无人驾驶技术（1）_无人驾驶如何识别行人、地上的标志、交通信号灯及旁边的车辆csdn

无人驾驶汽车有望将在未来20年内得到广泛运用，各大科技公司和汽车厂商均在加大对无人驾驶的投入，资本也纷纷抢滩该万亿市场。
无人驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，通过电脑实现无人驾驶，可以在没有任何人类主动的操作下，自动安全地操作机动车辆。
无人驾驶依赖几种先进技术，这些互为补充的技术感知周围环境、进行自我导航。究竟这些技术如何协同工作？除了Waymo等知名的领头羊之外，又有哪些公司在推动这个行业发展？

CB Insights拆解分析了实现无人驾驶的诸多技术，并介绍了有望让无人驾驶汽车更先进、更低成本、更容易扩展的几家初创公司。
感知能力
无人驾驶汽车必须要能够识别交通信号和标志，以及其他汽车、自行车和行人。它们还必须能感知前方物体的距离和速度，以便作出对应反应。
无人驾驶汽车通常依赖摄像头及其他传感器，比如雷达和激光雷达（lidar），它们各自有各自的优点和局限性。
这些传感器收集的数据通过名为“传感器融合”的技术混合在一起，以便尽可能精准地提供汽车车身周围的无物理环境信息。（传感器融合整合来自所有传感器的数据，形成汽车周围环境的统一视图。）
以下是几种不同的感知技术，它们分别有各自的优缺点，且负责不一样的部分：
1）摄像头和计算机视觉
摄像头普遍用于无人驾驶车辆和配备先进驾驶辅助系统（ADAS）的车辆，是无人驾驶环境下一种重要的感知设备。
摄像头可以识别颜色和字体，帮助检测道路标志、交通信号灯和街道标记——这是其相对于雷达和激光雷达的一个优点。不过，在检测深度和距离上，摄像头远远不及激光雷达。
许多初创公司正在致力于为汽车领域研发更优质的摄像头，以提取最生动的图像。比如，今年7月在D轮融资中筹资了1.21亿美元的Light，它开发了一款能与激光雷达的精准度相媲美的摄像头，名为Light L16。Light L16拥有16个摄像头，其可以整合来自所有16个镜头的图像，提取出高度精确的3D图像。
无人驾驶感知系统基于计算机视觉技术来检测物体和信号，以此处理从摄像头提取的数据。计算机视觉软件需要能够识别车道边界的具体细节（比如，线条颜色和图案等），还需要能评估适当的交通规则，在复杂交通场景下实现安全的、与人类驾驶行为类似的自主驾驶。
许多初创公司正致力于为汽车领域开发更高级、更高效的计算机视觉技术。
比如，包括DeepScale等公司正在研发深度神经网络。这种感知技术能够进行高效、深度的自我学习，以此逐渐提高识别能力，并降低错误率。
再如，总部位于巴黎的Prophesee已经开发出了事件导向型的机器视觉技术，这种技术能促进物体识别，并尽量减少数据过载现象。这种深度学习技术模仿人类大脑如何处理来自视网膜的图像的过程——人类的大脑不会基于一连串帧来记录视觉信息，而是捕捉到时空变化里感兴趣的东西，并把这些信息有效地传送到大脑。基于帧的方法会导致冗