在畢業答辯前這一段閑適的生活中,我和@xingyes去看了一場智能駕駛車輛的講座.主講人是鄰居學校的楊靖宇教授.由於正值科學日活動,聽講后又分外親切所以寫下此文留作紀念.
在講座的開始,楊教授概略性的講述了他的從業經歷.他在1991年左右開始作為南京理工大學的智能駕駛的領頭人物為PLA開展軍用無人駕駛車輛的研發,直至2015年項目結束,研究智能駕駛達到了30年的時光.他首先強調的是軍用智能駕駛車輛和民用智能駕駛車輛的區別和聯系.我用下面的表格來直觀展示:
類型 | 名稱 | 運行環境 | 工作方式
--- | ---
民用 | 無人駕駛車輛(Driveless) | 結構化環境為主 | GPS+環境建模+機器視覺(弱)
軍用 | 無人車輛(Unmanned) | 結構化/准結構化/非結構化 | GPS+機器視覺(強)
由上表可以看出實際上軍用智能駕駛車輛和民用智能駕駛車輛還是存在一些區別的.從設計的思路來講,軍用車輛主要考慮的問題在於發揮軍事價值執行一些較為危險的任務,要求車輛中無人,對安全程度要求不是很高,但是需要對各種戰場環境快速適應的能力.因此在GPS定位的基礎上需要強大的機器視覺在進行周圍的路況分析,態勢感知等.而民用車輛最關鍵的因素就是安全性,因為民用車輛是有人的,這就是表格中Driveless和Umanned的區別.而且民用車輛在日常的行駛過程中主要是在公路等城市環境中進行的,主要面對的環境是高度結構化的,依賴GPS為基礎加以環境建模就可以恨到的達到效果,再加上應對路面突發情況的機器視覺手段就可以基本的完成民用智能駕駛車輛的功能了.這其中最最基礎的部分就是GPS部分,有了它,智能駕駛車輛才可以完成作為載具最基本的任務,知道運行的線路,並在更高的層次上對線路進行規划(全局路徑規划知道局部路徑規划).
下面主要談談民用智能駕駛車輛的一些問題.雖然最近國內智能駕駛很熱,但是實際上對於民用駕駛車輛來說,要達到真正"放開手腳"的階段還不是時候,至少現在不是.參考SAE制定的Autonomy Levels:
現在市場上的大部分車輛還是處在Level 1 到Level 2的水平上.當然也有想 Dephi/Audi這樣的公司做了很好的表率,生成他們的智能車輛達到了Level 3的水准.但是實際上現在的智能車輛基本不會應用於結構化程度不高的路況中(比如Tesla就要求他的用戶不要在城區內啟動智能駕駛模式).而且在2016年Tesla的事故也給相關的產業澆了冷水,相關的量產計划也有所停滯.下面就具體談一談智能駕駛車輛面對的困境.
首先是技術方面的困難,比如高性能傳感器的研制,算法的穩健性,綜合硬件成本的降低.安裝在智能駕駛車輛上的傳感器主要分為主動性傳感器和被動型傳感器.簡單來講就是是否主動的發射探測信號.主動型的傳感器有激光雷達,毫米波雷達,超聲波雷達等.被動型的傳感器有各種成像設備和定位設備.應用在智能駕駛車輛中最多的實際上是激光雷達這樣的設備(google car車上面旋轉的不明球體就是它啦).它相對於攝像頭等成像設備可以更好的捕捉周圍的3D環境,但是成本較高.可能有些朋友會對我前面的話產生疑問了,按照仿生學的觀點來看,人眼對周圍世界的感知能力是十分優秀的啊,為什么換到攝像頭中就行不通了呢?這個我可以大概談談,主要是現在機器視覺的水平還不是很高,遠遠無法和我們人類相比,而且機器視覺主要使用的環境是類似高速公路這樣的高度結構化的環境(分離車道,划線,規范化道路),並且對於復雜的天氣情況來說(雨,雪,霧等)比較敏感.但是值得欣喜的一點是,以楊教授的看法,在高速公路這樣的結構化環境中,智能駕駛車輛的平均表現在一定程度上高於人類駕駛員.
說完了技術方面的困難,在安全方面,智能駕駛車輛的攔路虎還有,黑客網絡攻擊,用戶隱私權限等問題.尤其是黑客網絡攻擊,曾經有JEEP車載系統被駭客攻擊導致車輛失控的事件發生.在法律方面,雖然在美國的一些州,智能汽車已經得到了法律的認可,上路問題基本是得到了解決的.但是在我國相關的法律規范還是顯得比較保守,至少對於一些大陸智能駕駛的研發公司來說,(受限於嚴格的法律)車輛的上路測試還是一個不太方便的事情,希望可以得到改善.另外還有商業上的問題,民眾認可度,乃至保險企業的認可度,都是值得考量的.
但是現在的智能駕駛技術就缺少應用的空間了嗎?我覺得不然,實際上主動安全是智能駕駛的基礎.而智能駕駛的相關技術則是給主動安全提供了基於信息技術的良好手段.比如利用車載傳感器設備的車道線保持,車距保持,障礙物預警,基於人臉識別手段的疲勞駕駛檢測以及基於圖像增強的視覺能見度增強等等.既然不能一蹴而就,我們可以慢慢來嗎,正好也可以給民眾認識基於信息技術的智能駕駛手段的時間.當人們對這樣的各種"行車助手"習以為常的時候,會不會喜歡真正的智能駕駛呢?
最后,暢想一下智能駕駛的幾個發展前景:
-
首先是到場的地平線公司的老板提到的使用純機器視覺的識別模式,個人覺得短期內難度較大,需要算法對於特征識別的精細度和FPS水平的提高
-
智能駕駛在車輛耗能問題上的研究
-
智能駕駛車安全指標的制定
-
智能駕駛與交通物聯網體系的構建,這是我最感興趣的一個內容.它主要是希望通過V2X的方式(包括車與車互聯,車與交通設施互聯的方式),提高智能駕駛系統的穩定程度.試想在過紅路燈時,視覺中的紅路燈還沒有改變,但是紅路燈信號基站已經給車相應的時間信息,是不是會更安全,更方便呢?這只是第一步,后面智能駕駛得到大規模應用的時候,路面上大量的智能駕駛車輛將會形成一個智能駕駛車輛的網絡,相互之間交換信息(不是控制信息),可以有效的保持行車安全和條理性,甚至會導致信號燈的消失.
我試想的未來路面是一些樣貌很想插頭的車,在車與車聯網的環境中,從A到B的大部分車輛在行車過程中首位相連形成一個車鏈(當然你說車型蜈蚣也沒啥),這個過程可能會在行駛中不斷的出現(也就是不斷的會有新的車輛加入進來),可以有效的節能並提高安全性.在到達目的地B附近時,車輛會從一個鏈慢慢散開,各回各家,各找各媽,一路上沒有交警也沒有交通燈~~~
Ok,滴滴.夢醒了,結束了!歡迎評論,歡迎查看我的其他博文,歡迎為我增加SEO!