随着人工智能(Artificial Intelligence)技术的不断发展，人们开始设想是不是能把这一技术转移到汽车上呢，使用人工智能来代替人类司机来驾驶汽车。这就是最初的无人驾驶的思想雏形。那么我们应该怎么来衡量汽车的无人化程度呢？根据美国汽车工程师协会（SAE）定义了6个级别的无人驾驶等级。从0级（完全手动）到5级（完全自动）如下图所示：
无人驾驶分级
将上图翻译成中文的话，
级别
0 无自动驾驶
相当于在当今的道路上行驶的大多数汽车都是 0 级，由人来手动控制汽车。
1 驾驶员辅助
这是自动化最低的级别，如自适应巡航控制系统（ACC）可以让车辆与前车保持安全距离，属于等级1。
2 部分自动驾驶
这里指的是高级驾驶员辅助系统或ADAS，车辆能够自己控制转向以及加速或减速，驾驶员在此等级下依然坐在驾驶位上监督所有的任务，并且在任何情况下可以取得控制权限。
3 受条件制约的自动驾驶
汽车具有侦测环境的能力，可以自己根据环境信息做出决定，能够自己完成大部分的任务，但是依然需要人类操纵。
4 高度自动驾驶
在某种特定的条件下可以实现完全自动驾驶，大部分情况下不需要人为干预，但是驾驶员仍然可以操纵汽车。此等级的无人驾驶汽车只能在限定区域行驶，也称为有地理围栏。
5 完全自动驾驶
5级无人驾驶汽车完全不需要人类的干预，没有方向盘或加速、制动踏板，也没有地理围栏，能够去任何地方，就像真正的驾驶经验丰富的人类驾驶员操作一样。
无人驾驶结构
无人驾驶汽车要解决的核心问题：如何在安全的情况下，最快到达目的地。最常见的想法是把无人驾驶汽车当成人来看，我们人用眼睛来观察环境，对应的无人驾驶汽车也需要眼睛来观察环境，无人汽车的眼睛就是雷达、激光雷达、超声波雷达、摄像头等设备，光有眼睛还不够，还需要大脑来做决策、肢体来移动。这样才是一个完整的无人驾驶体系，无人驾驶汽车的大脑这块和深度学习、增强学习等深深相关，肢体移动这块与汽车本身的动力系统有关。
上图是5级自动驾驶以下的框图，自动驾驶关键的模块有环境感知、定位、信息融合、驾驶决策、运动规划、轨迹控制等六个模块。环境感知模块通过摄像头、雷达以及激光雷达等收集汽车周围的信息。信息融合模块根据环境感知模块收集到的信息来进行融合，从而得到可靠的环境模型。定位模块是通过HD Map高清地图与感知数据找到汽车在真实世界里的位置坐标，然后这一结果将会被送入到驾驶决策模块里，从而做出相应的决策，比如：保持车道、车道变更、加速或者减速等决策。决策模块制定的决策将会传递到运动规划模块中去。最后的轨迹控制模块是通过控制汽车的执行器，如油门、刹车、转向等来控制汽车的横向速度与纵向速度。
0 留言