要说当今科技领域什么最火爆？估计十个人有九个人都会说是人工智能AI，没错，随着云计算和大数据技术以及产业的成熟，使得整个科技在平台层和数据层已经获得了强有力的支撑，在基于海量数据作为支撑的当下，如何利用数据去开拓顶层的应用，使得用户的工作和生活变得更加智能化成为了当前企业关注的重点。

这样一来，基于智能化时代背景的AI技术一时间开始被追捧，在AI领域当中无疑自动驾驶是最热门的领域之一，并且现在也诞生出了许许多多的自动驾驶企业，那么这样一个新兴领域当中究竟融入了哪些关键技术？本期我们就一起来看看。

汽车

我们先简单来说一下自动驾驶当中的载体，汽车。有很多业界专家表示，自动驾驶企业在选择汽车的过程当中，如果能不选择纯汽油车就尽量不要选择，究其原因是因为自动驾驶整个系统所需要的耗电量还是比较大的，因此混合动力和电动汽车在这方面来说具有先天的优势。

此外，发动机的底层控制算法相比电机要复杂的太多，这样一来企业就必须要花费相当长的时间去标定和调校底层上面，这些时间其实不如放在研究高层的算法上面。

控制器

当前对于自动驾驶来说，在前期算法研发的阶段使用工控机的数量还是很多的，工控机也作为直接的控制器解决方案去应用，工控机相比于嵌入式设备来说具有更加稳定、可靠、配套软件更全面等优势。

当算法研究进入到成熟阶段之后则可以考虑将嵌入式系统作为主要的控制器，例如zFAS之类的控制器就可以被应用在更多的自动驾驶汽车上面了。

 CAN卡组件

控制器和汽车底盘之间需要通过一种叫做CAN的语言去进行沟通和交互，从底盘获取当前车速及方向盘转角等信息，需要解析底盘发到CAN总线上的数据。同时，工控机通过传感器的信息计算得到方向盘转角以及期望的车速之后，也需要通过CAN卡把消息转码成底盘可以识别的信号，从而底盘做出相对应的反应。

 定位系统+惯性测量单元

我们在日常驾驶的过程当中，在从一个地方去到另一个的地方的时候，需要了解两地之间的地图情况，还需要知道司机自己所在的位置等数据信息，这样才能够在驾驶到下一个路口的时候知道是左转还是右转。

对于无人驾驶汽车来说也是一样，通过依靠定位系统与惯性测量单位的整合，可以让汽车知道自己正在处在哪条经纬线之上，汽车在朝哪个方向开，IMU还能提供诸如横摆角速度、角加速度等更丰富的信息，这些信息有助于自动驾驶汽车的定位和决策控制。

 感知传感器

对于感知传感器的分类可以有很多种，包括视觉传感器、激光传感器、雷达传感器等。视觉传感器其实就是摄像头，摄像头氛围单目视觉、双目立体视觉两大类，其中比较著名的视觉传感器提供商有来自以色列的Mobileye，加拿大的PointGrey，德国的Pike等。

而激光传感器分为单线、多线一直到64线，在成本方面，没多一线其成本就要多花掉1万元人民币左右，比较知名的激光传感器提供商有美国的Velodyne和Qunergy，德国的Ibeo等。国内有速腾聚创和禾赛科技。

雷达传感器在Tier 1的自动驾驶车厂当中应用的非常广泛，原因很简单，雷达传感器已经在越来越多的传统汽车上得到了认同和广泛的使用，在我们常见的宝马、沃尔沃、奥迪等车厂当中都可以看到其应用。

软件层面的整合

前文我们说了很多关于自动驾驶在硬件层面的应用点和技术点，接下来我们来看看软件层面。

数据采集

传感器与PC之间通过嵌入式模块进行传输，可以采集来自摄像机的图像信息，当然这当中有的是通过千兆网卡实现通信的，也有直接通过视频线缆进行通信的。此外，还有某些毫米波雷达通过CAN总线给下游发送信息的，因此对CAN信息代码的解析是至关重要的。

数据预处理

传感器的信息拿到之后会发现不是所有信息都有用的，这就需要数据传感器需要对数据进行逐批次一帧一帧的发送给下游，但是下游无法拿每一帧的数据进行决策或者融合，究其原因是因为传感器的状态并不是100%有效的，上游需要对信息做预处理，从而保证车辆前方的障碍物能够在时间维度上一直存在，而不是一闪而过。

坐标转换

传感器安装在车体的很多个地方，就像超声波雷达是布置在车辆周围一样，这样做的目的就是为了让距离超声波雷达3米范围之内的障碍物能够轻易的被雷达发现。因此感知层拿到3m的障碍物位置信息后，必须将该障碍物的位置信息转移到自车坐标系下，才能供规划决策使用。

摄像机一般安装在挡风玻璃下面，拿到的数据也是基于摄像机坐标系的，给下游的数据，同样需要转换到自车坐标系下。

信息的交互融合

比如摄像机检测到了车辆正前方有一个障碍物，毫米波也检测到车辆前方有一个障碍物，激光雷达也检测到前方有一个障碍物，而实际上前方只有一个障碍物，所以我们要做的是把多传感器下这辆车的信息进行一次融合，以此告诉下游，前面有一辆车，而不是三辆车。

车辆决策规划

车辆决策规划主要是设计拿到融合数据之后，揣测量如何正确做出规划，这里的规划包含纵向控制和横向控制两方面，纵向控制即速度控制，表现为什么时候加速，什么时候制动。横向控制即行为控制，表现为什么时候换道，什么时候超车等

编辑的话

数据、平台、硬件、软件等多个领域和层面组成了当前自动驾驶的融合应用，随着未来人工智能技术在众多行业当中的深入应用，使得用户对于AI从最初的印象有了更加“落地”的体验感。