笔趣阁

手机浏览器扫描二维码访问

第五章 飓风袭来将被颠覆的行业（第1页）

一秒记住【xiaoyanwenxue.com】精彩无弹窗免费！“罗辑思维荐书集锦（套装共24册）（.shg.tw）”！

第五章飓风袭来——将被颠覆的行业

导读

本章探讨在未来十年内，人工智能将给哪些商业领域带来翻天覆地的变化。有了第三章对机器学习基本原理的了解，就能深刻体会到为什么机器学习将造成这些商业的颠覆。但即使没读第三章也完全能理解本章。

自动驾驶颠覆出行——10万亿美元的产业

人工智能未来十年最大的市场之一就是通过自动驾驶彻底颠覆汽车的制造、销售、本地出行和物流行业。

自动驾驶传感器

如果让机器开车，机器就要和人一样能做四件事：第一，感知：离车100米处是一辆大卡车还是过街天桥。第二，判断：马路边站的人是要抢着穿行还是在等我的车过去。第三，规划：什么时机挤进边上的车流中去。第四，控制：为了实现规划，如何控制方向盘的角度和车速。以上四点除了控制是成熟技术以外，其他三点都还在拐点上。图5.1是一辆自动驾驶汽车的感知系统。

第一个重要的传感器就是摄像头。摄像头由于受到像素的限制，只能看清前面几十米，但也能分辨不同的物体。摄像头还能够做到其他所有传感器都做不到的：识别交通标志。摄像头是目前最成熟的传感器，也是最便宜的传感器。但是从摄像头里识别物体和标志并不容易。摄像头的弱点是看不远，尤其是遇到雨、雪、雾霾天气时，摄像头就不行了。能够弥补摄像头弱点的另一个传感器是毫米波雷达。毫米波雷达可以看清200～300米甚至更远的距离，不受日光和天气影响，还能精确测量物体的距离和速度。但现有的毫米波雷达的空间分辨率很低，也就是虽然知道200米处有一个物体在以每小时50千米的速度移动，但弄不清是摩托车还是汽车。如果结合雷达和摄像头的数据，就可以更准确地检测和跟踪目标。当一个物体在距离200米处时，该物体在摄像头里还是一个黑点，但是可以根据相应的雷达数据获得该物体的距离和移动速度。等物体稍微近点，摄像头就可以看清这个时速为50千米的物体是一辆摩托车。摄像头+毫米波雷达是半自动和自动驾驶车辆最基本的配置（少了任何一个都不行），也是目前（2018年）特斯拉所有车型的标准配置。

图5.1自动驾驶汽车所需的传感器

图片来源：https:insideevs.googles-self-driving-cars-ready-road-video。

传统毫米波雷达的主要问题是空间分辨率太低。解决这个问题有两种办法。一种办法是将单一天线变成一组天线（4个、8个、16个等），天线越多，多个天线合成的空间分辨率就越高，但是天线多体积也随之变大，不容易安装。另外一种办法是利用汽车移动或信号变化做出“虚拟天线阵列”。后者对技术要求很高，必须建立在对雷达成像的深度理解之上，并且需要许多年的设计经验。美国的Oculii公司已经研发出77GHz的高分辨率点云成像雷达。图5.2就是这个雷达产生的点云数据，已经和市面上的中低精度激光雷达可比。如果毫米波雷达能够达到高分辨率，一辆自动驾驶汽车只要摄像头和毫米波雷达就足够了。

图5.2美国毫米波雷达公司Oculii成像雷达产生的周围环境点云图

图片来源：美国Oculii公司。

在自动驾驶行业里，许多人认为全自动驾驶汽车必须精确知道周围环境里的物体和距离。激光雷达是许多厂商都在试验的精准传感器。激光雷达在本质上就是一个三维照相机。三维相片上的每一个物体、每一个像素的距离都能精确到厘米级。这种三维照片的像素集合也被称为“点云”。图5.3就是斯坦福大学棕榈大道的激光雷达三维点云。这张图上有每一个点到测量激光雷达的距离。

激光雷达晚上的效果比白天还好，因为没有阳光的干扰。但与摄像头类似，它的问题是当遇到雨雪雾霾天气时穿透距离会大大下降。另外一个问题是到目前为止它的成本仍然很高。目前市场上唯一在销售的Velodyne128线激光雷达（垂直空间分辨率只有128线，电视机是1024线，这已经是目前在售激光雷达的最高分辨率）的零售价格为7万～8万美元一台（一个毫米波雷达价格不到500美元），相当于两三辆中档汽车的价格。很显然，这种价格只能用于少量的测试车辆。许多厂商都在努力降低成本，目前世界上有60多家企业在研制激光雷达，它们的技术路线大致分为三类。

图5.3高分辨率激光雷达点云

图片来源：https:techcrunch.20180412luminar-puts-its-lidar-tech-into-productionthrough-acquisitions-and-smart-engineering。

1.机械扫描式激光雷达

我们看到的谷歌和百度自动驾驶车辆头顶上顶的“花盆”就是机械扫描式激光雷达，这也是目前市面上少数几种可用的激光雷达。

图5.4是美国Velodyne公司的三种激光雷达，从左至右分别为64线、32线和16线。

图5.4美国Velodyne公司的激光雷达产品

图片来源：http:velodynelidar.products.html。

64线激光雷达里面有64对垂直排列的激光发射管和光学接收器。整个激光雷达在水平方向上做360°旋转。在旋转时，64个发射管按照一定的顺序依次发射短激光脉冲，激光脉冲从远处物体反射回来后被相应发射管的光学接收器收到，此时该物体的距离，这里c是光速，T是脉冲往返时间。如果这部64线激光雷达每秒转20圈，每水平角度整个64线激光发射三次（角度分辨率为13度），每秒就会产生20×3×360×64=1382400点数据。把这些带有距离和方位的三维空间点全部画出来就是如图5.3所示的“点云”。这种机械扫描式激光雷达有两个缺点：第一是机械容易损坏，特别是车载、震动、高温、潮湿等对机械部分危害很大。第二是装配时需要很多手工调试，成本很高。许多公司在研发时不用或少用机械部件。完全没有机械部件的激光雷达也叫固态激光雷达。

2.固态激光雷达

固态激光雷达有两种做法，一种做法是通过控制不同的几束激光相位（“相位”即时间延迟）让它们形成一束聚焦的激光在空间扫描；另一种做法是用激光发射器点阵。前者技术复杂，控制激光相位对温度敏感，在汽车行驶环境极端的情况下，激光雷达性能不容易稳定。后者需要大量激光发射器，例如一个100×100的点阵就需要10000个激光发射管。固态激光雷达还有一个问题是只能照射一个方向，所以在一辆车上要看到全方位的情况，至少要4个激光雷达分别装在车的四个面上。

固态激光雷达中还有一种“闪光激光雷达”，它的原理和闪光灯照相类似。只用一个激光管，发射出一个脉冲面光源把前方一大片空间都照亮，接收器类似数字相机里面的感光阵列芯片，只不过这种芯片在像素感光的同时，可以记录每一个像素收到脉冲的时间，因此能测出这个像素对应的空间点的距离。这种闪光激光雷达成本最低，但是由于发射能量分散，所以要照亮一大片，成像距离很短（十几米到几十米）。

3.微机械扫描激光雷达

介于机械扫描式激光雷达和固态激光雷达之间的是一种微机械扫描激光雷达。这种激光雷达是用半导体芯片上的微机电器件（Micro-Electronic-Mechanical-System，MEMS）。微机电器件的原理是在半导体材料上刻蚀出微小的机械镜面，用电可以控制镜面的摆动。把激光射到镜面上，当镜面摆动时就可以扫描一定的空间范围。图5.5就是MEMS镜面的示意图。但这种镜面的转动角度有限，所以激光雷达前方能照射的角度仍然受限。

图5.5在半导体材料上刻蚀出来的微机电镜面放大图

图片来源：http:.preciseley.technology.html。

目前还没有一种激光雷达既能够达到距离足够远（200～300米），同时分辨率和可靠性也足够高，而且价格便宜（几百美元）。如果毫米波雷达可以在远距离达到足够高的分辨率，那么激光雷达只要用于近距离精确测量即可，这样成本最低，没有任何机械部件的闪光式激光雷达将足以敷用。

除了摄像头、毫米波雷达和激光雷达这三个传感器之外，几乎所有半自动和自动驾驶的车都用声呐。声呐能探测的距离很近，只有几米，主要用于停车、倒车时的防撞提醒。一个车用声呐只要几美元，一辆车会沿着底盘放十几个声呐。

全自动驾驶还要使用GPS（全球定位系统）。通常手机和车里用于地图的GPS的精度在15米左右。这样的精度做自动驾驶和防撞都不够。所以用于自动驾驶的GPS是可以做到10厘米高精度的“差分GPS”。差分GPS系统在地面设一些固定的校准基站（不需要像移动电话基站那么密集，每隔几十千米甚至几百千米一个即可）。这些点的精确坐标已知。把这些点上用普通GPS测量出的坐标和已知坐标相比较就会知道GPS的误差，把这个误差通过无线频道（例如手机信号）传给附近的GPS接收机，让大家都修正这个误差。这种高精度的差分GPS可以让汽车知道自己在哪条线道上，是否偏离了线道的中心。差分GPS过去主要用于航空和测量，每台差分GPS的价格高达几万美元。目前也有硅谷创业公司如PolynesianExploration等在研发用于自动驾驶的低成本差分GPS。

自动驾驶分级

此前，自动驾驶的自动化程度分级有两个标准。美国交通部下辖的美国国家公路交通安全管理局（NHTSA）在2013年率先发布了自动驾驶汽车的分级标准，其对自动化的描述共有4个级别。到2014年，世界汽车工程师协会（SAE）也推出了一套自动驾驶汽车分级标准，其对自动化的描述分为5个等级。2016年9月20日，美国交通部发布的针对自动驾驶汽车的首项联邦指导方针中放弃了NHTSA之前提出的分级标准，宣布将采用在世界范围应用更加广泛的SAE分级标准，这代表SAE的5级标准基本成为行业共识。自动驾驶根据自动程度目前被分为以下5个级别。

L1：驾驶辅助，对方向盘和加减速中的一项操作提供驾驶支持，例如自动巡航、紧急自动刹车等。其他的驾驶动作都由人类驾驶员进行操作。在这个阶段，汽车主要实现了一些预警类功能，当汽车遇到紧急情况时，汽车发出警告信号，例如车道偏离预警、碰撞预警、盲点监测等。目前这些功能已经被广泛应用到现在的汽车上。