85 智能驾驶无人驾驶推进时间表及五大技术领域关键节点.docx

85 智能驾驶无人驾驶推进时间表及五大技术领域关键节点.docx

《85 智能驾驶无人驾驶推进时间表及五大技术领域关键节点.docx》由会员分享，可在线阅读，更多相关《85 智能驾驶无人驾驶推进时间表及五大技术领域关键节点.docx（22页珍藏版）》请在冰点文库上搜索。

85智能驾驶无人驾驶推进时间表及五大技术领域关键节点

【智能驾驶】无人驾驶推动时间表及五大技术领域关键节点

微信号ai-cps

功能引见OT技术（工艺+精益+自动化+机器人）和IT技术（云计算+大数据+物联网+人工智能）深度融合，在场景中构建：

外形感知-实时分析-自主决策-精准执行-学习提升的机器智能认知系统，实现产业转型升级、DT驱动业务、价值创新制造的产业互联生态链。

2018-03-15原文

收录于话题

来源：

莫尼塔财新智库

摘要：

本文征引莫尼塔财新智库的一篇争辩，系统梳理了无人驾驶各关键技术节点以及其成熟时间。

”

“汽车技术进展到如今，几乎没有人质疑无人驾驶会成为汽车行业变革的巨大浪潮，然而对于各项技术落地的时间点，各大车企、互联网公司、争辩机构、通讯公司、科技巨头等众说纷纭，本文征引莫尼塔财新智库的一篇争辩，系统梳理了无人驾驶各关键技术节点以及其成熟时间。

”

Keypoint

1）汽车电子沿着两横三纵的技术架构，渐渐实现成熟的智能化和网联化：

2016年-2018年次要是三大传感器的融合使用；2017年-2019年次要是高精度地图的成熟；2019年-2022年是车载通讯模块、互联网终端、通信服务的成熟；2022年-2025年次要是决策芯片和算法的成熟。

2）2016-2018—三大传感器融合：

国内毫米波雷达已经开头出货；车载视觉系统硬件已经达到消费级水平，进入软件成熟期；激光雷达成本不断下降，加速ADAS和无人驾驶的普及进程。

3）2017-2019—高精度地图的成熟：

传统地图无法满足自动驾驶的要求，高精度地图是L3、L4级别最为关键的技术；当前高精度地图参与者次要有图商、自动智能驾驶科技公司、ADAS方案供应商、传统车企四类，其优劣势各不相同，硬件软件渐渐融合。

4）2019-2022—车载通讯模块的成熟：

LTE-V在延时、频谱带宽、牢靠性、组网成本、演进路线等方面都具有优势，将来的进展趋势或许率是使用LTE-V标准；目前规划的次要是半导体厂商和汽车厂商，但国内很多公司都进入了产业链，大唐电信也发布了全球第一台LTE-V车联网设备，无望在车载通讯模块迸发之际获得高速成长。

5）2022-2025—算法和决策芯片的成熟：

各大厂商都在用不同的芯片设计支持不同的算法，Google本人已经开发了TPU，用于CNN加速，地平线也在开发BPU，Intel收购Mobileye打造芯片算法一体化，将来或是FPGA支持下的深度学习算法来实现自动驾驶。

1.汽车电子进展时间表

1.1汽车电子沿着两横三纵技术架构走向成熟

智能网联汽车是搭载先进的车载传感器、把握器、执行器等安装，融合现代通信与网络技术，实现车与X（人、车、路、后台等）智能信息交换共享，具备简约的环境感知、智能决策、协同把握和执行等功能，可实现平安、温馨、节能、高效行驶，并最终可替代人来操作的新一代汽车。

依据技术使用和使用场景，组成了两横三纵的技术架构。

1.2汽车电子时间进展表—智能化与网联化协同进展

汽车电子的进展有两个维度，智能化和网联化，沿着两横三纵的技术架构，渐渐实现成熟的智能化和网联化。

2016年-2018年次要是三大传感器的融合使用，传感器和视觉处理方案的融合促进实现自顺应巡航、自动紧急制动等部分自动驾驶（PA）功能，以及帮忙网联信息交互；2017年-2019年次要是高精度地图的成熟，实时路况的更新和更丰富的路况信息加速实现车道内自动驾驶、全自动泊车等有条件自动驾驶功能，以及部分网联信息协同感知；

2019年-2022年是车载通讯模块、互联网终端、通信服务的成熟，5G网络建设的部署完成和商业化，V2X信息交互低延迟要求共同推动网联化的加速，实现更简约路况（近郊）的全自动驾驶；2022年-2025年次要是决策芯片和算法的成熟，随着人工智能嵌入式落地智能终端，FGPA通用架构向ASIC公用架构的转变，算法和芯片设计的协同进展，实现全区域的无人驾驶等高级（HA）/完全自动驾驶（FA）功能和网联协同决策把握的功能。

1.3各国间续出台政策推动ADAS的普及

欧盟委员会考虑2017年将19项平安技术纳入新车的标准配置，并将强制执行，自动紧急制动和车道偏离警告成为标配；国内2017年速度帮忙系统、自动紧急制动、车道偏离预警/车道偏离帮忙的加分要求已设定为系统装机量达到100%。

各国政策间续出台，要求汽车渐渐配备汽车电子相关组建，成为汽车电子进展最大的推动力。

1.4国外谷歌和特斯拉两种进展路径加速进展

加州车管局（DMV）公开了自动驾驶项目的脱离测试数据，基本衡量了目前次要自动驾驶项目在加州境内在不同天气环境，不同的路段进行测试的进展，谷歌的功能明显优于其他厂商。

谷歌和特斯拉在无人驾驶领域实行了两种不同的有代表性的进展路径，谷歌利用地图和深度学习实时建模来实现自动驾驶；特斯拉依靠于传统的传感器的融合实现数据搜集识别、处理分析、完成自动驾驶功能。

从自动驾驶精度来看，谷歌的没有明确的数据，但其软件层面的可以检测和理解手势之类的信号并作出反应；mobileye的FCW（前向碰撞预警）的算法识别精度达到99.99%；特斯拉的算法处理水平很高，奔驰的路测车有着比特斯拉多一倍的传感器，但是精度远不及特斯拉。

谷歌的自动驾驶技术进展可以分为两段，以waymo成为独立事业部为转机点：

第一阶段，次要突出软件领域和技术突破，接受自有的高精度地图和Velodyne供应的64线激光雷达方案，配备谷歌chauffeur软件系统，最为突出的是呈现的无人驾驶原型车中直接抛弃了传统车的刹车、方向盘、油门等设备，仅用一个启动键实现无人驾驶，而硬件制造原型车都是来源传统车企，如2014年呈现的谷歌其次代车型就是从白色雷克萨斯RX450H混合动力SUV改造而来。

2016年11月，waymo成为独立事业部后，开头接受硬件和软件并行的方案，接受本人研发的激光雷达，传统传感器和8个视觉模块相互融合，呈现的无人车使用了三个不同探测距离的激光雷达，自主技术研发将激光雷达成本降低九成。

将来技术商业化首先落地在货运（有个固定场景的低速共享市场）和共享车服务的使用。

2016年11月，特斯拉Autopilot2.0发布，该系统将包含8个摄像头，掩盖360度可视范围，对四周环境的监控距离最远可达250米；车辆配备的12个超声波传感器完善了视觉系统，探测和传感硬、软物体的距离接近上一代系统的两倍。

添加版前置雷达通过冗余波长供应四周更丰富的数据，雷达波可以穿越大雨、雾、灰尘，甚至前方车辆。

另外，Autopilot2.0使用的处理芯片NVIDIADrivePX2的处理功能为原来MobileyeQ3的40倍。

1.5国内科技公司和传统车企合作打造自动驾驶，精度提升速度快

通过863方案实施和国家自然科学基金委项目支持，清华高校、国防科技高校、北京理工高校等部分高校、院士团队、汽车企业在环境感知、人的行为认知及决策、基于车载和基于车路通信的驾驶帮忙系统的争辩开发取得了乐观进展，并开发出无人驾驶汽车演示样车。

清华高校等高校联合企业开发的自顺应巡航把握系统、行驶车道偏离预警系统、行驶前向预警系统等具有先进驾驶帮忙系统（ADAS）功能样机，正在渐渐进入产业化阶段。

2.2016-2018—三大传感器融合

2.1毫米波雷达国内开头出货

毫米波雷达的主流方向是24GHz和77GHz，24GHz次要使用于汽车后方，77GHz次要使用于前方和侧向。

将来毫米波雷达会渐渐向77GHz频段（76-81GHz）统一，其中76-77GHz次要用于长距离毫米波雷达，77-81GHz次要用于中短距离毫米波雷达（已有欧盟、CEPT成员国、新加坡、美国FCC委员会、加拿大工业部等进行相关规划）。

随着配备从高端车型向中低端车型下沉的趋势，目前毫米波雷达已经渐渐普及，一般配备情况是“1长+6短”（如奔驰S级）、“1长+4短”（如奥迪A4）、“1长+2短”（如别克威朗）。

前端单片微波集成电路MMIC和雷达天线高频PCB板是其核心组成部分

MMIC由国外公司掌控，特殊是77GHz的MMIC，只把握在英飞凌、ST、飞思卡尔等极少数国外芯片厂商手中，国内处于初始研发阶段，次要在24GHz雷达方面，华域汽车、杭州智波、芜湖森思泰克等企业在已有部分积累。

雷达天线高频PCB板技术也把握在国外厂商手中，Schweizer占据全球30%市场份额，在77GHz方面优势明显，PCB使用的层压板材则次要由Rogers、Isola等公司供应。

国内高频PCB板厂商暂无技术储备，依据图纸代加工，元器件仍需国外进口，沪电股份已就24GHz和77GHz高频雷达用PCB产品与Schweizer开展合作。

目前中国市场中高端汽车拆卸的毫米波雷达传感器全部依靠进口，华域汽车已经能生产24GHz毫米波雷达，次要完成BSD盲点侦测、LCA车道切换帮忙等功能，处理产品外形的导入。

国内其次阶段的研发将同样针对24GHz产品，目标是降低成本，估量产品2017年底毁灭。

2.2车载视觉系统硬件成熟，软件渐渐升级

车载视觉系统包括车载图像感光芯片、公用图像处理ISP芯片、车载光学镜头、车载视觉系统。

借由镜头采集图像后，由摄像头内的感光组件电路及把握组件对图像进行处理并转化为电脑能处理的数字信号，从而实现感知车辆周边的路况情况、前向碰撞预警、道偏移报警和行人检测等功能。

硬件方面，车载摄像头次要由CMOS镜头（包括lens和光感芯片等），芯片，其他物料（内存，sim卡，外壳）组成。

软件方面，以mobileye为例，次要体现在芯片的升级和处理平台的升级，工作频率从122Mhz提升到332Mhz，访问方式的转变使速率提升一倍，图像由640*480彩色像素提升为2048*2048（Input）和4096*2048（output）等。

从市场竞争格局来看，除了极少数厂商具备垂直一体化的力气，绝大部分厂商都将业务集中于产业中的某个或者某几个环节。

光学镜片次要是台湾的厂商在主导，大陆厂商在红外截止滤光片上有确定优势，图像传感器次要是欧美和韩国厂商为主，模组环节大陆、韩国、台湾、日本厂商份额居前，国内厂商成长快速。

目前汽车零部件供应商巨头的摄像头传感器都已与整车厂合作量产，同时加大研发投入，留意芯片和算法的提升。

国内将来摄像头的进展次要体现在公用图像处理芯片与简约图像处理技术突破，基本实现自主研制，最终实现车载视觉与其他感知系统融合产品的大规模使用。

2.3激光雷达成本渐渐下降

激光雷达是一种集激光、全球定位系统与惯性导航系统三大技术于一身的综合光探测与测量系统，其工作原理是通过透镜、激光放射及接收安装，基于激光飞行时间（TOF：

timeoffly）原理获得目标物体位置、移动速度等特征数据，并且获得的数据本身就是三维数据，不需要通过大量运算和处理才生成目标三维图像，激光测距有格外高的精度。

所以，激光三维成像雷达是目前能猎取大范围三维场景图像效率最高的传感器，也是目前能猎取三维场景精度最高的传感器。

激光雷达组件次要包括激光器，传感器（收发器），光学镜片，如上图所示这套放射/接收组件和旋转镜面结合在一起，镜面不只反射二极管发出去的光，而且也能把反射回来的光再反射给接收器。

通过旋转镜面，能够实现360度的视角。

依据激光雷达线目的不同，次要分为2D、2.5D（1,4,8线）和3D（16,32,64线）两类。

前者次要探测目标位置和轮廓，后者可以构成环境性视觉感知

国内公司在多线激光雷达上较国外高水平企业还有较大差距。

国内的激光雷达产品多用于服务机器人、地形测绘、建筑测量等领域，但是国内企业尚未研制出可用于ADAS及无人驾驶系统的3D激光雷达产品，次要还是处在探究研发阶段。

《中国制造2025》重点技术路线图显示，国内将渐渐实现测距激光雷达相关硬件的自主研制，突破厘米级实时测距关键技术、样机生产与测试，实现低成本、小型化。

到2025年左右，实现多线激光雷达软硬件技术自主化，把握与其他车载传感器融合关键技术，实现大规模车载使用，支撑HA级整车产品需求。

3.2017-2020—高精度地图的成熟

高精度地图在L3、L4级别的自动驾驶阶段属于最为关键技术，高精度地图的成熟可以削减汽车对雷达等感知设备的依靠程度，在降低成本的同时提升自动驾驶技术的牢靠性，同时也是V2X与自动驾驶技术融合的载体，统一的标准有助于技术的使用和进展。

3.1传统地图无法满足自动驾驶，高精度地图是L3、L4级别最为关键技术

相比于传统地图，高精度一方面确定坐标精度更高，如HERE指出其下一代绘图使用将精确到厘米级；另一方面所含有的道路交通信息元素更丰富和细致。

具体而言，高精度地图分为三个图层：

活动层、动态层、分析层：

1）活动层与传统地图相比添加了高精度道路级别的数据（道路外形、坡度、曲率、铺设、方向等）、车道属性相关数据（车道线类型、车道宽度等），及高架物体、防护栏、树、道路边缘类型、路边地标等大量目标数据；

2）动态层将实时更新来自其他车辆传感器、道路传感器等检测到的交通数据，实时更新和补充，进入网联化其次阶段—协同感知；

3）分析层通过实时大数据分析人类驾驶记录挂念训练无人驾驶车，进入网联化第三阶段—协同决策和把握。

目前ADAS地图具备了活动层信息，精度为1-5m。

如宝马ASR（AdaptiveSpeedRecommendation）在减速的区域，会提前50-300米提示用户减速，提前具体会依据目前车速、汽车刹车速度及司机反映时间调整；在转弯的路段，会考虑路宽、车道数目、整个路况等，计算合理的汽车速度。

目前高精度地图次要是ADAS级，实现L2/L3级自动驾驶，将来随着5G带来的车联网的数据处理便利和计算机视觉、3D建模技术的成熟，基于深度学习的环境感知技术以及端闭环实时更新云技术的进展，高精度地图会渐渐向HAD级进展，我们预期2018年5G标精确     立和人工智能迸发进入成熟期，高精度地图会渐渐成熟，成为支撑智能驾驶网联化的关键技术之一。

高精度地图的采集和处理有多种的技术方案，一般而言，主流图商和高科技公司如谷歌、XX接受专业化采集的方式，使用激光雷达和摄像头进行高精度的数据和城区全区域掩盖的采集，而传统车企和ADAS方案商会使众包模式以及UGC实时更新方式来采集数据。

不同的方式在成本和实时更新，数据精度和区域掩盖上各有优缺点，目前的趋势必将是图商和传统车企、ADAS方案商的战略合作，科技公司产品的商业化落地，这都会促进采集方式的整合，推动行业的进展。

3.2高精度地图产业链和次要参与

高精度地图，除了供应道路信息，还供应实时路况信息和3D建模，参与汽车路径规划，在ADAS交互与决策中，起着格外重要的作用。

高精度地图参与者次要有图商、自动智能驾驶科技公司、ADAS方案供应商、传统车企四类，接受的方式和方案优劣势各不相同，图商有着先天优势的基因：

绘图基础深厚，地图精度和掩盖率有保障，技术积累足。

传统车企和ADAS方案商接受众包方案，数据量大且实时更新。

3.3国外进展趋势：

硬件和软件的融合

图商规划

以海外图商代表公司HERE为例，HERE核心业务为通过其丰富的地图数据和核心的位置平台为汽车、消费者和企业客户供应位置服务和处理方案，其地图数据掩盖约200个国家，超过4,600万公里。

通过不断的和传统车企，科技公司以及数据信息流入口（传感器厂商）开放合作，产业链生态规划也向上渗透到数据输入端的传感器和算法芯片等领域，目标成为无人驾驶技术方案供应商。

HERE的战略规划正是汽车电子自动驾驶领域的一个趋势：

硬件和软件的融合。

其他公司规划情况

除了图商外，其他参与者近些年来规划频繁。

从数据采集方式来看，谷歌和苹果的特点是：

更易直接实时更新、掩盖面更广，更精准。

但无人驾驶领域需要浩大的输入数据，使得特斯拉（OTA空中更新）和uber（otter和沃尔沃货车运营）在无人驾驶测试和高精度地图上有着更易延长和拓展的优势。

数据收集只是高精度地图作为基础支撑技术的一部分，对车辆周边环境的数据计算和处理时，谷歌一直走在高精度地图的实时建模和算法优化最前沿，其基于城市规划和路径优化规划的算法方案使谷歌在地图技术供应上照旧具有较大的优势。

3.4高精度地图的成熟

依据《中国制造2025》技术进展路线图来看，在2020之前供应适用于PA级智能网联汽车的高精度地图，且地图精度达亚米级；在2025年左右供应适用于CA级智能网联汽车地图，范围掩盖全国次要高速大路；在2030年左右，实现高精度地图生产自动化及标准化，满足无人驾驶需求，范围掩盖全国次要道路。

随着人工智能深化和5G2018年标准锁定，高精度地图在智能化和网联化自动驾驶领域的使用会越来越成熟。

人工智能赛博物理操作系统

AI-CPSOS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPSOS”：

云计算+大数据+物联网+区块链+人工智能）分支用来的今日，企业领导者必需了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPSOS构成数字化+智能化力气，实现行业的重新规划、企业的重新构建和自我的焕然重生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。

假如不能实现跨功能的更大规模融合，没有颠覆现状的志愿，这些将不行能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。

面对新一代技术+商业操作系统AI-CPSOS颠覆性的数字化+智能化力气，领导者必需外行业、企业与个人这三个层面都保持领先地位：

1.重新行业规划：

你的世界观要怎样转变才算足够？

你必需对行业典范进行怎样的反思？

2.重新构建企业：

你的企业需要做出什么样的变化？

你预备如何重新定义你的公司？

3.重新打造本人：

你需要成为怎样的人？

要重塑本人并在数字化+智能化时代保有领先地位，你必需如何去做？

AI-CPSOS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以挂念企业将创新成果融入本身业务体系，实现各个前沿技术在云端的优势协同。

AI-CPSOS构成的数字化+智能化力气与行业、企业及个人三个层面的交叉，构成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

1.精细：

这种力气能够使人在愈加真实、细致的层面观看与感知现实世界和数字化世界正在发生的一切，进而理解和愈加精细地进行产品共性化把握、微观业务场景大事和结果把握。

2.智能：

模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的力气。

3.高效：

企业需要建立实时或者准实时的数据采集传输、模型猜想和响应决策力气，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

4.不确定性：

数字化变更颠覆和转变了领导者已经仰仗的思维方式、结构和实践阅历，其结果就是构成了复合不确定性这种颠覆性力气。

次要的不确定性包含于三个领域：

技术、文化、制度。

5.边界模糊：

数字世界与现实世界的不断融合成CPS不只让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。

这种效应正在向生态系统、企业、客户、产品快速集中。

AI-CPSOS构成的数字化+智能化力气通过三个方式激发经济增长：

1.制造虚拟劳动力，担当需要顺应性和灵敏性的简约任务，即“智能自动化”，以区分于传统的自动化处理方案；

2.对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；

3.人工智能的普及，将推动多行业的相关创新，开辟簇新的经济增长空间。

给决策制定者和商业领袖的建议：

1.超越自动化，开启新创新模式：

利器具有自主学习和自我把握力气的动态机器智能，为企业制造新商机；

2.迎接新一代信息技术，迎接人工智能：

无缝整合人类才智与机器智能，重新

评估将来的学问和技能类型；

3.制定道德规范：

切实为人工智能生态系统制定道德准绳，并在智能机器的开

发过程中确定愈加明晰的标准和最佳实践；

4.留意再支配效应：

对人工智能可能带来的冲击做好预备，制定战略挂念面临

较高失业风险的人群；

5.开发数字化+智能化企业所需新力气：

员工团队需要乐观把握推断、沟通及想象力和制造力等人类所特有的重要力气。

对于中国企业来说，制造兼具包涵性和多样性的文化也格外重要。

子曰：

“君子和而不同，小人同而不和。

” 《论语·子路》云计算、大数据、物联网、区块链和人工智能，像君子一般融合，一起体现科技就是生产力。

假如说上一次哥伦布地理大发觉，拓展的是人类的物理空间。

那么这一次地理大发觉，拓展的就是人们的数字空间。

在数学空间，建立新的商业文明，从而发觉新的创富模式，为人类社会带来新的财宝空间。

云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPSOS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并制造新的强大引擎。

重构生产、支配、交换、消费等经济活动各环节，构成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。

引发经济结构严峻变革，深刻转变人类生产生活方式和思维模式，实现社会生产力的全体跃升。