在這篇文章中，小編將對自動駕駛的相關內(nèi)容和情況加以介紹以幫助大家增進對自動駕駛的了解程度，和小編一起來閱讀以下內(nèi)容吧。

一、自動駕駛發(fā)展現(xiàn)狀如何?

2016年，《“十三五”國家科技創(chuàng)新規(guī)劃》和《“十三五”國家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》中正式提出發(fā)展智能自動駕駛汽車，并將其上升為國家發(fā)展戰(zhàn)略。各地積極推進高等級自動駕駛車輛的商業(yè)化應用，開放測試道路、出臺管理細則，推動無人駕駛技術進步和商業(yè)化落地。我國車企在自動駕駛領域的研究可以算得上行業(yè)領先。

目前，自動駕駛分為兩派，分別是“激光雷達”和“純視覺計算”兩派。

激光雷達派的優(yōu)勢首先是能獲取空間的深度信息，其次由于其自發(fā)光源，無需外界的燈光輔助，比純視覺方案來得更簡單。目前，各大自動駕駛方案大廠都逐漸用混合固態(tài)的激光雷達來取代傳統(tǒng)的旋轉(zhuǎn)式激光雷達。

劣勢：一是激光雷達的方案不夠成熟，激光雷達的分辨率遠低于攝像頭的程度。雨霧天氣下，激光雷達的探測能力會大打折扣。二是成本更高，激光雷達的X,Y,Z, 反射率信息，甚至RGB信息對CPU的處理能力都有更高的要求，更好的CPU需要更高的價格。

目前，在汽車行業(yè)，激光雷達已經(jīng)成為了車企新車的競爭焦點之一，與此同時圍繞激光雷達的“軍備賽”也已開啟。

純視覺計算方案的優(yōu)勢很淳樸那就是成本低。其次純視覺計算方案目前在識別這塊的優(yōu)勢很明顯，它的分別率高，軟件，硬件都有比較成熟的解決方案。

劣勢在于純視覺計算方案的深度信息終歸是靠訓練出來的，這就涉及樣本庫是否足夠豐富，而且純視覺方案需要高精度地圖來配合。純視覺計算方案代表車企就是特斯拉，目前我國一些地點還是實行特斯拉禁止通行。

二、自動駕駛與數(shù)據(jù)

眾所周知，汽車自動化分五級。自動化程度越高，所需的數(shù)據(jù)存儲量就越大。舉個例子，比如二級自動駕駛汽車需要全程人為操作，但有附加的自動化系統(tǒng)，如變道輔助、盲點檢測或自動停車功能。鮑曼認為，二級自動駕駛汽車需要4到10PB的數(shù)據(jù)。

盡管自動駕駛汽車所需的數(shù)據(jù)存儲量是巨大的，但挑戰(zhàn)并非源于存儲階段，而是傳輸階段。鮑曼說，例如，讓車輛上路去記錄來自攝像機、激光掃描儀和雷達的數(shù)據(jù)時，每輛車每天能產(chǎn)生80TB的數(shù)據(jù)。

他說：“然后，你必須通過數(shù)據(jù)線連接車輛，將數(shù)據(jù)從汽車系統(tǒng)傳輸?shù)綌?shù)據(jù)中心，接著將數(shù)據(jù)從研發(fā)中心復制到數(shù)據(jù)中心。通常，我們的客戶在每個洲都有一個集中的數(shù)據(jù)庫，數(shù)據(jù)傳輸就可以通過加速文件傳輸方法或物理方式實現(xiàn)”。

有專業(yè)人士表示，5G對于自動駕駛汽車的研發(fā)和生產(chǎn)至關重要，尤其是在未來5到10年，屆時將有更多的技術集成到汽車中。他說：“如今的汽車就是路上的移動數(shù)據(jù)中心。因此，必須對車輛中的數(shù)據(jù)進行預處理，例如，識別值得通過5G傳輸?shù)綌?shù)據(jù)中心的有價值的數(shù)據(jù)” 。

他還說，自動駕駛汽車需要存儲邊緣數(shù)據(jù)，也就是在車內(nèi)存儲數(shù)據(jù)。“你需要計算邊緣存儲，特別是在沒有5G覆蓋的地方。這是另一個問題，因為你必須在車輛中緩存數(shù)據(jù)，以便在有5G信號后發(fā)送數(shù)據(jù)”。

與5G相關的另一個問題是上傳速度。有專業(yè)人士說：“5G是為高速下載流數(shù)據(jù)設計的，所以上傳速度沒有那么快。因此，你不可能真正通過5G上傳大量數(shù)據(jù)，它是為從數(shù)據(jù)中心向最終用戶傳輸數(shù)據(jù)而不是從車輛到數(shù)據(jù)中心而設計的。但5G的優(yōu)勢在于其低延遲”。

以上便是小編此次帶來的有關自動駕駛的全部內(nèi)容，十分感謝大家的耐心閱讀，想要了解更多相關內(nèi)容，或者更多精彩內(nèi)容，請一定關注我們網(wǎng)站哦。