缺点是，摄像头捕捉到的数据，即图像和视频，并不能让我们对其他物体离汽车有多远或移动速度有多快有多少感觉 。相机也很难在夜间使用，因为我们根本看不到那么多 。
雷达
雷达传统上被用来探测移动物体，如飞机和气象编队 。它的工作原理是以脉冲或脉冲的形式发射无线电波 。一旦这些波击中一个物体，它们就会反弹回传感器，给出物体的速度和位置数据 。
在自动驾驶汽车中，雷达用于检测汽车周围各种物体的速度和距离 。这是相机的完美补充，它可以看到物体是什么，但不能精确地看到它们在哪里（有多远） 。就像摄像头一样，雷达将在汽车周围360度范围内使用 。
雷达还可以在光线较暗的情况下补充摄像头，如夜间驾驶 。因为雷达发出的是一个信号，所以不管是凌晨3点还是中午，信号都会以完全相同的方式移动和反弹 。与之形成鲜明对比的是，由于光线的缘故，相机在晚上的工作效果并不理想 。
雷达的缺点是目前这项技术的精度有限 。目前的雷达传感器提供的分辨率非常有限 。所以雷达确实给了我们一个关于其他物体的距离、位置和速度的概念，但是这个概念有些模糊——没有我们希望的那么精确 。
激光雷达
激光雷达代表光探测和测距 。它的工作原理是发出光束，然后计算光线击中物体并反射回激光雷达扫描仪所需的时间 。然后可以用光速计算到物体的距离，这就是所谓的飞行时间测量 。
文章插图
激光雷达传感器通常放置在汽车顶部，每秒发射数千束光束 。根据收集到的数据，可以创建一个称为点云的三维表示来表示汽车周围的环境 。
激光雷达传感器的最大优点是其精度 。一个好的激光雷达传感器可以识别距离100米外物体只有几厘米的细节 。例如，据说Waymo的激光雷达系统甚至可以根据来自激光雷达的精确三维点云来探测一个人行走的方向 。
激光雷达的缺点是成本，目前比相机和雷达贵得多，成本高10倍 。
（2） 计算机视觉
自动驾驶系统的理解阶段是大脑——它是大部分主要处理过程发生的地方 。在理解阶段，目标是获取来自传感器的所有信息并对其进行解释 。这一解释旨在收集有助于安全控制汽车的有用信息 。这些信息可以是：
我周围所有的物体是什么，它们在哪里，它们是如何移动的？所以我们的系统可以探测到人、车和动物
我在哪里？系统将确定所有车道的位置以及车辆是否完全位于正确的车道上，或者车辆相对于道路上其他车辆的位置（太近、盲点等）
2019年，这些信息主要是通过人工智能获得的，更具体地说，是通过计算机视觉的深度学习获得的 。大型神经网络被训练用于图像分类、目标检测、场景分割和车道检测等任务 。然后对网络进行优化，使汽车的计算单元能够处理自动驾驶所需的实时速度 。
请记住，自动驾驶汽车可能有来自多个不同来源的数据：摄像机、雷达和激光雷达 。因此，所有这些常规的计算机视觉任务都可以应用于各种传感器数据，从而以非常全面的方式收集汽车周围环境的信息 。这也会产生一种冗余——如果一个系统出现故障，另一个系统仍然有机会进行检测 。
在这些任务中使用深度学习的好处是网络是可培训的 。我们给他们的数据越多，他们得到的越好 。公司正在充分利用这一点——自动驾驶汽车正与人力司机一起上路，在那里他们可以不断收集新的培训数据来提高自己 。
计算机视觉确实是自动驾驶汽车系统的核心 。一个理想的系统将能够准确地检测和量化汽车周围环境的每一个方面——移动物体、静止物体、路标、路灯——绝对是一切 。所有这些信息都被用来决定汽车下一步该如何行驶 。
（3） 控制
一旦计算机视觉系统处理了来自传感器的数据，自动驾驶汽车现在就拥有了它所需要的所有信息 。控制阶段的作用是根据在理解阶段提取的信息找出如何最好地导航汽车 。
描述自动驾驶汽车如何在道路上行驶的技术术语是路径规划 。路径规划的目标是利用计算机视觉系统获取的信息，在避开障碍物和遵循道路规则的同时，将汽车安全地引导到目的地 。
汽车将根据全球定位系统（GPS）了解其目标目的地-来自全球定位系统（GPS）的数据包含远距离路径的信息 。自动驾驶系统将首先“规划路径”，即计算到其目标的最理想（读取：所用时间最短）路径，以朝其目标移动 。这意味着要决定走哪条路，开多快 。
推荐阅读
- 自动挡最伤车三大行为是什么？
- 驾驶证10年到期后再换证是多少年？扣分不同，证件有限期不同
- 自动挡上陡坡的技巧，猛踩油门会吃大亏，这样做上坡更安全
- 10种情况下驾驶证会被注销
- 淘宝直通车怎么降低平均点击花费 淘宝直通车怎么设置自动充值
- 新开的淘宝店要多久才有生意? 2020年淘宝怎么开店
- Python自动化 页面加载速度太慢，如何提升测试效率？
- 2020年淘宝开店 2020年淘宝店是不是不好做
- 2020年淘宝怎么开店 2020淘宝怎么开网店步骤
- 自动挡上坡，动力不足该如何换挡？