我们经常会想未来会是什么样子？会在时间长河中穿梭于过去，未来？还是会带着全家人进行一趟充满刺激的星际旅行？啥？你这是要上天呐！

那么我们来个靠谱的。

几年后的某一天......无人驾驶闯入我们的生活......

届时，我们可以在车上打电玩，睡懒觉，甚至用不知道“多少D”的眼镜看“宇宙大片”。茫茫多的国家已经在研究无人驾驶这项技术了，相关测试品也陆续出世。无人驾驶是智能汽车发展的终极阶段，它实际是一种轮式移动机器人。自动驾驶汽车从根本上改变了传统的“人——车——路”闭环控制方式，将无法用规则严格约束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，是汽车工业发展的革命性产物。

实际上，无人驾驶这一话题是全球性的。综合BBC等多家媒体信息，美国当地时间1月14日，美国运输部(DOT)部长安东尼·福克斯代表美国政府宣布在未来十年在无人驾驶领域投资40亿美元的扶持政策。同时，美国交通部辖下的国家公路交通安全管理局(NHTSA)宣布在两年内豁免整个行业2500辆汽车遵循现行相关交通安全规定，也就是允许这部分车辆在没有配备司机的情况下上路测试。美国运输部长安东尼·福克斯表示，“该计划旨在帮助制造商、科技公司在未来十年中开发出更加安全、智能化的车辆。这也是现任总统奥巴马的计划，让美国在未来的运输中能够占领先机。”

据日本共同社报道，联合国谈判相关人士表示，关于全球汽车厂商推进研发的自动驾驶系统，制定汽车国际规则的联合国机构已开始制定安全法规，预计日本和德国将提出方案，关于高速公路的行驶法规最早将在2017年3月获得通过。成员国将遵照国际法规完善国内法。

《每日经济新闻》记者注意到，谷歌在无人驾驶方面早有耕耘。据Wired报道，谷歌最新提供给DMV(美国机动车辆管理局)的报告显示，2014年9月以来，谷歌无人驾驶汽车已经行驶了680万公里，谷歌无人驾驶汽车总共“主动脱离无人驾驶状态”272次。官方详细数据还指出，最有可能发展成事故的13次情况中，有8次发生在2014年，剩下5次发生在2015年。而2014年和2015年无人驾驶汽车的行驶里程分别是8.5万公里和59.5万公里，表现提升的服务还是相当大的。谷歌提出，无人驾驶汽车的自动驾驶时间百分比一直在稳定增加。

在2016 CES(国际消费类电子产品展览会)上，无人驾驶同样受到空前关注。据不完全统计，多达13家车企参展，包括奥迪、宝马等制造商。另外，百度的无人驾驶车也已在国内首次实现在城市、环路及高速道路混合路况下的全自动驾驶。

就在去年10月份的全国大众创业万众创新活动上，依迅的自动驾驶汽车也走入大众视野。

依迅自动驾驶汽车有三大亮点。第一：低成本、高可靠性；第二：真正形成了“人、车、路”协同效应技术的融合；第三：结合了国内车厂、汽车零部件厂、科研机构及运营服务商，形成了一套可商业化落地的自动安全驾驶系统。

这三大亮点，真正形成了“人、车、路”在“5G、北斗高精度”新型实用技术下的实时联动，能够实时的形成“人车、车路、车车”协同数据联通，从而真正实现可商业化运营的自动驾驶。依迅自动驾驶汽车目标旨在将普通车辆当成互联设备来对待，这样就可以通过云端进行各种更新和功能改进。

下面谈谈自动驾驶汽车中几个关键技术。

环境感知

传感器探测环境信息，只是将探测的物理量进行了有序排列与存储。此时计算机并不知道这些数据映射到真实环境中是什么物理含义。因此需要通过适当的算法从探测得到的数据中挖掘出我们关注的数据并赋予物理含义，从而达到感知环境的目的。

比如我们在驾驶车辆时眼睛看前方，可以从环境中分辨出我们当前行驶的车道线。若要让机器获取车道线信息，需要摄像头获取环境影像，影像本身并不具备映射到真实环境中的物理含义，此时需要通过算法从该影像中找到能映射到真实车道线的影像部分，赋予其车道线含义。

自动驾驶车辆感知环境的传感器繁多，常用的有：摄像头、激光扫描仪、毫米波雷达以及超声波雷达等。针对不同的传感器，采用的感知算法会有所区别，跟传感器感知环境的机理是有关系的。每一种传感器感知环境的能力和受环境的影响也各不相同。比如摄像头在物体识别方面有优势，但是距离信息比较欠缺，基于它的识别算法受天气、光线影响也非常明显。激光扫描仪及毫米波雷达，能精确测得物体的距离，但是在识别物体方面远弱于摄像头。同一种传感器因其规格参数不一样，也会呈现不同的特性。长距离毫米波雷达探测距离长达200米，角度范围较小（±10度），而中距离雷达探测距离为60米，角度范围较大（±45度）。

为了发挥各自传感器的优势，弥补它们的不足，传感器信息融合是未来的趋势。事实上，已经有零部件供应商做过此事，比如德尔福开发的摄像头与毫米波雷达组合感知模块已应用到量产车上。

行为规划

说到行为规划也许大家会比较陌生，我们可以先从路径规划开始讲讲。路径规划的概念在机器人中使用比较普遍，一般定义为：在具有障碍物的环境中，按照一定的评价标准，寻找一条从起始状态到目标状态的无碰撞路径。对于无人车来讲，若确定了目标地点的车辆位姿，车辆具体以怎样一条运动路径行驶到目标地点，即为路径规划。

路径规划其实包含大范围不考虑运动细节的全局路径规划以及具体到运动轨迹的局部路径规划。

为了将无人车的局部路径进行形象地归类、分析，引入了“行为”的概念。车辆在城市道路自主行驶时，它应具备车道保持、变换车道、路口直行、路口拐弯、掉头、绕障、智能启停、自动泊车等驾驶行为。行为的有序排列及有机衔接，方可完成整个自动驾驶任务。

“驾驶行为”是局部路径中细分出来的行驶单元，当然它的划分应该是多样性的，主要取决于算法实现。行为与行为之间会保持相对独立性，但是行为切换时又具有平滑过渡的特征。车辆行驶中，何时采用何种行为，即为行为规划（也有称之为行为决策）。

单个驾驶行为，其实目前很多整车厂或科研院所做了相当多的工作，甚至有的已经推向市场。如特斯拉的车道保持、自动变道、跟车功能，这些都是驾驶行为的具体实例。但是这些行为如何切换，如何过渡，特斯拉将其交给了人。自适应巡航、车道保持、自动变道，都需要驾驶员手动操作后托管给机器，并随时准备接管驾驶。

人在同样的工况中驾驶车辆，产生的驾驶行为序列是不一样的，甚至同一行为的具体执行区别也较大，这跟人的性格、安全意识和当时的心情等有关系。比如，我们在赶时间时，变道次数会增多，超车的安全系数会降低；新手开车时，变道时机把握不好，经常急刹车等；甚至在面临事故时，是选择撞车还是撞旁边的人，不同的人可能有不同的选择。这些很多属于人的高级思维，也涉及到法律、伦理道德，目前机器还很难达到这个层次。但是人工智能或许是解决这一问题的突破口。

车辆定位

每一种定位方式都有其局限性，定位方式融合是趋势。

比如卫星定位系统虽然适用范围广、绝对位置精度高，但是其不适用于室内或有遮挡物区域、位置也会随时间漂移。视觉或激光定位相对位置精度非常高，无位置漂移，但是其受环境影响非常大。将定位技术应用到无人车上时，卫星定位可以解决大范围绝对位置定位、高速公路定位以及其他开阔空间定位问题，但是当车进入隧道、高建筑物路段或室内时，定位信号会不稳定或丢失。这时需要视觉或惯导等室内定位方式去弥补。

自动驾驶汽车进行全自主行驶时，需要解决三个基本问题：1.车辆在哪；2.往哪儿去；3.怎么去。

车辆在哪其实就是对车辆的定位。定位方法有多种，比如卫星定位、地面基站定位、视觉或激光定位以及惯导定位等。目前国内高校无人车使用卫星定位+基站定位方式比较多，后两种基本没有涉及到。

车辆定位会直接或间接影响车辆运动控制与行为决策的实现，甚至也是感知环境所需的重要信息。在执行已经规划出来的运动轨迹时，运动控制算法需要定位信息不断反馈实际的运动状态做实时的调整。在进行行为切换时，切换时机需要充分了解到车辆所处交通环境的位置。感知方面，比如利用SLAM技术构建地图，就需要车辆的相对定位信息。

结束语

自动驾驶汽车是汽车界与机器人界碰撞、融合的产物，它汇集了机电一体化、环境感知、电子与计算机、自动控制以及人工智能等一系列高科技。汽车作为人类重要的交通工具，随着这些子技术的融合、发展与突破，必将变得越来越智能，最终实现全天候无人驾驶。