目前国内无人驾驶达到什么水准？

让小编向你解释一下，目前中国的无人驾驶已经达到了什么水平。美国中国多少？希望能帮到大家。现在很多车都配备了所谓的半自动驾驶技术，那么我们离真正的无人驾驶还有多远？美国已经在区域化中逐步试行无人驾驶。在技术和政策上，美国似乎在这个领域处于地位。美国和美国有什么不同和差距？

详细介绍方法/步骤

我认为自动驾驶只是时间问题。现在看来，自动驾驶的普及速度比预期的要快。

一旦自动驾驶大规模普及，很多功能将成为现实。比如车辆可以像动车一样编组运行，实现同步高速交通，车辆之间的通讯互动可以达到高效的交通效率和极低的事故率，即使没有红绿灯和各种复杂的交通标志和标线系统，整体的交通效率和安全性也会大大提高，这是革命性的。

用不了多久就会有人说：“让人家做开车这种危险的事，太吓人了，难以想象。”当然，“女司机”一词也可能退出历史舞台。

很多朋友担心交通基础设施和法律责任。我认为我们不应该对此过于担心。自主驾驶的普及也是相关交通技术设施和法律不断完善的过程。

我主要分析自动驾驶的技术方面，其他相关的道路设施和法律责任这里就不讨论了。

首先简单说一下自动驾驶的原理。

所有控制系统都由传感器、控制器和执行器组成。从这个角度来说，自动驾驶的原理其实和手动驾驶是一样的。我们用眼睛观察路况，自动驾驶用激光雷*、超声波雷*、摄像头、gps等传感器观察路况，确定位置。我们用大脑进行判断，当然自动驾驶是用电脑作为控制器进行判断。然后我们用手和脚控制车辆的方向盘、加速和刹车，自动驾驶也根据电脑的输出直接控制车辆。

看起来很简单，但如果要深入分析，特别是要保证自动驾驶的可靠性，其实很复杂。

在传感器方面，激光雷*和超声波雷*当然是用来测距的。理想情况下，车辆可以检测到周围的所有障碍物，并计算出它们的距离，但实际上，这些障碍物很可能被误判。比如在风中飞舞的塑料袋会被判断为障碍物，甚至雨滴也可能被认为是障碍物。更不用说摄像头了，单目或多用途摄像头利用计算机视觉，使自主车辆能够实时识别红绿灯、交通标志、车道线、短程和低速障碍物，同时与道路基础设施和云数据库进行通信，实现多种功能。但今年特斯拉自动驾驶的致命事故，很大程度上与摄像头有关。在背光和高光比的情况下，相机的分辨率会降低，当然也会有低照度的情况，受目前图像传感器技术的限制。懂摄影的朋友都会知道，机器视觉是个复杂的东西，相机可能会受到灰尘、眩光等各种不利因素的影响，所以在可靠性方面还是有很多问题的。当然，除了这些判断路况的传感器，汽车还有速度、加速度、转角等各种传感器。

对于控制中心来说，接收、分析和处理来自这么多传感器的信息，获得控制策略，发出控制指令，过程必须是实时的，因此控制中心必须具有高性能的实时计算能力。就硬件而言，自动驾驶的过程是不能容忍撞车的，所以一般硬件需要满足高可靠性和高性能的实时操作。就软件而言，算法太重要了。自动驾驶的软件算法必须实现很多功能，如路径规划、避障、加速度控制、姿态控制等。但是目前还没有一种控制方法可以实现完美的无人驾驶，厂商往往采用各种方法一起处理，比如模糊控制结合遗传算法，深度学习等等。作为一个也写过很多控制软件的回答者，我觉得这句话真的很对：“99%的案件可以用1%的代码处理，剩下的1%的案件需要用99%的代码处理。”

至于执行机构，一旦得到控制命令，就让小车执行。这部分目前还是不错的，尤其是电动车。电动马达极高的效率、卓越的调速性能和宽广的调速区间，使电动汽车更容易实现自动驾驶。经过多年的发展，普通汽车的发动机自动控制系统、自动变速箱、电子刹车等系统的控制已经成熟，esp、tcs、定速巡航、自适应巡航系统已经广泛应用，与自动控制系统接口并不麻烦。

先说说国内无人驾驶的研究和美国的研究进展，再看差距。

国内的

早在1992年，国防科技大学就成功研制出了中国第一辆真正意义上的无人驾驶汽车。2007年，我们与一汽共同开发了红旗无人车，主要采用ccd图像传感器和激光雷*作为传感器，实现高速公路无人驾驶。2011年，国防科大研发的hq3实现了长沙至武汉286 km的路试。

吉林大学开发了jluiv-1无人机，采用模糊控制和遗传算法修正。

2005年，上海交通大学与欧盟合作开展了赛博c3项目，研究城市环境下的区域交通智能车辆。

2012年，军事运输学院“狮子三号”搭载5部雷*、3个ccd图像传感器、1个gps，无驾驶行驶114公里，比较高时速105公里/小时。

2016年，北京理工大学设计了一款无人驾驶赛车，利用双目摄像头进行行人检测、避障等局部路线规划。有趣的是，这辆车每100公里只加速3秒。

2013年，搜索也开始搞自驾。2015年12月初，搜索无人驾驶汽车在北京进行了全程自动驾驶测试，实现了跟车减速、变道、超车、上下坡道、掉头等多种复杂驾驶动作。并完成了从进高速到出高速不同道路场景的切换，比较高时速100 km/h，下图是搜索的无人驾驶汽车。

今年9月1日，搜索宣布获得加州第15个无人驾驶测试牌照。搜索在无人驾驶方面投入巨资，包括建立硅谷r&d中心和联合投资激光雷*制造商威力登(为谷歌提供激光雷*)。此前，搜索也宣布了“商用三年”、“量产五年”的目标。

国内刚刚起步的无人驾驶技术研究，已经成为众多高端人才关注的焦点。北京理工大学无人驾驶汽车负责人江妍和英特尔中国研究院前院长吴甘沙成立了时宇科技，这是一家专门从事自动驾驶研究的公司。它在双目视觉方面有着深厚的技术积累，提供了低成本的纯视觉自主驾驶解决方案，在受限环境下的自主驾驶技术上取得了长足的进步。当然也有很多类似的小公司，从不同层面研究自动驾驶技术。

以上使用的技术基本都是ccd图像传感器、雷*测距等技术。几乎都可以在简单的高速路况下实现良好的自动驾驶性能，但在城市路况下仍然存在很多问题。毕竟总体来说，国内的自动驾驶还处于起步阶段，还处于研发的样机验证阶段，与美国的差距很大(不仅是自动驾驶，很多方面也是如此)。搜索在这方面在国内处于地位，与英伟达合作，也在与政*合作推广自动驾驶技术。但从路考距离来说，搜索远远落后于谷歌。像时宇科技这样的专业公司的出现也为中国的自动驾驶研究增添了强大的力量。

美利坚合众国

当然比较好比较有代表性的还是谷歌和特斯拉。

谷歌在软件方面一直是。虽然微软和苹果可能不服气，但我觉得是这样的。

所以google的强大优势就是软件和算法。以下是谷歌的自动驾驶汽车。

谷歌的自动驾驶汽车有gps、摄像头、雷*和激光传感器，可以从360度的角度获取周围环境的信息。自2009年以来，谷歌的自动驾驶汽车在自主模式下行驶了120多万英里，该软件已经知道许多处理不同情况的方法。下图是谷歌自动驾驶汽车眼中的。

从图中可以看出，车身上的各种传感器可以探测到远至两个足球场的物体，包括人、车辆、建筑区、鸟类、自行车等。这辆车可以看到其他车辆，在图中用紫色的数字表示，骑自行车的人会用红色标出，左上角的拐角用橙色的圆锥体表示。它甚至可以识别交警的手势，非常显著，体现了google强大的软件算法能力。虽然谷歌的自动驾驶汽车可以根据收集到的数据预测很多东西，比国内的强很多倍，但还是会有以前从未发生过的情况。有一次，一辆正在试驾的自驾汽车在山城行驶，一个坐电动轮椅的女人在路上兜圈子追鸭子，但车只能不停地尝试，减速躲避那个女人。

特斯拉很厉害。它已经大规模生产并投入使用，而其他人仍在研究和实验中。

作为纯电动汽车，特斯拉在自动驾驶的便利性上有优势，而且特斯拉对自动驾驶技术特别痴迷。目前，在道路上行驶的特斯拉车型使用车身周围的12个超声波传感器来识别周围环境，一个前置摄像头来识别前方的物体，一个前置雷*来识别前方的物体，以及一张长时间道路测试积累的高精度卫星地图。这样就实现了下表中的“部分自动驾驶”功能。

今年10月20日，特斯拉非常激动地宣布，从开始，所有工厂生产的特斯拉车型，包括model 3，都将配备具有自动驾驶功能的硬件。与人工驾驶相比，新硬件将从根本上提高车辆的驾驶安全性。该系统将包括八个摄像头，覆盖360度的可视范围，并监控高达250米的周围环境。此外，该车还配备了12个超声波传感器来改善视觉系统，检测和感知软硬物体的距离接近上一代系统的两倍。增强型前方雷*通过冗余波长提供更丰富的数据，雷*波可以穿过暴雨、雾、灰尘甚至前方的车辆。为了更好的利用这些数据，车辆配备了比上一代快40倍的处理器，运行特斯拉基于深度神经网络开发的视觉系统、声纳和雷*系统的软件。综上所述，系统提供了驾驶员用眼睛无法到达的图像，并通过波段同步检测车辆周围的各个方向，远远超出了人类的感官。

特斯拉用传感器覆盖了整辆车。八个摄像头提供360度视觉监控，可以尽可能监控250米范围内的物体。12个超声波传感器的覆盖范围是以前自动驾驶系统的两倍。在雨天、下雪天和雾天，增强型雷*被用来探测前方的车辆。这些硬件使特斯拉的自动驾驶实现了“高度自动化”。

另外，特斯拉在路上行驶的车辆都是用自己的传感器贡献给特斯拉的高精度卫星地图，这是谷歌无法比拟的。毕竟谷歌身边只有几辆试驾车，而特斯拉的量产车在一定程度上是试驾车。目前特斯拉自动驾驶辅助驾驶已经达到2.22亿英里(约合3.57亿公里)。

所以总体来说，无论是谷歌还是特斯拉，自主驾驶技术都比国内先进，中国要赶上还需要时间。

有时候，差距就是，看着很小，觉得使劲就能追上，然后使劲就能追上，但是快追上的时候目标加快了，差距就更大了。

在我看来，自动驾驶是时间问题。现在看来，自动驾驶的普及速度比预期的要快。

一旦自动驾驶大规模普及，很多功能将成为现实。比如车辆可以像动车一样编组运行，实现同步高速交通，车辆之间的通讯互动可以达到高效的交通效率和极低的事故率，即使没有红绿灯和各种复杂的交通标志和标线系统，整体的交通效率和安全性也会大大提高，这是革命性的。

用不了多久就会有人说：“让人家做开车这种危险的事，太吓人了，难以想象。”当然，“女司机”一词也可能退出历史舞台。

很多朋友担心交通基础设施和法律责任。我认为我们不应该对此过于担心。自主驾驶的普及也是相关交通技术设施和法律不断完善的过程。

我主要分析自动驾驶的技术方面，其他相关的道路设施和法律责任这里就不讨论了。

首先简单说一下自动驾驶的原理。

所有控制系统都由传感器、控制器和执行器组成。从这个角度来说，自动驾驶的原理其实和手动驾驶是一样的。我们用眼睛观察路况，自动驾驶用激光雷*、超声波雷*、摄像头、gps等传感器观察路况，确定位置。我们用大脑进行判断，当然自动驾驶是用电脑作为控制器进行判断。然后我们用手和脚控制车辆的方向盘、加速和刹车，自动驾驶也根据电脑的输出直接控制车辆。

看起来很简单，但如果要深入分析，特别是要保证自动驾驶的可靠性，其实很复杂。

在传感器方面，激光雷*和超声波雷*当然是用来测距的。理想情况下，车辆可以检测到周围的所有障碍物，并计算出它们的距离，但实际上，这些障碍物很可能被误判。比如在风中飞舞的塑料袋会被判断为障碍物，甚至雨滴也可能被认为是障碍物。更不用说摄像头了，单目或多用途摄像头利用计算机视觉，使自主车辆能够实时识别红绿灯、交通标志、车道线、短程和低速障碍物，同时与道路基础设施和云数据库进行通信，实现多种功能。但今年特斯拉自动驾驶的致命事故，很大程度上与摄像头有关。在背光和高光比的情况下，相机的分辨率会降低，当然也会有低照度的情况，受目前图像传感器技术的限制。懂摄影的朋友都会知道，机器视觉是个复杂的东西，相机可能会受到灰尘、眩光等各种不利因素的影响，所以在可靠性方面还是有很多问题的。当然，除了这些判断路况的传感器，汽车还有速度、加速度、转角等各种传感器。

对于控制中心来说，接收、分析和处理来自这么多传感器的信息，获得控制策略，发出控制指令，过程必须是实时的，因此控制中心必须具有高性能的实时计算能力。就硬件而言，自动驾驶的过程是不能容忍撞车的，所以一般硬件需要满足高可靠性和高性能的实时操作。就软件而言，算法太重要了。自动驾驶的软件算法必须实现很多功能，如路径规划、避障、加速度控制、姿态控制等。但是目前还没有一种控制方法可以实现完美的无人驾驶，厂商往往采用各种方法一起处理，比如模糊控制结合遗传算法，深度学习等等。作为一个也写过很多控制软件的回答者，我觉得这句话真的很对：“99%的案件可以用1%的代码处理，剩下的1%的案件需要用99%的代码处理。”

至于执行机构，一旦得到控制命令，就让小车执行。这部分目前还是不错的，尤其是电动车。电机的高效率、优异的调速性能和宽调速区间决定了电动汽车更容易实现自动驾驶

经过多年的发展，发动机自动控制系统、自动变速箱、电子刹车等系统的控制已经成熟，esp、tcs、恒速巡航、自适应巡航等系统得到了广泛应用，与自动控制系统接口并不麻烦。

人在第一线打架不开车已经有几年了，加上自己的亲身经历，会在几年前天马行空的思考。这些年，他们开始认真对待这个问题。这个问题的答案有一个基本思路，必须按照业务逻辑-r&d战略-核心供应链-关键算法的顺序来讨论。(作为程序员，算法还是比较有意思的。和往常一样，先得出结论：大量的核心供应链组件和算法在国外还是长期的。但无人车不是手机，不会是零部件的积累，肯定会受到国内政策、交通环境、生态系统的影响。只要国内企业牢牢把握生态位置，总会有前进的机会。先占坑，再强！

首先，商业逻辑

第一个是大家基本达成一致的逻辑(国内外基本在同一起跑线上):

共识一：“电车理论”的问题应该不是问题

所谓“电车问题”，是伦理学领域比较著名的思想实验之一。其内容大致如下：一个疯子把五个无辜的人绑在电车轨道上。一辆失控的电车正朝他们驶来，一会儿就要碾过他们。幸运的是，你可以拉一根拉杆把电车开到另一条轨道上。然而问题是，这个疯子还在另一条电车轨道上绑了一个人。考虑到以上情况，该不该拉杆？自驾汽车也会遇到类似的伦理问题。紧急情况下，是保护乘客免受行人伤害还是行人免受乘客伤害？

大家对电车理论的共识只是几点

自驾车不应该陷入这种困境：设计那么多逻辑，安装那么多传感器，甚至超越v2x，地图，激光雷*，积累大数据的驾驶经验，都是为了避免这些尴尬。

对车辆困境的本能反应必须是预设和认可的：这种困境的出现不能排除，但基本值必须是预设的，值可以由人设定，机器只需要完整记录过程即可。

这个锅我来背！出了问题怎么办？很多企业都树立了好榜样(沃尔沃)。

共识二：增量式驾驶员辅助系统不会演变成自动驾驶系统

我以前见过这种路线划分

当今自动驾驶行业比较大的争论是走特斯拉路线还是谷歌路线。前者是一个不断改进的增量系统，希望有一天这个系统可以直接驱动自主车。谷歌否认这条道路，认为我们应该应用不同的技术。

我很困惑。特斯拉和谷歌，我觉得，是同一个认知。特斯拉是在增加软件版本，而不是功能增量，其收集感知数据的商业模式将是google path商业化的必由之路。

其实区别就是汽车厂和科技公司的区别。国外某知名发动机厂高管曾经说过，自动驾驶对他们来说是分分钟的事情，因为在他看来，垂直控制就是“acc cc aeb”，整合现有成熟技术就够了。acc/cc/aeb之间有繁琐的if-then切换规则，每个策略都不符合人类驾驶的基本逻辑。真实流量的复杂性会直接导致这个策略的崩溃。相信我，原始设备制造商也不会这么想！

基于人、车、路的概率分布，运行情况和行为意向基本上是所有企业的主流做法。

共识3:自动驾驶市场巨大

据美国市场统计，3万亿英里的里程x每英里0.1美元的成本=年营收3000亿美元。在共享交通的背景下，像优步、特、滴滴这样的先行者总共被估值高达1100亿美元，基本相当于美国三大汽车巨头通用、福特、克莱斯勒的市值总和。

共识4:从长远来看，城市发展将支持自动驾驶

未来20年，大量交通基础设施将支持自主驾驶。什么特殊路标，v2x，5g，高精度地图，边缘计算设备等等。可能现在设施更差，以后为了安全肯定会换。

共识五：谁强谁弱不重要，比较重要的是满足市场需求。

这是比较重要的问题。我觉得这个问题其实有两种划分来回答：

1.所有权的划分

消费者将来会把汽车当成私人物品还是服务提供者，这与一种商业模式有关。

2.使用空间分割

无论是开放道路、半封闭道路，还是封闭道路(这个不应该算作自动驾驶场)，开放道路和半封闭道路的参与者都是截然不同的

在我看来，自动驾驶是时间问题。现在看来，自动驾驶的普及速度比预期的要快。

一旦自动驾驶大规模普及，很多功能将成为现实。比如车辆可以像动车一样编组运行，实现同步高速交通，车辆之间的通讯互动可以达到高效的交通效率和极低的事故率，即使没有红绿灯和各种复杂的交通标志和标线系统，整体的交通效率和安全性也会大大提高，这是革命性的。

用不了多久就会有人说：“让人家做开车这种危险的事，太吓人了，难以想象。”当然，“女司机”一词也可能退出历史舞台。

很多朋友担心交通基础设施和法律责任。我认为我们不应该对此过于担心。自主驾驶的普及也是相关交通技术设施和法律不断完善的过程。

我主要分析自动驾驶的技术方面，其他相关的道路设施和法律责任这里就不讨论了。

首先简单说一下自动驾驶的原理。

所有控制系统都由传感器、控制器和执行器组成。从这个角度来说，自动驾驶的原理其实和手动驾驶是一样的。我们用眼睛观察路况，自动驾驶用激光雷*、超声波雷*、摄像头、gps等传感器观察路况，确定位置。我们用大脑进行判断，当然自动驾驶是用电脑作为控制器进行判断。然后我们用手和脚控制车辆的方向盘、加速和刹车，自动驾驶也根据电脑的输出直接控制车辆。

看起来很简单，但如果要深入分析，特别是要保证自动驾驶的可靠性，其实很复杂。

在传感器方面，激光雷*和超声波雷*当然是用来测距的。理想情况下，车辆可以检测到周围的所有障碍物，并计算出它们的距离，但实际上，这些障碍物很可能被误判。比如在风中飞舞的塑料袋会被判断为障碍物，甚至雨滴也可能被认为是障碍物。更不用说摄像头了，单目或多用途摄像头利用计算机视觉，使自主车辆能够实时识别红绿灯、交通标志、车道线、短程和低速障碍物，同时与道路基础设施和云数据库进行通信，实现多种功能。但今年特斯拉自动驾驶的致命事故，很大程度上与摄像头有关。在背光和高光比的情况下，相机的分辨率会降低，当然也会有低照度的情况，受目前图像传感器技术的限制。懂摄影的朋友都会知道，机器视觉是个复杂的东西，相机可能会受到灰尘、眩光等各种不利因素的影响，所以在可靠性方面还是有很多问题的。当然，除了这些判断路况的传感器，汽车还有速度、加速度、转角等各种传感器。

对于控制中心来说，接收、分析和处理来自这么多传感器的信息，获得控制策略，发出控制指令，过程必须是实时的，因此控制中心必须具有高性能的实时计算能力。就硬件而言，自动驾驶的过程是不能容忍撞车的，所以一般硬件需要满足高可靠性和高性能的实时操作。就软件而言，算法太重要了。自动驾驶的软件算法必须实现很多功能，如路径规划、避障、加速度控制、姿态控制等。但是目前还没有一种控制方法可以实现完美的无人驾驶，厂商往往采用各种方法一起处理，比如模糊控制结合遗传算法，深度学习等等。作为一个也写过很多控制软件的回答者，我觉得这句话真的很对：“99%的案件可以用1%的代码处理，剩下的1%的案件需要用99%的代码处理。”

至于执行机构，一旦得到控制命令，就让小车执行。这部分目前还是不错的，尤其是电动车。电动马达极高的效率、卓越的调速性能和宽广的调速区间，使电动汽车更容易实现自动驾驶。经过多年的发展，普通汽车的发动机自动控制系统、自动变速箱、电子刹车等系统的控制已经成熟，esp、tcs、定速巡航、自适应巡航系统已经广泛应用，与自动控制系统接口并不麻烦。

预计2020年投入使用。数量上，现役美军战斗机6000架，中国约1500架，20年前美国约1500架。航空技术也是如此。

技术上很难衡量。比如空间科技，我们计划2025年左右登月，美国50年前登月。我们将成为一个空间站。比如我们有一艘航母，美国装备第四代战斗机。我们跟他们不是同一个时代的武器，差距很大。这还是数量，技术水平就经济总量来说相当于美国50年代的水平