为什么我们需要无人驾驶车？

先来回顾一下从原始社会发展至今的“交通工具变迁史”吧：

通过上图，我们可以发现，自动驾驶汽车比驾驶员驾驶汽车更具优势：

更安全。自汽车问世以来，人类驾驶员被卷入大量汽车碰撞事故中。据不完全统计，全球每年有超过100万人死于车祸。与人类驾驶员相比，无人驾驶车有很多优势：不会喝醉，不会疲倦，不会分心。

更智能。无人驾驶车也可以相互学习。作为人类，我们每个人都必须从零开始学习驾驶，我们会犯我们的祖辈父辈在学习驾驶时所犯的大多数类似错误。另一方面，无人驾驶车可以向路上驾驶过的其他任何无人驾驶车辆学习，所以它们从一开始就能成为“富有经验”的驾驶员。

更方便。除安全外，无人驾驶还具有其他优势，想一想你上次去杂货店的时间也许是在周末，你不得不开车四处转悠找停车位。现在设想一个不存在停车位的未来世界，因为无人驾驶车会将你送到所需要的地方，就像出租车和共享车辆那样。想一下这会增加多少欢乐，又会减轻多少压力。

无人驾驶车的等级

汽车工程师已经建立并确定了6个等级的无人驾驶车：0到5。

0级：基本等级，在该等级，驾驶员是系统的唯一决策者，驾驶员控制方向盘、油门、制动器和所有其他车辆控制装置；

1级：驾驶员辅助，在该等级，车辆为驾驶员提供转向或加速支持，例如巡航控制为1级自动化系统，在该等级中，驾驶员必须保持充分参与但可以放弃对自治系统的一些控制；

2级：部分自动化，在该等级，车辆自动控制几项功能，如自动巡航控制和车道保持，但是驾驶员仍然必须执行自治系统处理的任何功能；

3级：有条件的自动化，在该等级，车辆自主驾驶，但驾驶员必须准备在必要的时候随时接管；

4级：高度自动化，在该等级，车辆控制驾驶体验的所有方面并且不期望驾驶员的介入，事实上，在该等级中车辆可能根本没有方向盘或任何驾驶员控制装置，但是在该等级中车辆可能被限制在某些区域，通常这被称为“地理围栏”，车辆可以在特定的地理围栏内完全自主地运行，但是在地理围栏之外，车辆不能自主操作或者根本无法操作。

5级：最高级别，即完全自动化，在该等级，车辆可以在人类可以驾驶的任何地方完全自主地运行，5级自动化在所有情况下应与人类驾驶员的水平一样高或比其更高。

无人驾驶车的发展历程

1986年，卡耐基梅隆大学的 Navlab 制造了一辆首批由计算机控制的汽车；1995年，Mercedes 完成了 EUREKA Prometheus 项目，该项目是有史以来最伟大的无人驾驶车辆研发项目，它重新定义了无人驾驶车辆的最新技术，许多大学和汽车制造商从1987年到1995年都参与了这个泛欧洲项目；2005年，Sebastian Thrun 也即优达学城的创始人率领斯坦福车队赢得了 DARPA 大挑战赛，这是一场穿越加利福利亚州沙漠的100英里无人驾驶比赛，赢得 DARPA 大挑战赛之后，Sebastian 加入了谷歌。2009年，Sebastian 启动了 Google 无人驾驶车项目。在过去的几年里，无人驾驶车测试已经在旧金山、凤凰城、新加坡、匹兹堡、拉斯维加斯、底特律、波士顿、北京以及世界许多其他城市进行。2017年，百度发布了名为 Apollo 的开源无人驾驶项目，该平台帮助合作伙伴整合自有车辆和硬件系统以构建完整的无人驾驶系统。

无人驾驶车辆由专用计算机和传感器组成，自主计算单元比个人计算机快10倍，甚至快更多倍。在 Apollo 系统中，车辆车载计算单元受到大规模且强有力的云集群支持，任何给定的无人驾驶车辆都有许多先进的传感器，它们可执行感知和定位等任务，借助人工智能和这些传感器，车辆可以独立于任何人类驾驶员实现自主操作。

如何成为一名无人驾驶汽车工程师？

丨了解自动驾驶的主要模块

无人驾驶开源平台的主要部分包括高精度地图、定位、感知、预测、规划和控制。

高精度地图：介绍无人驾驶车的核心模块。高精度地图几乎支持着软件栈的所有其他模块，包括定位、感知、预测和规划。

定位：讨论汽车如何确定它所处的位置。汽车利用激光和雷达数据，将传感器感知内容与高分辨率地图进行对比。这种对比使汽车能够以个位数厘米级精度进行自定位。

感知：了解无人驾驶车如何感知这个世界。深度学习使一个重要且强有力的感知工具，卷积神经网络构成深度学习分支，对感知任务至关重要，如分类、检测和分割。这些方法适用于几种不同无人驾驶车传感器的数据来源，包括摄像头、雷达和激光雷达。

预测：学习几种不同的方式，用于预测其他车辆或行人可能如何移动。一种方法成为递归神经网络，可对其他物体随时间的运动进行跟踪，并使用该时间序列数据预测未来；规划课程将涵盖如何将预测与路线相结合，以生成车辆轨迹。

规划：涵盖如何将预测与路线相结合，以生成车辆轨迹。你将了解到 Apollo 用于自动驾驶车路径规划的几种不同方式。

控制：讲解自动驾驶车是如何使用转向、油门和制动来执行规划轨迹，我们将阐述几种不同类型的控制器，类型从简单到愈加复杂，而性能却从弱到强。并掌握 Apollo 中不同类型的控制器。

我们将在后续课程中为大家具体详述以上模块。

丨了解无人车的工作原理

无人驾驶车包括五个核心部件：计算机视觉，传感器融合，定位，路径规划以及控制。

计算机视觉：通过摄像头图像弄清楚我们周围的世界是怎样的。

传感器融合：合并来自其他传感器的数据，如激光和雷达，从而更加深入地了解我们周围的环境。

定位：只要我们对周围的世界有了深刻的理解，就可以使用定位来精确地确定我们在那个世界所处的位置和环境。

路径规划：绘制这个世界的路线，帮助我们到达我们想去的地方。

控制：为了让汽车沿着我们在路径规划期间建立的轨道行驶，我们该如何转动方向盘、踩油门、踩制动器。

通过计算机视觉和传感器融合，我们就会得到一幅关于我们周围环境的丰富画面，并可以使用定位来精确地确定我们在这个世界所处的位置和环境，然后使用路径规划来绘制一条通过这个世界到达目的地的路径，通过控制转动方向盘、打开油门、然后踩制动器，沿着该轨迹行驶并最终移动车辆。

所以说，只要我们知道了这个世界是什么样子的，以及如何测量它，就可以将这些信息结合在一起，从而得到一个关于我们周围环境的丰富画面。下一步就是在那个环境中定位自己，准确度要精确到一位数厘米级别。

从本质上讲，其他一切无人车都是这些核心功能更复杂的实现。