这是近日在北京园博园进行的一场无人驾驶试验。

一辆汽车内没有驾驶员,关闭摄像头、雷达等设备,全凭北斗或GPS定位实现无人驾驶。试验中,汽车所遇到障碍物的次数,刹车、油门的踩踏次数等数据均被一一记录下来。

“无人驾驶车辆目前在中国还没有拿到"驾照"。要想脱离"交通管制",还需要技术和时间的支持。”中国工程院院士李德毅在日前召开的第七届云计算大会上告诉记者。

不必酷炫 只求可靠

汽车智能化的程度被看作衡量现代汽车水平的重要标志,是用来开发新车型、改进汽车性能最重要的技术措施。汽车电子起初只是比较简单的控制空调等,随着科技的发展,人们需求的不断增加,越来越多的功能依托于汽车电子科技。

无人车的出现似乎打破了人们对汽车电子的传统理解,那些更酷、更炫的技术,似乎对无人车作用并不大。“它”只希望自己可以更快、更安全地前行。

“无人车的核心竞争力是把整个汽车的电子架构设计、模块划分和界面界定划分清楚。”李德毅表示,而传感器则不必非高精尖不可,简单、实惠、成熟、可靠是选择标准。

这个要求并不那么容易实现。

对架构师而言,加装一个新型传感器或更新软件模块的版本,就应该如同换灯泡一样简单,然而,很多团队目前还做不到。

“比如,我们现在只是希望把摄像机和雷达进行融合。”李德毅表示,希望传感器厂商可以提供一个雷达相机,这样就不必使用过多的传感器。这对大多数厂家而言仍是件很困难的事。

架构设计的多重原则

“架构设计的系统模块、编程等原则对无人驾驶有着极其重要的作用。”李德毅表示,首先要明确任务目标和系统约束,尽量只用一个系统,以减少其他因素的影响。

李德毅介绍:“我们现在的主要研究方向是制造机器驾驶"脑",利用一个智能板卡插入任意汽车,该车就能变成教练车或是自学汽车。”对软件而言最重要的是模块设计,上层模块依赖下层模块才能工作,要使上层的并列模块尽量隔离,才能避免牵一发而动全身。

“系统架构要通用,模块也要可维护、可扩展、可交叉验证。”李德毅强调,架构设计工作的核心,是建立基于路权驾驶认知的图表语言的统一标准,要明确语境、语构、语义和语用,让机器“脑”与智能交通有系统的同步定位与影射。

随着遗产代码的积累和进化,构建一个新系统的重点,已经不再是简单的算法和编码。

“要学会开放编程。”李德毅表示,尽量使用受到广泛认可、成熟的开源算法,明确算法中的输入量和输出量、自变量和参变量,尤其明确实验中要调整的参变量以及参变量冻结的实验时间、编程AB角、离线调程序、在线调参数等。

“代码可以而且也应该共享,我们要多用遗产代码,多用开源代码。”李德毅认为,“送人玫瑰手有余香。过度保护自己的代码,某种程度上也会造成自己的损失。”

别被大数据所累

在驾驶时,驾驶员90%的信息来自视觉系统。在目前汽车辅助驾驶所采用的环境感知手段中,视觉传感器相比超声、激光、雷达等可获得更高、更精确、更丰富的道路结构环境信息。

无论是摄像头还是雷达,都是以均匀采样、时空无关的形式获得,而人类视觉感知则具有选择性注意和时空相关性,其选择性具有大尺度优先、动目标优先、集合特征优先、个人认知优先等先验知识有限的视觉处理过程,这是机器视觉永远无法比拟的。

“机器视觉要形成驾驶员视觉,要把功夫下在注意力的选择和分配上。”李德毅表示。机器视觉必须在车辆导航、危险检测、速度控制和车道保持之间分配注意力。当没有将注意力在正确的时间分配给正确对象时,车辆安全将得不到保证。

目前,机器视觉主要用于路径的识别与跟踪。与其他传感器相比,机器视觉具有检测信息量丰富、无接触测量和能实现道路环境三维建模等优点,但数据处理量极大时,存在系统实时性和稳定性的问题,要靠开发高性能的计算机硬件,研究新算法来解决。

“机器视觉不是对人视觉的感知、认知能力的全方位模拟,我们要把大数据感知变成对较大数据或者较小数据的认知,否则我们会被大数据拖累。”李德毅坦言。

那么视觉传感器应该如何选型与配置?首先要确定一个基本原则—传感器不完美原则。李德毅坦言,对传感器性能的要求会越来越高。“我不看好虚拟雷达和虚拟全景相机的处理策略,在可靠的架构设计、灵活的模块化组装和稳定界面约定的大环境下,传感器的认知能力要增量提升。”李德毅并不认可追求智能车周边360度全覆盖和三维场景真实再现,但要提高传感器的感知,提高印证的可能性。

随着计算机技术和图像处理技术的发展,三维重建道路环境为车辆高速无人驾驶提供了强大的信息支撑。但李德毅提醒说:“解决了路况识别,分辨出车辆与障碍物的距离,完成速度检测等问题之后,才可能去控制汽车的驾驶。”