2020 全球自动驾驶汽车硬件和软件最新技术总结 _自动驾驶

进入到2020年，自动驾驶技术走到了需要规模商业化证明技术价值的时候。
不管是封闭或半封闭场景的矿区、港口和园区，还是公开道路的RoboTaxi、RoboTruck等，技术都是自动驾驶在不同场景商业化的基础。
本报告覆盖了自动驾驶汽车所需要的感知、定图与定位、传感器融合、机器学习方法、数据收集与处理、路径规划、自动驾驶架构、乘客体验、自动驾驶车辆与外界交互、自动驾驶对汽车部件的挑战（如功耗、尺寸、重量等）、通讯与连接（车路协同、云端管理平台）等技术领域的讨论，并且提供相应的各自动驾驶公司的实施案例。
本报告是由美国、中国、以色列、加拿大、英国等全球不同国家和地区的自动驾驶专家，针对自动驾驶技术的硬件和软件技术，进行的全面阐述，方便各位读者能够从技术角度，了解最新的技术动态，从而全面了解自动驾驶汽车。
本报告的案例大多数来自汽车领域，这也是目前自动驾驶行业最火热的应用场景，但是，服务个人出行的汽车并不是自动驾驶技术影响深远的行业，其他的行业，如公共交通、货运、农业、矿业等领域，也同样是自动驾驶技术应用的广泛天地。

文章插图

01 各类传感器各类传感器，用于自动驾驶汽车感知环境，如同人类的眼睛，自动驾驶汽车的基础部件；自动驾驶汽车的传感器主要有五种，包括了：1、Long range RADAR；2、Camera；3、LIDAR；4、Short/Medium range RADAR；5、Ultrasound；
这些不同的传感器，主要用于不同距离、不同类型的物体感知，为自动驾驶汽车判断周边环境，提供最重要的信息来源，另外，还有一个环境感知的信息来源是车路协同的来源，这点报告中也有阐述。

关于传感器的选择，主要是根据下面的技术因素进行判断：
1、扫描范围，确定必须对被感测的对象做出反应的时间；
2、分辨率，确定传感器可以为自动驾驶车辆提供的环境细节；
3、视场或角度分辨率，确定要覆盖、要感知的区域需要传感器的数量；
4、刷新率，确定来自传感器的信息更新的频率；
5、感知对象数量，能够区分3D中的静态对象数量和动态对象数量，并且确定需要跟踪的对象数量；
6、可靠性和准确性，传感器在不同环境下的总体可靠性和准确性；
7、成本、大小和软件兼容性，这是量产的技术条件之一；
8、生成的数据量，这决定了车载计算单元的计算量，现在传感器偏向智能传感器，也就是，不仅仅是感知，还会分辨信息，把对车辆行驶影响最重要的数据传输给车载计算单元，从而减少其计算负荷；
下面是Waymo、Volvo-Uber、Tesla的传感器方案示意图：

传感器因为一直暴露在环境中，容易受到环境的污染，从而影响传感器的工作效率，所以，都需要对传感器进行清洁。
1、Tesla的传感器，具有加热功能，可抵御霜冻和雾气；
2、Volvo的传感器配备有喷水清洁系统，用于清洁粉尘；
3、Waymo使用的Chrysler Pacifica的传感器有喷水系统和刮水器。
02 SLAM和传感器融合SLAM是一个复杂的过程，因为本地化需要地图，并且映射需要良好的位置估计。尽管长期以来人们一直认为机器人要成为自主的基本“鸡或蛋”问题，但在1980年代和90年代中期的突破性研究从概念和理论上解决了SLAM 。从那时起，已经开发了多种SLAM方法，其中大多数使用概率概念。
为了更准确地执行SLAM，传感器融合开始发挥作用。传感器融合是组合来自多个传感器和数据库的数据以获得改进信息的过程。它是一个多级过程，处理数据的关联，相关性和组合，与仅使用单个数据源相比，可以实现更便宜，更高质量或更多相关信息。