2020将在日本东京举行奥林匹克运动会，预计届时参赛选手将会全部乘坐自动驾驶汽车这样的特殊汽车到达竞技场。这绝不是在说梦话。通过IT将会产生“终级自动化”这样的新兴市场。
日本日产汽车公司在去年8月份时宣称，将会在2020年时正式发售“自动驾驶汽车”。
在自动驾驶领域最受关注的企业莫过于美国的Google公司。如今已有多家汽车制造商宣布进入这一领域。德国的戴姆勒集团在2013年9月时宣布将会在2020年正式推出自动驾驶汽车。日本丰田公司在2013年1月举办的CES2013上也正式公布了旗下的自动驾驶汽车的。美国GM公司也宣称2017年将会实现道路行驶的自动驾驶汽车的商用化。
图1：来自Google和日产的自动驾驶汽车
Google将LIDAR安装在汽车的顶部，而日产则将LIDAR内嵌在汽车本体的四个角落。
注：LiDAR——Light Detection And Ranging，即光探测与测量。是利用GPS（Global Position System）和IMU（Inertial Measurement Unit，惯性测量装置）机载激光扫描。其所测得的数据为数字表面模型(Digital Surface Model, DSM)的离散点表示，数据中含有空间三维信息和激光强度信息。应用分类(Classification)技术在这些原始数字表面模型中移除建筑物、人造物、覆盖植物等测点，即可获得数字高程模型(Digital Elevation Model, DEM)，并同时得到地面覆盖物的高度。
目前市面上已经有一些汽车配置了通过图像识别技术来防止追尾这样的基于IT技术的安全装置。这对于由IT代替人来驾驶汽车的自动驾驶成为可能的冲击很大。
这样一来对于那些驾照失效的老年人和身体机能有障碍的不能驾驶汽车的人而言，可以不再假以别人之手自己实现汽车的自动驾驶。那些没有驾照的人也会有考虑购买汽车的动机了，这样一来扩大新车销售市场的可能性是很高的。
如果自动驾驶汽车未来能够普及的话，单纯因为驾驶人员的操作失误而造成的事故也会减少，相对而言安全性反而提高了。另外，相信随着自动驾驶车的普及还可以减轻堵车的情况。
走在前列的Google公司
2010年Google公司开启了自动驾驶的先河，现在已经成为这一领域的引领者，在美国的公路上已经累计开展50万KM的行驶试验。
在Google公司主导这一技术开发的成员是来自美国的卡内基梅隆大学（Carnegie Mellon University 简称CMU）和斯坦福大学的导师和技术人员。实际上美国在2000年左右时就已经由DARPA((美国国防部先进研究项目局)举办过3次自动驾驶技术相关的比赛。CMU获利次胜利，斯坦福大学获得1次胜利。
Google公司从这两所高校选拔人材组建了自己的自动驾驶团队。从CMU骋请负责自动移动技术研究的Chris Urmson教授和来自斯坦福大学的负责人工智能和识别技术的Sebastian Thrun教授。
自动驾驶汽车是通过识别道路交通状况和其它车辆以及行人等周边环境并推断自身的位置以决定在道路上的行驶路线这样的通过车载电脑智能规划的无需人工驾驶的汽车（图2）。
图2：自动驾驶汽车一般系统构成例
通过各种传感器来获得信息以推断自已的位置，实现行驶计划和路线的实时规划为基础的自己控制油门和方向盘等。这些传感器包括：利用激光测量周边3维形状的LIDAR(激光测距仪)、雷达、检测附近障碍物的超声波传感器、照相机、GPS(全球定位系统)等。基于这些传感器获得的信息在1秒内就可以实现多次环境识别和道路规划等的电脑处理，从而向油门和方向盘等发出指令。
实现自动驾驶的LIDAR
要想实现自动驾驶，必要的是环境识别，特别是对自车位置的准确推断。在car navigation system上是通过GPS和加速传感器以及车轮转数传感器等来推断自车的位置。但是对于自动驾驶的实现而言必须要能够更加正确和稳定地获得自身的位置。将驾驶全部委托给电脑，一旦自身的位置不能准确定位必然会导致事故的发生。
但如果道路两侧存在高楼等建筑时GPS将不能充分地从人工卫星接受到电波信号，同时精度也将变低。因此实现自动驾驶的企业大多采用的是LIDAR。
在Google的自动驾驶汽车的顶部有一个格外明显的装置。那就是LIDAR。而日产的自动驾驶汽车则是嵌入汽车本体内。
LIDAR的主要作用就是用来检知障碍物和车道位置、形状等信息（图3）。通过从自车上发射出去的激光再从其它车辆和地面等返回的时间来测量距离。如果让激光360度旋转扫描的话，就可以得到在激光可以到达的几十米范围内的道路形状的3维数据。也就是说LIDAR是形成3维地图的装置。
图3：通过LIDAR生成的3维地图。
在环境识别中推断自车的位置。如果使用LIDAR的话，就可以得到在激光可以到达的几十米范围内的道路形状的3维数据。产业技术综合研究所称随着道路上这些数据的获取和重叠利用，正在开发可以生成范围更广阔的3维地图。
最近大多使用的是通过LIDAR获得的信息推断自车位置和生成3维地图并行的SLAM技术。通过SLAM技术已经将推断自车位置精度提高了很多。注：SLAM (simultaneous localization and mapping),也称为CML (Concurrent Mapping and Localization), 即时定位与地图构建，或并发建图与定位。
GPU实现大量数据的高速处理
自动驾驶汽车能够驶上公路的另一项技术突破是高速化的计算处理。LIDAR等构成自动驾驶的各类传感器在以前就已经存在。但是，从传感器获得的各种数据如何进行高速、实时处理才是真正的课题。
Google预计今后自动驾驶汽车能够在1秒内实现1GB以上的传感器数据的实时处理。Google这样的IT企业之所以能够在自动驾驶上获得先发优势，就是因其擅于处理巨大数据。
承担着高速处理巨大数据的正是并行计算设备的GPU。如果使用GPU的话就可以实现多数计算的并列处理。CMU大学和斯坦福大学已经通过GPU来实现对巨量数据的高精度识别处理。
CMU已经通过利用GPU来实现在道路上怎样行驶的规划。对于自动行驶而言除了到达目的地之外还有是通过怎样的道路这样的行进计划。为了准确地向油门和方向盘等发出指示，必须要有更加细致的路径规划。
路径规划是指决定以什么样的路径和怎样的速度来通过十字路口和行车道等。在提前100米移动的情况下，根据加减速的方法和障碍物的有无等可以有无数条路径选择。在这里，实时地选择最适当的路径才是最重要的。这就涉及到如何从膨大的数据中找到最适当的东西的一种探索处理，这需要很强大的处理能力。
CMU实现了在超车等动作的路径规划时，GPU的利用比通常CPU高10倍的高速化利用。处理变得高速了，能够探索的部分也相应地增加了，这样就更容易发现最适当路径。
Google的Chris Urmson还在CMU时就亲自负责这方面的研究。由Chris Urmson主导和开发的Google自动驾驶汽车利用类似的技术的可能性很高。
课题是公路上的数据收集
如果要想自动驾驶技术能够发展到更高的层次，多在公路上开展行驶试验积累数据是非常有必要的。公路数据的实际收集将是今后的一项重要课题。
注：本文来自nikkeibp，由Shift编译。
更多内容，关注品玩微信号：
wepingwest限量开放入群申请……PingWest品玩的老朋友了？何不扫码加客服进群聊
