无人驾驶车核心算法 — SLAM - CSDN博客
无人驾驶车核心算法 — SLAM
2005年，斯坦福大学的无人驾驶车 Stanley 在 DARPA 无人驾驶车挑战赛中获得冠军。斯坦福大学教授，斯坦福人工智能实验室主任，Stanley 团队队长 Sebastian Thrun 透露说，Stanley 使用 SLAM 作为其核心驾驶算法，让 SLAM 名声大噪。如今，SLAM 已得到广泛应用，从商用扫地机器人到驰骋在美国公路上的 Google 无人驾驶汽车，都在使用 SLAM 算法。SLAM 算法也持续成为科研界的热门话题。
如果你不懂SLAM，那最好还是不要说你懂无人驾驶汽车了。今天，AI君就来科普一下高大上的SLAM算法究竟是什么？
stanley.jpg
什么是 SLAM
SLAM 全称 Simultaneous Localization and Mapping. 即在一个静态的未知环境中，通过一个机器人的运动和测量，来学习环境地图，并且同时确定机器人在地图中的位置。
就好像打仙剑奇侠传的时候走迷宫，边走边花地图的那种体验：
为什么 SLAM 很难？
通过机器人的运动和测量来学习地图并不简单，这主要来自于以下几个原因：
一个未知环境中，所有可能的地图集合非常非常大。因为未知环境是连续的，所有可能的地图集合有无限的维度。即使考虑使用离散的环境作为近似，地图也至少会包含超过10000个变量。在如此高维空间中无法准确计算后验概率，因此使用传统的Bayes filtering 定位算法是不可行的。学习地图是一个 “鸡生蛋，蛋生鸡” 的问题 。 首先，这是一个定位 (Localization) 的问题。当机器人在未知环境中运动时，每一次移动时的误差会在里程计算(Odometry)中逐渐累加，导致机器人对自己的位置越来越不确定。在一个已知地图里，我们有合适的算法来确定机器人的位置，但是在未知环境中，我们需要新的算法。 其次, 这也是一个绘制地图的问题。当机器人的位置是确定的时候，绘制地图会相对简单。但是机器人相对于探测点 (Landmark) 的位置也是不确定的时候，我们需要新的算法。在环境地图和机器人位置都缺失或不确定时，机器人需要同时完成两件事
— 学习地图和在地图中定位。下面我们来看看SLAM算法究竟是如何工作的？
虚线点代表机器人真实运动的路线。椭圆代表机器人每次运动后，对自己位置的判断 （高斯分布）。椭圆逐渐变大代表不确定性逐渐变大。
Graph SLAM
假设机器人的起始坐标为 （0，0），第一步往右走10个单元，如果在完美的世界，机器人会到 （10，0），如下图所示。
但所有机器人运动都会有误差，所以他新位置是不确定的，而新位置的概率分布假设是一个高斯分布。如下图所示。
从这次运动中，我们就得到了一个限制（constrain）。之后的每一次运动，以及每一次相对于landmark的测量，都会带给我们对应的限制。
例如上图中，就包含了三种限制：
I0: initial constrainsC0, C1, C2 : relative motion constrainsZ0, Z1, Z2 : relative motion constrains
需要找到X0, X1, X2, X3 使得所有constrains的和最小。这就将问题规约成了一个图（graph）上的 non-linear least squares problem。 这是一个标准的可解问题。
EKF是另一种SLAM的算法。它使用非线性的Kalman Filter来对当前的所有状态作出对应的高斯分布估计。并在遇到多次同一个测量点后，成功收敛。
虚线点代表机器人真实运动的路线。实心椭圆代表机器人每次运动后，对自己位置的判断 （高斯分布）。八个小点代表八个位置未知的探测点。他们周围的空心椭圆代表对他们位置的估计。
在图(a) ~ (c)中，机器人位置估计的不确定性越来越大，探测点位置估计的不确定性也越来越大。然后在图(d)中，机器人又重新遇到了第一个探测点，于是所有估计的不确定性都显著下降。
你也可以从下面的视频中直观得看到 EKF SLAM 是如何工作的。视频中线条越粗，代表不确定性越大。
/t/slam/7825
本文已收录于以下专栏：
相关文章推荐
无人驾驶中的人工智能技术（Drive.Ai)
 1 环境感知，这是计算机视觉领域的研究重点， 常说的slam就是指这个，基于激光雷达的slam系统目前已经能较好的进行地图定位，局部环境地图构建
什么是SLAM?机器人在未知环境中，要实现智能化需要完成三个任务，第一个是定位(Localization)，第二个是建图(Mapping)，第三个则是随后的路径规划(Navigation)。
　　之前...
无人驾驶 PID
一.无人机的分类
按飞行平台构型分类：无人机可分为固定翼无人机，旋翼无人机，无人飞艇，伞翼无人机，扑翼无人机等.
图1 无人机平台构型
多轴飞行器multirotor是一种具有三个以...
最近刚定了毕业设计的题目，大概是做SLAM方向，恰好Google不久前开源了他的室内SLAM库Cartographer，我就拿来用实验室的Robot试了一下，总体效果还是很好的。
引言：我们已经拉开了全自动无人驾驶的序幕，在幕布之后是我们精彩的未来，但你可能不知道的是无人驾驶系统是一个复杂的系统，系统主要由三部分组成：算法端、Client端和云端。算法端从传感器原始数据中提取有...
这个话题我在好几个地方看到过，基本上大家的意见有几种：1、小公司别说经理，老板都得写（这是在说我吗？）2、一般到100或200人以上的公司，经理很少会直接参与代码的编写。3、大公司（BAT？这个就不说...
心情不够振奋，学个新技术吧！翻译来源：
/watch?v=hBedCdzCoWM发现了一个特逗儿的小伙儿，有一些5分钟系列的视频，介绍一些人工智能的技术...
他的最新文章
讲师：王禹华
讲师：宋宝华
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)人工智能vs无人驾驶汽车，跨界融合才是出路
人工智能叫做AI，目前很火的谷歌阿尔法就是从人工智能走出来的，具备深度学习能力的系统，可以与高级围棋手较量而有胜场，这对于业界乃至行业来说都是都是一个质的跨越。另一方面，无人驾驶汽车也逐渐被巨头们看好，无论是百度、乐视还是谷歌、苹果，无人驾驶技术的发展市场价值凸显。所以，笔者认为两者的结合或许会带来更多的看点，也就是所说的智能汽车。
人工智能的发展越来越快，人们的科技产品逐渐走向由科技引导的新方向。这么来说，就是所谓的跨界发展越来越普遍，VR与移动设备的结合就是很好的例子。今天的互联网巨头们纷纷投向的行业，他们看到了其中的机会。当然，业界分析称VR市场的潜力十分巨大，但是市场完全成熟还需要五到十年，这也就是一个预估。而当下看来人工智能与无人汽车的融合将会是一个行业趋势。
创新创业在现阶段互联网发展处于勃发时期，也带动了科技的快速发展。以移动互联网的崛起，到整个行业的创新发展，同时推动了企业的进一步发展。我们看到的行业变革正在加剧社会的变革，也是我们为什么要发出科技改变生活的口号，如今越来越多的跨界融合成为了行业改造的奇迹。
或许在你看来AI与无人汽车并没有太大的关联，可是深度学习的人工智能或许可以帮助我们解决很多人类难以解决的问题，比如驾驶疲劳，交规的问题等，人工智能却可以无条件执行驾驶规则，按照这样的说法来看反而在人工智能下交通事故率会更低，出勤率会更高，以后或许专职司机将丢掉饭碗，人们只需要一辆智能汽车即可。
而在从机械走向智能的这一阶段里，无论是AI还是无人汽车都迎来了机遇和挑战，研究机构罗兰贝格在一份报告指出，无人驾驶车技术将在年实现高速公路路况下的自动驾驶，在年间实现低速驾驶和停车场景下的自动驾驶，在年间实现更多复杂场景下的自动驾驶；到2030年，无人驾驶将带来300亿美元-400亿美元的新市场，其市场潜力成为巨头们争相争夺的焦点。苹果、乐视等不遗余力的联合汽车厂商进行进行自主开发智能系统，就是看好了这一发展前景。
而传统的汽车厂商也希望借助新科技的力量对提高汽车的安全性、舒适性以及优良的人车交互界面进行深度的研发，以此来提升产品的价值。此外，人工智能的介入让这一功能的实现从梦幻般遥不可及到现在的触手可及，跨界合作即将成为未来发展的新趋势。
其实在笔者看来行业之间的界限本就没有严格的划分，只要有相关的结合点就可以成为商业运作的立足点，以此来提升产品的质量。所以，人工智能和无人汽车的结合就是未来新型汽车的一个重要的发展方向，当然，行业企业也意识到了这样的融合潜力，车联网的时代也即将来临。
如今90后已成为互联网消费的主题，除了在功能性的提升之外产品在外观设计、智能科技的应用上会更多地向这一方面倾斜，仅仅是人工智能与无人汽车的噱头就足以引发市场的关注了。从消费主体的变化到行业的革新，新科技的力量正在改变人们的生活。
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点您当前的位置:
人工智能系列研究之无人驾驶深度研究:人工智能视角下的无人驾驶汽车
发布： | 分类：
人大经济论坛-经管之家：分享大学、考研、论文、会计、留学、数据、经济学、金融学、管理学、统计学、博弈论、统计年鉴、行业分析包括等相关资源。
经管之家是国内最大的在线教育咨询平台!
专题页面精选
无人驾驶汽车:轮式智能机器人,眼疾脑快是核心。百度、谷歌为代表的互联网企业,以人工智能的视角切入无人驾驶产业,将无人驾驶汽车看做一个智能的机器人系统,基于无人驾驶技术的汽车,实质上就是一台移动的智能联网机器 ...
人工智能系列研究之无人驾驶深度研究:人工智能视角下的无人驾驶汽车
无人驾驶汽车:轮式智能机器人,眼疾脑快是核心。
百度、谷歌为代表的互联网企业,以人工智能的视角切入无人驾驶产业,将无人驾驶汽车看做一个智能的机器人系统,基于无人驾驶技术的汽车,实质上就是一台移动的智能联网机器人,可以实现真正的智能化和共享化。传统汽车技术只是&移动&能力的载体,人工智能和车联网才是无人驾驶技术的核心。无人驾驶汽车是汽车工业和人工智能的集大成者。
识别技术和深度学习算法的突破使无人驾驶成为可能。
无人驾驶技术可抽象为&环境探测-自动决策-控制响应&,其发展主要依赖于三方面技术的成熟 ...全文地址：
本文关键词： &&
您可能感兴趣的文章
本站推荐的文章
本文标题：
本文链接网址：
1.凡人大经济论坛-经管之家转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责；
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性，不作出任何保证或承若；
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。人工智能是如何架起无人驾驶车的技术桥梁的？
当我们谈论无人驾驶时，人工智能在其中又将扮演着怎样的角色？
近日，在美国IHS公司发布的关于「人工智能」的中，分析师预期到2025年，车内AI人工智能系统的数量将从2015年的700万台增加至1亿2200万台；同时基于AI技术打造的相关系统（绝大部分以语音识别功能为主）的新车配售率会从2015年的8%增加至2025年的109%；此外，IHS指出，未来很多汽车上都会安装具有不同功用的人工智能系统。基于人工智能AI开发的汽车系统市场占有情况，来源：IHS值得一提的是，在车内HMI人机交互界面的设计中，IHS认为人工智能AI技术在语音/手势识别，眼球追踪，驾驶员监控和自然语言交互等功能的实现上将扮演主要角色；而就无人驾驶汽车而言，AI的存在能够提升机器视觉系统的识别精度，同时它在控制传感器融合的ECU中也将发挥重要作用。在接受媒体采访时，IHS汽车半导体事业部高级分析师Luca De Ambroggi称，“人工智能一直被认为是能够实现无人驾驶汽车商业化的关键推动技术。所以这也是整个汽车供应链都为之振奋的原因”。不过车云菌一直都在很严肃地思考这么个问题：对需要依赖AI技术控制无人驾驶汽车的那一天，我们到底准备得怎么样了？在问及“是否已经开发出能够解决复杂交通问题的AI算法？”时，De Ambroggi倒是很直言不讳地指出，“现在还没有到这一步。我们目前的研究成果依然十分有限。” 不过事实是，人工智能技术发展得很快。他同时也表示，“未来10年里，AI技术的进步和迭代将呈现平稳态势。汽车产业将从中受益匪浅”。在De Ambroggi和媒体的讨论中，他对汽车人工智能技术的应用前景做了深度剖析，包括目前AI技术的前沿成果，车内场景的应用实例以及能够运行AI算法的硬件系统。当然De Ambroggi也提到了“未来如何对AI定级”的问题。就好比我们要开车手里得有驾照，如果由AI控制无人驾驶汽车的话，那它自然也需要具备相应的资格才行。下面的内容摘自IHS汽车半导体事业部高级分析师Luca De Ambroggi的访谈实录，希望对大家了解车用AI技术的研发应用有借鉴意义。（Q=记者，A=Luca De Ambroggi）Q: 就AI在车内的适用性而言，你认为它是什么时候突破技术临界值的？A: 在我的印象里，应该是在2015年初，包括微软、百度、谷歌在内的公司承认了“在识别物体的准确程度上，机器现在要比人类做得好”。注：具体信息可参阅2015年「大规模视觉识别挑战赛」（ImageNet Large Scale Visual Recognition Challenge，简称ILSVRC），点击阅读发表于微软亚洲研究院官网的。Q: 人工智能最近都有哪些技术演进？A: 首先，机器学习的对象现在可以是容量巨大的数据库。以前，我们不得不先用一套有限数据教会机器学习，这导致了机器学习耗费的时间非常多；其次，现在已经有能够运行AI应用的硬件产品了，比如说推理系统（inference system）。这意味着从推理-识别物体到结果演绎的过程能够自动进行，而且这个过程很快。Q：现在，什么样的硬件能够更好地实现AI在无人驾驶汽车上的应用？A：我认为GPU是目前能够实现人工智能在汽车上大规模应用最合适的硬件。迄今为止，英伟达NVIDIA是唯一一家提供AI系统开发/测试软硬件解决方案的公司。Q：你认为英伟达的Drive PX2，未来会是无人驾驶汽车理想的人工智能平台吗？A：如果从开发无人驾驶汽车的角度而言，是的。但如果从大规模量产的角度而言，Drive PX2并非无人驾驶汽车最理想的AI平台。除非英伟达推出下一代产品，比方说Drive PX3？它的能耗可以做到50W，而不是现在Drive PX2的250W。机器视觉 vs 人工智能Q：AI肯定不只能将人类和动物区分开。那它还能做些什么？A：AI可以辨别出不止一个物体。更重要的是，AI能够给出其探测事物所处的语义背景。它看到的是一个模式以及该物体周围的所有事物。举例来说，它能够识别出一个正在过马路的物体是人，而且他正在低头玩手机。Q：那么传统的机器视觉技术和人工智能AI有区别吗？A：人工智能AI的出现造成了传统汽车产业中两极分化的紧张局面，因为它比标准的机器视觉能做的事情多得多。今天我们所说的计算机视觉主要依赖的是方向梯度直方图（histogram of oriented gradients，简称HOG）这种算法来进行物体探测。可以说Mobileye EyeQ系列芯片完成的95%~99%的视觉识别都是基于HOG算法实现的。不过无论是技术公司，tier 1供应商还是OEM主机厂，他们都希望借助AI的力量实现同一系统持续学习的目的。因为如果需要不断开发新系统，那么芯片和软件的调校都得从头再来，这个过程很痛苦。相比之下，大家都希望自己的系统在有限的软硬件条件下，具备自主学习的能力。注：方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。传感器融合，AI也能发挥得了作用吗？Q：在视觉识别之上，人工智能在车内还能得到哪些应用？&A：摄像头显示是AI大展拳脚的第一个地方。但我可以肯定地告诉你，欧洲已经有tier 1供应商和OEM主机厂在研究如何将人工智能运用于雷达，而AI在传感器融合方面也会扮演着重要角色。Q：就在几个月前，丰田宣布将为设于硅谷的丰田研究员投资10亿美元，用于进行为期5年的人工智能研究。同时丰田也表示会首先在靠近斯坦福大学和麻省理工学院的地区建设两座实验室。所以，包括GE、百度、三星在内的科技公司以及主要的汽车厂商都在硅谷或者靠近硅谷的区域建立了不同规模的研发中心，以期借助新兴技术的力量有更进一步的产品突破，这在业界已经不是什么秘密了。那么在AI技术突破上，我们现在进行到哪一步了？A：其实目前还处在大学及研究机构的研究阶段。不过我预计在未来5到10年内，或者更准确地说是未来十年内，我们可以看到部分符合工程要求及能够实现商业化的AI研究成果。如何对AI进行认证和评级？Q：假设我们已经到了10年后，那时AI在控制无人驾驶汽车上将扮演重要角色。这个时候，我们又将面临怎样的挑战呢？A：其中一个主要挑战，我认为，主要是对AI的认证和评级。就像我们要求开车上路的司机必须有驾照一样，汽车行业需要一套标准或程序来确保使用人工智能是安全的。Q：这么来说的话，那肯定需要知道AI系统该测些什么？我认为目前谷歌无人驾驶汽车在加州和德州只是每天开那么几个小时的话，并不能保证自动驾驶汽车就是安全的。A：Tier 1供应商和OEM主机厂需要联合开发一套统一的安全测试，通过标准的参数设定，对人工智能系统进行认证和评级。这其实并不是个简单的事情。据我所知，目前还没有哪个行业联盟或者说ISO机构在进行相关课题的研究。AI是个复杂的问题。我知道几乎所有的tier 1供应商、车企都在进行人工智能的研究。他们中的很多公司都在不同场合表态称，希望现在开始启动一些规模相对较小的AI研究，为的是将来外部环境成熟的时候，不至于在人工智能应用上落后。大浪淘沙，拨云见雾Q：就我了解到的，当涉及到在汽车芯片上应用人工智能AI时，有太多的“不诚实”在里面。就比如一开始你提到的，英伟达基于GPU打造的针对汽车市场的AI解决方案，你也说了，他们的平台更多地是为测试人工智能而存在的，并非能够在大规模量产中发挥作用。还有其他类似英伟达这样的技术供应商吗？A：就比如说特斯拉。在推出Autopilot功能时，特斯拉就声称这套系统使用了Mobileye的EyeQ3芯片，其中包含人工智能算法的应用。不过我并不认为这就可以叫做“深度学习”了。在我看来，如果奥迪像特斯拉一样，在2017款Q7上推出基于AI的驾驶辅助系统，他完全具备这个实力，但我打赌奥迪至少到2017年才会这么做。目前我们也不太清楚这款车型是否使用了Mobileye的Q3或Q4芯片，人工智能在各项功能的实现中将发挥多大功用。还有就是现在有很多芯片供应商和车企都声称自己在进行人工智能的研究，但对真正的深度学习应用而言，它必须要有计算能力超强的处理器支撑。除了英伟达和Mobileye，我们怀疑恩智浦在“偷偷”研究人工智能。Xilinx，Altera，英特尔在AI上的投入不少。像Ceva，Synopsys，Cadence，Mentor Graphics这些IP供应商，对人工智能都有涉猎。其实只要看看最近行业内的收购/并购案就不难了解到，关于汽车人工智能AI的技术竞争，其实才刚刚开始。注：在过去的两个月里，英特尔先后收购了两家和ADAS、机器人、自动化机械相关的公司。今年4月，英特尔收购了Yogitech，这家公司的专长是半导体功能安全及相关标准的研究；紧接着5月份，英特尔宣布收购Itseez。Itseez在计算机视觉算法和嵌入式硬件开发领域建立了自己的行业地位。车云小结毫无疑问，无人驾驶汽车肯定是未来汽车演化的重要方向，而人工智能AI在其中又将扮演不可或缺的角色。那时候，汽车不仅仅是交通工具，它还是懂你的贴心机器人，为出行提供各种方便和乐趣。不过目前AI在汽车上的应用大多集中于语音/手势等功能的实现，还无法代替人类的角色。可以预见的是，未来10年内包括tier 1供应商、主机厂、科技公司在内的玩家将在人工智能领域发力，这从今年上半年恩智浦BlueBox，Mobileye EyeQ5，英伟达Drive PX2等平台的陆续发布可见一斑。而针对自动驾驶汽车的人工智能平台开发也势必会成为各家较量的主战场。不过AI在汽车领域拓展市场的肯定要比在消费电子市场难得多，毕竟“安全”是最终衡量因素，而技术升级迭代、法律法规的健全、以及如何对AI系统评级认证都是相关从业者亟需解决的关键问题。
相关标签：简介/无人驾驶汽车
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。它一般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。无人驾驶汽车从根本上改变了传统的“人—车—路”闭环控制方式，将不可控的驾驶员从该闭环系统中请出去，从而大大提高了交通系统的效率和安全性。从20世纪70年代开始，、、等发达国家开始进行无人驾驶汽车的研究，在可行性和实用化方面都取得了突破性的进展。中国从20世纪80年代开始进行无人驾驶汽车的研究，在1992年成功研制出中国第一辆真正意义上的无人驾驶汽车。
主要特点/无人驾驶汽车
安全稳定安全是拉动无人驾驶车需求增长的主要因素。每年，驾驶员们的疏忽大意都会导致许多事故。既然驾驶员失误百出，汽车制造商们当然要集中精力设计能确保汽车安全的系统。“无人”驾驶系统种类繁多，其中有些根本算不上“无人”，还有些活像是科幻小说中的东西。防抱死制动系统其实就算无人驾驶系统。虽然防抱死制动器需要驾驶员来操作但该系统仍可作为无人驾驶系统系列的一个代表，因为防抱死制动系统的部分功能在过去需要驾驶员手动实现。不具备防抱死系统的汽车紧急刹车时，轮胎会被锁死，导致汽车失控侧滑。驾驶没有防抱死系统的汽车时，驾驶员要反复踩踏制动踏板来防止轮胎锁死。而防抱死系统可以代替驾驶员完成这一操作——并且比手动操作效果更好。该系统可以监控轮胎情况，了解轮胎何时即将锁死，并及时做出反应。而且反应时机比驾驶员把握得更加准确。防抱死制动系统是引领汽车工业朝无人驾驶方向发展的早期技术之一。另一种无人驾驶系统是牵引或稳定控制系统。这些系统不太引人注目，通常只有专业驾驶员才会意识到它们发挥的作用。牵引和稳定控制系统比任何驾驶员的反应都灵敏。与防抱死制动系统不同的是，这些系统非常复杂，各系统会协调工作防止车辆失控。当汽车即将失控侧滑或翻车时，稳定和牵引控制系统可以探测到险情，并及时启动防止事故发生。这些系统不断读取汽车的行驶方向、速度以及轮胎与地面的接触状态。当探测到汽车将要失控并有可能导致翻车时，稳定或牵引控制系统将进行干预。这些系统与驾驶员不同，它们可以对各轮胎单独实施制动，增大或减少动力输出，相比同时对四个轮胎进行操作，这样做通常效果更好。当这些系统正常运行时，可以做出准确反应。相对来说，驾驶员经常会在紧急情况下操作失当，调整过度。自动泊车车辆损坏的原因，多半不是重大交通事故，而是在泊车时发生的小磕小碰。泊车可能是危险性最低的驾驶操作了，但仍然会把事情搞得一团糟。虽然有些汽车制造商给车辆加装了后视摄像头和可以测定周围物体距离远近的传感器——甚至还有可以显示汽车四周情况的车载电脑——有的人仍然会一路磕磕碰碰地进入停车位。由于雷克萨斯LS&460L采用了高级泊车导航系统，该车的驾驶员不会再有类似的烦恼。该系统通过车身周围的传感器来将车辆导向停车位（也就是说驾驶者完全不需要手动操作）。当然，该系统还无法做到像《星际迷航》里那样先进。在导航开始前，驾驶者需要找到停车地点，把汽车开到该地点旁边，并使用车载导航显示屏告诉汽车该往哪儿走。停车位需要比车身长2米（LS的车身较长）。自动泊车系统是无人驾驶技术的一大成就。通过该系统，车辆可以像驾驶员那样观察周围环境，及时做出反应并安全地从A点行驶到B点。虽然这项技术还不能让人完全放手，让汽车自动载您回家，但毕竟是朝着这个方向迈出了第一步。
发展/无人驾驶汽车
国外无人驾驶汽车 发达国家从二十世纪七十年代开始进行无人驾驶汽车研究，在可行性和实用性方面，美国和德国走在前列。美国是世界上研究无人驾驶车辆最早、水平最高的国家之一。早在二十世纪八十年代，美国就提出自主地面车辆（ALV）计划，这是一辆八轮车，能在校园的环境中自主驾驶，但车速不高。由于技术上的局限和预期目标过于复杂，到二十世八十年代末九十年代初，各国都将研究重逐步转移到问题相对简单的高速公路上的民用车辆的辅助驾驶项目上。1999年，一辆由美国研制的无人驾驶汽车Navlab-V，完成了横穿美国东西部的无人驾驶试验。在全长5000km的美国州际高速公路上，整个实验96%以上的路程是车辆自主驾驶的，车速达50~60km/h。2000年，丰田汽车公司开发出无人驾驶公共汽车。这套公共汽车自动驾驶系统主要由道路诱导、车队行驶、追尾防止和运行管理等主面组成。安装在车辆底盘前部的磁气传感器将根据埋设在道路中间的永久性磁石进行导向，控制车辆行驶方向。2007年，德国汉堡一家公司应用先进的激光传感技术把一辆普通轿车改装而成，可以在错综复杂的城市公路系统中无人驾驶汽车。这辆无人驾驶智能汽车名为“路克斯”（Lux），它可以在错综复杂的城市公路系统中无人驾驶。 Lux这款无人驾驶汽车，车内安装了无人驾驶设备，包括、全球定位仪和智能计算机。&中国中国在无人驾驶汽车的开发方面要比国外稍晚。从二十世纪八十年代开始进行该项技术研究。1989年，中国首辆智能小车在国防科技大学诞生。1992年，国防科技大学研制成功了中国第一辆真正意义上的无人驾驶汽车。2000年6月，国防科技大学研制的第四代无人驾驶汽车试验成功，最高时速达76km，创下国内最高纪录。2007年，国防科技大学机电工程与自动化学院和联合研发的红旗旗舰无人驾驶轿车，其总体技术性能和指标已经达到世界先进水平。2012年10月，从举办的发布会上获悉，中国自主研发的无人驾驶汽车2013年将进行从北京至天津的行驶测试，2015年将测试从北京行驶至深圳 。日至11月1日，来自全国的十余支无人车队将聚集在内蒙古翁牛特旗，参加第四届“” 。日上午，中国自主研发的无人驾驶汽车“军交猛狮号”从京津高速北京台湖收费站出发，在“无人驾驶”情况下行驶114公里，历时85分钟，安全抵达目的地天津东丽收费站。该车由军事交通学院改装而成，从外观上看，这辆无人驾驶汽车与普通汽车没有明显差异，只是车顶有一套包括5个、3个摄像头和1个传感器的复杂视听感知系统，能帮助无人车识别路况，精确判断与前后左右障碍物的距离。根据测试要求，智能车行驶的车道包括四车道、三车道、二车道、匝道；主要测试科目为循线行驶、跟车行驶、自主换道、邻道超车、自主超车、人工指令行驶六个部分。为确保安全，全程行驶中，无人车共实现自主超车12次，被动超车21次，换道36次，总的自主行驶时间85分钟，平均时速79公里/小时，最高时速105公里/小时。本次测试在国家自然科学基金委和等第三方认证团队的见证下完成，专家组认为，此次无人驾驶测试的智能化水平已接近世界先进水平。 在第二届世界互联网大会上，百度公司的无人驾驶汽车正式亮相。百度还宣布这款百度无人驾驶车已实现国内城市、环路及高速道路混合路况下的全自动驾驶。
技术/无人驾驶汽车
关键技术图为Google无人驾驶汽车仪表盘无人驾驶汽车开发的关键技术主要有两个方面：车辆定位和车辆控制技术。这两方面相辅相成共同构成无人驾驶汽车的基础。（1）车辆定位技术，目前（截止2007年）车辆定位常用的技术包括磁导航和视觉导航等。（2）车辆控制技术，目前（截止2007年）常用的方法是经典的智能PD算法，例如模湖PD、神经网络PD等。除以上两个方面，无人驾驶汽车作为智能交通系统的一部分，还需要一些其它相关技术的支持，如车辆调度系统、通讯系统和人机交互系统等，最终得以实现整个交通系统的高效、安全。现有技术1、防抱死制动系统，其实就算无人驾驶系统。该系统可以监控轮胎情况，了解轮胎何时即将锁死，并及时做出反应。而且反应时机比驾驶员把握得更加准确。防抱死制动系统是引领汽车工业朝无人驾驶方向发展的早期技术之一。2、另一种无人驾驶系统是牵引或稳定控制系统。牵引和稳定控制系统与防抱死制动系统不同的是，这些系统非常复杂，各系统会协调工作防止车辆失控。 3、系统是无人驾驶技术的另一大成就。通过该系统，车辆可以向驾驶员那样观察周围环境，及时做出反应并安全地从A点行驶到B点。 将采用的技术奔驰无人驾驶概念车1、雷达高端汽车已经配备，可跟踪附近物体。比如的D&istronic&Plus是一种事故避免系统，在保险杠旁安装有传感装置，当检测到东西出现在汽车盲点时发出警告。2、车道保持安装在挡风玻璃上的照相机可识别车道。如果汽车意外离开自己的车道，方向盘会通过短暂振动提醒驾驶者。 3、激光雷达Google采用V&elodyne公司的车顶光探测和测距系统，包括64束激光，以每分钟900转的速度向上发射，形成点云，赋予汽车360度视野。 4、梅赛德斯的夜视辅助系统采用两盏头灯向前方道路发射不可见的红外光。安装在挡风玻璃上的照相机监测红外信号，将标注出危险区域的图像显示到仪表盘上。 5、立体视觉梅赛德斯一款概念车用两台安装在挡风玻璃上的照相机构成前方道路的实时3D图像，发现潜在危险，比如行人、自行车，并预计其走向。 6、/惯性测量自动汽车必须知道自己开往何处。Google结合Applanix的定位系统、Google地图和GPS判断汽车方位。 7、车轮计速安装在轮子上的传感器通过转速测量汽车行驶的速度。
发展方向/无人驾驶汽车
无人驾驶汽车的研究方向，可以归纳为三个：（1）高速公路环璋下的无人加驶系统；（2）城市环璋下的无人驾驶系统；（3）特殊环璋下的无人驾驶系统。
各国车型/无人驾驶汽车
中国中国自主研制的无人车——由国防科技大学自主研制的红旗HQ3无人车，日首次完成了从长沙到武汉286公里的高速全程无人驾驶实验，创造了中国自主研制的无人车在复杂交通状况下自主驾驶的新纪录，标志着中国无人车在复杂环境识别、智能行为决策和控制等方面实现了新的技术突破，达到世界先进水平。红旗HQ3无人车由国防科技大学自主研制，2011年7月中旬它从京珠高速公路长沙杨梓冲收费站出发，历时3小时22分钟到达武汉，总距离286公里。实验中，无人车自主超车67次，途遇复杂天气，部分路段有雾，在咸宁还遭逢降雨。红旗HQ3全程由计算机系统控制车辆行驶速度和方向，系统设定的最高时速为110公里。在实验过程中，实测的全程自主驾驶平均时速为87公里。国防科技大学方面透露，该车在特殊情况下进行人工干预的距离仅为2.24公里，仅占自主驾驶总里程的0.78%。从20世纪80年代末开始，在贺汉根教授带领下，2001年研制成功时速达76公里的无人车，2003年研制成功中国首台高速无人驾驶轿车，最高时速可达170公里；2006年研制的新一代无人驾驶红旗HQ3，则在可靠性和小型化方面取得突破。此次红旗HQ3无人车实验成功创造了中国自主研制的无人车在复杂交通状况下自主驾驶的新纪录，这标志着中国在该领域已经达到世界先进水平。到2020年，驾驶员将不必再为汽车追尾而烦恼，“无人驾驶汽车将通过自身的雷达系统检测与前车的距离，如果与前车距离过近，汽车将会自动刹车。”到2030年，驾驶员基本上可以在较复杂路况下只控制方向盘或只踩油门和刹车了，因为半自动驾驶技术会在大多数车辆上得到应用，那时汽车会自动设置路线或自动进行油门和刹车的配合。国家自然科学基金委员会称，中国自主研发的无人驾驶汽车2013年将测试从北京行驶到天津，2015年将测试从北京行驶到深圳。国外英国版：外形就像外星飞船ULTra在英国伦敦有许多辆无人驾驶汽车“优尔特拉”（ULTra）自动驶离、抵达车站的无人驾驶汽车。该无人驾驶汽车有4个座位，形状似气泡，看起来就像一艘飞船。这种汽车依靠电池产生动力，而且乘客可以通过触摸屏来选择他们的目的地。它们的时速可达25英里，而且会自动沿着其狭长的道路系统行使。一旦乘客选择好了目的地，控制系统会记录下要求，并向舱车发送一条信息，随后舱车会遵循一条电子传感路径前进。 法国版：采用巡航导弹技术法国INRIA公司花费10年心血研制出“赛卡博”（Cycab）无人驾驶汽车，外形看起来像未来的球车。该车使用类似于给制导的全球定位技术，通过触摸屏设定路线，“赛卡博”就能把你带到想要去的地方了。美国：谷歌无人驾驶汽车谷歌无人驾驶汽车Google无人驾驶汽车项目负责人Sebastian Thrun作为试图开发一款能够基本取代控制车辆的人工智能软件的大胆尝试，代号“Google&Fleet&”的7辆试验车，已经累计完成了1000公里的完全自主行驶 。整套Google&Fleet自动驾驶设备包括一台放置在车顶的激光测距仪，能够及时精确地绘制出周边200米之内的3D地形图并上传至车载电脑中枢。在挡风镜旁边，技术人员安放了一个视频摄像头用以侦测交通信号灯，以及行人、自行车骑行者等车辆行驶路线上遭遇的移动障碍。4台标准车载雷达，以三前一后的布局分布，负责探测较远处的固定路障。在每台Google&Fleet的左后轮上，还带有一个微型，负责监控车辆是否偏离了GPS导航仪所制定的路线。Google&Fleet的电脑资料库中，精确地贮存了每条公路的限速标准以及出入口位置，如果处于一名司机的操控下，Google&Fleet的中央处理系统还会通过扬声器，以柔和悦耳的女声发出类似“接近十字路口，小心行人”的提示。驾驶者只需微微扳动一下方向盘，就可以将Google&Fleet转换为一辆普通的汽车。截至2012年6月，Google的试驾车队有8辆无人驾驶汽车，累计已行驶30万公里，行驶路途包括都市、高速路和山路，未出过一次故障。虽然内华达州已经给无人驾驶汽车颁发了牌照，但预计，无人驾驶汽车最快也需到2018年才能投入商用。 苹果无人驾驶汽车组建团队，正在研发“苹果汽车”的新闻，震惊了全球科技行业。英国路透社引述知情人士爆料称，苹果研发的汽车，正是和谷歌(微博)直接竞争的自动驾驶汽车，苹果也已经从汽车行业挖到了有关自动驾驶的专家。
推广普及/无人驾驶汽车
1.美国试点推进谷歌是最有可能扫除当前所有短期障碍并将成千上万辆无人驾驶车带到公路的公司。谷歌公司有一个传统：让自己的员工率先去体验公司研发的新科技和新产品，谷歌将之美名其曰：Eating&your&own&dog&food（吃你自家的狗粮）。无人驾驶车已经获得了加利福尼亚州立法获批，谷歌可能会在该州部署数百辆无人驾驶车，用来接送公司员工上下班。据报道，谷歌汽车在试运行的过程中，到目前为止仅与其他社会车辆发生过两次碰撞，其中一次是非常小的事故——完全在驾驶员的可控范围内。然后，谷歌可能会将无人驾驶车推向更多的地区，例如拉斯维加斯，因为除了加利福尼亚，内华达州也已经允许谷歌无人驾驶车上路行驶了。另&外，有雄厚的资金做保证，谷歌接下来会给无人驾驶车建设一些必要的基础设施，试图将用户的责任剥离出来，并且会在内华达市场以一个非常具有竞争力的价格推&出无人驾驶车。2.中国牌尽管美国联邦政府短期内不会让无人驾驶汽车上路，其它国家对新技术的态度可能会更加开放。中国可能会引入无人驾驶车，中国交通事故率是美国的两倍多，而且汽车总量高速增长，车祸几率可能进一步攀升。此外，中国人口密度高，无人汽车可以适应更窄的街道、取消红绿灯和路灯以及降低能源消耗，为政府节省万亿元的开支。而且，无人驾驶车也属于中国政府重点支持7大行业之一，中国研究人员已经在该领域取得了长足的进步。如果引入并完善无人驾驶车的系统的话，还可以将这一系统出口到其他国家和地区。3.&风投介入这种情况下，由创业型公司进入这个市场，开发大规模共享无人驾驶交通系统。这种情况或许是3种情况中可能性最小的，但是这种操作方式的盈利模式已经出炉了。这个团队的领军人物是前通用汽车研发部门副总裁，现任美国哥伦比亚大学地球研究所可持续发展计划负责人劳伦斯·伯恩斯（Lawrence&Burns）。这项计划建立在专业的技术以及金融数据分析的基础之上的，它可以提供3个可持续发展的市场准入策略。这个团队已经对美国密西根州安娜堡市做了详尽的数据分析，结果显示该市可以引进这种无人驾驶系统，因为可以为该地区的每一位车主节省90%个人开支，而且还可以带给车主更好的驾车体验。此外，再以曼哈顿地区为研究案例，通过分析郊区以及人口密度较大的城区交通数据，共享的无人驾驶系统同样可以为该地区提供巨大的资源节省空间以及更优质的服务。该计划为创业公司提供了绝佳的商机。“对首批进入该市场的创业公司而言，这是一个可以实现高利润的的商机。以安娜堡为例，假设某公司给无人驾驶车的个人移动服务的定价为每&天7美元，那么刨去运营费用依然可以有5美元的利润。如果安娜堡有10万个市民（该市人口的三分之一）从这家公司订购了这项服务的话，那么这家公司每天的&净利润就可以达到50万美元。美国有2.4亿人口，假设这家公司能够分得1%的市场份额的话，那么这家创新型公司每年的净利润可以达到40亿美元。这个盈利模式展示了伯恩斯主导这一商业计划是如何在积极的风险管理下快速有效的变成现实的。
汽车测试/无人驾驶汽车
上路测试2015年1月，英国将于开始允许无人驾驶汽车在公路上行驶。英国也将修订道路交通规则，为无人驾驶汽车的出现提供适当的规则指引。英国商务部长凯布尔日前宣布，英国将于2015年1月开始在至多三个试点城市测试无人驾驶汽车，并将考虑重新调整交通规则，为这种新型汽车“铺路”。无人驾驶汽车已经在许多国家投入使用，包括日本、瑞典以及美国。美国有四个州甚至已经通过了有关允许无人驾驶汽车上路的法律。 已有多个国家研发并测试了无人驾驶汽车。美国搜索巨头谷歌研发的无人驾驶汽车已经行驶超过30万公里，中国的无人驾驶智能汽车于2012年完成了在京津高速公路上的测试，日本、德国、新加坡、瑞典等国也都对无人驾驶汽车进行了测试。 日，据《纽约时报》报道，母公司Alphabet旗下的无人驾驶汽车公司Waymo的首席执行官John&Krafcik表示，该公司开始在公共道路上测试没有任何安全员和司机在驾驶位上的无人驾驶车辆。 上路监控英国监管部门要求上路的无人驾驶汽车必须有人监控，并且可以随时切换到人工驾驶模式。无人驾驶汽车都配备GPS进行导航，另外还配备摄像头和传感器，使车辆感知周围的物体和其他行驶车辆，使其能够应对障碍。国际在线消息：据中新社电，无人驾驶汽车将于2015年初在英国的4个城镇试运行。英格兰西南部城市布里斯托和中部城市考文垂将推出各自的无人驾驶汽车试行项目，伦敦郊区的两个小镇格林威治和米尔顿凯恩斯也将加入这项试验。试行项目在英国财政部公布秋季财政报告后，英国半官方机构“创新英国”日宣布了承担无人驾驶汽车试行项目的城镇。在秋季财政报告中，英国财政大臣奥斯本承诺给这项计划追加900万英镑的拨款。2014年7月，这个项目已经获得1000万英镑的投资。被选定的四座城市中，伦敦南部的格林威治和布里斯托将各自试验一种自驾车项目，考文垂和米尔顿凯恩斯，将共同测试第三种自驾车。英国政府宣布，四座城市的自驾车实验，将从2015年开始启动，政府将拨款900万英镑（约合1400万美元），七月份，这一计划已经首先获得了1000万英镑的拨款。在项目测试期间，所涉及的各家汽车公司还可以获取更多资金帮助。布里斯托市将测试“Venturer联盟”的自驾车技术，这一计划的主要目的，就是观察自动驾驶汽车是否能够减少城市交通拥堵，提高道路安全性。这一联盟的成员公司包括保险集团Axa，自驾车引发的一些保险问题也在关注范围内。
各方态度/无人驾驶汽车
2014年12月，大多数英国民众对无人驾驶汽车持保守态度。英国机械工程师协会今年上半年公布的一项调查结果显示，56%的人明确表示不会购买无人驾驶汽车，愿意购买的人只占20%，其余人持观望态度。支持者通用汽车和卡内基梅隆大学（Carnegie&Mellon&University）的研究者正在合作开发无人驾驶车，并希望在2018年前投入市场。车辆无人驾驶技术的优点是使出行更安全（因为去除了人为失误因素）、缓解交通压力、并减少环境污染。反对者一些人喜欢驾车的人：有时候，驾驶会让人感到轻松惬意，而且要让人们愿意托付性命，无人驾驶技术还得解决许多问题。驾驶员失误也有其反面优势，那就是人类的判断能力。无人驾驶技术永远是将保护车辆和车内人员作为第一要务。而一个驾驶员则可能宁愿牺牲自己的车来保护他人。例如，您驾驶时前方有辆车突然打滑，而您已经来不及停车。此时，在您的左边有一辆大卡车，右边则是一群等着过马路的孩子。大多数司机会选择撞向大卡车，以避免撞到行人。而无人驾驶车辆无法识别孩子们——它只会简单地看到右边的阻力较少，而将车转而冲向右边。这是个极端的例子，但是类似的问题有待解决，只有这样才能安心告诉车该往哪儿走，然后轻松享受无人驾驶之旅。据国外媒体报道，密歇根大学交通运输研究所(TRI)最新的研究报告称，无人驾驶汽车的交通事故率比普通汽车更高，比例约为9.1比1.9，也就是说前者事故率接近后者的5倍。
&|&相关影像
互动百科的词条（含所附图片）系由网友上传，如果涉嫌侵权，请与客服联系，我们将按照法律之相关规定及时进行处理。未经许可，禁止商业网站等复制、抓取本站内容；合理使用者，请注明来源于。
登录后使用互动百科的服务，将会得到个性化的提示和帮助，还有机会和专业认证智愿者沟通。
此词条还可添加&
编辑次数：50次
参与编辑人数：23位
最近更新时间： 13:40:30
申请可获得以下专属权利：
贡献光荣榜}