前言:本文的内容是从网络上组织的。本文详细讲解了自动驾驶系统的所有组成部分，每个组成部分都有业内最著名的公司从事最新自动驾驶系统的研究。可以说是全行业最全面的自动驾驶技术插图和最新技术趋势。

自动驾驶汽车依靠几种先进的技术实现自主导航。让我们拆解自动驾驶系统，看看这些技术是如何协同工作的，以及哪些公司正在推进自动驾驶技术。

自动驾驶汽车依靠一套互补的技术来感知和响应周围的环境。

一些自动驾驶公司专注于这些特定的组件，并与汽车制造商和一级供应商合作，帮助他们扩大产品规模，而其他公司，如Zoox和Nuro，则从头开始设计他们的自动驾驶汽车。

我们仔细研究了很多让自动驾驶成为可能的技术，并列出了一些可能推广自动驾驶技术、降低自动驾驶成本的初创公司。

下图仅由基于个人知识的公司组成，并非详尽无遗。类别并不相互排斥，公司是根据主要用例来映射的。

感觉

自动驾驶车辆必须能够识别交通信号和标志，以及其他汽车、自行车和行人。他们还必须感知迎面而来的物体的距离和速度，以便知道如何做出反应。

自动驾驶汽车通常依靠摄像头和其他传感器，如雷达和光探测和测距。每个传感器都有自己的优点和局限性。

这些传感器收集的数据通过一种称为“传感器融合”的技术混合在一起，以尽可能准确地描述汽车周围的环境。

照相机和计算机视觉

摄像机广泛应用于自动驾驶车辆和配备高级驾驶员辅助系统的车辆。与雷达和激光雷达不同，相机可以识别颜色和字体，这有助于检测路标、交通灯和街道标志。

然而，在探测深度和距离方面，相机与激光雷达相比显得苍白无力。

许多初创企业都在寻求为汽车设备制造摄像头，以提取尽可能生动的图像。

今年7月，Light在其D系列产品中筹集了1.21亿美元，并开发了一款相机，与激光雷达的精度竞争。该相机可以整合所有16个镜头的图像，提取高精度的3D图像。

Light的L16相机，配有16个镜头

为了处理从摄像机提取的数据，自动驾驶系统使用训练有素的计算机视觉软件来检测物体和信号。该软件应该能够识别车道边界的具体细节，并评估适当的交通规则。

许多初创企业都在寻求开发更先进、更高效的计算机视觉技术。

例如，DeepScale正在部署深度神经网络，以增强识别能力，并随着时间的推移不断提高准确性。

总部位于巴黎的申言公司开发了一种基于事件的机器视觉系统，这有助于对象识别，并最大限度地减少数据过载。该公司的深度学习技术模仿人脑处理视网膜图像的方式。

标准相机中基于帧的传感器依赖于同时捕获图像并逐帧处理图像的像素。基于事件的传感器依赖于相互独立工作的像素，使它们能够将运动捕捉为连续的信息流。

该技术减少了传统相机在处理一系列帧图像时的数据负载问题。

来源:先知

申言希望将其机器视觉技术部署在许多行业，从自动驾驶汽车到工业自动化再到医疗保健。今年2月，这家初创公司在B轮后续轮融资中筹集了1900万美元。

雷达、激光雷达和V2X

自动驾驶开发人员正在集成雷达和激光雷达传感器，以增强摄像头的视觉能力。

自动驾驶系统使用传感器融合软件来处理来自多个传感器的数据，该软件集成了所有传感器数据，以创建汽车周围环境的一致视图。

除了视线传感器，许多初创企业和汽车制造商正在开发一种称为“车辆到一切”的技术，该技术允许车辆与其他连接的设备进行无线通信。

这项技术仍处于早期阶段，但它有潜力为车辆提供附近车辆、自行车和行人的实时数据——即使它们看不见。

雷达

汽车使用雷达通过发射无线电波来探测迎面而来的物体的距离、距离和速度。

雷达技术被认为比激光雷达更可靠，因为它具有更长的探测范围，并且不依赖于更容易出错的旋转部件。这也大大降低了成本。因此，雷达被广泛应用于自动驾驶汽车和自动驾驶系统。

今年9月，Lunewave从宝马和百度筹集了500万美元的种子资金，它正在利用3D打印技术制造探测范围更大、精度更高的天线。该公司的技术基于20世纪40年代开发的吕内堡天线。

Metawave还致力于增强雷达能力。该公司开发了一种模拟天线，它使用超材料来实现更快的速度和更长的检测范围。

超短波雷达技术

Metawave今年5月的后续种子投资1000万美元，来自于电装、现代、丰田等大型汽车公司，以及智能风险投资公司Khosla Ventures。公司在8月份宣布了一线供应商英飞凌对后续一轮的贡献。

光学探测和测距

激光雷达被认为是最先进的传感器。它的高精度可以创建车辆周围的三维渲染，便于物体检测。

利用激光雷达技术创建车辆周围环境的三维渲染

激光雷达技术使用红外传感器来确定物体的距离。传感器快速发射激光脉冲，并测量光束返回其表面所需的时间。

传统的激光雷达设备包含许多旋转部件，可以捕捉汽车周围的360度视图。这些零件的开发成本更高，而且通常比固定零件更不可靠。初创公司正在努力降低激光雷达传感器的成本，同时保持高精度。

一种解决方案是固态激光雷达设备，它没有运动部件，制造成本低。

以色列初创公司Innoviz开发了固态激光雷达技术，成本仅为“数百美元”，是威力登价值7.5万美元的激光雷达设备的一小部分，该设备包含128个激光器。

今年4月，Innoviz宣布将与汽车制造商宝马和一线供应商麦格纳合作，在宝马自动驾驶汽车上部署激光雷达扫描仪。

Innoviz的激光雷达设备，Innoviz Pro

Aeva也在开发固态激光雷达。今年10月，它在A系列融资中筹集了4500万美元。该公司声称其技术检测范围为200米，成本仅为几百美元。与传统激光雷达不同，Aeva技术发射的是连续光波，而不是单脉冲。

中国自动驾驶公司Robosense也在研发固态激光雷达。10月，公司在C轮融资中融资4330万美元，这是中国激光雷达公司最大一轮融资。投资方包括菜鸟智能物流网、阿里巴巴物流部，以及汽车制造商SAIC和BAIC。

车辆到一切传感器

车对物技术支持车辆和其他连接设备之间的无线信息交换。虽然V2X技术还处于非常早期的阶段，但它可以帮助解决激光雷达、雷达和相机等视觉传感器的局限性。

V2X传感器可以检测车辆视野之外的道路危险、交通堵塞和迎面而来的盲点。

https://www . cbinsights . com/research/startups-drive-auto-industry-disruption/

总部位于以色列的初创公司AutoTiks正在与现代汽车合作，为大众市场扩展其V2X传感器技术。这家初创公司由现代和三星的二级供应商资助。

驾驶员数据和模拟

来自道路测试和模拟的驾驶员数据对于发展自动驾驶技术非常重要，因为它训练算法来引导车辆。

根据RAND的数据，自动驾驶汽车需要行驶数亿英里，甚至数十亿英里来验证其安全性。自动驾驶开发者从测试车队收集数据需要几年时间。

因此，自动驾驶开发者通过模拟积累了更多的里程。

模拟初创公司和自动驾驶开发人员使用人工智能生成或扩展简单的数据集来训练自动驾驶车辆。这项技术对于在危险和罕见的情况下训练自动驾驶尤其有用，例如耀眼的阳光或行人从停放的汽车后面跳出来。

以色列初创公司Cognetta开发了一个3D模拟平台，为客户提供各种自动驾驶测试场景。

Cognetta的三维仿真平台

今年10月，该公司从包括空客户和Maniv Mobility在内的投资者那里筹集了1850万美元的B系列基金。

MightYai的元数据属性及分类技术

英伟达是模拟前沿的主要公司之一。今年5月，它推出了一个名为DRIVE Constellation的基于云的仿真平台。该平台运行在公司的通用处理器上，生成传感器数据流供自动驾驶系统处理。英伟达可以在数十亿英里的定制场景中训练其算法。

今年9月，该公司向其合作伙伴网络开放了模拟平台，包括初创公司Cognetta和Parallel Domain，以及主要技术公司西门子。

与收集驾驶员数据相关的另一个挑战是图像注释或标记数据，以便自动驾驶可以识别和分类对象。

培训数据初创公司MightYai正在与建立计算机视觉模型的公司合作，帮助标记他们用来培训系统的数据。MightYai为数据管理、注释和验证提供了工具。

公司利用语义分割技术对采集的数据进行理解，对视频图像进行逐像素分解，进行更细致的处理。

来源:媒体

中国科技巨头百度也开发了自己的语义分割软件ApollosCape，用于自动驾驶的开源数据集。

百度的技术支持多达26类图像标注，包括汽车、行人、自行车、建筑和路灯，帮助自动驾驶汽车识别行驶区域和即将到来的道路危险。

配置

自动驾驶车辆也需要知道它们的精确位置，以便进行决策和路径规划。

很多人依赖GPS信号，但这些测量值可能会偏离1-2米——考虑到自行车道平均在1.2米左右，误差率太大。

因此，自动驾驶开发人员依赖于一套技术，包括预先构建的地图，这有助于将误差减少到1米以内。

预建地图

当车辆导航时，他们会将周围环境与存储在内存中的数字地图进行比较。

这些地图被称为高清地图，比个人导航软件使用的数字地图更精确。它们包含基于道路的信息，如车道大小、人行横道和路标，并通过从外部车辆传感器收集的数据得到增强。

资料来源:Ars Technica

许多初创公司已经设计了必要的硬件和软件来收集路上的数据，然后将其转换成数字地图。

DeepMap开发了地图制作软件，并计划为专注于自动驾驶的汽车制造商和科技公司发放许可证。一级供应商罗伯特·博世在8月份投资了这家初创公司，加入了前投资者安德森·霍洛维茨和Accel Partners的行列。

来源:深度地图

民用地图也在开发全自动驾驶车辆的3D地图技术。该公司利用人工智能将原始传感器数据转化为有意义的地图信息。

一些公司正在制作自己的高清地图，目的是向感兴趣的各方分发数据。

地图字段中的两个主要角色是这里的地图和TomTom。这里的地图是2015年12月由德国汽车制造商组成的财团收购的。今年1月，TomTom与百度合作，将美国和西欧的地图与百度广泛的中国地图进行整合。

谷歌在地图领域也取得了显著进展。沃尔沃在10月份宣布，将把地图平台从TomTom转移到谷歌。谷歌自动驾驶部门Waymo也在利用自己的车辆在路上收集的数据制作自己的高清地图。

百度正在为其自动驾驶汽车软件平台Apollo制作高清地图。该公司认为，通过向汽车制造商出售地图，或收取服务费，或将这些费用纳入汽车成本，有赚钱的机会。

百度认为，其高清地图业务最终将超越目前国内最大的搜索业务。

完整系统

许多公司正在开发全自动驾驶系统，而不是特定的组件。

虽然这些初创公司大多只专注于自动驾驶，并与汽车制造商合作部署其技术，但也有少数公司正在从头开始改造汽车。

自动驾驶系统

大多数公司已经建立了一个完整的自动驾驶堆栈，提供了一个包含计算机视觉和传感器融合软件的包，以及自动驾驶所需的硬件。这些系统是自动驾驶汽车的“大脑”。

这一领域的初创公司通常会与汽车制造商合作部署他们的技术。在某些情况下，它们使得用这种技术改造现有车辆成为可能。

比如开车。ai正在利用其自主系统创建一个改装套件。在得克萨斯州弗里斯科试验了几个月的自动驾驶汽车服务后，该公司于10月将其服务扩展到得克萨斯州阿灵顿。

开车。AI于2017年9月与Lyft合作，将搭载该系统的自动驾驶汽车带到Lyft开源软件平台。

来源:驱动。人工智能

国内也有几家公司致力于自动驾驶系统。

总部位于北京的Momenta在10月份获得独角兽地位，并在电动汽车制造商NIO和中国科技巨头腾讯的贡献下推出了一轮C系列。Momenta已与苏州政府合作，部署了大规模的测试车队，并在该市建立了智能交通系统。

艾玛也进入了独角兽状态。该公司已与中国第二大汽车制造商广汽集团合作，部署其所有自动驾驶系统。仅在A系列筹集到1.02亿美元的三个月后，该公司于9月份在广州成立了一支独立车队。

整车

像Zoox和Nuro这样的公司正在从零开始制造汽车。

Zoox原型车与传统汽车有很大不同——它们不包括方向盘或仪表板，内部有两张相互面对的长凳。

来源:Zoox

它的车辆还没有被法律允许在公共道路上行驶，所以Zoox暂时在丰田高地人公司测试它的技术。

该公司独特的方法引起了投资者的注意，在联合创始人和首席执行官被解雇后，最近几个月吸引了大量媒体的关注。

到目前为止，Zoox已经筹集了8亿美元，其中包括7月份价值32亿美元的B系列5亿美元。该公司计划到2020年将其自动驾驶汽车应用于出租车服务。

Nuro的自动驾驶旨在运输货物，而不是人，以满足困扰许多零售商的最后一英里运输瓶颈。

至此，就是我们全文的全部内容，相信自动驾驶系统会发展得越来越好。