百度谷歌发力无人驾驶,背后有那些“黑科技”?

自从李彦宏坐百度的无人驾驶汽车上五环后成了大家茶余饭后讨论的话题。随着人工智能的发展,无人驾驶汽车逐渐进入我们的生活圈。科技巨头也纷纷发力将无人驾驶技术布局在汽车领域。这不禁让人发出疑问,无人驾驶的背后究竟都有那些“黑科技”?未来安全问题是否得到保障呢?

无人驾驶

什么是无人驾驶汽车?

无人驾驶汽车是一种智能汽车,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。它的技术原理是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车。

它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。

集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物,也是衡量一个国家科研实力和工业水平的一个重要标志。

无人驾驶汽车背后的黑科技

目前,以百度和谷歌为代表的科技巨头纷纷发力人工智能领域。而人工智能研究方向主要是机器学习、自然语音处理、机器视觉这三大块,其中机器学习是人工智能的重要分支。

而在无人驾驶技术中,机器学习起到关键性因素,机器学习在环境感知层面上的应用包括传感器和功能模块。

传感器模块上的应用有:

1、 摄像头:目标检测跟踪识别、距离深度估计、图像语义分割、序列预测识别、视差光流计算;

2、 激光雷达:点云目标检测识别、点云分割、路沿提取;

3、 毫米波雷达:降噪、目标检测等;

功能模块上的应用:

1、目标检测、跟踪、识别、位置、占据、速度、行为等感知;

2、交通标志、地面标志、车道线、停止线、人行道、指路标志等的地图属性提取注册;

3、语义标志、底层特征、IMU+GPS融合、里程计等定位功能;

不仅如此,机器学习也有着决策系统上的应用, 包括找出可行驶区域,拟人化决策并寻找最优化的路径规划。在环境感知部分,机器学习在ADAS(驾驶辅助系统)上与无人驾驶基本上研究方向一致,定位方面无人驾驶比起ADAS不止关注车道线间,而且需要地图匹配,通过高精度地图与本地的交通信息互动。在决策规划部分,无人驾驶需要有实时的全局规划的能力,而ADAS更关注规避制动之类的瞬时控制规划。

简单的来说,无人驾驶的基本思路就是利用人工智能做辅助和互联网的云端数据,来实现汽车的导航,控制和驾驶。目前,谷歌在无人驾驶领域处于领先地位,百度正在加紧跟随。

未来的安全否得到保障?

自从谷歌开发研究无人驾驶汽车后,无人驾驶存在安全问题且不断被搬到台面上讨论,而且经过多年的讨论,人们担心的因素越发具有共性。

国外曾发生几起无人驾驶事故。从一辆置有Autopilot自动驾驶功能的汽车发生翻车事故,到一辆自动驾驶模式下的汽车撞毁事故,导致司机当场死亡。以上两起案例说明,无人驾驶汽车在某种程度上依然存在安全隐患。

其次,随着无人驾驶技术变得越来越普遍,来自黑客的攻击威胁也与日俱增。据了解,黑客可以通过计算机对无人驾驶汽车的雷达、摄像头等任何环境感知节点造成传感器误报引起安全事故。再者,智能决策的控制器是自动驾驶汽车的核心处理器,只要能攻破中央处理器,就可以掌握整车所有控制权。

但值得注意的是,,无人驾驶汽车发生事故或引起纠纷,究竟是谁的责任?是汽车生产商还是车主本人呢?

笔者认为,开发无人驾驶汽车的前提是要安全性隐患降到最低。当下,公众对无人驾驶的信心不会在一夜之间建立起来,除了需要突破无人驾驶技术的挑战外,还需检验车辆的自我管理能力。规范无人驾驶自主等级、安全测评标准、确立交通事故处理的法律和保险索赔等相关政策。只有通过技术检测、审批、立法等层面保障无人驾驶的安全性,才能让公众“放弃方向盘”,享受无人驾驶的新未来。

关联阅读: