隨著傳感器技術(shù)、成像技術(shù)、雷達(dá)、LiDAR、電子設(shè)備和人工智能技術(shù)的進步，數(shù)十種先進駕駛輔助系統(tǒng)(ADAS)功能已得以實現(xiàn)，包括防撞、盲點監(jiān)測、車道偏離報警和停車輔助。通過傳感器融合同步此類系統(tǒng)的運行，以允許全自動駕駛車輛或無人駕駛車輛對周圍環(huán)境檢測，并警告駕駛員潛在的道路危險，甚至可以采取獨立于駕駛員的規(guī)避動作來避免碰撞。

自動駕駛汽車還必須能在高速情況下區(qū)分并識別前方物體。使用距離判斷技術(shù)，這些自動駕駛汽車必須快速構(gòu)建出約100米遠(yuǎn)道路的3D地圖，并能在250米遠(yuǎn)的距離上創(chuàng)建出高角分辨率的圖像。如果駕駛員不在場或者不掌握駕駛，汽車人工智能必須做出最優(yōu)決策。

此任務(wù)的幾種基本方法之一是，測量能量脈沖從自動駕駛汽車發(fā)出到目標(biāo)再返回車輛的往返飛行時間(ToF)。當(dāng)知道脈沖通過空氣的速度時，就可以計算出反射點的距離。這個脈沖可以是超聲波(聲納)，也可以是無線電波(雷達(dá))或激光(LiDAR)。

這三種ToF技術(shù)，想擁有更高的角分辨率圖像，LiDAR是最好的選擇，這是因為LiDAR圖像的衍射(光束散度)更小，對鄰近物體識別能力比雷達(dá)更優(yōu)秀(見下圖)。對于高速情況下需要足夠時間來應(yīng)對如迎頭相撞等潛在危險，更高的角分辨率尤為重要。

下圖是無人駕駛的偏算法層的系統(tǒng)框架。從左邊看，這是一個傳感器的輸入，如激光雷達(dá)、攝像頭、毫米波、GPS、編碼器和 IMU。這些傳感器的數(shù)據(jù)輸入到系統(tǒng)的感知算法里，通過這個感知算法，處理器會將這些數(shù)據(jù)進行處理分析，如何將靜態(tài)的物體分離出來，并如何識別、分類與跟蹤動態(tài)物體。

高精度地圖的獲取很大程度依賴激光雷達(dá)以及攝像頭。我們獲取高精度地圖后，結(jié)合 GPS 和 IMU、編碼器、實時感知環(huán)境的特征，進行地圖匹配以及進行定位。對于路徑規(guī)劃和運動控制，最終是結(jié)合車輛的CAN 總線，對車進行控制。

Google 的自動駕駛汽車 Google Car就是綜合使用了上述傳感設(shè)備采集感知環(huán)境信息進行處理，并對車輛做出控制。

Google Car上最重要也是最貴的器件就是頭頂?shù)倪@臺Velodyne Lidar公司生產(chǎn)的HDL-64E64線激光發(fā)射器了。它可以一邊旋轉(zhuǎn)一邊不間斷的發(fā)射64束最遠(yuǎn)射程可達(dá)120米的激光束，并接收反射回來的光束，依據(jù)返回時間的差別計算出物體與汽車之 間的距離。從而繪制出汽車周圍實時的3D地形圖。并且因為光束非常密集并且刷新頻率非?？欤C合探測數(shù)據(jù)后還可以判斷出物體的形狀、大小和大致的運動軌 跡，以此作為接下來行動的判斷依據(jù)之一。HDL-64E的性能非常強大。每秒可以給Google Car的處理器提供130萬組數(shù)據(jù)，這可以保證提供給Google Car處理器的信息幾乎是實時的。當(dāng)然這也對處理器提出了更高的要求。下圖就是在HDL-64E的運作下Google Car看到的世界。這個Google Car眼中的世界，也是未經(jīng)處理器處理過的原始數(shù)據(jù)樣貌。

Google Car會將收集到的數(shù)據(jù)與車體內(nèi)置的谷歌地圖已有的信息進行整合，從而判斷出相當(dāng)精確的四周的狀況，為做出反應(yīng)打下良好基礎(chǔ)。

理論上HDL-64E已經(jīng)足以確定汽車的位置了。但在環(huán)境復(fù)雜的道路上，駕駛者和行人的安全都需要多重保障。因此谷歌給Google Car配了更直觀的眼睛：攝像頭。Google Car有一對向前的攝像頭，其之間有著一定的距離。從兩個攝像頭傳回的畫面的視差就像人的兩只眼睛一樣，可以幫助車輛判斷自己的位置、行進的速度等信息。Google Car的車胎輪轂上同樣帶有位置傳感器，用于探測車輪轉(zhuǎn)動，也能幫助車輛進行定位。再同GPS得出的數(shù)據(jù)進行整合。數(shù)組數(shù)據(jù)共同保證車輛定位的準(zhǔn)確性。

另外，攝像頭還可以辨識出路上出現(xiàn)的交通標(biāo)志和信號燈等物體，以保證自身的運行會嚴(yán)格遵守交通規(guī)則。這點是激光發(fā)射器很難辦到的。信號燈、斑馬線、行車線、限速標(biāo)識……交通標(biāo)示無處不在，它們是道路安全的保證。

HDL-64E是有一定判斷物體運動軌跡和速度的能力的。但其獲得的數(shù)據(jù)畢竟不實時，并且要將其與車輛自身的速度結(jié)合，計算出兩者的相對運行速度，還需要許多額外的計算量。因此谷歌為車輛前后都配備了車載雷達(dá)，它們可以很精確的測出前后車輛與GoogleCar的相對速度，以此判斷接下來的車速該如何變化。

以上所有傳感器的數(shù)據(jù)都會匯集起來并傳輸給位于汽車右后方的主處理器（AI處理器）進行處理，由于所有數(shù)據(jù)都是實時的，因此流量異常龐大（可達(dá)到1GB每 秒）。因此Google Car的車在計算機的性能也是非常強的。處理器會參照各傳感器提供過來的數(shù)據(jù)，并繪制出一份最終的周邊環(huán)境地形圖。

它會將所有對其意義不同的物體用不同的顏色標(biāo)示出來。如粉色代表暫時不會與行進路線相交的物體，綠色代表已經(jīng)阻擋在行進路線上的物體等。然后車內(nèi)的程序，或者說AI就會對路況作出判斷，隨時根據(jù)道路情況決定汽車下一步的行動。下圖就是經(jīng)過車載處理器處理后的世界的樣子了。

Google Car的AI已經(jīng)具有相當(dāng)程度的道路智能，規(guī)劃目的地路線這樣的小事早已不值一提，在遇到一些臨時或者突發(fā)的事件的時候GoogleCar也能及時作出合適的反應(yīng)：比如在交通燈變綠色的時候，汽車開始拐彎，但這時有路人從前面走過，這時GoogleCar將會讓路。另一個例子是，在通過沒有紅綠燈的十字路口的時候，它會根據(jù)大家通用的守則讓其它車先過，如果其它車輛沒有反應(yīng)，它在通過路口之前將先往前行進一點，以表明自己的意圖。

了解了谷歌為保護道路安全設(shè)置的諸多保險措施、完善的檢測和判斷機制，再結(jié)合Google Car的表現(xiàn)，我們很有理由相信無人駕駛汽車在不遠(yuǎn)的將來就將大面積替代有人駕駛的車輛。事實上，早在2012年，美國內(nèi)華達(dá)州機動車輛管理局就已經(jīng)為 Google Car頒發(fā)了美國首個“自動駕駛”汽車的車牌。使得GoogleCar可以合法上路，盡管該法規(guī)同時規(guī)定該車上路時車上必須至少有2人在監(jiān)視車輛的運行狀況。但這更多只是因為技術(shù)暫時的不成熟而做出的一個臨時的限制條款。我們有理由相信，不會分神、疲勞、能隨時兼顧周圍所有狀況的車載AI的駕駛能力終有一天會超過人類駕駛員。