学会）标准和NHTSA（国家公路交通安全管理局）两个标准；目前，前者受到大多数业内人士的认可，它从Lv0-Lv5将无人驾驶依据控制方式和适用环境分为了6个等级。

  自动驾驶行业的最终目标，必然是实现真正的无人驾驶（Lv5），而实现的方式大致上可以分为两种思路：①从Lv0逐步过渡到Lv5，通过整合集成ADAS中的控制功能，实现真正的无人驾驶②直接从Lv0跨度到Lv4，在特定的垂直领域和相对封闭的环境中推进无人驾驶，再向Lv5，也就是全环境全路况的无人驾驶普及。

  根据SAE分级，显而易见，从Lv4开始，真正的控制者由人开始转为无人驾驶系统，责任主体也随之转移。因此，在设计研发之初，ADAS之中的辅助驾驶功能就与无人驾驶的目的不同，尤其在经历Lv3、Lv4这两个阶段是时，由于责任主体发生改变，因此在法律、舆论上面临着许多尚未可知的困难。

  不过，ADAS的感知部分，以及不少辅助驾驶功能，例如自动巡航、自动泊车、前车碰撞紧急制动等，都可以在无人驾驶汽车当中得到应用，因此，也为无人驾驶的最终实现贡献了不小的力量。

  为了推动无人驾驶汽车行业的进步，方便各位参考，亿欧对无人驾驶汽车行业进行了产业链分析，主要从产业上下游将其分为了感知、计算平台、算法集成、车辆控制、汽车通讯、无人驾驶汽车运营等六个方面。

  自动驾驶汽车的感知部分，主要由摄像头、激光雷达、毫米波雷达、超声波雷达等多种方式共同组成。

  由于各种感知方式在不同环境、不同距离、不同作用上各有所长，因此采用多融合的方式有利于保证全方位信息的收集，进而使计算机做出更精准的判断和规划。

  目前，激光雷达的制造商集中在国外，包括美国Velodyne公司、Quanegy公司以及德国的Ibeo公司等，国内激光雷达初创公司也在尽力追赶。

  激光雷达的穿透距离远，高性能激光雷达能轻松实现200米范围内，精度高达厘米级的3D场景扫描重现，从而帮助无人驾驶系统实现提前行驶路线规划。

  目前来看，多线激光雷达有很大的可能性是未来无人车的必备传感器，并且与高精度地图及驾驶系统核心算法紧密相关。目前，多线激光雷达还没有针对车规级的成熟量产方案，机械旋转式多线激光雷达虽然已在普遍应用，但体积较大且价格过于昂贵，更小型更低成本的纯固态激光雷达还未见到成熟产品。

  国内有不亚于国外的光机电技术基础，产业链比较完整，因此，诸多深耕激光雷达领域的公司还有不小的机会。

  除了激光雷达之外，近年来毫米波雷达和超声波雷达也慢慢的变成为无人驾驶汽车中，参与多传感器信息融合感知设备。其中，最为知名的例子就是特斯拉在其智能汽车中，绝对没使用激光雷达，而采用毫米波雷达+摄像头的方案。

  另外，类似博世、大陆这样的智能辅助驾驶巨头，也在毫米波雷达和超声波雷达这样成本较低传感器设备上，拥有比较深刻的技术积累和应用经验。

  而在国内，像行易道这样的毫米波雷达厂商，也在积极进行技术开发，追赶国际巨头水平。

  不过，归根结底，特斯拉还只是高级辅助驾驶系统（ADAS），而当操作主体，也就是责任主体向机器转移时，仅仅通过摄像头和毫米波雷达实现无人驾驶功能是不够的，激光雷达所带来的功能性安全冗余非常必要。

  目前，通过摄像头进行拍摄，在进行图像和视频识别，确定车辆前方环境，是无人驾驶汽车的主要感知途径，这也是很多无人驾驶公司的主要研发内容之一。

  不过，在这一方面，ADAS要先于无人驾驶汽车向市场推广，因此在数据收集反馈、工程化等方面，ADAS公司也处于领先地位。

  国内双目ADAS公司中科慧眼CTO崔峰就表示，在未来无人驾驶汽车中，摄像头（双目）将成为重要的感知部分，中科慧眼未来努力的目标，也是为无人驾驶汽车，乃至各类出行机器人提供机器视觉方面的技术支持。

  双目摄像头基于视差原理，可以在数据量不足的情况下，测定车辆前方环境（树木、行人、车辆、坑洞等），并且获得准确的距离数据，用以提供给无人驾驶系统来进行车辆控制。

  而单目摄像头，主要是基于机器学习原理，使用大量数据来进行训练，进行环境识别。尽管需要大量数据支持，且在恶劣光线条件下的表现不如双目摄像头，但其相对便宜的价格和成熟的技术也获得了一部分公司的青睐。

  在单目ADAS领域，以色列公司Mobileye是世界最顶尖的企业，而中国公司与这样的国外巨头依然存在一定的差距。

  通过车载通讯设备，完成人与车、车与车、车与环境的信息交互，一方面能够完善运营车辆（出租车、网约车、公交车、物流货车等）和道路交互与通行（如红绿灯）的调度安排，另一方面能减少车辆的感知设备投入，将车辆及环境采集到的信息与车辆自身采集的信息相融合，以此来实现无人驾驶功能。

  不过，车联网（包括V2X，车辆对外界信息交换）的发展，除了需要大大小小各家公司的努力之外，同样需要政府和相关机构的帮助。

  首先是制定V2X通讯标准，欧美在此前就已经将DSRC标准列为了其车辆通讯标准，而国内则是LTE-V标准的呼声比较高。

  另外，车联网不仅仅局限于车辆上的通讯系统配备，还涉及到道路交互与通行基础设施建设。目前，杭州、南京、北京等地，都慢慢的开始了智慧城市和智慧交通的试点。

  车联网技术的前身，TelemaTIcs（远距离通信与信息科学），在很早以前就已然浮现，而大概在四五年前，由于物联网的兴起，出现了“车联网”这个词。其更大的作用，不仅限于保证无人驾驶功能运行，而在于未来车辆中内容行业的发展。

  高精度地图是无人驾驶汽车实现路线规划的基础，这些年，卫星导航和基于激光雷达的3D环境建模技术日益成熟，高精度地图测绘质量逐步提升，这为无人驾驶的研发提供了不小的助力。

  国内高精度地图，以百度地图、高德地图、四维图新等公司为主力；而国外方面，Here、TomTom等公司一直备受称赞。

  自动驾驶系统的计算量、数据流都非常大，同时又需要较快的反应速度，因此就需要匹配合适效能的计算资源，保证计算工作的正常运行。

  自从吴恩达发现GPU很适合进行深度神经网络训练以来，英伟达就在这一次的人工智能浪潮之中大发了一笔横财。目前，据不完全统计，全球已有超过1500家人工智能初创公司使用英伟达的产品，其中还有不少无人驾驶技术公司。

  在2017年CES上，英伟达发布了最新的车载计算平台“XAVIER”，其512 个Volta CUDA 核心可提供高达30TOPS的计算性能，并且功率只有30W，远远优于Drive PX2。

  而在国内，人工智能创业圈子中声名赫赫的地平线机器人，也正在研发其基于FPGA架构的大脑引擎（BPU），而代号为“高斯”的计算构架IP预计在2017年底推出。

  不过，综合看来，无人驾驶计算平台的争夺战依然主要在国际巨头之间展开，除了英伟达之外、英特尔、微软、Ceva、Mobileye、恩智浦、德州仪器高通芯片、IP、ADAS供应商，都正在瞄准这一领域发力，未来的竞争激烈程度可见一斑。

  自动驾驶汽车不单单是感知和算法，它还涉及到车辆控制、汽车动力学、汽车工程等诸多技术学科，同时需要汽车控制（刹车、转向、灯光、油门等）配件的支持。

  目前，无人驾驶执行相关的技术和部件产品将依然长期掌控在大型Tier1手中。如博世、大陆、Delphi等传统的Tier1掌握的执行控制专利技术已可以支撑到无人驾驶阶段，无论在性能还是价格上都有绝对的优势。

  此外，由于电动汽车技术的快速革新，传统汽车制造业受到了冲击，此前发动机和变速箱等壁垒技术，逐渐被车辆电控、电动机、电池等技术取代。这种变革，让创业团队自己造车成为了可能。

  因此，国内外众多电动汽车、互联网造车、智能汽车企业非常有可能成为无人驾驶汽车行业的新贵。

  智车优行CEO沈海寅曾表示，在智车优行未来战略规划中，无人驾驶是关键一环。目标是在三到四年内在一些局部路况下的全无人驾驶。

  他们利用高精度地图进行路线规划，采用新型计算平台，整合多传感器信息，开发相应的车辆控制算法对汽车进行行为控制。

  目前，自动驾驶技术公司的两级分化非常严重，一种原因是看准时间和角度切入的初创企业，另一方面则是大型互联网科技巨头，如谷歌、百度、Uber等。此外，像博世这样，少量拥有相对完整的产业链结构的Tier1，也在踏足这一领域。

  不过，这些进行无人驾驶汽车研发的公司，大多有更深的想法，它们并不把自己看做单纯的技术提供方，而是希望深入到运营中去。例如智行者希望可以首先在低速园区内进行无人驾驶运营，而图森互联则在一开始就瞄准了长途高速货运。Uber与其收购的Otto也将目光分别聚焦在了无人驾驶共享出行和长途货运上。

  图森互联CEO陈默表示，相比于卖车，运营服务企业是更靠近产业链下游和利益链顶端的方式。

  无人驾驶汽车的另一个特点，就是解放了我们在出行过程中的双手、眼睛和大脑，因此车内活动也有了更多的想象空间。驭势科技CEO吴甘沙曾在多次公开演讲中表示，未来，自动驾驶汽车有很大的可能性成为新的商业场景，为人们提供出行时的观影、办公、餐饮服务。

  与无人驾驶相对应的，是自动驾驶+共享经济的出行模式，C端用户消费的将不再是汽车，还是出行服务。

  业内人士一致认为，在无人驾驶时代，汽车利用率将直线上升而销量必定下降，车厂的选择，一是尽快寻求合作，进行技术开发，向无人驾驶领域转型；二则是沦为无人驾驶汽车的代工厂和供应商。

  因此，大多数车厂更希望看到的是Lv4甚至以下等级的无人驾驶技术，而不是Lv5状态下的全路况无人驾驶汽车。

  目前，包括福特、宝马、沃尔沃在内的整车厂商，也都在进行无人驾驶技术的研发。

  虽然自动驾驶在产业链的各个层次上，均有不错的企业来提供支撑，基本形成了上下游产业格局，但依然存在以下问题是需要解决：

  ②法律和法规不明确，目前，亟待出现相关法律法规，以供相关公司制定安全及设计标准。

  ③算法不可解释，大多无人驾驶控制程序采用“端到端”的训练方式，这当中的策略规划有许多不透明的区域。

  ④设备价格昂贵，无论是激光雷达还是计算平台，目前价格不能满足大规模推广的要求。

  文章出处：【微信号：mcuworld，微信公众号：嵌入式资讯精选】欢迎添加关注！文章转载请注明出处。

  准入和上路通行试点工作的通知（征求意见稿）》，针对搭载中国国家标准（GB/T 40429-2021）定义的L3级（有条件

  路测牌照 /

  技术分析 /

  NEWS ” 8月23日，广东省工业和信息化厅公示2022年广东省战略性

  购置税减免返场 /

  （VICAD） /

  从执行路径看，华为入局智能电动车的思路清晰，不直接参与整车制造，而是聚焦ICT技术，以提供软硬件解决方案为核心， 帮助车企造好车。 同时，华为将联合

  分享 /

  工程师协会（SAE）和美国高速公路安全管理局（NHTSA）推出的分类标准。该 标准将

  全梳理 /

  和苏州高铁新城管委会联合主办，先导产投及苏州市智能车联网行业联合会协办，吸引来自全球120多家

  博弈情绪依旧浓重 SMM新能源晨会纪要 欢迎各位查阅参考 审核编辑 黄宇

  博弈情绪依旧浓重 /

  中心、青岛创新奇智工业机器人创新中心暨高技能人才培育基地等项目。 据介绍，高通成都研发中心项目是高通公司首次在四川落地的研发机构，将与高通

  分析来看，上游稀土产量2021年为168000公吨，传感器2021年全球产量为238.41亿美元，原材料供给充足；从

  react-native-cardview-wayne设置卡片样式的组件

  嵌入式学习-ElfBoard ELF 1板卡-使ELF 1开发板支持exFAT和NTFS格式的方法