百度谷歌發力無人駕駛，背后有那些“黑科技”？
自從李彥宏坐百度的無人駕駛汽車上五環后成了大家茶余飯后討論的話題。隨著人工智能的發展，無人駕駛汽車逐漸進入我們的生活圈。科技巨頭也紛紛發力將無人駕駛技術布局在汽車領域。這不禁讓人發出疑問，無人駕駛的背后究竟都有那些黑科技？未來安全問題是否得到保障呢？
什么是無人駕駛汽車？
無人駕駛汽車是一種智能汽車，主要依靠車內的以計算機系統為主的智能駕駛儀來實現無人駕駛。它的技術原理是通過車載傳感系統感知道路環境，自動規劃行車路線并控制車輛到達預定目標的智能汽車。
它是利用車載傳感器來感知車輛周圍環境，KUKA機器人示教器維修，并根據感知所獲得的道路、車輛位置和障礙物信息，控制車輛的轉向和速度，從而使車輛能夠安全、可靠地在道路上行駛。
集自動控制、體系結構、人工智能、視覺計算等眾多技術于一體，是計算機科學、模式識別和智能控制技術高度發展的產物，也是衡量一個國家科研實力和工業水平的一個重要標志。
無人駕駛汽車背后的黑科技
目前，以百度和谷歌為代表的科技巨頭紛紛發力人工智能領域。而人工智能研究方向主要是機器學習、自然語音處理、機器視覺這三大塊，其中機器學習是人工智能的重要分支。
而在無人駕駛技術中，機器學習起到關鍵性因素，機器學習在環境感知層面上的應用包括傳感器和功能模塊。
傳感器模塊上的應用有：
1、攝像頭：目標檢測跟蹤識別、距離深度估計、圖像語義分割、序列預測識別、視差光流計算；
2、激光雷達：點云目標檢測識別、點云分割、路沿提取；
3、毫米波雷達：降噪、目標檢測等；
功能模塊上的應用：
1、目標檢測、跟蹤、識別、位置、占據、速度、行為等感知；
2、交通標志、地面標志、車道線、停止線、人行道、指路標志等的地圖屬性提取注冊；
3、語義標志、底層特征、IMU+GPS融合、里程計等定位功能；
不僅如此，機器學習也有著決策系統上的應用，包括找出可行駛區域，擬人化決策并尋找最優化的路徑規劃。在環境感知部分，KUKA機器人維修，機器學習在ADAS（駕駛輔助系統）上與無人駕駛基本上研究方向一致，定位方面無人駕駛比起ADAS不止關注車道線間，而且需要地圖匹配，通過高精度地圖與本地的交通信息互動。在決策規劃部分，無人駕駛需要有實時的全局規劃的能力，而ADAS更關注規避制動之類的瞬時控制規劃。
簡單的來說，無人駕駛的基本思路就是利用人工智能做輔助和互聯網的云端數據，來實現汽車的導航，控制和駕駛。目前，谷歌在無人駕駛領域處于領先地位，百度正在加緊跟隨。
未來的安全能否得到保障？
自從谷歌開發研究無人駕駛汽車后，無人駕駛存在安全問題且不斷被搬到臺面上討論，而且經過多年的討論，人們擔心的因素越發具有共性。
國外曾發生幾起無人駕駛事故。從一輛置有Autopilot自動駕駛功能的汽車發生翻車事故，到一輛自動駕駛模式下的汽車撞毀事故，導致司機當場死亡。以上兩起案例說明，無人駕駛汽車在某種程度上依然存在安全隱患。
其次，隨著無人駕駛技術變得越來越普遍，來自黑客的攻擊威脅也與日俱增。據了解，庫卡機器人驅動器維修，黑客可以通過計算機對無人駕駛汽車的雷達、攝像頭等任何環境感知節點造成傳感器誤報引起安全事故。再者，智能決策的控制器是自動駕駛汽車的核心處理器，只要能攻破中央處理器，就可以掌握整車所有控制權。
但值得注意的是，無人駕駛汽車發生事故或引起糾紛，究竟是誰的責任？是汽車生產商還是車主本人呢？
筆者認為，開發無人駕駛汽車的前提是要安全性隱患降到最低。當下，公眾對無人駕駛的信心不會在一夜之間建立起來，除了需要突破無人駕駛技術的挑戰外，還需檢驗車輛的自我管理能力。規范無人駕駛自主等級、安全測評標準、確立交通事故處理的法律和保險索賠等相關政策。只有通過技術檢測、審批、立法等層面保障無人駕駛的安全性，才能讓公眾放棄方向盤，享受無人駕駛的新未來。