【中国特色城市环境中的自动驾驶笔记】第一章

视频地址：http://www.auto-mooc.com/wechat/v2/mooc/detail?mooc_id=74E4B704ED7B3115168757EE42C2819B

Levels of Autonomy

• L0：完全人工
• L1：部分需要人介入
• L2：不知道什么时候会失效，司机需要一直监控
• L3：不需要100%监控，知道什么地方能开什么地方不能开，并提前向司机发出请求，司机需要随时做好请求
• L4：无人驾驶，不需要人的介入，会根据当时的天气，对你说NO
• L5：任何地方都能去，都会打YES

Full Autonomy Revolutionizes Mobility

• 安全性（Safe）
• 资源使用效率提高（Efficient）：如共享汽车
• 经济性（Economical）：减少雇佣司机费用
• 提高生产效率（Productive）：人花在车的花时间变少、不能开车的人也能使用车

Challenges of Self-Driving in China

1. 技术上的挑战

• 交通更有拥堵，行人单车多
• 违反交通规则的情况多
• 道路上有其他使用者，需要和其他驾驶者沟通

2. 成本

• 中国的出租车司机成本更低——导致技术要更好且价格要更便宜

3.法律法规

• 很少城市允许自动驾驶测试，获取自动测试牌照过程繁琐，只能在有限的道路上测试

How do Autonomous Cars Work?

Sensing——传感器
Perception——感知
Localization——定位
Planning——规划
High-Definite(HD) Maps——高精度地图
Control——控制

决定价格的主要是传感器

不同传感器比较——摄像头、激光雷达（Lidar）、毫米波雷达（Radar）

绿色是最好，叉是最差
没有一种传感器能够胜任所有场景，因此需要传感器融合

两种传感器融合

• 后融合（Post-Fusion）
• 前融合( Pre-Fusion )：融合了不相关的信息后，维度变高，识别准确率更高

难点：传感器时间和空间的同步性

RoadStar的数据标注工具

High-Definite(HD) Maps

Localization

规划

Control

问答

传感器的发展趋势：越来越便宜，性能越来越好

所用的SLAM技术： DeepFusion SLAM

夜视红外技术：价格仍较高

卡车无人驾驶：场景更简单（大多数在高速公路），且市场份额较大（排第二）

高精度地图优势：采集多辆汽车的信息取平均值，充分利用信息，对于一个新的道路，只需几辆车去过那，就可以变为老司机

目前传感器同步做到的级别：毫秒级的空间同步和纳秒级的空间同步