再下一城！百度robotaxi在京上路，汽车如何做到“眼观六路，耳听八方”？-凯发官网入口

10月11日，百度宣布其自动驾驶出租车robotaxi在北京全面开放服务，用户可在海淀、亦庄的站点下单体验免费乘车。在北京之前，长沙和沧州就已经开始了apollo go robotaxi的常态化服务。

自动驾驶汽车是一种通过电脑系统实现无人驾驶的智能汽车，依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。

人类自上个世纪就开始了对自动驾驶汽车的畅想，经过多年的发展，目前已经达到了自动驾驶l4等级。

自动驾驶也有“三六九等”

美国工程师协会(sae)将自动驾驶技术定为6个级别(l0~l5)：

l0：无自动化;

l 1：驾驶员协助-车辆可以在特定情况下自主控制转向或速度，以为驾驶员提供协助;

l 2：部分自动化-车辆可在特定情况下自主控制转向和速度，以协助驾驶员;

l 3：有条件的自动化-在正常的环境条件下，车辆可以自主控制转向和速度，但需要驾驶员的监督;

l4：高度自动化-车辆可以在正常环境条件下自主完成行驶，无驾驶员监督;

l5：完全自主-车辆可以在任何环境条件下自主完成行驶。

中国工信部于今年年初发布了我国自己的分类标准，在一定程度借鉴了前者的分类：

来源：工信部

从0级到2级，基本都需要驾驶员的主动参与。从l3开始，实现了有条件的自动驾驶，即当系统判定出现了无法解决的问题是，会让驾驶员接管，可以看出，这一阶段的驾驶员是必不可少的。

2020年被视为l3量产的元年，但同时，奥迪作为全球首个量产l3的车企宣布将放弃了l3车型的量产，直接研发l4/l5级别自动驾驶技术。福特、谷歌和丰田都曾表示过相同观点。

这一取舍不无道理，l4在感知模块上采用了激光 摄像头 超声波传感器的方案，安全性更高。此前，采用l3驾驶的特斯拉model3就因未能识别塑料路障而出现过事故。

同时，因为在特殊场景下需要将驾驶权交还给驾驶员，这一过程需要反应时间。更重要的是，驾驶员可能无法及时接管。

沃尔沃中国区高管曾表示，“虽然驾驶员可以撒手，但又要准备随时接管，也就是既希望驾驶员可以‘睁一只眼，闭一只眼’，同时又要求驾驶员全程随时全神贯注，这本身就自相矛盾。”

出于种种原因，众多企业放弃了l3，转而向l4靠拢。此次百度在北京开放的自动驾驶出租车服务达到了l4级别。不过根据监管部门的要求，车上还是配备了安全员，坐在驾驶员位置。根据试乘人员的说法，在一些复杂情况下，比如躲避行人、前车突然变道，安全员需要接管车辆操作。

深耕多年，技术领先

百度自2013年开始已深耕自动驾驶多年，这其中既有长远的先见眼光，也是无奈之举。

作为曾经国内互联网三巨头bat中的一员，阿里和腾讯分别凭借自身电商和社交的优势，乘着移动互联网的东风顺风顺水，百度在移动互联网时代的日子却过得并不太好。

但是，百度作为国内较早涉足无人驾驶技术的公司，在技术积累和经验上的优势就变得很大。根据美国加州车管局(dmv)今年年初公布的2019年动驾驶路测数据表明，百度在58家提交了数据的公司中排名第一，百度路测总里程超过17万公里。

而在北京公布的年度数据中，百度以75.4万公里排名第一，约为第二名的7倍。北京的数据和dmv相比，更能说明问题，因为其测试条件和路况都更复杂，更接近在中国实现自动驾驶的商业需求。百度能达到这样的里程数也表明了其实力。

因此，外界普遍将自动驾驶视为百度反击的重要手段，本次百度在北京开展的第三次全面服务，对于提振投资者信心，向资本市场传递信号很有作用。

三大模块，缺一不可

根据凯发官网入口官网数据，此次在北京开展服务的robotaxi自动驾驶出租车由林肯mkz改装而来，尺寸为4490x2014x1980mm(后视镜展开)，整备质量2015kg(含自动驾驶设备)，峰值功率228 kw，具备快速充电能力，最大爬坡度30%。

图源：https://github.com/apolloauto/apollo#architecture

上图展示的是百度自动驾驶车辆涉及的一些模块组件。需要说明的是，在robotaxi上的模块有所调整，与上图并不完全对应。在这里我们仅以上图来了解这一架构。

我们可以将这张图标注的部件分为三类。

一是控制模块。控制车辆驾驶的是位于图中蓝色部分的neousys 6108 gc工控机，配备gtx1080显卡(可根据需要调整)。高性能显卡的并行计算能力对深度学习十分重要，apollo 6.0合并了新的深度学习模型，因此对显卡的要求自然也更高。

在此次百度自动驾驶出租车试乘中，有乘客就反映车后座部位存在较大嗡嗡声，这其实就是安装在后部的计算机风扇发出的。看来，要提升自动驾驶汽车的体验，散热问题也需要解决。

二是导航模块。也就是其中的gps天线、接收器和惯性测量单位(inertial measurement unit, imu)。

其中的imu是用于测量物体三轴姿态角(或角速率)以及加速度的装置，对导航至关重要。imu大多用在需要进行运动控制的设备，如汽车和机器人，在潜艇、飞机、导弹和航天器的惯性导航设备等。

同时我们还可以推断，百度自动驾驶汽车重心可能在后部，因为imu这一部件通常需要安装在载体重心上。

第三部分就是核心的感知模块。感知模块使用了多个摄像头，毫米波雷达(前后)和激光雷达，以识别障碍物并融合其单个轨迹以便获取最终轨迹列表。

其障碍物子模块用于检测，分类和跟踪障碍物。该子模块还预测障碍物的运动和位置信息(如行进方向和速度)。该模块还对车道进行像素解析来构造车道，并计算车道相对于载体车辆的相对位置。

图源：https://github.com/apolloauto/apollo

该模块用于识别两类物体：交通信号灯和障碍物。

前者通过安装的信号灯模块(traffic light component)和摄像机模块(camera component)实现。红绿灯模块在地图上查找车辆所处位置，获得前方红绿灯的坐标。标定信号灯参数后，可以将红绿灯投影到图像坐标系，从而完成摄像机的自适应选择切换。

选定摄像机后，通过检测来获得精确的红绿灯位置，并根据位置进行颜色识别，得到红绿灯当前的状态。在经过滤波矫正算法进一步确认后，就可输出最终结果。

障碍物识别模块包括基于激光雷达点云数据的障碍物检测识别、基于毫米波雷达数据的障碍物检测识别以及配置传感器融合算法(configuration sensor fusion)。

激光雷达是发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射激光束,然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数。

在apollo架构上的激光雷达会对障碍物进行扫描，标记其重要的结构点(类似与3d建模时的标点)，也就是点云数据，通过卷积神经网络模型，学习点云特征并预测障碍物的相关属性。

毫米波雷达是工作在毫米波波段(波长为1～10mm)探测的雷达。毫米波导引头穿透雾、烟、灰尘的能力强，具有全天候(大雨天除外)全天时的特点。毫米波雷达能分辨识别很小的目标，而且能同时识别多个目标。

apollo的毫米波雷达数据的障碍物检测识别，主要用来对毫米波雷达原始数据进行处理而得到障碍物结果。该算法主要进行了噪点去除、检测结果构建等。

配置传感器融合算法用于将上述两种传感器的障碍物结果进行有效融合。

感知示意图 图源：https://apollo.auto/robotaxi/index_cn.html

根据apollo官方的数据，此次在北京开展服务的自动驾驶出租车robotaxi具有360°无盲角视野，探测距离达到了240米。

可以看出，百度在感知模块中采用的是摄像头 激光雷达 毫米波雷达的配置，从此次在北京的试行来看，这一配置的表现不错，在驾驶过程中检测到前车车速过慢时还能执行超车的操作。

相比之下，特斯拉在上述配置之外还多采用了超声波雷达。马斯克近日还表示将在本月20日推出完全自动驾驶(fsd)测试版并对部分用户开放。特斯拉的fsd其实就是l5级自动驾驶。

马斯克在2020世界人工智能大会上表示：“实现l5自动驾驶目前不存在底层根本性挑战，但是有很多细节问题，所面临挑战是要解决所有这些小问题”。

那么目前还存在哪些问题呢?

道路曲折，前途光明

中美两国在自动驾驶方面领先全球。但二者的差异不止体现在技术上。中国的人口密度更大，道路交通情况比美国更复杂，自动驾驶系统需要处理的情况也就更难。

作为核心的感知模块，其受天气的影响很大。虽然目前很多人认为雨雪天气对激光雷达的影响很大，但这一说法并不准确。根据激光雷达供应公司ouster工程师的测试显示，恶劣天气对摄像头的影响其实更大。因此，要想确保高度安全性，相关企业必须保证所有部件都能在任何天气下高效工作。

此外，当前的一些道路建设对自动驾驶也不是很友好，一些路段较为狭窄，对安全自动驾驶提出了更高的要求。想要实现完全自动驾驶，就必须进行相应的改造，长沙为了配合百度无人车的试运行，就曾经行了数十公里的道路改造。

除了外部因素，无人汽车自身的安全性也很重要。无人汽车由计算机控制，计算机则面临被入侵的风险;各个模块协同工作，对每个部分的稳定性和协同性的要求自然也很高，在这方面，相关企业或许还需要加大投入。

当然，科技的发展从来就不是匀速线性的，当一个关键问题解决后，随之而来的可能是大爆发，就当前的5g、物联网和人工智能的发展来看，自动驾驶汽车或许即将迎来一次爆炸增长。