子，成为谷歌一个臂膀了；故百度阿波罗平台计划，实在是给很多中小主机厂实现弯道超车机会，当然迅速提升门槛，蹭人工智能热点搞无人车创业公司迅速挤掉泡沫。
好了扯了一些无人车江湖，这边继续讲讲知识点，首先，前面无人车大脑三大部分：感知系统、高精地图、车载计算中心
谷歌无人车原理图，车载计算中心未显示
感知系统（眼睛）：
什么原理呢？其实很简单，当人来驾驶的时候，驾驶员能通过自己的眼睛来判断前方的路况，比如周围是否有车，前方是否顺畅等，代替司机眼睛（司机有较大范围盲区，无人车就盲区极小），无人车的上就是激光雷达。
激光雷达做啥呢？先要识别出汽车周围的环境，然后将检测到的数据传给高精密的处理器，识别道路、标示和行人，然后处理器再根据反馈的数据，做出加速、转向、制动等决策。为了减少扫描延迟，百度应用无人车只能选择64位昂贵的激光雷达，这样紧急情况处置比老司机还靠谱。
激光雷达多重要？好比司机闭眼开车，纯靠感觉不出事才怪。
感知系统目前是由激光雷达(LiDAR)+ 毫米波雷达（millimeterwave）+视觉传感器组成；其中毫米波雷达便宜多了，已经应用于很多车型，L3特斯拉就是应用该设备，比如迈腾自动倒车雷达就是该类型。视觉传感器很好理解，就是用摄像头作为主要传感器。主要是因为摄像头分辨率进高于其他传感器，可以获取足够多的环境细节，当然缺点也很明显，比如识别错了……几个月前特斯拉车祸事件，就是因为特斯拉的摄像头传感器并没有识别出掩映在蓝天白云下的白色的大卡车，从而酿成悲剧。
特斯拉辅助L3驾驶舱
高精地图（千里眼）：
高精地图在自动驾驶过程中有三大功能：第一，自动驾驶的“千里眼”，提前知晓位置信息，精确规划行驶路线；第二，自动驾驶的“透视镜”，在摄像头看不清或雷达检测不到的地方，及时反馈数据；第三，充当自动驾驶过程中的“安全员”，能精确识别交通标志、标线等上百种目标，提前做出准确判断和决策。
比如路线规划、是否可以并线等等，相当于告诉大脑哪里可以走，哪里需要怎么走，是无人车重要基石。所以说，如果高精地图没有测绘到地方，无人车只能靠肉眼即时判断，难免会出错，而且违反交通法规可能性更高。
高精地图采集车三维数据采集精度厘米级
车载计算中心（大脑）：
主要提供计算力，将实时图形与传感信息进行深度学习处理，过去吴恩达教授（前百度数据科学家）发现GPU集群在深度学习上运算力陡然提升（对的，GPU就是那个做显卡NVIDIA生产的），这才将深度学习畅销起来，使得我们人工智能在计算力上工业化具备可能。扯远了，车载计算中心，就好比我们大脑，依据眼睛看到周边反映，控制油门、刹车与方向盘，实现决策。
讲真，作为无人车体验者（我当然不会告诉你们，我是乘坐是百度L4级无人车），讲讲车载计算中心确实占些空间，后加会占据普通驾车后备箱，GPU集群占得面积就不小，但是若是主机厂设计就考虑内置模块化，这个不算什么问题；再说，深度学习仿真模拟确实需要是数据与时间积累，比如我体验那段，虽然老司机已经教了很多遍（就是记录老司机驾驶轨迹与驾驶动作），但是舒适度理解还是弱，刹车与转弯偏生硬，还需要优化的。以上是缺点，但优点是太酷炫，自动规划路线，周围仿真识别很棒，感觉人工智能越来越近。
我坐的就是这个，林肯，不是奇瑞
GPU集群
最后归纳下与补充知识点：
1、 无人车已经脱离实验室，可以小规模区域应用，人工智能在无人车将快速爆发；
2、 无人车是软件智能系统，尤其GPU计算需要是电，而非汽油，故电动车或油电混合更适合无人车，想想我国大力推广电动汽车，一方面我们摆脱汽油主机厂巨头绞杀（扯远点，发动机、变速箱我们真的差的有点远，想想有点心塞了），同时也促进无人车应用，无人车造车门槛适合中小主机厂，所以是中小厂商弯道超车机会。
3、 无人车走向我们生活，更多需要是立法与监管完善，人工智能新兴事物，我们还是讨论是否必要发展呢，更有科学家直言人工智能是灾难；故没有政策支持，一切都算在实验室倒腾，无法商用变现，企业可耗不起。
4、 目前存在成本居高，未来交给实体制造业就行，工业革命带来量化低成本是我们今天幸福生活的基石。
最后的最后，发表个人对于无人车市场应用预判。虽说大家注意力在乘用车无人车上，但是个人反而认为卡车等商用车应用反而是优先应用的，针对商用车消费者来说，主要用于物流企业，随着人口红利消失，城际物流成本中关于人力成本上升明显，如果商业车实现智能无人化，物流企业乐意见之，这也就是主机厂在无人车首先突破的点，比如解放无人车，不仅仅城际成本需要无人，而且城际道路是高速路况好的路线，更适合无人车。同样，许多依附汽车行业的细分领域，比如融资租赁、共享出行、汽车保险，均会存在颠覆变革。
一个聪明的眼神就够了
举个栗子，车险行业是基于行为人与汽车类型进行定价，汽车类型影响配件价格属于客观因素，但主观行为人是定价核心，如果驾驶者变成计算机大脑，传统车险计算体系重置了；另外租赁业务比如出租车，出租车司机职业面临升级。
当然，我是人工智能乐观派，希望无人车能够在我国优先落地生根，从而引领影响全球。
最后更新：2017-10-07 22:50:54