导读：汽车自动驾驶路线之争将是一个长期的过程。电动汽车的发展对自动驾驶系统研发是有帮助的。
汽车自动驾驶目前存在两种主流的技术路线，一是以摄像头为主导纯视觉方案；二是以多种传感器融合方案。下面予以分析。
一、自动驾驶技术三大核心环节
驾驶技术可以拿人类驾车作类比，自动驾驶技术分为感知决策和执行三大核心环节。
1.1、感知环节
感知指对于环境的场景理解能力。基本做法有2种：一是把所有传感器的数据作为整体进行识别；二是将不同传感器识别后的结果进行整合。如障碍物的类型、道路标志及标线、行车车辆的检测、交通信息等数据的分类。
1.2、决策环节
决策是依据驾驶场景、驾驶需求进行任务决策，规划出车辆的路径和对应的车身控制信号。分为任务决策、轨迹规划、跟踪控制和执行控制器四个阶段。在决策的过程中需要综合考虑安全性、舒适性和到达速度。
1.3、执行环节
执行指的是将控制信号发送给执行器，执行器执行的过程。 是将控制信号发送给执行器，执行器执行的过程。执行器有转向、油门、 刹车、灯光档位等。由于电动汽车执行器执行较线性，便于控制。目前的技术有控转向、线控刹车、线控油门等。
二、自动驾驶等级分级
GB/40429-2021 和 SAEJ3016 明确定义了汽车自动驾驶分级，将驾驶自动化分为 0 级至 5 级。其中：国标规定 L1 和 L2 级为“驾驶辅助系统”、L3-L5 命名为“自动驾驶系统”。
L0 应急辅助（Emergency Assistance）：可以感知环境、并提供信息或者短暂介入车辆运动控制，但是不能持续执行车辆控制。
L1 部分驾驶辅助（Partial driver assistance)：可以持续提供横向或纵向运动控制。但驾驶员仍要对道路状况和车辆驾驶情况保持监管。（注意：仅一个方向的控制）
L2 组合驾驶辅助（Combined Driver Assistance）：可以持续提供横向和纵向运动控制。在该级别驾驶系统运行过程中，驾驶员和自动驾驶系统沟通执行全部驾驶任务，允许用户短暂地将双手脱离方向盘， 也叫 Hands off。（注意：有两个方向控制）
L3 有条件自动驾驶（Conditionally automated driving）： 该系统在设计条件下持续执行全部驾驶任务。在正常运行过程中，车辆控制、目标探测与事件响应由自动驾驶系统负责；若出现即将不满足运行范围时请求驾驶员接管。在运行过程中，允许用户短暂地将视线转移到驾驶之外，也叫 Eyes off。（注意：有两个方向控制，但有条件限制）
L4 高度自动驾驶（Highly Automated Driving）：可以持续地执行全部动态驾驶任务并自动执行最小风险策略。当系统脱离运行范围时向驾驶员发出介入请求，驾驶员可不响应请求。驾驶过程中用户注意力可以完全不在驾驶中，被称为 Mind off。（注意：有两个方向的运动控制功能，无人工介入）
L5 完全自动驾驶（Fully Automated Driving）：可在任何可行驶条件下持续地执行全部动态驾驶任务并执行最小化风险策略。（注意：有两个方向的运动控制功能，无条件限制限制）
三、辅助驾驶和自动驾驶划分关键点
根据 SAE 的定义出现事故以后， L2责任在于乘客，L3责任在于车辆。也就是说，辅助驾驶如果出现事故后，责任是人；自动驾驶如果出现事故后，责任是车。目前国内自动驾驶的立法尚未健全，整车厂还是停留在对自动驾驶的宣传上。也就是说，必须对自动驾驶等级分级予以细化，才能对车厂工程设计有指导意义。高等级自动驾驶汽车，没有驾驶员，出现事故，后面负责的责任就是车辆生产厂家。
中国 2020年有 6.2 万人死于交通事故，平均每 8 分钟就有 1 人死于车祸。说明驾驶目前依然是一件很危险的事，于是自动驾驶承载了大家对驾驶非常安全的美好愿望。如何实现这个愿望？也就有了路线之争。
四、以摄像头为主导的纯视觉方案
盲人不能开车是基本常识。摄像头类似人眼功能。也就是说，如果摄像头能替代驾驶员的眼睛，自动驾驶系统就不能没有摄像头。这一点已经是基本公式。人类依赖自身视觉来识别周围环境，那么摄像头也同样能实现人眼功能。摄像头摄取的环境数据在经过视觉算法处理后，系统将通过深度学习模型进行自我培训，从而达到全范围认知路况。
以摄像头为主导纯视觉方案的力推者是特斯拉。特斯拉装配“8颗摄像头+1颗毫米波雷达”环绕车身共配有 8 个摄像头，其中包含一个三目前置摄像头， 组合视野范围达360 度，对周围环境的监测距离最远可达250米。
特斯拉所配置的一颗前置毫米波雷达可视范围达160m。以摄像头为主导纯视觉方案的力推者是特斯拉。特斯拉装配“8颗摄像头+1颗毫米波雷达”环绕车身共配有 8 个摄像头，其中包含一个三目前置摄像头， 组合视野范围达360 度，对周围环境的监测距离最远可达250米。特斯拉所配置的一颗前置毫米波雷达可视范围达160m。
以摄像头为主导纯视觉方案的力推者是特斯拉。特斯拉装配“8颗摄像头+1颗毫米波雷达”环绕车身共配有 8 个摄像头，其中包含一个三目前置摄像头， 组合视野范围达360 度，对周围环境的监测距离最远可达250米。特斯拉所配置的一颗前置毫米波雷达可视范围达160m。其优点是：
以摄像头为传感器，处理对象就是图像，比较单一，目前360度环绕构图处理比较成熟，其难点是汽车速度比较快（最高速度120公里），要求系统对图像的算力特高。
五、以多种传感器融合方案
多传感器信息融合技术的基本原理是将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释。
根据对原始数据处理方法的不同，信息融合系统的体系结构主要有三种：集中式、分布式和混合式。
①集中式：集中式将各传感器获得的原始数据直接送至中央处理器进行融合处理，可以实现实时融合，其数据处理的精度高，算法灵活，缺点是数据量大，对处理器要求高，可靠性较低，故难于实现。
②分布式：每个传感器对获得的原始数据先进行局部处理，包括对原始数据的预处理、分类及提取特征信息，并通过各自的决策准则分别作出决策，然后将结果送入融合中心进行融合以获得最终的决策。分布式对通信带宽需求低、计算速度快、可靠性和延续性好，但跟踪精度没有集中式高。
③混合式：大多情况是把上述二者进行不同的组合，形成一种混合式结构。它保留了上述两类系统的优点，但在通信和计算上要付出较昂贵的代价。但是，此类系统也有上述两类系统难以比拟的优势，在实际场合往往采用此类结构。
谷歌和百度的自动驾驶系统偏向于.以多种传感器融合方案。
六、汽车自动驾驶路线之争的原因
目前路线之争主要是在传感器环节的路线不同。主要原因是传感器技术和计算机的性能指标，还是不能满足车规级要求，离商业化还有相当的距离。汽车自动驾驶路线之争，无高低水平的说法。有一点是可以肯定的，可以促进传感器和计算机技术的发展。
七、自动驾驶的基础在汽车底盘
汽车底盘的动力系统，也就是说，自动驾驶的执行在于汽车底盘。如果汽车底盘技术不能满足自动驾驶汽车的要求，自动驾驶的感知环节和决策环节水平再高，也是无法落地的。
自动驾驶系统必须要求更多电能支持。自动驾驶级别越高，越来越要的电动汽车。自动驾驶越来越要求是线控底盘，线控底盘要求更多电能支持。
结论：自动驾驶技术三大核心环节之间彼此匹配，才能发展起来。
实际上，自动驾驶汽车的发展除了汽车自己技术外，还得道路设施技术水平提高，即车路协调与智慧交通基础设施。
整体系统在统一自动驾驶操作系统的统一管理适配下，协同实现自动驾驶功能，通过变更硬件驱动、通讯服务等进行不同芯片的适配。
八、自动驾驶域控制器的技术核心是芯片
随着自动驾驶等级提升，系统对于算力、接口等需求都会与日俱增。
异构分布硬件架构主要由三部分组成：AI单元、计算单元和控制单元。
8.1、AI单元
采用并行计算架构 AI 芯片，使用多核 CPU 配置AI 芯片和必要处理器。 AI 芯片主要用于多传感器数据高效融合与处理，输出用于执行层执行的关键信息。AI芯片可选用 GPU、FPGA、ASIC（专用集成电路）等。
8.2、计算单元
计算单元由多个CPU 组成。具有单核主频高，计算能力强等特点，满足相应功能安全要求。装载 Hypervisor, Linux 的内核管理系统，管理软件资源，完成任务调度，用于执行自动驾驶相关大部分核心算法，并将多元数据整合起来， 实现路径规划与决策的控制。
8.3、控制单元
主要基于传统车辆控制器（MCU）。控制单元加载 Classic AUTOSAR 平台基础软件，MCU 通过通信接口与 ECU 相连，实现车辆动力学横纵向控制， 并满足功能安全 ASIL-D 等级要求。
九、总结
汽车自动驾驶路线之争将是一个长期的过程。电动汽车的发展对自动驾驶系统研发是有帮助的。自动驾驶系统对电动汽车的发展要求也是越来越高的，主要是线控底盘。
来源：电车资源 作者：雷洪钧
相关阅读：
