【百面机器学习之算法工程师读书笔记】——第十四章：人工智能的热门应用-AI在自动驾驶中的应用
目录
为什么要自动驾驶？
自动驾驶的好处：
（1）安全。从理论上讲，一个完美的自动驾驶方案，每年可挽救120万人生命。
（2）方便。自动驾驶可解放驾驶员，在乘车时进行工作和娱乐。更好的利用时间。
（3）高效共享。共享出行最大的成本来自于司机的时间，实现自动，则完全不需要买车，依赖共享出行即可。
（4）减少拥堵。在一个人工驾驶的车队中，只要加入一辆自动驾驶汽车，就可将车队的行驶车速标准差减少50%，使其更稳定和省油。
自动驾驶的定义
定义：是无需人工的持续干预下，用于自动控制交通工具行驶轨迹的系统。
按照自动化程度和驾驶员的参与度，国际汽车工程师协会将自动驾驶分为5级，如下图所示。
自动驾驶技术发展
自动驾驶概念提出之时，便有了两种截然不同的技术路线，如下所示。
第一条技术路径：基于路面上的基础设施，帮助车辆定位，导航和决策。
第二条技术路径：在不改变现有路面的情况下，车辆通过自带的传感器和智能计算来独立完成驾驶。
相比之下，第二条技术的研究得以不断发展，在2005年的挑战赛上，冠军车队（人工智能）摒弃基于人工规则的方法，采用数据驱动的机器学习技术，来训练车辆识别障碍物和做出反应。到2014年，自动驾驶在处理城市街道的上千种复杂路况上游刃有余。
自动驾驶与AI
自动驾驶的支撑技术的三个层次：
（1）上层控制。路线规划，交通分析，交通安排。
（2）中层控制。物体识别，路障监测，遵守交规。
（3）底层控制。巡航控制，防抱死，电子系统控制牵引力，燃油喷射系统，引擎调谐。
其中，每一层都可用到人工智能技术。下图为人工智能在自动驾驶中的应用。
补充：
中层控制中，路障监测用到两个重要的工具：占据栅格、不确定性锥。
（1）占据栅格：是一个存储了汽车周围实体对象信息的数字存储库。
（2）不确定性锥：是用来预测汽车附近物体的位置和移动速度的工具。
自动驾驶的商业化
由于自动驾驶一旦出错，后果无法挽回，因此在实际应用中的容错性较为严苛。所以，现有的自动驾驶商业布局，主要是在封闭的园区和有严格管控的固定线路。如伦敦希思罗机场的摆渡车，在停车场和T5航站楼之间接送乘客。（类似的，半封闭路段的车型的产生，也在一步步引领自动化走向商业化道路。）
据悉，自动驾驶关键传感器部件——激光雷达的成本居高不下，而货车单价和驾驶员成本又更高，且货车的使用场景多为高速或封闭港口，因此，自动驾驶或许更早的应用在货车上，而非轿车。
相应技能
要成为一个自动驾驶领域的算法工程师，需具备以下几方面能力。
（1）计算机视觉：深度学习，道路标牌识别，车道线检测，车辆跟踪，物体分割，物体识别。
（2）传感和控制：信号处理，自动定位，控制理论，路线规划，Kalman滤波。
（3）系统集成：机器人操作系统，嵌入式系统。
【注：以上仅为自己的读书小笔记，如有错误，还望大神们不吝指出，万分感谢！】