关于智能驾驶车辆的几点看法

在毕业答辩前这一段闲适的生活中,我和@xingyes去看了一场智能驾驶车辆的讲座.主讲人是邻居学校的杨靖宇教授.由于正值科学日活动,听讲后又分外亲切所以写下此文留作纪念.
在讲座的开始,杨教授概略性的讲述了他的从业经历.他在1991年左右开始作为南京理工大学的智能驾驶的领头人物为PLA开展军用无人驾驶车辆的研发,直至2015年项目结束,研究智能驾驶达到了30年的时光.他首先强调的是军用智能驾驶车辆和民用智能驾驶车辆的区别和联系.我用下面的表格来直观展示:

类型 名称 运行环境 工作方式
民用 无人驾驶车辆(Driveless) 结构化环境为主 GPS+环境建模+机器视觉(弱)
军用 无人车辆(Unmanned) 结构化/准结构化/非结构化 GPS+机器视觉(强)

由上表可以看出实际上军用智能驾驶车辆和民用智能驾驶车辆还是存在一些区别的.从设计的思路来讲,军用车辆主要考虑的问题在于发挥军事价值执行一些较为危险的任务,要求车辆中无人,对安全程度要求不是很高,但是需要对各种战场环境快速适应的能力.因此在GPS定位的基础上需要强大的机器视觉在进行周围的路况分析,态势感知等.而民用车辆最关键的因素就是安全性,因为民用车辆是有人的,这就是表格中Driveless和Umanned的区别.而且民用车辆在日常的行驶过程中主要是在公路等城市环境中进行的,主要面对的环境是高度结构化的,依赖GPS为基础加以环境建模就可以恨到的达到效果,再加上应对路面突发情况的机器视觉手段就可以基本的完成民用智能驾驶车辆的功能了.这其中最最基础的部分就是GPS部分,有了它,智能驾驶车辆才可以完成作为载具最基本的任务,知道运行的线路,并在更高的层次上对线路进行规划(全局路径规划知道局部路径规划).

下面主要谈谈民用智能驾驶车辆的一些问题.虽然最近国内智能驾驶很热,但是实际上对于民用驾驶车辆来说,要达到真正”放开手脚”的阶段还不是时候,至少现在不是.参考SAE制定的Autonomy Levels:

SAE (J3016) Autonomy Levels

现在市场上的大部分车辆还是处在Level 1 到Level 2的水平上.当然也有想 Dephi/Audi这样的公司做了很好的表率,生成他们的智能车辆达到了Level 3的水准.但是实际上现在的智能车辆基本不会应用于结构化程度不高的路况中(比如Tesla就要求他的用户不要在城区内启动智能驾驶模式).而且在2016年Tesla的事故也给相关的产业浇了冷水,相关的量产计划也有所停滞.下面就具体谈一谈智能驾驶车辆面对的困境.

首先是技术方面的困难,比如高性能传感器的研制,算法的稳健性,综合硬件成本的降低.安装在智能驾驶车辆上的传感器主要分为主动性传感器和被动型传感器.简单来讲就是是否主动的发射探测信号.主动型的传感器有激光雷达,毫米波雷达,超声波雷达等.被动型的传感器有各种成像设备和定位设备.应用在智能驾驶车辆中最多的实际上是激光雷达这样的设备(google car车上面旋转的不明球体就是它啦).它相对于摄像头等成像设备可以更好的捕捉周围的3D环境,但是成本较高.可能有些朋友会对我前面的话产生疑问了,按照仿生学的观点来看,人眼对周围世界的感知能力是十分优秀的啊,为什么换到摄像头中就行不通了呢?这个我可以大概谈谈,主要是现在机器视觉的水平还不是很高,远远无法和我们人类相比,而且机器视觉主要使用的环境是类似高速公路这样的高度结构化的环境(分离车道,划线,规范化道路),并且对于复杂的天气情况来说(雨,雪,雾等)比较敏感.但是值得欣喜的一点是,以杨教授的看法,在高速公路这样的结构化环境中,智能驾驶车辆的平均表现在一定程度上高于人类驾驶员.
google car
说完了技术方面的困难,在安全方面,智能驾驶车辆的拦路虎还有,黑客网络攻击,用户隐私权限等问题.尤其是黑客网络攻击,曾经有JEEP车载系统被骇客攻击导致车辆失控的事件发生.在法律方面,虽然在美国的一些州,智能汽车已经得到了法律的认可,上路问题基本是得到了解决的.但是在我国相关的法律规范还是显得比较保守,至少对于一些大陆智能驾驶的研发公司来说,(受限于严格的法律)车辆的上路测试还是一个不太方便的事情,希望可以得到改善.另外还有商业上的问题,民众认可度,乃至保险企业的认可度,都是值得考量的.
地图

但是现在的智能驾驶技术就缺少应用的空间了吗?我觉得不然,实际上主动安全是智能驾驶的基础.而智能驾驶的相关技术则是给主动安全提供了基于信息技术的良好手段.比如利用车载传感器设备的车道线保持,车距保持,障碍物预警,基于人脸识别手段的疲劳驾驶检测以及基于图像增强的视觉能见度增强等等.既然不能一蹴而就,我们可以慢慢来吗,正好也可以给民众认识基于信息技术的智能驾驶手段的时间.当人们对这样的各种”行车助手”习以为常的时候,会不会喜欢真正的智能驾驶呢?

最后,畅想一下智能驾驶的几个发展前景:

  • 首先是到场的地平线公司的老板提到的使用纯机器视觉的识别模式,个人觉得短期内难度较大,需要算法对于特征识别的精细度和FPS水平的提高

  • 智能驾驶在车辆耗能问题上的研究

  • 智能驾驶车安全指标的制定

  • 智能驾驶与交通物联网体系的构建,这是我最感兴趣的一个内容.它主要是希望通过V2X的方式(包括车与车互联,车与交通设施互联的方式),提高智能驾驶系统的稳定程度.试想在过红路灯时,视觉中的红路灯还没有改变,但是红路灯信号基站已经给车相应的时间信息,是不是会更安全,更方便呢?这只是第一步,后面智能驾驶得到大规模应用的时候,路面上大量的智能驾驶车辆将会形成一个智能驾驶车辆的网络,相互之间交换信息(不是控制信息),可以有效的保持行车安全和条理性,甚至会导致信号灯的消失.

我试想的未来路面是一些样貌很想插头的车,在车与车联网的环境中,从A到B的大部分车辆在行车过程中首位相连形成一个车链(当然你说车型蜈蚣也没啥),这个过程可能会在行驶中不断的出现(也就是不断的会有新的车辆加入进来),可以有效的节能并提高安全性.在到达目的地B附近时,车辆会从一个链慢慢散开,各回各家,各找各妈,一路上没有交警也没有交通灯~~~

Ok,滴滴.梦醒了,结束了!欢迎评论,欢迎查看我的其他博文,欢迎为我增加SEO!