无人驾驶车辆真为要跑起来，必须解决问题感官、决策和继续执行等层面的技术问题。感官系统也称作“中层控制系统”，负责管理感官周围的环境，并展开辨识和分析；决策系统也称作“上层控制系统”，负责管理路径规划和导航系统；继续执行系统又称作“底层控制系统”，负责管理汽车的加快、刹车和改向。本文以“感官—决策—继续执行”的顺序呈现出，是因为这样更为合乎人类的驾驶员模式。

如，再行想到前面——绿灯、周围无行人——搜集信息；然后作出决策——可以通行；最后继续执行决策——进过十字路口。自动驾驶的感官系统感官系统的输出设备明确还包括光学摄像头、光学雷达（LiDAR）、微波雷达、导航系统等。

这些传感器搜集周围的信息，为感官系统获取全面的环境数据。光学摄像头是目前最低廉也是最常用的车载传感器，它的众多优点就是可以辨别颜色，因此也沦为场景理解的绝佳工具。但其缺点也很显著：1.缺少“深度”这一维度，没立体视觉就无法辨别物体和照相机（可以折算为车辆）间的距离；2.对光线过分脆弱，过暗或不强的光线以及二者之间的较慢湍流，比如驶进和驶进隧道都不足以影响它的光学。

激光雷达，即利用激光来展开观测和测量。其原理是向周围升空脉冲激光，遇上物体后光线回去，通过往返的时间差，计算出来出有距离，从而对周围环境创建起三维模型。

激光雷达观测精度高、距离宽；由于激光的波长较短，所以可以观测到十分微小的目标，并且观测距离很长。微波雷达的原理和激光雷达类似于，不过它升空的是无线电波而不是激光。微波雷达精度不及激光雷达，但胜在价格低、体积小，在某些车辆行经辅助系统中早已获得了广泛应用。同时，精度较低反过来又出了微波雷达的优点，因为它较小的波长可以击穿雾、烟、灰尘等激光雷达无法击穿的障碍，较好免疫系统险恶天气。

光学摄像头和雷达测量在感官环境中相辅相成，联合为无人驾驶车辆获取原始、精确的外部信息。有了“眼睛”接管信息，接下来就是利用深度自学等手段对信息展开辨识。将多种传感器的信息互相融合并不是一件更容易的事情，可以利用韦伯斯的误差偏移传播算法和先进设备的数字摄像机技术对外界事物展开精确辨识。

自动驾驶的感官系统不仅还包括它的“眼睛”，还包括它的“大脑”——高精度地图。人类驾驶者不会调用记忆中熟知的道路场景来辅助驾驶员，自动驾驶也不会通过高精度地图提供适当的环境信息尤其是比较相同、改版周期较长的信息，如交通信号灯（请注意，这里是指物理的“灯”本身而非“灯的信号”即白、朱、蓝）、车道标记、路缘等。这些信息还可以与传感器所取得的“即时信息”互为印证，从而构建“多传感器融合”的效果，就像我们走路，不仅不会用眼睛看前面的路，还不会用耳朵听得身后的车，甚至不会用鼻子言路边食品店里的香气一样。因此，自动驾驶去“感官”的某种程度是“眼睛”，也是“大脑”。

自动驾驶的决策系统自动驾驶决策系统负责管理路线规划和动态导航系统，这里主要牵涉到高精度地图，又称“高清数字地图”。无人驾驶汽车用的并不是普通的导航系统地图，它在精确度和信息量上与普通地图差异相当大，因而被称作“高精度地图”。

普通地图较为坚硬——因为我们人类的理解能力不足以“脑补”，通过非常简单的二维线条的回应就告诉了道路的南北，线条的交叉点回应十字路口——这让目前的机器来“脑补”就太难了。高清数字地图的精度一般在厘米级，而且是立体三维的，包括车道线、周围设施的座标方位等行车辅助信息。与人类当前用于的电子地图比起，自动驾驶的高精度地图还有一个最重要差异在于，高精度地图不会搜集道路激光雷达的反射强度——这是一个对人类驾驶者几无价值而对“人工智能驾驶员”意义根本性的道路特征，它变化极快而且小，是协助自动驾驶车辆光学雷达定位的一个理想特征值。

通过光学雷达扫瞄提供的信息跟未知的高精度地图信息对比，就可以确认当前车辆的方位。自动驾驶的决策系统不仅必须独立国家的“智能车辆”，也必须“智能交通系统”的反对，如V2V等。

在高精度地图之外，另一个反对路径规划的技术是V2X，一般指出它是在V2I的基础上发展一起的。V2X意指将车辆和环境构成一个“物联网”，还包括车对车、车对基础设施，以及车对行人等一系列通信系统。如果车辆需要必要“获得”，而某种程度是“看见”信号灯的信息，就能确保意味著不闯红灯。这里“获得”的意思是，比如在离交通灯还有100米、传感器还“看到”的时候，信号灯就主动“告诉他”车辆自己的信号状态及变化时长，自动驾驶车辆需要必要“看清楚”信号灯的内容（“看清楚”有时是很不更容易的事情，大雨、暴雪天气，狂风吹的塑料袋，以及大货车的遮盖，都不足以让车辆的摄像头“看不到”交通信号灯）。

此外，如果需要提早获知周围车辆的行车意图，就需要相当大程度上防止事故的再次发生。有了高精度数字地图和V2X通信网络，系统就可以应用于搜索算法评估各种驾驶员不道德所花费的成本，还包括信号灯等待时间、道路交通堵塞情况、路面修理情况等，以此获得最佳行经路径。

自动驾驶的继续执行系统继续执行系统也是底层控制系统，负责管理继续执行汽车的刹车、加快、改向的具体操作。工程师们通过特制的“线控装置”掌控方向盘和油门，代替人类司机的手和脚，并配备多个处理器构成的子系统，以此来平稳、精确地掌控汽车的机械系统。这些子系统，还包括引擎掌控单元（ECU）、制动器防抱死系统（ABS）、自动变速箱控制系统（TCU）等，它们通过一个“总线”来展开内部通信，在汽车中称为CAN总线协议。

CAN总线最关键的地方在于比特率（bandwidth）和网络稳定性。比特率是指数据在网络中传输的仅次于速率，一般来说以每秒多少bits为单位来计算出来。对于无人驾驶汽车来说，精准的掌控和较慢号召至关重要，这意味著要提升总线比特率的传输速度，对必须处置可观数据的无人驾驶系统而言不存在较高挑战。

同时处置各个传感器传送过来的数据流时，比特率有时不会面对挑战，系统速度不会深感上升。对整个反应继续执行过程而言，CAN总线的响应时间显得极快，这在实际驾驶员中是不能接受的。其次，掌控的光滑性也影响乘客体验。

此外，作为一个网络，数据传输的安全性也不容忽视，如果黑客顺利反击了CAN总线，就能对汽车展开掌控。因此，提升底层网络系统的防御能力和网络容错性十分最重要。

通过以上感官、决策与继续执行三个系统分工合作，责任具体地掌控汽车的运营，就可以使无人驾驶汽车不具备理论上“行经”的条件。但正如《无人驾驶》一书作者胡迪·利普森和梅尔巴·库曼所认为的，“虽然这种技术近乎准备就绪，但是这一独有技术所差异性的社会环境有可能还并未打算慎重”。

比如，涉及法律更为迟缓。然而，由于效率和安全性方面的优势，我们有理由坚信：无人驾驶的时代必将来临。

本文来源：9659澳门新葡萄娱乐场app-www.kssy-th.com