智能網(wǎng)聯(lián)汽車，與自動駕駛有什么關系？

自動駕駛核心在于車，那智能網(wǎng)聯(lián)系統(tǒng)又是什么呢？智能網(wǎng)聯(lián)的載體也是車，但核心是需要連接的網(wǎng)絡。一個是汽車內(nèi)部的傳感器和智能控制系統(tǒng)構成的一張網(wǎng)絡，另一個是所有汽車連接、共享的網(wǎng)絡。網(wǎng)聯(lián)就是將一臺車置身到一張大的網(wǎng)絡之中，去交換重要的信息，比如位置、路線、速度等信息。智能網(wǎng)聯(lián)系統(tǒng)的發(fā)展目標就是通過汽車內(nèi)部傳感器和控制系統(tǒng)的設計優(yōu)化能夠改善汽車的安全性和舒適性，使汽車更加人性化，當然終極目標是在實現(xiàn)無人駕駛。

上次說到自動駕駛汽車三大核心輔助系統(tǒng)：環(huán)境感知系統(tǒng)、決策與規(guī)劃系統(tǒng)和控制與執(zhí)行系統(tǒng)，這也是智能網(wǎng)聯(lián)汽車車輛本身必須解決的三大關鍵技術問題。

環(huán)境感知系統(tǒng)在智能網(wǎng)聯(lián)系統(tǒng)里面扮演什么角色？

什么是環(huán)境感知技術，主要包含哪些內(nèi)容？

環(huán)境感知主要包括三個方面：傳感器、感知和定位。傳感器包括攝像頭、毫米波雷達、激光雷達以及超聲波，不同傳感器被安置在車輛上，分別發(fā)揮著采集數(shù)據(jù)，識別顏色、測量距離等作用。

智能汽車要想采用傳感器獲得的數(shù)據(jù)去實現(xiàn)智能駕駛，通過傳感器獲得的數(shù)據(jù)必須經(jīng)過（感知）算法處理，匯算成數(shù)據(jù)結果，實現(xiàn)車、路、人等信息交換，使車輛能夠自動分析車輛行駛的安全還是危險狀態(tài)，讓車輛能夠按照人的意愿實現(xiàn)智能駕駛，最終替代人來做出決策和無人駕駛目標。

那這里就會有個關鍵技術問題，不同傳感器發(fā)揮的作用不同，多個傳感器掃描到數(shù)據(jù)如何形成一個完整的物體圖像數(shù)據(jù)呢？

——多傳感器融合技術

攝像頭的作用主要是識別物體顏色，但會受陰雨天氣的影響；毫米波雷達能夠彌補攝像頭受陰雨天影響的弊端，能夠識別距離比較遠的障礙物，比如行人、路障等，但是不能夠識別障礙物的具體形狀；激光雷達可以彌補毫米波雷達不能識別障礙物具體形狀的缺點；超聲波雷主要識別車身的近距離障礙物，應用在車輛泊車過程中比較多。要想融合不同傳感器的收集到外界數(shù)據(jù)為控制器執(zhí)行決策提供依據(jù)，就需要經(jīng)過多傳感器融合算法處理形成全景感知。

什么是多傳感器融合(融合算法處理），主要有哪些融合算法？

多傳感器融合基本原理就像人腦綜合處理信息的過程一樣，將各種傳感器進行多層次、多空間的信息互補和優(yōu)化組合處理，最終產(chǎn)生對觀測環(huán)境的一致性解釋。在這個過程中要充分利用多源數(shù)據(jù)進行合理支配與使用，而信息融合的最終目標則是基于各傳感器獲得的分離觀測信息，通過對信息多級別、多方面組合導出更多有用信息。這不僅是利用了多個傳感器相互協(xié)同操作的優(yōu)勢，而且也綜合處理了其它信息源的數(shù)據(jù)來提高整個傳感器系統(tǒng)的智能化。

多傳感器數(shù)據(jù)融合概念最早應用于軍事領域，近年來隨著自動駕駛的發(fā)展，各種雷達運用于車輛做目標的檢測。因為不同的傳感器都存在數(shù)據(jù)準確性的問題，那么最終融合的數(shù)據(jù)該如何判定？比如激光雷達報告前車距離是5m，毫米波雷達報告前車距離是5.5m，攝像頭判定前車距離是4m，最終中央處理器該如何判斷。那就需要一套多數(shù)據(jù)融合的算法來解決這個問題。

多傳感器融合的常用方法分為兩大類：隨機和人工智能。AI類主要是模糊邏輯推理和人工神經(jīng)網(wǎng)絡方法；隨機類方法主要有貝葉斯濾波、卡爾曼濾波等算法。目前汽車融合感知主要采用隨機類融合算法。

自動駕駛汽車融合感知算法課程主要采用卡爾曼濾波算法，利用線性系統(tǒng)狀態(tài)方程，通過系統(tǒng)輸入輸出觀測數(shù)據(jù)，對系統(tǒng)狀態(tài)進行最優(yōu)估計的算法，它是目前解決絕大部分問題都是最優(yōu)、效率最高的的方法。

多傳感器需要進行融合算法處理，企業(yè)相應就會需要融合感知類的算法工程師去解決多傳感器融合的問題，融合感知類的絕大多數(shù)的崗位要求都是需要能夠掌握多種傳感器的工作原理及信號的數(shù)據(jù)特征，能夠掌握融合算法進行軟件開發(fā)以及傳感器標定算法能力以及點云數(shù)據(jù)處理、深度學習檢測算法等等。

環(huán)境感知的的第三部分內(nèi)容——定位（slam）

Slam叫做同步定位和制圖，是假設場景是靜態(tài)情況下通過攝像機的運動來獲取圖像序列并得到場景3-D結構的設計，這是計算機視覺的重要任務，攝像機獲得的數(shù)據(jù)經(jīng)過算法處理也就是視覺slam。

環(huán)境感知定位方法除了視覺slam，還有激光雷達slam、GPS/IMU和高精地圖。這些傳感器獲得的數(shù)據(jù)都是需要經(jīng)過算法的處理才能形成數(shù)據(jù)結果為自動駕駛決策提供位置信息依據(jù)。

所以想要從事環(huán)境感知方向的工作，不僅可以選擇融合感知算法崗位，還可以選擇slam方向。選擇轉崗感知算法類工作也是個不錯的選擇，專業(yè)熱門，薪資高，當然入門學習相比運動控制算法工程師課程需要一定的高等數(shù)學基礎，課程難度中等。

多傳感器融合算法，目前不僅僅應用在自動駕駛領域，還應用在機器人領域，對于就業(yè)來說是個一大的契機。

審核編輯：郭婷