為了無人駕駛的好，還是先去考個駕照吧

既然駕駛要靠機器，就要求機器能像人一樣識別周圍環境。識別和辨認，這就很難了。首先編程的水平要非常高，因為你也要用算法去實現已有的數學理論的功能。

世界是千變萬化的，很難用一個算法去識別，比如說識別一把椅子。人看一眼知道是沙發，但是不是上面一個半圓下面是平的就是沙發呢？不一定。你用算法去表達識別是非常困難的。如果用真正寫算法的方式，相當于要去做窮舉，可能要在算法里面寫一千個沙發的特征，你才知道什么是沙發，否則的話你就是出錯。

好在用上深度學習，再加上 GPU 所擅長的并行運算，自動駕駛想實現的第一步識別算是基本能辦妥了。

光認識你前面這是車還不行，還得知道這車可不可能影響你，之后才能選出自己開車行進的路線。預測對于目前的技術來說，還是太難了。

大部分人對于 AI 抱有高估的幻想主要因為最近這一年 Google 的 AlphaGo 被捧得太厲害了，人類覺得自己能夠完勝的圍棋都被攻破了。然而圍棋的規則還是簡單的，無人車在路面上要遇到的問題，比 AlphaGO 玩圍棋還要難。

這就是無人車對路線的感知和規劃。在全面了解環境信息的時候，我們怎么樣去做預測？所謂的預測就是中期、短期和長期的預測，這種預測主要是為了對駕駛的策略做一個輔助和判斷。當人開車的時候人眼就夠了，當你坐在車里的時候你就知道你在什么位置。但是對于車來講是不行的，所以車需要一個高精度地圖，還需要用地圖和當前環境做出結合，才能規劃出行進路線，而且，行進路線還要隨時根據道路狀況的變化進行調整。

人類司機開車時候都需要全神貫注集中精力，就足以看到駕駛這件事兒是個運算門檻多高的事情。而要想讓無人車實現這些功能，可以說對于運算力和算法的要求都是相當高的。

感覺還不夠難？我來舉個例子。

比如你開車過十字路口，需要多少個判斷？看下現在是紅燈還是綠燈，要是綠燈了就開車走，看下周圍別有行人和別的車，慢點開就過去了。

這要是無人車呢？攝像頭拍下紅綠燈，車載計算機視覺識別紅綠燈，車身傳感器繪制周圍環境，電腦對周圍環境進行識別，識別出障礙物（路人和行進的車）馬路邊緣，并且在高精度地圖和 GPS 的輔助下定位自己的車輛位置，規劃出行進路線。開車走，時刻刷新周圍環境，根據障礙調整行進策略規劃行進路線。開車過路口。

你再想想中國這路況？還是好好琢磨琢磨考駕照，弄輛車并且遵守交通規則的開車吧，要是任何人都有足夠規范的駕駛行為，對于無人車的發展到是個好事兒了，因為降低了交通系統的復雜程度，降低了無人車的運算壓力。畢竟目前各家廠商的無人車，都是根據人類駕駛習慣所打造的交通系統來構建的。

交通系統的革命向來就是緩慢的，無人車也不可能上來就說要交通系統為之改變，那樣就成火車和地鐵了。如果你對無人駕駛還抱有希望，建議你無論作為司機還是行人，都從自己開始，遵守交通規則，給新技術的實現降低點兒技術難度。

友情鏈接：http://www.51carfi.com/