一文看懂自動駕駛需要哪些軟硬體？

我們都希望出行能簡單愉快，說一個地點，然後就可以坐在車上工作或休息，汽車便能自行到達目的地，而能實現這個夢想的就是自動駕駛汽車，那麼有沒有想過汽車為什麼能自動駕駛呢？與普通車到底又有哪些區別，今天就一起看一看自動駕駛需要哪些軟硬體吧。

1、感測器

感測器顧名思義便是自動駕駛汽車感知外界信息的裝置，就像人的五感一樣，是汽車行駛必不可少的環節。

通過感測器，自動駕駛汽車就能夠識別道路、其他車輛、行人障礙物和基礎交通設施等，然後根據情況作出應對。想要實現L3層次以上的自動駕駛，感測器需要激光雷達、雷達和攝像頭三套系統。

（1）激光雷達

激光雷達即發射的是激光而不是無線電波。其包括激光發射器與接收器兩個裝置。

激光雷達性能優越，能探測靜態和動態物體，並且可以提供被探測物的 3D 圖像，擁有識別距離遠，準確且快速的優點，故而廣受歡迎。

其實現今激光雷達並不是多高科技的東西，在商店就可以輕鬆買到，不過，想讓它克服一切環境因素（溫度、太陽輻射、黑夜、雨雪天）穩定工作卻並不容易，此外由於是用在汽車上，其價格與體積必須到達讓市場接受的程度，所以至今量產不易。

如Google、百度、Uber等公司展出的概念車上都有激光雷達裝置，被架在汽車的車頂上，用激光脈衝對周圍環境進行距離檢測，並結合軟體繪製3D圖，從而為自動駕駛汽車提供足夠多的環境信息。

（2）雷達

雷達 的全稱為Radio Detection And Ranging，即利用無線電波對物體進行探測和定位。

雷達的作用就是探測周圍物體，一般可以分為近程與中遠程兩種，其作用也有所不同，

其中近程雷達應用主要包括：盲點探測（盲點監控）、車道和車道變更助手、泊車輔助、交叉車流監控等。

中遠程雷達主要應用包括：剎車輔助、緊急剎車、車距保持等。

目前由於激光雷達的高昂價格，擁有自動駕駛功能的汽車主要應用的就是雷達，如有L3層次自動駕駛的量產車型奧迪A8。

（3）攝像頭

攝像頭便如人的眼睛一樣，不僅能為人類駕駛員提供清晰的圖像，在自動駕駛系統中也能提供很好的輸入參數。

目前攝像頭技術已經較為成熟，2D 攝像頭便可以在中控屏上投射車外圖像甚至車輛的轉彎角度，而豪華車上甚至能提供栩栩如生的虛擬和 3D 圖像。

現今的攝像頭分為單目、雙目、三目三種類型。單目攝像頭需要建立並不斷維護龐大的樣本特徵資料庫，如果缺乏待識別目標的特徵數據，就會導致系統無法識別以及測距，很容易導致事故的發生。而雙目攝像頭可直接對前方景物進行測距，但難點在於計算量大，需要提高計算單元性能。三目攝像頭所需相關計算量更高，目前應用較少，在蔚來的ES8有所嘗試。

2、高精度地圖

高精度地圖包括建圖和定位兩部分，它們是相互依賴不可分割的。準確的定位依賴於正確的地圖，而構建正確的地圖又需要準確的定位。

自動駕駛汽車必須做到即時定位與地圖構建。自動駕駛技術依賴於車道、車距、路障等信息，需要非常精確的位置信息，這是自動駕駛車輛對環境理解的基礎，隨著自動駕駛技術不斷進化升級，為了實現決策的安全性，需要達到厘米級的精確程度。

自動駕駛汽車想要不迷路，必須通過高精度地圖來給車輛進行準確定位，將車輛準確地還原在動態變化的立體交通環境中。

3、V2X

V2X即網聯汽車技術，指的是車輛與周圍的環境系統實現交互的技術，主要承擔汽車和外界的信息交換功能，可以實時獲取周圍可見、不可見設施的狀態。

其中X可以是車輛，可以是紅綠燈等交通設施，也可以是雲端資料庫，最終目的都是為了幫助自動駕駛車輛掌握實時駕駛信息和路況信息，結合車輛工程演算法做出決策，是自動駕駛車輛邁向無人駕駛階段的關鍵。

4、AI演算法

AI演算法就像我們的大腦一樣，是支撐自動駕駛技術最關鍵的部分，目前主流自動駕駛公司都採用了機器學習與人工智慧演算法來實現。

通過感測器、V2X設施和高精度地圖等可以獲得海量的數據，AI演算法便可以基於這些數據準確的理解車輛周邊環境並給予精確反饋，包括車輛周邊靜態和動態的物體。

此外，AI演算法還可以憑藉收集到的駕駛行為、駕駛經驗、駕駛規則、案例和周邊環境的數據信息不斷優化，並最終做出更好的規劃路線以及更精確的操縱駕駛。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！