在我国科学技术迅速发展的今天，城市发展脚步逐渐加快，家家户户几乎都拥有了属于自己的小汽车，此种情况下，虽然为人们出行提供了方便，但是却增加了城市交通压力，使得城市经常发生交通堵塞等问题，严重降低城市人们的出行效率。面对此种情况，汽车生产企业为了改善此种状况，开始尝试研究自动驾驶汽车，力求通过车联网技术，将所有的实时路况、每辆车的实时位置等信息数据都记录在网络中，然后综合考虑每一辆汽车的行驶情况，合理安排汽车行驶路线，进而有效避免交通拥堵、交通安全事故等情况的发展，保证汽车行驶途中的安全性与可靠性。一般情况下，汽车自动驾驶技术主要包含包括视频摄像头、雷达传感器、激光测距器等设备，通过这些设备准确了解路面周围的交通状况，并将所了解到的数据信息进行汇总，自动形成一个详尽的地图。在此种情况下，就可以对前方的道路进行导航，确保汽车行车途中不会遇到交通拥堵等状况。汽车自动驾驶技术的提出是我国汽车行业发展的一个新方向，其重要意义不言而喻。
2011国防科大和一汽研制的HQ3首次完成了从长沙到武汉的高速全程无人驾驶实验，平均速度达到87km/h;2016年11月，美国交通部公布「自动驾驶试验场试点计划」，并于2017年1月19日确立了10家自动驾驶试点试验场;2017年9月20日，百度召开了智能驾驶平台Apollo1．5版开放技术发布会，会上百度宣布了Apollo基金的“双百计划”，将在三年内投入100亿元资金，完成超过100个项目的投资;Robby机器人在2017年3月始于波士顿，4月份入选YC的暑期项目，6-8月在YC孵化。Robby机器人已经在斯坦福大学校园里送货超过50次;北京时间2018年1月30日晚，硅谷机器人技术公司Nuro宣布推出Level4全自动无人配送车。以上实例都在说明自动驾驶越来越引起人们的关注，相关无人驾驶技术越来越成熟。
自动驾驶技术按照目前国际标准划分为六级，目前能够达到L3级自动驾驶的有谷歌、特斯拉，奥迪，URBER，百度等几家企业，多数自动驾驶系统仍然停留在辅助驾驶上。
自动驾驶级别分类
二、自动驾驶行业发展现状分析
除了传统汽车制造商、零件制造商与互联网科技公司之间合作加强外，自动驾驶领域相关投资热度依然不减。2018年1月份以来，小马智行已经获得两轮上亿美元融资，总计2.14亿美元，为国内自动驾驶企业融资规模之最。2018年5月通用旗下自动驾驶公司Cruise获得软银愿景基金22.5亿美元的投资，以及通用汽车追加的11.5亿美元投资，用来研发自动化驾驶技术和商业化落地。目前Cruise的估值已经达到115亿，接近通用估值的五分之一，通用汽车正考虑让Cruise独立上市。
由于自动驾驶领域技术复杂多样化，涉及多个领域，相关投资金额巨大，研发测试时间长，成本巨大，少有企业能单独承受，未来共同投资，合作开发仍然是主要趋势。
2017年谷歌Waymo在自动驾驶领域继续保持领先地位，以352545英里测试路程以及0.18次每千英里的人为干预次数小幅领先对手，较上年0.2次每千英里里的人为干预次数有所进步。Cruise以0.84每千英里的人为干预次数排名第二。2017年百度在自动驾驶领域取得较大进展，每千英里人为干预次数为22.06次。博世和奔驰排名倒数。特斯拉由于拥有数量较大的车辆用户群体收集数据，在2017年交出了白卷，特斯拉每千英里需要人为干预次数为330次，离完全自动驾驶目标仍然有不小的差距。2017年10月份开始，特斯拉在新生产车型搭载L3级自动驾驶系统。奥迪A8作为全世界第一款L3级自动驾驶量产车型，足以说明奥迪在自动驾驶领域的取得的非凡成就。
预计在2035年自动驾驶汽车将成为新车销售主流，自动驾驶将对人类出行方式产生深远的影响，而全球自动驾驶汽车市场规模继续保持增长，预计2019年到2021年市场规模为54亿美元、61亿美元和70亿美元。
无人驾驶，听起来就是件很美好的事情。早上去上班，坐进车里后就自动把你带到公司，不用自己开车了。出去自驾游，坐在车里欣赏沿途的风景，与家人一起享受车上的生活，不用自己开车了。不用自己开车的感觉挺好，车上时间可以充分利用，也可以休息一会。
全面进入无人驾驶时代，对城市的改变比较大，无人驾驶的车辆将严格按照交通规则行驶，不会发生一些人为的违章行为，减少交通事故的发生，驾驶时共享实时路况信息，提前规划路线，躲避拥堵，降低城市道路的拥堵程度。在斑马线礼让行人的时候，很多车主都会停车礼让，少数车主会选择按喇叭通行，但无人驾驶汽车遇到斑马线礼让行人时，都会停车礼让，保障行人的安全，同时也是城市的一道风景线。
现在我们开车出行经常遇到停车问题，目的地附近没有停车位或者停满了，就需要把车停在离目的地相对较远一些的地方，在无人驾驶时代，这种困扰就不存在了，到达目的地之后下车，然后让无人驾驶汽车自己去停车场停车，返程时，提前发送指令，让它来接我们，岂不快哉！
当然，在过渡阶段可能会有一些问题，人员驾驶和无人驾驶如何共存，如何和谐相处，在方便的同时不会造成新的麻烦，这都是我们接下来需要好好考虑的。让我们期待这个美好时代的到来吧！
几个月前，将无人驾驶业务拆分的Uber成功上市。如今，滴滴自动驾驶部门正式独立，这背后是主动为之？还是无奈之举？
8月5日，滴滴出行宣布旗下自动驾驶部门升级为独立公司, 专注于自动驾驶研发、产品应用及相关业务拓展。滴滴出行CTO张博兼任自动驾驶新公司CEO , 原顺为基金执行董事孟醒出任COO，贾兆寅和郑建强分别担任美国研发团队和中国研发团队的负责人，三人均向张博汇报。
在此之前，张博就是集团层面自动驾驶部门的负责人，业务独立后由他挂帅顺理成章。
消息一出，引来各方讨论，“为卸掉包袱不得不独立出去”、“为IPO做准备”等声音频出。
目前的出行平台市场，滴滴出行以5.5亿用户注册数量牢牢占据了大半江山，这背后的数据和场景领先优势显而易见。尽管如此，滴滴仍危机四伏，一方面安全整改问题使其失血严重，另外，让滴滴背上沉重包袱的自动驾驶业务也催生了必将到来的改变。
Uber的拆分，滴滴的独立
为何都急着“扔掉”自动驾驶业务？
今年4月，在向美国证券交易所（SEC）递交IPO申请文件前，网约车巨头Uber做出了一次非常重要的业务拆分，即让自动驾驶业务独立发展。
随后，软银愿景、丰田、日本汽车零部件制造商DENSO共计投资10亿美元，Uber无人驾驶部门ATG（Advanced Technology Group）的估值也攀升至72.5亿美元。
对这个结果Uber想必会非常满意，IPO需要一份漂亮的财报，于是拆分成为大前提。有数据显示，在2018年8月之前的18个月中，无人驾驶部门一个季度就要亏损1.25亿至2亿美元，占公司季度亏损额的15%-30%。从2016年启动该项目开始，Uber的相关投资已经超过了10亿美元。
回过头来看滴滴的这次重要变革，很容易被视为将Uber当做范本的打法，不同的是，滴滴并非拆分，而是将旗下自动驾驶部门升级为独立公司。
无人驾驶不同于车联网、新能源等，其是一项基于未来的项目，作为一家出行公司，滴滴也许并未使出全力。另外要注意的是，即使与比亚迪等车企有着深入合作，但主机厂们似乎并未将其视为核心业务。
“新公司希望进一步开放与汽车主机厂和产业伙伴的战略合作，共同推进无人驾驶技术商业化，真正落地成为产品服务进入每个人的生活。” 张博表示。
虽然短期内无法实现全场景的无人驾驶，但商业化落地，仍是摆在张博面前最核心、最急迫的任务，因为自动驾驶，不等同于无人驾驶。
他坦言，无人车大规模的商业化应用仍需要相当长的一段时间，“未来最快让普通人真实体验自动驾驶技术的方式，很可能是通过出行服务平台提供混合派单，例如：在路况相对简单的条件下，平台通过分析评估可能会派出配有安全驾驶员的自动驾驶车辆；而大多数复杂路况订单仍要派给专业的驾驶员。自动驾驶可以在特定场景下提供运力补充，填补供需不足。”
程维也表示，在未来移动出行中，“人”的服务仍不会消亡，自动驾驶技术并无法完全取代人的角色和价值。“科技服务于人，未来一定是有温度好服务的有人驾驶和高效安全的自动驾驶共同满足用户在不同场景的出行需求，科技和服务会在这里更好的结合。”
滴滴希望，把网约车业务中积累的安全运营的理解和经验，逐步应用到无人驾驶中，运维优势在新公司得以最大程度的发挥。
自动驾驶的普及，会影响城市交通的变革。这种事情只是时间的问题，当时间这一维度拉开的时候便会成为可能。随着高科技大面积的普及，自动驾驶技术也可以将成为人类未来历史上一件很重大事情。虽然，这仅仅是一种预测。科技的发展越来越向地解放人力，提高人的自由程度的方向来发展。还有就是越来越便捷，越来越提高，人们与人们之间的联系就好比现在的手机之间的QQ通信，互联网之间的网站，各大网站之间的链接等等，都是通过提高系统的连接性，来方便人们。我觉得自动驾驶，这样能够使连接性更好，节省国家很多剩余的资源，对社会有很大帮助。解决一些，社会上拥堵的交通等很多交通问题等等，还有对城市绿化的改善，都会有很大的帮助，所以我觉得像自动驾驶这样的技术在未来是很吃香的一种技术。那么这种技术，必然会导致城市规划的发展。因为，为了适应这种技术，城市的规划者们必须要提高，城市的有效利用率才能能够更加方便，这种技术的应用，而且这种技术还能跟我带来更加更快捷的服务，所以城市规划者会议相应的改善这方面的功能，所以我觉得像城市交通的变革会，一定会，为了自动驾驶而改变。其实有很多有钱人都不愿意去做这些车，但是我相信在社会群体来说，这些人还是少数，所以不用太担心，这种技术不会大面积普及。这种技术的大面积普及我觉得在未来必然会成为一种相对好的趋势，而城市交通的规划，也会为它而产生。
1、研究背景：随着科技的发展，时代的进步，无人驾驶汽车逐渐兴起，然而对无人驾驶汽车周围的环境进行探测便成为了一项十分重要的问题。2、意义：通过检测目标物体的空间方位和距离，提供目标的激光反射强度信息，提供被检测目标的详细形状描述，在光照条件好的环境下表现优秀，而且在黑夜和雨天等极端情况下也有较好表现。
当前，无人驾驶技术已成为汽车领城的发展趋势，障碍物探测是无人驾驶技术中的亚要环节。激光留达作为一种主到探测方法，具有测量速度快，精度高等优点，在障碍检测方面优势明显。本文以无人驾驶车障得探测为应用背最，针对扫描式多线徽光雷达成本较高、测距精度较低的不足，开展了激光香达测距技术研究，综合考应车载环境以及实际应用需求，设计了一种扫描式测距激光省达系统。论文主要工作如下：（1）对比分析了脉冲式和相位.式激光测距原理，根据无人驾驶车障碍探测的实时性要求，选择脉冲式测距方案，综合考忠影响脉冲式测量精度的关键因素，设计了一种改进型的时刻鉴别以及时间间隔测量方法，优化系统采测性能。(2)针对半导体激光器和光电探测器的具体特性，设计了发射端和接收端光学系统，在 zEMAx 软件中进行光线追迹仿真，验证了其对发射光束的准直压缩和对回波光束的有效聚焦，从而可以提高系统探测范围和精度。(3）设计并搭建了窄脉冲激光发射和信号接收电路系统，系统以 FPGA 器件和C8051F206 单片机作为主控制器，可实现重复频常为 1kHz，脉宽为 60ns 的窄脉冲激光发射：为提高接收系统的信噪比，选用高灵敏度的 APD 作为光电探测器，结合信号调理电路，从而实现微弱回波信号的有效提取：设计高精度时间差测量模块和机械旋转模块，验证扫描式激光雷达系统的测距性能。（4）为了验证测距激光雷达在无人驾驶车障碍探测中的性能，在 Visual Studio 2010平台下开发了基于 MFC 的数据重构界面，根据测量得到的距商数据实现障碍物信息重构。搭建实验平台，对近处目标物进行测量，测试并验证系统样机的探测性能，最终结果表明，所设计的脉冲式激光雷达系统基本满足预期的探测要求，并具有一定的实际应用价值。
1.局限性高
无人驾驶汽车在其“视觉能力”方面无法达到人脑的高度，其传感器通过红外摄像和普通摄像两种技术完成道路环境的收集。当车辆在人口密集的楼房建筑区、事故区域或者其他有人通过通用手势信号来指挥车辆在此区域通行时，无人汽车将遇到判断难题。另外，道路存在信号标志老旧变形等情况出现，无人汽车可能产生误识或者漏识，造成不必要的事故。
2.人文接受程度问题
社会对无人驾驶汽车依然存在诸多疑问，如当无人驾驶汽车行驶在这个人口稠密的世界时，发现已经无法避免事故的发生时，智能计算机应该选择冲向马路的行人还是直接撞击迎面而来的车辆？在受到外部虚拟网络攻击后是否还可以维持完全驾驶？未被Google或GPS完全测绘的道路如何行使等。无人驾驶汽车在法律法规方面同样存在极大的挑战。如产品责任，立法和多重管辖权等。无人汽车与有人汽车发生事故责任判定和无人汽车之间发生事故责任判定等。
3.安全防御性低
软件安全公司SecurityInnovation首席科学家乔纳桑·佩蒂特(JonathanPetit)表示，大部分无人驾驶汽车探测障碍物的激光雷达系统只需一个成本不到60美元的装置即可破解。佩蒂特表示，通过这一装置，黑客可以在任何位置设置实际并不存在的汽车、行人，或是墙壁，导致无人驾驶汽车的行驶速度放慢，甚至寸步难行。其相关论文已在欧洲黑帽安全大会上发表 。
百万购车补贴
人工智能、视觉计算、雷达、监控装置和全球定位系统研究方向。1）驾驶辅助系统（DAS）：目的是为驾驶者提供协助，包括提供重要或有益的驾驶相关信息，以及在形势开始变得危急的时候发出明确而简洁的警告。如车道偏离警告（LDW）系统等。2）部分自动化系统：在驾驶者收到警告却未能及时采取相应行动时能够自动进行干预的系统，如自动紧急制动（AEB）系统和应急车道辅助（ELA）系统等。3）高度自动化系统：能够在或长或短的时间段内代替驾驶者承担操控车辆的职责，但是仍需驾驶者对驾驶活动进行监控的系统。4）完全自动化系统：可无人驾驶车辆、允许车内所有乘员从事其他活动且无需进行监控的系统。这种自动化水平允许乘从事计算机工作、休息和睡眠以及其他娱乐等活动。
现在很多品牌的汽车都可以实现自动驾驶，未来的汽车一定是无人驾驶的。特斯拉、宝马、奔驰等品牌的汽车已经能够实现无人驾驶，这主要依靠摄像头、传感器、gps定位系统和电子控制系统。许多汽车带着l2级自动驾驶离开工厂。在一些特殊情况下，汽车可以自动行驶，而无需车主控制汽车。还有很多车有自动泊车功能，类似于无人驾驶功能。停车时，车主只需换挡。现在也有很多公司涉足无人驾驶技术领域。随着工程师们突破一个又一个难关，无人驾驶的时代总有一天会到来。无人驾驶可以避免人为的不正确操作，响应速度和准确率都比人高，因此无人驾驶技术可以避免交通事故的发生概率。虽然目前的无人驾驶技术偶尔会引发事故，但随着科技的发展，无人驾驶技术也在不断进步。未来，无人驾驶技术肯定可以避免事故，甚至在关键时刻挽救车内成员的生命。
智能船舶发展趋势分析 —以海海事巡逻艇为例 目录 摘要 3 一、智能船舶发展趋势概况 4 1.发展智能船舶的原因 4 2.智能船舶是什么 4 3.智能船舶功能模块 4 4.智能船舶关键技术 4 5.目前的技术和难点 6 6.国际上的先进成果 6 7.总论 7 二、海事巡逻船介绍 7 三、海事巡逻船的智能化 9 1.通讯与识别 1 0 2.安全与自动航行 1 1 3.船舶动力 1 3摘要船舶作为海上重要交通工具，其智能化成为世界各国关注的重点。本文概括了智能船舶的特点，总结已有成就并指出问题和和可能的改进措施和思路。就我国广阔的海域和现有的技术基础，探索海事巡逻艇在通讯与识别、安全与自动航行和动力方面可能解决的措施和方法。 关键词：智能船舶海事巡逻艇船舶智能化e航海一．智能船舶概况 1.发展智能船舶的原因 近年来由于智能船舶概念的兴起以及智能船舶技术的日益发展，船舶智能化已经成为全球航运的大势所趋。出于通过船舶智能化降低船舶控制和管理难度，减少人为误操作，提高设备及船舶营运的安全，优化船舶航行，控制燃油消耗、降低成本，提高收益等目的，目前智能船舶的研究已在全球范围内开展。[] 2.智能船舶是什么 2015年12月1日，由中国船级社（CCS）编制的《智能船舶规范》正式对外发布，其中定义：“智能船舶指利用传感器、通信、互联网等技术手段，自动感知信息和数据，并通过自动控制技术和大数据处理分析技术来实现智能化运行。”智能船舶以“大数据”为基础，运用实时数据传输和汇集、大容量计算、数字建模、远程控制等先进的信息化技术，实现船舶智能化的感知、判断分析以及决策和控制，从而更好地保证船舶的航行安全及运营效率智能船舶也是《中国制造2025》中明确重点发展的领域，代表了船舶未来的发展方向，关乎航运业的转型升级。[] 3.智能船舶功能模块 中国船级社发布的《智能船舶规范》将智能船舶分为六大功能模块：智能航行、智能船体、智能机舱、智能能效管理、智能货物管理和智能集成平台。 4.智能船舶中的关键技术 （1）信息感知技术 船舶信息感知是指船舶能够基于各种传感设备、传感网络和信息处理设备，获取船舶自身和周围环境的各种信息，使船舶能够更安全、可靠航行的一种技术手段。 （2）通信导航技术 通信技术是用于实现船舶上各系统和设备之间，以及船舶与岸站、船舶与航标之间的信息交互。常用的通信方式主要包括：VHF（甚高频）、海事专网、海事卫星、移动通信网络（手机网络）等。导航技术是用于指导船舶从指定航线的一点运动到另一点，通常包括定位、目的地选择、路径计算和路径指导等过程。船舶常用的导航技术包括早期的无线电导航和现在广泛使用的卫星导航。北斗卫星导航系统为我国船舶导航领域提供了新的发展契机。 （3）能效控制技术 2007年，世界海运船舶排放CO2达10.4亿吨，其中国际海运排放CO2约8.7亿吨，分别占当年全球CO2排放总量的3.3%和2.7%。为提高船舶能效、减少船舶温室气体排放（节能减排），国际海事组织（IMO）提出EEDI（新造船设计能效指数）、EEOI（船舶营运能效指数）等评价标。智能船舶的发展应顺应“绿色船舶”的发展潮流，分析通航环境、装载量、吃水、主机功率（转速）等因素与船舶营运能效指数EEOI之间的内在关系，在保证船舶安全和营运效率的前提下，通过优化控制船舶航速、装载量、吃水、航线等，以最大限度降低EEOI指数。 （4）航线规划技术 航线规划是指船舶根据航行水域交通流控制信息、前方航道船舶密度情况、公司船期信息、航道水流分布信息、航道航行难易信息，智能实时选择船舶在航道内的位置和航道，以优化航线，达到安全高效、绿色环保的目的。目前常用的航线规划方法包括：线性规划方法、混合整数规划模型、遗传算法、模拟退火、粒子群优化算法等智能算法 （5）状态监测与故障诊断技术 状态监测技术是以监测设备振动发展趋势为手段的设备运行状态预报技术，通过了解设备的健康状况，判断设备是处于稳定状态或正在恶化。未来船舶故障诊断可考虑以大数据为基础，运用多尺度分析方法来构建设备状态监测系统。故障诊断技术就是在船舶机械设备运行中或基本不拆卸设备的情况下，掌握设备的运行状况，根据对被诊断对象测试所取得的有用信息进行分析处理，判断被诊断对象的状态是否处于异常状态或故障状态，判断劣化状态发生的部位或零部件，并判定产生故障的原因，以及预测状态劣化的发展趋势等。 （6）遇险预警救助技术 水上交通事故时有发生，尤其是碰撞和搁浅事故，往往造成严重的经济损失和人员伤亡。无论是在海上还是内河水域，船舶碰撞是最为常见的水上交通事故类型，在所有的水上交通事故中占很大的比例。船舶遇险预警与搜救技术能够有效的降低事故的发生率以及降低事故的损失。 （7）自主航行技术 《智能船舶规范》中定义，智能航行系指利用计算机技术、控制技术等对感知和获得的信息进行分析和处理，对船舶航路和航速进行设计和优化；可行时，借助岸基支持中心，船舶能在开阔水域、狭窄水道、复杂环境条件下自动避碰，实现自主航行。[] 5.目前技术发展的成果和难点 虽然GPS、AIS、电子海图、VHF 等无线电设备和导航设备等都广泛应用在现代船舶上，同时，基于各种自动化设备的综合桥楼系统、集成控制系统和机舱监测报警系统等自动化系统都已普遍应用，且技术成熟，但是，距离上述智能船舶对智能化的要求还有不少差距。无论是尚有技术难度的船-岸大容量通信技术、大数据分析技术、智能决策技术，还是现有数据的融合及转化，还是为了长远考虑必须规划和整理的相关标准，都是摆在造船人面前的艰巨任务。 建议结合E-航海、E-内河的规划，基于已有的技术和基础设施，加快关键技术的研究，扩展现有设备的智能化功能。 6.当前国际上取得的先进成果 2012 年，由德国 Fraunhofer CML、挪威 MARINTEK、瑞典查尔姆斯理工大学等 8 家研究机构共同合作的“MUNIN” 项目（基于智能化网络的海洋无人航行）[28]，首次以无人散货轮为对象开展大型无人船的研究。 挪威船级社（DNV）在船体结构监测，舰船性能管理、船体集成管理等方面都持续进行研究，建立数字化船体模型，开发了相应的工具，可为世界各国航运公司提供系统监控及报告、高质量和综合性的视觉信息、全生命周期信息、通过3D 结构模型实现清晰通信等技术服务。 作为全球最大的船舶设备供应商之一，英国的罗尔斯·罗伊斯公司最近几年提出了自动船舶（Autonomous Ship），机器人船舶（Robotic Ship），无人船舶（Unmanned Ship），船舶智能化（ShipIntelligence）等概念。2013 年，罗尔斯·罗伊斯公司开展无人驾驶货船（ robotic cargo ship）项目的研究，这种无人驾驶货船可以从全息控制室实现全部操作，并可以航行到世界各地。罗罗公司认为，智能船舶的下一步发展应该着眼于远程遥控和无人驾驶。该公司在2014年就开始开发名为“未来操作体验概念”(Future Operator Experience Concept)的岸基遥控系统。2016年3月，该公司又与芬兰国家技术研究中心(VTT)、阿尔托大学和坦佩雷大学人机互动研究中心结成合作伙伴，拟于2020年前推出成型产品。通过与VTT进行技术合作，罗罗公司够有效评估远程遥控自动化船舶的设计方案。[] 7.总论 总体来说，部分智能船舶相关技术理论较为成熟（环境感知技术、通信导航技术、状态监测与故障诊断技术等），已经得到实际应用，但有些技术理论缺少在真实环境下的验证（能效控制技术、航线规划技术、安全预警技术、自主航行技术等），因此，智能船舶总体仍处于快速发展阶段，还未完全成熟。随着船舶技术、信息技术的发展，以及“大数据”的智能应用，正推动着智能船舶的加速出现。船舶智能化的发展将是决定未来船舶行业发展方向的重要因素；除了信息感知、通信导航、能效管理等关键技术，自动停泊、离岸，自动维修，自动清洗，自动更换设备部件，自我防护等同样将会趋于智能化发展；随着船舶智能化相关技术的不断发展，最终可实现由智能系统设备逐步转变为会思考的智能船舶，促进船舶安全、高效航行。并为我国航运带来新的发展机遇。 二、海事巡逻船的介绍 我国是海洋和航运大国，是国际海事组织A类理事国，在和平开发和利用海洋资源、履行国际公约中发挥着重要作用。但是由于历史原因，，我国水上交通安全监督管理能力还不适应经济发展需要，与我国海洋大国和航运大国的地位极不相符。20001年，《中国海事发展纲要》提出，到2005年，中国海事将要把1000海里内的国际航线和海上设施等纳入监管范围，50海里内重要干线航道和重要港口附近的应急到达时间不大于3小时。实现这一目标的要求存在于多方面，其中一个重要原因即为具有远航能力的现代化的海事巡逻船。 海事巡逻船在海事巡航执法等诸多方面中发挥着关键作用，其任务主要包括：1、执行海上巡逻、监管、警戒、护航、交通疏导2、执法取证：处理和调查一切海上事故的必须交通工具，维护水上秩序 3、应急搜救：承担水上搜寻救助组织和海上应急值班工作，协调和指导的有关工作。 海事巡逻船上应配备的光电跟踪取证系统能够良好实现海上取证，有效地进行海上内交通事故调查和处理、搜寻和水域污染检测等活动。海上取证不似陆地证据那般固化，会随时间和海流、风向的变化而变化甚至消灭。及时准确的海上取证极为重要。因此，该系统在海事巡逻船得以应用。 海事巡逻船还有一个特殊舱室——多功能厅。此厅类似于会议室，不同的是该亭内具备巨屏显示器以及安装电脑和各种电子设备的操作台。此厅不仅用于召集紧急会议，更可以通过以太网络系统，实现现场指挥部用特殊频点甚至高频无线通话与渔政、海关船舶通信联络；也可以通过船上海事卫星系统接入全国海事网，甚至接入国际海事组织。 海事巡逻船能保证我国领海的安全，帮助我国实现海上透明化的宏伟目标。而其更智能化是海事巡逻船的发展趋势，也是我们应努力的方向。三、 海事巡逻船的智能化 基于海事巡逻船的特点及现有技术基础，实现有限度的海事巡逻船的的智能化是必要且可行的。海事巡逻船的任务及功能有其特殊性，不同于其他船种。其主要任务类型包括巡逻护航、监管执法、搜救指挥、污染防治业务和维护国家安全和利益。[5]根据《国家水上交通安全和救助系统布局规》制定的监管目标，巡逻船要能在12h之内到达离岸200 n mile内的任何水域，在90min之内到达离岸50nmile内的重点水域。该任务需求对船舶航速提出明显需求，但考虑到节省燃油，船舶日常巡航是低速航行的，仅在需要时才迅速提高航速，因而要求船舶在中低速和高速的状态下都能有较低的耗油率。同时，考虑到重大海难大多发生在恶劣海况下，要求船舶有优良的操纵性和适航性、较大的续航力和结构强度及先进的通信指挥和救援设备。表一归纳了海事履职的主要任务与船舶主要性能的相关性其中船舶生存能力主要指船舶稳性和抗沉性[6]。针对以上对海事巡逻船的规范和要求，本文将讨论海事巡逻船在解决通讯与识别、安全和自动航行及动力方面可能的措施及思路。 1.通讯与识别 船舶间通讯主要通过卫星通讯和地面通信，关于海事巡逻船队间的通信，可以考虑移动自组网技术。自组网是指一组带有无线接收装置的移动节点组成的一个多跳临时性的自治系统。主要应用在没有网络基础设施支持的环境中或现有网络不能满足移动性机动性等要求的情况下。自组网一般采用按需路由策略，按需路由认为在动态变化的自组网环境中，没有必要维护去往其他节点的路由，仅在没有去往的节点陆游的时候才“按需”进行路由发现，拓扑结构和路由表内容是按需建立。通过上述部署可以实现编队间的实时数据交流。 关于船舶的识别，上世纪年代后期，美国、日本及西欧国家开发了基智能交通系统（ITS）现在己经趋于成熟，为该领域的发展指明了方向。船舶交通服务系统(VTS）最早在欧洲建立，起初应用于内陆水域，目前已经被沿海各国普遍应用。 对于海事巡逻船来说，它的主要执法对象既包括强制安装AIS系统的大型船舶，也包括相关水域的小型船只。基于相关情况，本文主要提出基于VTS+AIS模式（船舶交通管理系统船舶自动识别系统）和基于GPS+GIS+GPRS/CDMA系统的两种识别方式。 VTS是通过前端的雷达和后端的综合信息处理系统，将船舶的位置、速度、方向等信息显示在显示器上，并以此来实现交通流的组织、助航等服务的电子系统。这对组合的优势 在于，能够最大程度地发挥雷达和的互补作用，对于大型（等强制要求安装终端设备的船舶而言，基本上能够实现全覆盖。但船载设备设备的费用相对来说较高，因此安装的成本太大，而砂石运输船等小型船舶又属于非船舶，没有强制安装终端的要求，因此，这套方案对于小型船舶而言，不易于推广实施。 GPS+GIS+GPRS/CDMA系统定位精度比较高，分辨率可以达到15米，速度测量精度可以达到0.1米秒；能够更准确地把握周边信息，通过地图将船位置信息标注到海图上，实现对船舶的监控和管理，对沿海、内河这些移动、联通网络覆盖率高的区域，更有利于实现对船舶安全航行提供助航服务；更有利于实时通信，在移动、联通网络覆盖范围内，网络传输的速度较快，传输的准确率较高，也实现了网络化通信的目标；经济实用，性价比高，这也是与其他种船舶监控方式相比的最大优势。一些小型施工船，强制其安装价格昂贵的设备，将会给这些船舶带来巨大的经济压力。而基于的方案能够充分利用公共通信服务网络，网络通信费用较低，船载终端的成本更加低廉，不会像设备那样增加船方更多的经济负担，比较有利于推广。 由于可以通过技术的手段来转换GPS信息与AIS信息的数据格式，因此，小船的数据信息在系统可以实现集成显示。2.安全和自动航行 智能船舶的航行对通讯的安全性和设备的可靠性提出了很高的要求。对于通讯，一般来说，一个完整的安全模型应由以下五部分组成：安全管理、入侵检测、安全保护、安全恢复、安全响应。评价一个网络安全的程度应当遵循“木桶原则”，即以最低网络安全程度作为判断的依据。因此，一个安全无漏洞的系统，应当从各个方面来加强网络安全，应当构建一个多层的安全保护网。在实现定位功能和数据传输方面，选取了信号稳定、成本较低的GPS定位系统，以及GPRS网络系统，突出了节约经费的思路；在小船监控系统应用于管理方面，通过对新系统的研究，找到了将小船AIS目标融合到目标中的途径，迎合了系统集成化的趋势；在网络架构方面，对VTS安全网络进行了较为认真的分析研究，提出了一个四层安全架 构，体现了网络安全的理念。 智能船舶的自动航行需要一系列软硬件支持，现有的一人桥楼和无人机舱的技术并不稳定，通常在实践过程中并不能发挥应有的作用。智能船舶在算法设计上系统应采用变论域模糊控制通过实时控制舵角输出实现船舶航向的精确控制。目前以专家系统、模糊控制、神经网络等控制算法为核心的第四代自动舵系统。目前比较常见的船舶航向控制系统主要由上位机、航向控制器、舵伺服系统等部分组成其中上位机作为数据参数的发送端,主要实现航向控制值的设定及当前船舶所受扰动量的输入;航向控制器则在结合相关数据的基础上经过智能算法运算实现控制舵角值的输出;最后由舵伺服系统实现舵机控制及当前舵角反馈,以此实现船舶航向智能控制。智能船舶的避碰功能也是船舶航行过程中需要考虑的重要问题。不同船型有不同的回转半径，不同速度下有不同的转弯角速度。要想真正实现船舶避碰ARPA功能，每种船型的数学模型是不一样的。如果是运输船舶，不同（装载量），其特性也不一样的。换言之，船舶避碰 ARPA 软件还要具有“不断学习”的能力，以适应海事巡逻船巡逻执法的需要。与传统的“ARPA 功能”相比，新型导航雷达要与“船舶能效管理系统”有接口关系，实现自身船型特性数据的输入和实时修正。 与传统的“观察”相比，新型导航雷达要与“船舶气象仪”及其他气象设备有接口关系，获得实现天气、海浪等气象特性数据的自动输入和实时修正。根据目标的大小需要变换量程，或者需要调节增益，新型导航雷达本身能够实现自动调节。另外，借助岸基支持中心，也能遥控实现自动调节。 现代导航雷达显示器能够与“电子海图显示与信息系统（ECDIS）”和 “船舶自动识别系统（AIS）进行融合。这样的雷达画面，就是智能船舶的实时场景。与传统的“融合观察”相比，新型导航雷达能够与对外通信系统或情报系统有接口关系，能够将“实时场景”传输到岸基支持中心，以便实现岸基互动，更好的维护我国利益，实现海事巡逻船的预定功能。 [if !supportLists]3. [endif] 船舶动力 海事巡逻艇对速度有着明确的要求，要求其在指定时间内到达出事海域，同时要求起能实现长时间巡航。这就对海事巡逻艇的动力装置的性能，尤其是速度和可靠性提出了要求。当前船舶动力系统种类可分为：柴油机动力系统和燃气轮动力系统，前者优点是：安全可靠，经济实惠启动迅速功率范围大部分负载运转性能好效率可观技术比较成熟，而目前市场上半数以上船舶使用的就是这一系统；而后者具有质量轻功率大、尺寸小、环保等优良特性，但同时也有油耗高、对燃料要求高的缺点。目前国内船舶动力系统的发展趋势：双燃料单缸输出功率大的常规智能型柴油机动力系统、电力动力系统（采用交流变频技术，易于布置，节能，噪声小，易实现自动化控制）、和混合动力系统（可靠性高，常用于军船和大型远洋商船）。 在船舶汽轮机调速过程中经常采用PID控制器，这主要是由于PID算法具有结构简单、容易实现的特点，利于实现对动力系统的智能控制。但在常规PID算法需要人工试凑，不利于实现船舶的智能化。要对其进行智能化改造，采用基于模糊神经网络的模糊型PID控制器。参考文献： [1].国内外智能船舶发展概述【OL】.江苏省机械工业网.2017-07-11/2017-12-06 [2].《智能船舶规范简介》【J】.船舶工程,2016-09-15:01-02 [3].李雨.智能船舶现状与发展趋势【OL】.互联网.2016-12-14/2017-12-06 [4].梁云芳，谢俊元，陈虎，季寒，吴鸿程《智能船舶的发展研究》【J】.中国会议论文.2017-07-01/2017-12-06 [5].杨立波，王旺，邓爱民.《海事巡逻船型船及性能指标研究》【J】.《船海工程》 2013(2) [6].赵福波，谢新连，李猛.《海事巡逻船优化选型数学建模》【J】.中国航海20 16（1）
姓名：陈心语 学号：21009102266 书院：海棠1号书院 转自： 人工智能在自动驾驶技术中的应用 - 云+社区 - 腾讯云 (tencent.com) 【嵌牛导读】本文介绍了人工智能在无人驾驶方面的应用。 【嵌牛鼻子】人工智能运用于无人驾驶。 【嵌牛提问】人工智能在无人驾驶方面中有什么运用呢？ 【嵌牛正文】 随着技术的快速发展云计算、大数据、人工智能一些新名词进入大众的视野，人工智能是人类进入信息时代后的又一技术革命正受到越来越广泛的重视。作为人工智能技术在汽车行业、交通领域的延伸与应用，无人驾驶近几年在世界范围内受到了产学界甚至国家层面的密切关注。 自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。自动驾驶技术将成为未来汽车一个全新的发展方向。 本文将主要介绍人工智能技术在自动驾驶中的应用领域，并对自动技术的发展前景进行一个简单的分析。 人工智能是一门起步晚却发展快速的科学。20 世纪以来科学工作者们不断寻求着赋予机器人类智慧的方法。现代人工智能这一概念是从英国科学家图灵的寻求智能机发展而来，直到1937年图灵发表的论文《理想自动机》给人工智能下了严格的数学定义，现实世界中实际要处理的很多问题不能单纯地是数值计算，如言语理解与表达、图形图像及声音理解、医疗诊断等等。 1955 年Newell 和Simon 的Logic Theorist证明了《数学原理》中前52 个定理中的38 个。Simon 断言他们已经解决了物质构成的系统如何获得心灵性质的问题( 这种论断在后来的哲学领域被称为“强人工智能”) ，认为机器具有像人一样逻辑思维的能力。1956 年，“人工智能”( AI) 由美国的JohnMcCarthy 提出，经过早期的探索阶段，人工智能向着更加体系化的方向发展，至此成为一门独立的学科。 五十年代，以游戏博弈为对象开始了人工智能的研究；六十年代，以搜索法求解一般问题的研究为主；七十年代，人工智能学者进行了有成效的人工智能研究；八十年代，开始了不确定推理、非单调推理、定理推理方法的研究；九十年代，知识表示、机器学习、分布式人工智能等基础性研究方面都取得了突破性的进展。 人工智能在自动驾驶技术中的应用概述 人工智能发展六十年，几起几落，如今迎来又一次热潮，深度学习、计算机视觉和自然语言理解等各方面的突破，使得许多曾是天方夜谭的应用成为可能，无人驾驶汽车就是其中之一。作为人工智能等技术在汽车行业、交通领域的延伸与应用，无人驾驶近几年在世界范围内受到了产学界甚至国家层面的密切关注。目前，人工智能在汽车自动驾驶技术中也有了广泛应用。 自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，它是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统， 它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术, 是典型的高新技术综合体。 这种汽车能和人一样会“思考” 、“判断”、“行走” ，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆 。 按照 SAE （美国汽车工程师协会）的分级，共分为：驾驶员辅助、部分自动驾驶、有条件自动驾驶、高度自动驾驶、完全自动驾驶五个层级。 第一阶段：驾驶员辅助 目的是为驾驶者提供协助，包括提供重要或有益的驾驶相关信息，以及在形势开始变得危急的时候发出明确而简洁的警告。现阶段大部分ADAS主动安全辅助系统，让车辆能够实现感知和干预操作。例如防抱死制动系统（ABS）、电子稳定性控制（ESC）、车道偏离警告系统、正面碰撞警告系统、盲点信息系统等等，此时车辆是能够通过摄像头、雷达传感器获知周围交通状况，进而做出警示和干预。 第二阶段：部分自动驾驶 车辆通过摄像头、雷达传感器、激光传感器等等设备获取道路以及周边交通信息，车辆会自行对方向盘和加减速中的多项操作提供驾驶支援，在驾驶者收到警告却未能及时采取相应行动时能够自动进行干预，其他操作交由驾驶员，实现人机共驾，但车辆不允许驾驶员的双手脱离方向盘。例如自适应巡航控制（ACC）、车道保持辅助系统（LKA）、自动紧急制动（AEB）系统、车道偏离预警（LDW）等。 第三阶段：有条件自动驾驶 由自动驾驶系统完成驾驶操作，根据路况条件所限，必要时发出系统请求，必须交由驾驶员驾驶。 第四阶段：高度自动驾驶 由自动驾驶系统完成所有驾驶操作，根据系统请求，驾驶员可以不接管车辆。车辆已经可以完成自动驾驶，一旦出现自动驾驶系统无法招架的情形，车辆也可以自行调整完成自动驾驶，驾驶员不需要干涉。 第五阶段：完全自动驾驶 自动驾驶的理想形态，乘客只需提供目的地，无论任何路况，任何天气，车辆均能够实现自动驾驶。这种自动化水平允许乘客从事计算机工作、休息和睡眠以及其他娱乐等活动，在任何时候都不需要对车辆进行监控。 自动驾驶的实现 车辆实现自动驾驶，必须经由三大环节： 第一，感知。 也就是让车辆获取，不同的系统需要由不同类型的车用感测器，包含毫米波雷达、超声波雷达、红外雷达、雷射雷达、CCD \CMOS影像感测器及轮速感测器等来收集整车的工作状态及其参数变化情形。 第二，处理。 也就是大脑将感测器所收集到的资讯进行分析处理，然后再向控制的装置输出控制讯号。 第三，执行。 依据ECU输出的讯号，让汽车完成动作执行。其中每一个环节都离不开人工智能技术的基础。 人工智能在自动驾驶定位技术中的应用 定位技术是自动驾驶车辆行驶的基础。目前常用的技术包括 线导航、磁导航、无线导航、视觉导航、导航、激光导航等。 其中磁导航是目前最成熟可靠的方案,现有大多数应用均采用这种导航技术。磁导航技术通过在车道上埋设磁性标志来给车辆提供车道的边界信息,磁性材料具有好的环境适应性,它对雨天,冰雪覆盖,光照不足甚至无光照的情况都可适应,不足之处是需要对现行的道路设施作出较大的改动,成本较高。同时磁性导航技术无法预知车道前方的障碍,因而不可能单独使用。 视觉导航对基础设施的要求较低,被认为是最有前景的导航方法。在高速路和城市环境中视觉方法受到了较大的关注。 人工智能在自动驾驶图像识别与感知中的应用 无人驾驶汽车感知依靠传感器。目前传感器性能越来越高、体积越来越小、功耗越来越低，其飞速发展是无人驾驶热潮的重要推手。反过来，无人驾驶又对车载传感器提出了更高的要求，又促进了其发展。 用于无人驾驶的传感器可以分为四类： 雷达传感器 主要用来探测一定范围内障碍物（比如车辆、行人、路肩等）的方位、距离及移动速度，常用车载雷达种类有激光雷达、毫米波雷达和超声波雷达。激光雷达精度高、探测范围广，但成本高，比如Google无人车顶上的64线激光雷达成本高达70多万元人民币；毫米波雷达成本相对较低，探测距离较远，被车企广泛使用，但与激光雷达比精度稍低、可视角度偏小；超声波雷达成本最低，但探测距离近、精度低，可用于低速下碰撞预警。 视觉传感器 主要用来识别车道线、停止线、交通信号灯、交通标志牌、行人、车辆等。常用的有单目摄像头、双目摄像头、红外摄像头。视觉传感器成本低，相关研究与产品非常多，但视觉算法易受光照、阴影、污损、遮挡影响，准确性、鲁棒性有待提高。所以，作为人工智能技术广泛应用的领域之一的图像识别，也是无人驾驶汽车领域的一个研究热点。 定位及位姿传感器 主要用来实时高精度定位以及位姿感知，比如获取经纬度坐标、速度、加速度、航向角等，一般包括全球卫星定位系统（GNSS）、惯性设备、轮速计、里程计等。现在国内常用的高精度定位方法是使用差分定位设备，如RTK-GPS，但需要额外架设固定差分基站，应用距离受限，而且易受建筑物、树木遮挡影响。近年来很多省市的测绘部门都架设了相当于固定差分基站的连续运行参考站系统（CORS），比如辽宁、湖北、上海等，实现了定位信号的大范围覆盖，这种基础设施建设为智能驾驶提供了有力的技术支撑。定位技术是无人驾驶的核心技术，因为有了位置信息就可以利用丰富的地理、地图等先验知识，可以使用基于位置的服务。 车身传感器 来自车辆本身，通过整车网络接口获取诸如车速、轮速、档位等车辆本身的信息。 人工智能在自动驾驶深度学习中的应用 驾驶员认知靠大脑，无人驾驶汽车的“大脑”则是计算机。无人车里的计算机与我们常用的台式机、笔记本略有不同，因为车辆在行驶的时候会遇到颠簸、震动、粉尘甚至高温的情况，一般计算机无法长时间运行在这些环境中。所以无人车一般选用工业环境下的计算机——工控机。 工控机上运行着操作系统，操作系统中运行着无人驾驶软件。如图1所示为某无人驾驶车软件系统架构。操作系统之上是支撑模块（这里模块指的是计算机程序），对上层软件模块提供基础服务。 支撑模块包括：虚拟交换模块，用于模块间通信；日志管理模块，用于日志记录、检索以及回放；进程监控模块，负责监视整个系统的运行状态，如果某个模块运行不正常则提示操作人员并自动采取相应措施；交互调试模块，负责开发人员与无人驾驶系统交互。 图：某无人驾驶车软件系统架构 除了对外界进行认知之外，机器还必须要能够进行学习。深度学习是无人驾驶技术成功地基础，深度学习是源于人工神经网络的一种高效的机器学习方法。深度学习可以提高汽车识别道路、行人、障碍物等的时间效率，并保障了识别的正确率。通过大量数据的训练之后，汽车可以将收集到的图形，电磁波等信息转换为可用的数据，利用深度学习算法实现无人驾驶。 在无人驾驶汽车通过雷达等收集到数据时，对于原始的训练数据要首先进行数据的预处理化。计算均值并对数据的均值做均值标准化、对原始数据做主成分分析、使用PCA白化或ZCA白化。例如：将激光传感器收集到的时间数据转换为车与物体之间的距离；将车载摄像头拍摄到的照片信息转换为对路障的判断，对红绿灯的判断，对行人的判断等；雷达探测到的数据转换为各个物体之间的距离。 将深度学习应用于无人驾驶汽车中， 主要包含以下步骤： 1. 准备数据，对数据进行预处理再选用合适的数据结构存储训练数据和测试元组； 2. 输入大量数据对第一层进行无监督学习； 3. 通过第一层对数据进行聚类，将相近的数据划分为同一类，随机进行判断； 4. 运用监督学习调整第二层中各个节点的阀值，提高第二层数据输入的正确性； 5. 用大量的数据对每一层网络进行无监督学习，并且每次用无监督学习只训练一层，将其训练结果作为其更高一层的输入。 6. 输入之后用监督学习去调整所有层。 人工智能在自动驾驶信息共享中的应用 首先， 利用无线网络进行车与车之间的信息共享。通过专用通道，一辆汽车可以把自己的位置、路况实时分享给队里的其它汽车，以便其它车辆的自动驾驶系统，在收到信息后做出相应调整。 其次， 是3D路况感应，车辆将结合超声波传感器、摄像机、雷达和激光测距等技术，检测出汽车前方约5米内地形地貌，判断前方是柏油路还是碎石、草地、沙滩等路面，根据地形自动改变汽车设置。 另外， 汽车还将能进行自动变速，一旦探测到地形发生改变，可以自动减速，路面恢复正常后，再回到原先状态。 汽车信息共享所收集到的交通信息量将非常巨大，如果不对这些数据进行有效处理和利用，就会迅速被信息所湮没。因此需要采用数据挖掘、人工智能等方式提取有效信息，同时过滤掉无用信息。考虑到车辆行驶过程中需要依赖的信息具有很大的时间和空间关联性，因此有些信息的处理需要非常及时。 人工智能应用于自动驾驶技术中的优势 人工智能算法更侧重于学习功能，其他算法更侧重于计算功能。 学习是智能的重要体现，学习功能是人工智能的重要特征，现阶段大多人工智能技术还处在学的阶段。如前文所说，无人驾驶实际上是类人驾驶，是智能车向人类驾驶员学习如何感知交通环境，如何利用已有的知识和驾驶经验进行决策和规划，如何熟练地控制方向盘、油门和刹车。 从感知、认知、行为三个方面看， 感知部分难度最大， 人工智能技术应用最多。感知技术依赖于传感器，比如摄像头，由于其成本低，在产业界倍受青睐。以色列一家名叫Mobileye的公司在交通图像识别领域做得非常好，它通过一个摄像头可以完成交通标线识别、交通信号灯识别、行人检测，甚至可以区别前方是自行车、汽车还是卡车。 人工智能技术在图像识别领域的成功应用莫过于深度学习，近几年研究人员通过卷积神经网络和其它深度学习模型对图像样本进行训练，大大提高了识别准确率。Mobileye目前取得的成果，正是得益于该公司很早就将深度学习当作一项核心技术进行研究。 认知与控制方面，主要使用人工智能领域中的传统机器学习技术，通过学习人类驾驶员的驾驶行为建立驾驶员模型，学习人的方式驾驶汽车。 无人驾驶技术所面临的挑战和展望 在目前交通出行状况越来越恶劣的背景下，“无人驾驶”汽车的商业化前景，还受很多因素制约。 主要有： 1. 法规障碍 2. 不同品牌车型间建立共同协议，行业缺少规范和标准 3. 基础道路状况，标识和信息准确性，信息网络的安全性 4. 难以承受的高昂成本 此外，“无人驾驶”汽车的一个最大特点，就是 车辆网络化、信息化程度极高 ，而这也对电脑系统的安全问题形成极大挑战。一旦遇到电脑程序错乱或者信息网络被入侵的情况，如何继续保证自身车辆以及周围其他车辆的行驶安全，这同样是未来急需解决的问题。 虽然无人驾驶技术还存在着很多挑战，但是无人驾驶难在感知，重在“学习”，无人驾驶的技术水平迟早会超过人类，因为稳、准、快是机器的先天优势，人类无法与之比拟。
三维激光雷达在无人驾驶中的应用：
1、研究背景：随着科技的发展，时代的进步，无人驾驶汽车逐渐兴起，然而对无人驾驶汽车周围的环境进行探测便成为了一项十分重要的问题。
2、意义：通过检测目标物体的空间方位和距离，提供目标的激光反射强度信息，提供被检测目标的详细形状描述，在光照条件好的环境下表现优秀，而且在黑夜和雨天等极端情况下也有较好表现。
实际应用分析：
1、定位：在一些城市、建筑和树比较多的地方，以及进隧道、出隧道，它的信号容易中断。同时，也有用摄像头等传感器感知外部环境、构建环境模型并利用该模型确定车辆所在的位置的方式，但其对环境的依赖比较强，比如逆光或雨雪天气下，这种定位容易失效。
2、障碍物的检测和分类：通过点云做关联目标，知道上一帧和下一帧是否属于同一个物体，再进行目标跟踪，输出目标跟踪信息。
3、用于先进驾驶辅助系统：利用安装于车上的各式各样的传感器， 在第一时间收集车内外的环境数据， 进行静、动态物体的辨识、侦测与追踪等技术上的处理， 从而能够让驾驶者在最快的时间察觉可能发生的危险， 以引起注意和提高安全性的主动安全技术。
当前，无人驾驶技术已成为汽车领城的发展趋势，障碍物探测是无人驾驶技术中的亚要环节。激光留达作为一种主到探测方法，具有测量速度快，精度高等优点，在障碍检测方面优势明显。本文以无人驾驶车障得探测为应用背最，针对扫描式多线徽光雷达成本较高、测距精度较低的不足，开展了激光香达测距技术研究，综合考应车载环境以及实际应用需求，设计了一种扫描式测距激光省达系统。论文主要工作如下：（1）对比分析了脉冲式和相位.式激光测距原理，根据无人驾驶车障碍探测的实时性要求，选择脉冲式测距方案，综合考忠影响脉冲式测量精度的关键因素，设计了一种改进型的时刻鉴别以及时间间隔测量方法，优化系统采测性能。(2)针对半导体激光器和光电探测器的具体特性，设计了发射端和接收端光学系统，在 zEMAx 软件中进行光线追迹仿真，验证了其对发射光束的准直压缩和对回波光束的有效聚焦，从而可以提高系统探测范围和精度。(3）设计并搭建了窄脉冲激光发射和信号接收电路系统，系统以 FPGA 器件和C8051F206 单片机作为主控制器，可实现重复频常为 1kHz，脉宽为 60ns 的窄脉冲激光发射：为提高接收系统的信噪比，选用高灵敏度的 APD 作为光电探测器，结合信号调理电路，从而实现微弱回波信号的有效提取：设计高精度时间差测量模块和机械旋转模块，验证扫描式激光雷达系统的测距性能。（4）为了验证测距激光雷达在无人驾驶车障碍探测中的性能，在 Visual Studio 2010平台下开发了基于 MFC 的数据重构界面，根据测量得到的距商数据实现障碍物信息重构。搭建实验平台，对近处目标物进行测量，测试并验证系统样机的探测性能，最终结果表明，所设计的脉冲式激光雷达系统基本满足预期的探测要求，并具有一定的实际应用价值。