给无人驾驶热降降温

  今天下午也算兴致所至,与好友到学校图书馆的报告厅里听了一场题为“关于无人驾驶车辆的几点思考”的报告,主讲人是南京理工大学的杨教授,算是科普介绍类型的,不是很学术。总感觉这种报告如果不作记录,只是过过耳瘾的话,收获微乎其微,因此决定动动脑子提提笔。
  这是一场规模较小的专题报告,因此报告厅不是很大,但是基本坐满了陆陆续续来的老师和同学们。大概3时许,经过主持人的介绍,一位头发花白的八旬老翁走上了讲台,这就是今天的主讲人杨教授,也算是国内比较早就研究无人驾驶的先驱了。
  他简要回顾了一下无人驾驶车辆的发展历程,最早的无人驾驶车辆还属于遥控车辆,需要操作手在一定范围内根据传回的视频图像进行操作,之后到了八十年代,美国军方开始考虑发展自主车辆,也就是说借助机器智能让车辆在复杂路况中行驶,不需要借助人的干预。印象比较深刻的是由美国DRAPA资助的无人驾驶越野比赛,要求无人车辆根据GPS引导自主穿越200KM的荒漠地形。2004年的时候最好的车辆只行驶了11KM就gg了,但是2005年的时候得益于硬件传感器-激光雷达的突破,有6个车辆团队完成了这一极具挑战的任务,其中由后来谷歌无人之父Sebastian Thrun带领的斯坦福团队出乎意料的摘得了桂冠,这个突破是无人驾驶的一个重要里程碑,也才有后来谷歌无人驾驶、Tesla的Model S等等。我之前看过这次比赛的纪录片,很有意思,因此推荐大家可以找来看看。
  杨教授主要是研究军用的无人驾驶车辆,并且在介绍中给我们展示了一些他和团队的研究成果,比如履带无人驾驶车、高速公路行驶的无人车、疲劳驾驶检测等。民用无人驾驶希望解放人类驾驶员,减少交通事故的发生,主要是在结构化环境也就是有车道线、红绿灯等的环境中行驶,采用的技术结合了GPS和弱的机器视觉,由于道路环境相对固定,因此通过深度学习得到足够好的环境建模就能应用于生活中的许多场景,机器视觉主要用于一些突发状况的检测。军用中则是为了减少人员伤亡,所以追求车辆的无人化,并且要适用于非结构化的野外复杂地形,采用的技术主要是GPS结合强机器视觉,由于道路环境的不确定和复杂性,环境建模并不好适用。即使是美国老大哥,军用无人驾驶车辆的发展也不尽如人意。
  下图是智能汽车等级目前的行业SAE标准,目前无人驾驶的发展阶段主要在L2~L3级,还是需要驾驶员来观察环境如红绿灯和应对突发环境如突然横穿马路的行人等。

  杨教授认为无人驾驶仍然有很长的路要走,有很多因素需要考虑。比如目前普遍采用的激光雷达不仅价格昂贵,而且得到的信息还不充分;针对特定道路开发的算法在不同道路状况下不够稳健等。技术上不成熟只是一个方面,还有许多相关的法律法规的问题需要解决,比如无人驾驶在公开道路测试的安全性问题、发生事故的责任认定等等,此外还有车联网配套的基础设施建设等。在无人驾驶热浪滚滚的今天,杨教授似乎显得格外冷静,这可能跟他长期研究无人驾驶车辆的经历有关。他认为目前安全是民用汽车行驶的第一重要因素,无人驾驶需要在算法、道路基础设施、网络的安全都得到保障的基础上才能够真正的安全。因此主动安全在目前的民用汽车行驶中应该更贴近需要,比如车道线保持、车距保持、障碍物预警、疲劳驾驶检测、视觉能见度增强等,主动安全能够有效减少交通事故的发生。
  现场的观众就无人驾驶的视觉传感器(选用可见光传感器或者激光雷达)的优劣、无人驾驶的安全如何保障、V2X等问题与杨教授进行了交流,丰富了这次报告的内容。
  不知不觉,扯皮扯的有点多,不过做了总结和整理,也算加深了认识,之后学习Udacity的无人驾驶课程相信我也会更加理性,与君共勉!