简单读懂滴滴、uber押宝的无人驾驶

滴滴和uber，作为我们印象中单纯的“打车软件”，却不约而同地开始涉及自动驾驶，为什么？我相信每个人的都有自己的看法，不过这不是这篇文的重点。这篇文想谈论的，是他们的无人车项目究竟能否实现、怎么实现。针对这些，相信很多朋友同样抱有疑问。那么接下来这些纯“干货”，一定会让你有所收获。

滴滴和uber

环境感知——无人驾驶实现的基础

当下的任何系统性工程，都是软件与硬件相结合的产物。对于无人驾驶来说，其软件方面主要有高精度地图和行车算法；而对于硬件来说，则主要为探测器和控制器。这个探测器并非指某一个器件，而是指车辆上的整套环境感知系统。任何无人驾驶车辆，只有在确切掌握车身周围的环境后，才有可能进行无人操作。

目前在高等级（L4~L5）自动驾驶的实现上，探测系统主要有三种方案。其一是以视觉系统为主、毫米波雷达和传感器为辅的视觉优先方案，代表企业有特斯拉、Mobileye等；其二是以单个高线数激光雷达（LiDAR）为主、摄像头、毫米波雷达和传感器为辅的LiDAR优先方案，代表企业有Waymo、uber、滴滴等；其三是以多个低线数激光雷达、摄像头、毫米波雷达和传感器相互融合的多传感器融合方案，代表企业有苹果、通用Cruise等。这三种解决方案，虽然都针对同一个目的，但由于侧重点的不同，相应的表现也颇为不同。

LiDAR优先方案——用光感知世界

在这里，我们着重来讲一下被滴滴和uber采用的LiDAR优先方案。LiDAR指的是激光雷达，和摄像头这类被动传感器相比，激光雷达可以主动探测周围环境。通常，采用LiDAR优先方案的车型都有一个显著的特征，那就是车顶上有且只有一个较大的圆柱体，就像下图这样：

头顶“大桶”的uber无人车

在uber无人车车顶上那个黑色圆柱体内就是该车搭载的主要探测器——激光雷达。它通过快速旋转和投射/接收激光光束来判断周围环境中的物体与自身的距离，并以此生成点云，并进一步完成对周围环境的3D建模。而这个建模的精细程度则与LiDAR同时可以投射的激光线束数量成正比。

快速旋转并扫描的LiDAR

上下分别为128线与64线LiDAR生成的点云

因为激光光束更加聚拢，所以它要比传统的雷达拥有更高的探测精度和更远的距离（最远可达200米）。在自动驾驶汽车行驶过程中，激光雷达可以实时感知周围环境，包括前后车、行人以及任何障碍物，生成数据并交由软件判断，再配合高精度地图和GPS，可以让汽车精确地定位自身位置，并对接下来的行动进行进一步的规划。

与高精度地图相结合

LiDAR望远、雷达探近、摄像头识色，相辅相成

当然，激光雷达也有明显的缺点，就比如大雪和大雾可能会遮挡激光雷达的激光，其准确度会随着射程的降低而降低；由于光线是直线传播的，这就导致在车身周围将有较大的探测盲区；激光雷达非常适用于探测物体的形状和距离，但它不适合阅读标志，弄清楚是什么颜色，等等。

图中部的黑色区域为激光雷达的盲区

所以，为了弥补感知系统对盲区内的探知，就不可避免的要在车身周围搭载更多的辅助型传感器，就比如摄像头和毫米波雷达等。

对于摄像头来说，阅读标志和识别物体是它的主要工作，它拥有先进的计算机视觉算法，能够实时在其图像上运行。自动驾驶车辆上的摄像头可以看到前面刹车的车辆（突然红灯），交通信号灯，过街行人等信息模式。尤其是在汽车的前端，会使用多个角度和类型的摄像头，以便全面了解汽车驾驶的场景。

摄像头通过算法对场景内的物体进行识别

而毫米波雷达也像激光雷达一样发出信号并等待其反弹，但它使用无线电波而不是光。这让它更能抵抗干扰，因为无线电可以穿过雪和雾，但相比激光所能探测的距离要近很多，所以一般用于近距离感知。

滴滴效仿，只因成熟可靠

大范围与小范围相结合、远距离与近距离相结合、视觉与光/波相结合，当然，还有软硬件相结合，这就是uber无人车能够行驶在路上的奥秘。而近期放话也要大力发展无人驾驶的滴滴，通过其官方放出的无人车外观来看，采用的也是与uber相类似的方案。

滴滴无人车同样头顶“大桶”

滴滴之所以也要效仿uber，我们可以从去年的《自动驾驶脱离报告》（根据相关法律法规，获得允许在加州测试自动驾驶汽车的公司，必须每年披露司机控制汽车的次数。）中得到答案：采用同样方案的Waymo无人车每千英里的“脱离”次数仅有0.18次，远高于行业平均水平。这说明这套方案足够成熟且可靠。

数据引自雷锋网新智驾

当然，这套方案有一个巨大的问题，那就是高昂的成本。高线数激光雷达的价格十分高昂，甚至在原型车的成本中，它往往要占比超过50%。以64线的Velodyne激光雷达为例，其单个器件的价格就高达8万美元，这在美国几乎是一辆保时捷911跑车的售价。

但无论如何，滴滴和uber的选择至少是一种比较稳妥的方案，或许不久之后，我们叫来的滴滴快车上，就已经不再有司机了。