
无人驾驶裹足不前并不是单方面的原因,其中牵涉到数目众多、类目庞杂的供应链体系,这其中既有之前提及的智能机械软件方面的突破,也有众多基础硬件的发展。那么,无人驾驶最为倚赖的有哪些硬件呢?
高精度地图
可以说高精度地图是无人驾驶发展过程中最不可或缺的一环,其中因果关系恰如人类一般,一个陌生的环境和一个熟悉的环境,对于人类这种高级生物的判断时间有着显而易见的影响。
当然,无人驾驶汽车依然可以通过「眼睛」「鼻子」「听觉」在陌生的环境中行走,但如果脑海中有一个内容详尽丰富、持续更新的高清数字地图,在效率上则要更有优势,也更安全。

不过早期的无人驾驶比较注重数字地图的数据存储,其次才是实时GPS定位及其产生的数据,但随着技术的提高,汽车操作系统已经可以越来越精确的计算当前位置,因为传感器能够精确捕捉周围环境的特征,并通过实时数据流形成可靠的视觉提示。
高精度地图不同于传统地图,高精度地图不光可以反映大型地理特征,比如高山湖泊,也能反映树木、人行横道等微观地形细节。应用于无人驾驶领域的高精度地图更是可以标注出车道线、道路施工标志、路口交叉点等静态数据。
虽然脑海中已经有了三维地图等数据,但依然需要数码相机像人眼一样在数据流中捕捉车外环境。通过数码相机的成像,工程师迫切希望将这些越来越高清的图片应用到汽车操作系统的深度学习中。
不同于常规的数码相机,应用于无人驾驶的数码相机并不会原封不动的将所有数据都传输至中枢,而是将图像进行分析后,排除掉不相关信息,然后传输。至于高级无人驾驶摄像机的处理方式就更到位了,它先处理图像的数据,把检测到的物体列成清单,并把结果制成表格,再传输给中枢控制系统。
当然,工程师考虑过很多方法,比如在车内设置多个相机,帮助车辆建立3D视觉系统,但相比较结构光相机来说,多台相机的方案有些奢侈。
结构光相机如今已经在手机上应用了,它通过相机和物体之间的距离绘制精确的三维图形,使图片有了深度信息。不过,结构光相机依然有缺陷,其最大的弱点是投射的光线在日光充足的白天时段容易运行不畅,而且投出的光线容易受到自然光的干扰,一旦物体距离超过10米,结构光会丧失感知能力。因此,工程师认为结构光的方案比较适合光线稳定的室内,比如停车场和车库。
不过,数码相机随着技术的发展,未来有望在浓雾、暴雨、炫目的环境中依然有办法识别路况,只是目前来说缺点比较明显。
激光雷达
数码相机不能感知距离,激光雷达可以,甚至可以说激光雷达是最理想的测量工具。原因是激光是平行光,它不会发散,衰弱较小,因此无论物体是一步之遥还是百米之远,光都可以始终保持准直,而根据反射则可以有效判断物体距离。
如果将激光雷达成球形分布,通过对周边环境的扫描,激光雷达同样可以拥有部分数码相机的功能,通过一个个距离可知的点,激光雷达可以将周边大概环境绘制出来,这个环境里,汽车可以识别每一个物体的距离,唯一可惜的是激光雷达是色盲。
不过也有无人驾驶企业不看好激光雷达的发展,其中特斯拉CEO埃隆·马斯克就曾经表示:
「我认为人们无须使用激光雷达,无源光外加前置雷达就能做到这一切。事实上,即使没有激光雷达也能彻底解决问题,我不看好激光雷达,它在这种情况下不起作用。」
这里的雷达是无线电雷达,是利用无线波感知周边信息的硬件设备。雷达最初应用于军事领域,建立高高的铁塔用来感知敌军的飞机、导弹和船只的踪迹。同样,雷达也可以在高速公路上测量往来车辆的时速。
雷达比较小巧、稳定,所以目前大多应用于感知车辆周围其他车辆的速度和位置,比如定速巡航技术,根据雷达的判断调控油门和刹车,另外一点是驾驶辅助,当有车辆靠近司机视线盲区时,系统发出警示。
另外一点值得肯定的是雷达能轻易穿透非导电性物体和薄型材料,所以即便高速公路上有飞舞的塑料袋也不会影响工作效果。
至于利用电波判断物体距离有些类似于人类的耳朵,当汽车向你飞驰而来的时候,声音越来越大,越来越急促,而擦过身边时,声音逐渐变小,越来越平缓。所以,雷达不光可以检测物体距离,也可以感知物体移动速度。
雷达还有缺点,它的分辨率相对较低,提供的数据相对有限,但雷达和视觉传感器结合在一起的话,配合数码相机或者激光相机的三维图像,无人驾驶就已经接近最后完美的答案了。
好在上述硬件都符合摩尔定律,甚至说如今的大多数硬件传感器已经可以在理论数据方面满足无人驾驶的水平,未来随着性能提升、价格下降,无人驾驶摆脱硬件桎梏之后,才会最终攻克最后一道难题「深度学习」。
图 | 来源于网络
About Astoncar
爱车,更多一点
雅斯顿 | 以消费者的目光探讨汽车,分享更多原创真实的汽车观点
Contact us
gao@astoncar.com