要說當今科技領域什么最火爆？估計十個人有九個人都會說是人工智能AI，沒錯，隨著云計算和大數據技術以及產業的成熟，使得整個科技在平臺層和數據層已經獲得了強有力的支撐，在基于海量數據作為支撐的當下，如何利用數據去開拓頂層的應用，使得用戶的工作和生活變得更加智能化成為了當前企業關注的重點。
這樣一來，基于智能化時代背景的AI技術一時間開始被追捧，在AI領域當中無疑自動駕駛是最熱門的領域之一，并且現在也誕生出了許許多多的自動駕駛企業，那么這樣一個新興領域當中究竟融入了哪些關鍵技術？本期我們就一起來看看。
汽車
我們先簡單來說一下自動駕駛當中的載體，汽車。有很多業界專家表示，自動駕駛企業在選擇汽車的過程當中，如果能不選擇純汽油車就盡量不要選擇，究其原因是因為自動駕駛整個系統所需要的耗電量還是比較大的，因此混合動力和電動汽車在這方面來說具有先天的優勢。
此外，發動機的底層控制算法相比電機要復雜的太多，這樣一來企業就必須要花費相當長的時間去標定和調校底層上面，這些時間其實不如放在研究高層的算法上面。
控制器
當前對于自動駕駛來說，在前期算法研發的階段使用工控機的數量還是很多的，工控機也作為直接的控制器解決方案去應用，工控機相比于嵌入式設備來說具有更加穩定、可靠、配套軟件更全面等優勢。
當算法研究進入到成熟階段之后則可以考慮將嵌入式系統作為主要的控制器，例如zFAS之類的控制器就可以被應用在更多的自動駕駛汽車上面了。
CAN卡組件
控制器和汽車底盤之間需要通過一種叫做CAN的語言去進行溝通和交互，從底盤獲取當前車速及方向盤轉角等信息，需要解析底盤發到CAN總線上的數據。同時，工控機通過傳感器的信息計算得到方向盤轉角以及期望的車速之后，也需要通過CAN卡把消息轉碼成底盤可以識別的信號，從而底盤做出相對應的反應。
定位系統+慣性測量單元
我們在日常駕駛的過程當中，在從一個地方去到另一個的地方的時候，需要了解兩地之間的地圖情況，還需要知道司機自己所在的位置等數據信息，這樣才能夠在駕駛到下一個路口的時候知道是左轉還是右轉。
對于無人駕駛汽車來說也是一樣，通過依靠定位系統與慣性測量單位的整合，可以讓汽車知道自己正在處在哪條經緯線之上，汽車在朝哪個方向開，IMU還能提供諸如橫擺角速度、角加速度等更豐富的信息，這些信息有助于自動駕駛汽車的定位和決策控制。
感知傳感器
對于感知傳感器的分類可以有很多種，包括視覺傳感器、激光傳感器、雷達傳感器等。視覺傳感器其實就是攝像頭，攝像頭氛圍單目視覺、雙目立體視覺兩大類，其中比較著名的視覺傳感器提供商有來自以色列的Mobileye，加拿大的PointGrey，德國的Pike等。
而激光傳感器分為單線、多線一直到64線，在成本方面，沒多一線其成本就要多花掉1萬元人民幣左右，比較知名的激光傳感器提供商有美國的Velodyne和Quanergy，德國的Ibeo等。國內有速騰聚創和禾賽科技。
雷達傳感器在Tier 1的自動駕駛車廠當中應用的非常廣泛，原因很簡單，雷達傳感器已經在越來越多的傳統汽車上得到了認同和廣泛的使用，在我們常見的寶馬、沃爾沃、奧迪等車廠當中都可以看到其應用。
軟件層面的整合
前文我們說了很多關于自動駕駛在硬件層面的應用點和技術點，接下來我們來看看軟件層面。
數據采集
傳感器與PC之間通過嵌入式模塊進行傳輸，可以采集來自攝像機的圖像信息，當然這當中有的是通過千兆網卡實現通信的，也有直接通過視頻線纜進行通信的。此外，還有某些毫米波雷達通過CAN總線給下游發送信息的，因此對CAN信息代碼的解析是至關重要的。
自動駕駛，人工智能,自動駕駛
數據預處理
傳感器的信息拿到之后會發現不是所有信息都有用的，這就需要數據傳感器需要對數據進行逐批次一幀一幀的發送給下游，但是下游無法拿每一幀的數據進行決策或者融合，究其原因是因為傳感器的狀態并不是100%有效的，上游需要對信息做預處理，從而保證車輛前方的障礙物能夠在時間維度上一直存在，而不是一閃而過。
坐標轉換
傳感器安裝在車體的很多個地方，就像超聲波雷達是布置在車輛周圍一樣，這樣做的目的就是為了讓距離超聲波雷達3米范圍之內的障礙物能夠輕易的被雷達發現。因此感知層拿到3m的障礙物位置信息后，必須將該障礙物的位置信息轉移到自車坐標系下，才能供規劃決策使用。
攝像機一般安裝在擋風玻璃下面，拿到的數據也是基于攝像機坐標系的，給下游的數據，同樣需要轉換到自車坐標系下。
信息的交互融合
比如攝像機檢測到了車輛正前方有一個障礙物，毫米波也檢測到車輛前方有一個障礙物，激光雷達也檢測到前方有一個障礙物，而實際上前方只有一個障礙物，所以我們要做的是把多傳感器下這輛車的信息進行一次融合，以此告訴下游，前面有一輛車，而不是三輛車。
車輛決策規劃
車輛決策規劃主要是設計拿到融合數據之后，揣測量如何正確做出規劃，這里的規劃包含縱向控制和橫向控制兩方面，縱向控制即速度控制，表現為什么時候加速，什么時候制動。橫向控制即行為控制，表現為什么時候換道，什么時候超車等
編輯的話
數據、平臺、硬件、軟件等多個領域和層面組成了當前自動駕駛的融合應用，隨著未來人工智能技術在眾多行業當中的深入應用，使得用戶對于AI從最初的印象有了更加“落地”的體驗感。