无人驾驶汽车(Self-driving Car)，是目前非常热门的领域之一，谷歌、通用、福特、大众、奔驰、宝马、沃尔沃、百度、Uber、特斯拉、苹果等等公司都在进行投资。

今天的这期节目，我向大家介绍一下无人驾驶汽车的基本原理。

首先，我们停下来思考一下人驾驶汽车的场景。

今天你开车去参加朋友聚会，如果是熟悉的目的地，基本上是不需要导航的，因为大脑里有地图，对于不熟悉的地点，那就用手机的地图软件导航过去；行驶在路上的时候，你眼观六路耳听八方，观察路况、交通指示牌、周边车辆、当前位置、路径导航等等信息；对于路上的车辆、障碍物等物体，根据他们当前位置、速度、所发信号等信息作出预判，以决定当前是加速、减速还是左右并道，然后控制手中的方向盘和脚下的油门刹车。

当然，作为老司机，以上的这个过程，其实已经习以为常，无需思考。

我们的大脑、神经网络和肌肉，经过长时间的训练，已经将驾驶技能变成了自然能力的延伸。

然而，以上场景中有六个要素，在无人驾驶系统中进行了借鉴和拓展，下面一一进行介绍：

地图

对于有人和无人驾驶，地图都是不可缺少的。不管是老司机大脑中的地图还是导航App中的地图，我们需要从地图中获取当前位置、目的地、路径、路况等信息。

而无人驾驶对地图精度的要求会高出很多，普通的地图，精确到米就可以了，因为驾驶员可以在近距离进行微调。而无人驾驶的地图精度，必须达到厘米，否则无人驾驶汽车一定会撞上。另外，无人驾驶的地图，需要更为丰富的驾驶辅助信息，比如路标、交通灯、速度限制等等，这些信息都可以帮助系统做出行驶决策，计算机比人擅长的能力之一，就是记住海量的驾驶辅助信息，并在需要的时候查询使用。

感知

和司机一样，无人驾驶系统需要实时地获取周边信息，以便做出判断决策。不同的是，司机采用的是眼睛耳朵等感官，无人驾驶系统采用的是摄像头、雷达、激光等传感器

由摄像头采集的图像视频等数据，运用计算机视觉的方法，采用卷积神经网络(CNN)，可以对车、行人、道路、障碍物、路牌等物体，进行识别、分类、追踪

由雷达、激光等传感器采集的点阵数据，则可以用来获取距离、速度等信息

这一系列传感器信息，还可以和地图信息进行融合，这样，感知系统就可以做到“心中有图眼观六路耳听八方”。

定位

说起定位，我们首先会想到GPS，GPS对于手机用户导航是足够的。但是GPS的定位误差，在信号充足的开阔空间里，是1~3米，这对于无人驾驶来说是远远不够的。

无人驾驶，需要的是精确到厘米的定位，否则误差的几十公分，就会发生安全事故。

无人驾驶定位采用的方法，通常是多种定位方式的结合，比如：

- 实时动态RTK(Real-Time Kinematic)，是作为GPS的拓展

- 惯性测量，依据牛顿定律，通过速度和加速度计算位移

- 激光雷达和视觉定位，是运用周边信息，对定位的进一步校准

预测

和司机的预判一样，无人驾驶系统需要对周边情况作出预测，以作出控制决策。比如前方有车并道，根据距离和速度情况，决定需不需要踩刹车等等。

无人驾驶系统，把周边物体的位置、速度、加速度等信息，抽象成为不同的时间序列。

有了之前时间点的信息，预测下一个时间点的信息，这是递归神经网络(RNN)擅长解决的问题。

前面感知的数据，除了用于定位，也会用于预测。

规划

规划包括了路由、轨迹和速度规划等

从起点到终点的路由规划，这个和手机导航差不多

行驶过程中的轨迹规划，包括让车保持在车道中轴线的轨迹，前方有障碍时变道的轨迹等等

另外，还有结合车道限速、周边车辆信息的速度规划

这里面运用了很多计算机图论相关的知识

控制

控制主要是无人驾驶系统向车的动力、制动、转向系统发送指令的过程。

控制指令发出后，通过感知采集实时反馈信息，这一点和人为驾驶也是相似的。

总结一下今天的内容，今天我向大家介绍了无人驾驶的基本原理，从地图、感知、定位、预测、规划到控制，无人驾驶系统结合了测绘、传感、通讯、计算机视觉、神经网络、图论、信号与控制等多领域的科学技术，成为了众多科技公司的关注焦点。

随着城市路政规划、交通法规、商业保险等等配套设施的发展完善，相信在未来的某一天，无人驾驶会为我们的出行，带来更大的便利！