自动驾驶技术存在的难点

从技术角度拆解为什么无人驾驶无法实现

难在对精准度接近极限的要求

人可以通过进化和过往的经验，周围的关系等诸多因素共同判断一件事，这是机器非常难做到的。环境太复杂，车很难适应环境，而导致难以保持算法的鲁棒性

目前美国交通部采纳的是美国汽车工程师学会定义的六个无人驾驶等级，从0级完全手动到5级完全自动，而五级也是无人驾驶的终极目标 即不再需要方向盘或者制动踏板，不再需要驾驶员，比如乘客上车以后只要对汽车说，送我去上班，汽车就能自动规划行程然后开往目的地

AI的逻辑：感知+决策+执行

感知层面：看到就是感知，感知到了才能有数据，有了数据才能有后面的分析与决策和执行，感知是一切的前提，

目前感知技术的两种主流路线：

激光雷达方案：大多数应用了激光雷达的车都比摄像头拥有更好的精准度，因此可以实时探测扫描出周遭的环境，并且实时简历起周围环境的三维模型，但是本身有一些很大的公交车，卡车，即使探测雷达已经放在车的最高处，仍然会导致车辆的探测视野被局限了，传感器能在车上安的位置也就那么几个地方，而且每一个地方都不能掌握绝对视野，还有下雨，下雪的时候产生了一些影响。

摄像机为主导的纯视觉方案：（特斯拉）深度：摄像机没有立体视觉，无法判断物体和相机之间的距离，同时对光线的要求不低，当环境光线太暗或者太强，甚至强光到黑暗快速的切换，都会导致画面迅速糊掉，也让特斯拉的师傅出现在ap驾驶的时候，强光的照射下很难识别白色的物体，从而产生交通事故。

两个人人都知道，但是人人都不能走的途径：

1.假设在拥有绝对高度的路灯上，安装来达来配合车辆上的眼睛，车辆的视野就从第一人称视野变成了全局的视野，不禁解决了车上的盲点问题，安全性也大幅提高。 但是成本就大大提高，相当于是在做基建，而且还会涉及别的很多问题。

2.高清地图：来来回回的跑，然后有记忆算法，所以需要收集和处理的数据就会大大减少，高清地图导致实际的路面信息被掌握，影响国家安全，同时高清地图也违背了对科技的追求。（这就是在作弊）

算法层面：

感知：激光雷达返回点云，而相机返回图像。激光雷达在测距上表现更好，但是在图像识别尤其是行人检测上相机返回的数据表现更好。

而且目前做不到百分之百的感知，传感器收集的数据，损失了一部分精准度，算法分析数据又损失了一部分精准度，到了决策这里只能错上加错

视觉识别：图象识别，机器智能通过形状，颜色，这样固定的信息去识别物体，他们无法通过像素点的排列想象到物体的温度，触感或者纹理，机器也无法通过视觉判断物体是否有生命

算法：计划和控制

而算法主要集中在计划的部分，在理解画面后，根据当下的实时路径去制定最优方案，而比如感知做到了99%，而这个计划才做到了50%，常见的甚至都是if，else这样的算法，