为了充分展示前沿科技在产业智能化转型中的需求和经历，Testin云测推出了【产业升级源动力】系列文章，从业务实践和行业场景出发，解析如何借助前沿科技推动产业转型和业务创新。
从1886年的卡尔弗里德里希本茨发明出汽车开始，拓宽了人们的出行半径，加速了人流与物流的流动速度。到1939年，第一款配备自动变速器的汽车问世，解放了驾驶员的右手（左舵驾驶，右舵驾驶则解放左手），再到世纪交替时，ACC自适应巡航解放了驾驶员的双脚。而现在的智能驾驶技术问世，正在使智能驾驶从梦想驶入现实，逐步的进入"大撒把"的时代。
智能驾驶似乎无时无刻的不在释放和挑战我们的想象，在智能化方面，5G技术将给"人、车、路、网、云"协同发展带来机遇，智能汽车发展成为互联网生态和服务集成平台。未来，智能汽车很可能是继手机之后的第二大互联生态和服务集成，智能化终将改变汽车的定义，在完全智能驾驶成为现实之后，智能汽车将成为移动的智能空间和场景生态服务体验终端，成为工作、生活、娱乐的新载体。
以上说的这一切，都不难实现，梦想已经在路上。但想象总是美好的，现实呢？
路漫漫其修远兮
人们对智能汽车的定义是什么呢？战略中是这样解释的"智能汽车是指通过搭载先进传感器等装置，运用人工智能等新技术，具有智能驾驶功能，逐步成为智能移动空间和应用终端的新一代汽车。智能汽车通常又称为智能网联汽车，智能驾驶汽车等"。
简单来说，需要汽车具备"智力"，即通过感知、规划、决策等过程，完成汽车的控制，这一过程，可以归纳为"人工智能"。然而，这更像是一个结果，想要让汽车本身的算法做到处理更多、更复杂的场景，背后就需要有海量准确、高质的真实数据做支撑。
不能否认，现在有些L3功能的量产车，在一些低速车领域，比如园区，物流，矿场也会投放一些无人驾驶的车，但这本身还是在某些场景帮助人，而不是取代驾驶员。
上文中提到的"L3"是什么呢？其实是智能驾驶的级别划分，目前一共分为5级，那么智能驾驶中的L0-L5 ，分别指什么？
目前，国际上有两套关于汽车智能化的分级，获得业界较高认可，一个美国国家高速公路管理局NHSTA，另一个是SAE汽车工程师协会。两个标准的划分方式极为相近，都是根据汽车的智能化程度划分L0到L5共六个级别。
L0 "人工驾驶"
指的是没有任何智能辅助驾驶功能的人工驾驶方式。在智能化大行其道的今天，这样的配置看上去似乎很有些不可思议，而事实上，今天的汽车还有不少都停留在这一阶段。
L1"辅助驾驶"
指的是至少拥有一项以上驾驶辅助功能的车辆，比如LDW车道偏离预警系统、FCW前碰预警系统等，因此L1也被称之为"驾驶员辅助阶段"。目前，市场上的绝大多数汽车都配有辅助驾驶系统，虽然智能化程度有限，却也能减轻驾驶员驾驶疲劳程度，减少事故的发生。
L2"部分自动驾驶"
指的是能实现部分自动化的车辆，目前已经能实现L2的量产。部分自动驾驶同时具备纵向和横向控制功能。当今大多数高级驾驶员辅助系统均属于L2级，在这个阶段，虽然机器可以独立完成一些组合行驶需求，但驾驶员仍需要将双手双脚预备在方向盘及制动踏板上随时待命。
L3"条件自动驾驶"
指的是由系统实现监控和驾驶的人机共驾。到了L3级别的智能驾驶技术，人工智能可以独立完成几乎全部的驾驶操作，当然驾驶员仍需要保持注意力集中，以便在某些汽车不能实现自动驾驶的情况下，接管车辆控制权。
L4"高度自动驾驶"
智能驾驶到了L4阶段，当面对紧急状况时，车辆能够实现自动处理，自行解决所有的特殊情况，避免因驾驶者未能及时接管车辆而造成的交通事故。只有在极其特殊的情况下，才需要人工操作。
L5"完全自动驾驶"
达到L5的车辆可以实现无限制的任意点对点无人驾驶模式，车辆可以在完全不需要驾驶员介入的情况下来进行所有的驾驶操作，驾驶员也可以将注意力放在其他的方面比如工作或是休息。
只有保障安全了，无人驾驶才能有环境基础，之后的大面积落地，就看成本和法规的事情了。换句话说：什么时候机器可以预判危险了，什么时候无人驾驶就可以应用了
我们相信，当达到L5时，智能驾驶给予驾驶者更多的选择，把原本开车过程中"丢失的时光"重新交还给驾驶者。在高度无人驾驶阶段，驾车者状态完全放松，而非时刻保持警惕状态。
关于驾驶的信息化，我们要做的、能做的还有很多，AI是否能帮助我们实现未来智能驾驶的美好场景，且看下文慢慢来讲。
好的数据才会有好的AI
作为智能驾驶汽车的"眼睛"，信息的获取至关重要，在人工智能时代，AI数据越多、越好，得到的模型最终效果就最佳，从而提升ADAS产品性能。
针对传感器采集到的大量交通数据进行分类、标注，然后上传给智能驾驶系统进一步学习，提高智能驾驶的精确度，例如针对前向避撞、车道保持、车道偏离等功能，可以通过大数据迭代算法模型，提升产品的可靠性和用户体验。
数据标注就是人工智能学习的教材，它存在的意义便是让机器理解、认识世界。那么在实现智能驾驶的这一过程中，需要哪些方面的数据呢？我们可以简单的将标注场景分为车内和车外。
2D图像框选/图像分割标注
上述这些只是智能驾驶中涉及到摄像头的数据，多为图片类数据的标注。由于对安全的严苛要求，当前的智能驾驶所需数据需求，正向着多模态的方向发展。所谓多模态，即是对多维时间、空间、环境数据的感知与融合。
虽然现在智能驾驶很火，但是不得不注意到现在机器在推理方面的能力是远不如人，只是在感知范围和决策速度上超过了人。另外，在不适用激光雷达做感知冗余的情况下，单纯依靠毫米波和摄像头还不能保证无人驾驶情况下百分之百安全。
在汽车的感知部分不仅只有摄像头，还有激光雷达、毫米波雷达、超声波雷达等多种方式共同组成，而这些感知方式都需要对应的数据标注。
物体参考坐标系与雷达坐标系之间的关系
以激光雷达为例，高性能激光雷达可以实现200米范围内，精度高达厘米级的3D场景扫描重现。它生成的3D点云数据通过标注后，可以助力智能驾驶模型的训练。
为了真正实现智能驾驶，单独依靠2D图像类标注，是不足以达到真正的智能驾驶。我们需要在2D的基础上，增加3D点云标注。
蔚来的智能驾驶布局之道
多传感器融合可显著提高系统的冗余度和容错性，从而保证决策的快速性和正确性，是无人驾驶的必然趋势。各种传感器性能各有优劣，在不同的应用场景里都可以发挥独特的优势，仅依靠单一或少数传感器难以完成无人驾驶的使命。纵观目前整个行业，在提供智能驾驶解决方案的企业中，大部分目标是全智能计程车的技术领域，而蔚来更关注能够开发出更可靠、可持续、长期、安全的智能驾驶系统。
云测数据2D/3D融合标注
云测数据作为Testin云测旗下数据标注品牌，基于行业先进的标注工具和丰富的标注经验，对机动车、障碍物等目标物进行3D框癣对雷达图进行语义分割，同时还可以对2D、3D多传感器融合的数据进行同时标注，实现视觉和雷达的数据感知，帮助汽车更好的感知道路场景，为智能驾驶技术的发展保驾护航。
智能驾驶，会不会是我们想象中的样子，目前还不得而知。但我们能够确定的是，在信息技术日新月异的今天，数据采集/标注能够为智能驾驶做的还远远不止这些。相信在不久的将来，智能驾驶最终会延续自动变速箱和ACC自适应巡航，从释放双手和双脚，到释放眼睛和大脑，将不再是奢望，它将带领我们，进入全新的出行时代。
未来，Testin云测将会更长久的关注智能驾驶行业，以前瞻性的视角和实践来推动智能驾驶行业的长久发展。
powered by 云测数据
