為改善道路安全需求的推動下，消費者對智慧駕駛技術的需求飆升。據世界衛生組織(WHO)道路安全全球現狀報告顯示，每年有超過100萬人在交通事故中喪命，最常見的原因是分心駕駛、超速行駛、酒駕等。全球各公司積極開發自駕車技術以減少事故，並提高駕駛安全性。

根據Electronic Design報導，疫情期間越來越多民眾避免搭乘公共交通工具，尋求更安全的方式避免感染，近日上海推出無人計程車，乘車過程中不僅無須觸碰螢幕，也保持社交距離。在疫情肆虐時，導入自駕技術的人工智慧(AI)機器人運送必要的醫療用品和食品，與前線醫護人員一同對抗疫情。

儘管大規模部署全自駕車輛可能還需一段時間，但Tesla、Waymo積極打造商用Level 4級自駕技術，引領更節能、智慧的交通方式。

智慧感測器猶如自駕車另一雙眼

自駕車輛採用慣性測量單元(IMU)、衛星導航系統(GNSS)、包含光達(LiDAR)和雷達在內多項感測器與高動態相機，使車輛能在道路上安全行駛。

不過，雷達對自駕車辨認運動物體的速度有限。雖然雷達可探測到前方停止車輛，但無法確定物體精確位置，比如靜止車輛是否和駕駛人在同一車道上。有鑑於此，不少企業開發結合雷達、3D位置和光達，來克服這項挑戰。

其中，光達通常被視為自駕車的關鍵，協助自駕車偵測障礙物、收集車輛周圍空間解析度的3D數據來輔助導航。

攝影鏡頭對收集車輛周圍環境的詳細資訊十分有用，能獲取交通號誌的顏色或者是數位看板上的文字。然而，與光達不同的是，攝影鏡頭無法了解到物體真實情況，所以不能判斷真正距離。這也就是為何大部分自駕技術供應商，利用光達、雷達、攝影鏡頭、GNSS和IMU的優勢開發自駕解決方案。

感測器融合　使自駕車輛再進化

為了實現高可靠度，自駕車必須準確地感知周圍環境，包括行人、建築物及交通號誌燈等，在自駕系統中各種類型的硬體零件收集有價值的資訊，這些數據將被即時分析，這被稱為「感測器融合」(Sensor Fusion)，讓車輛獲得周圍環境最準確的訊息。

實現感測器融合的方法有不同種類，傳統方法融合後的數據是從每個感測器偵測部分訊息，有時提供不完整的資料，因此可能導致自駕車誤判情況；相比之下，採用深度學習技術整合原始資料，來保持不同類型感測器的相關訊息，從而給予車輛更精確的數據。

從收集數據到真正上路

當感測器和自駕控制器進行同步收集與傳輸數據時，車輛的感知(Perception)軟體模組負責整合所有模式，以建立車輛周圍環境的3D圖像。感知軟體生成所有物體、汽車、行人與自行車的3D位置，在感知模組收集生成資訊的同時，深度學習模組會隨時掌握前方路況，進一步使車輛能設置軌跡預測的決定性參數。

此外，雲端平台與基礎設施也是自駕技術發展的基礎，平台儲存自駕系統的所有數據，而基礎設施模組提供自駕作業系統資源、動態調度及用於測試的視覺化系統。這些模組確保自駕車真正上路後，能安全又可靠的行駛。

By DIGITIMES