自動駕駛知乎（自動駕駛?）
本篇文章給大家談談自動駕駛知乎，以及自動駕駛?對應的知識點，希望對各位有所幫助，不要忘了收藏本站喔。
本文目錄一覽：
- 1、BEIJING-X7的自動駕駛屬于哪個級別，實際使用上用處大嗎？（知乎風格）
- 2、車聯網和自動駕駛的區別是什么
- 3、iPad Pro上塞進了激光雷達，這可能關系到自動駕駛的未來
- 4、自動駕駛領域，是如何做視頻數據標注
- 5、知乎l4如何升到l5？
BEIJING-X7的自動駕駛屬于哪個級別，實際使用上用處大嗎？（知乎風格）
BEIJING-X7在2020年6月份正式上市，這輛車支持L2級別的自動駕駛輔助功能。自動駕駛作為目前車企著力研究的一個方向，現在已經有越來越多的車支持自動駕駛輔助功能。具體來說，自動駕駛功能分為L1-L5共5個級別。
L1：駕駛支持，指自動駕駛系統能夠輔助駕駛員完成某些駕駛任務。制動防抱死系統（ABS），車身電子穩定系統（ESP）等，這些配置就是L1級別的運用。
L2：部分自動化，部分自動化指的是雖然自動駕駛系統能夠完成某些駕駛任務，但是仍然需要駕駛者監控駕駛環境，在L2的級別里，必須要具備的是自適應巡航系統，主動車道保持系統，自動剎車輔助系統以及自動泊車系統等系統。
L3：有條件自動化，L3作為L2的升級版自然是更為智能化的，不過他是指在某種特定場景下進行自動駕駛，比如車輛能夠在交通擁堵情況下自動跟車行駛，遠程倒車入庫。
L4：高度自動化，系統能夠自主的做出所有的駕駛操作，能夠完全的自主上路，駕駛者可以在車上睡覺，打游戲，做自己想做的事情，更深遠意義上來說，方向盤，油門，剎車等裝置的也會取消。
L5：完全自動化，在所有條件下，自動駕駛系統能夠完成所有的駕駛任務，應對所有的工況。而駕駛艙也不再有，汽車像是極其智能化的機器人一般。
在目前，受制于各種情況，大多數的汽車都支持了L2級別的自動駕駛輔助功能，BEIJING-X7就配備了自適應巡航，車道保持，主動剎車輔助等功能。這些功能在長途駕駛中，大大減輕了司機的疲勞感，比如在高速路段開啟自適應巡航和車道保持，駕駛者只需要保證雙手不離開方向盤，不需要踩油門，車輛就可以實現自動安全跟車功能，非常實用。
車聯網和自動駕駛的區別是什么
【太平洋汽車網】車聯網的根本目的是把車輛跟世界連接起來，自動駕駛就是在無需駕駛員操作的情況下，汽車可以完全自主行駛。
這個問題一看就知道是個萌新問的，各位大俠們的回答有可能會讓他云里霧里的，下班前20分鐘，耐下性子來把這事說的更通俗點，好讓萌新對這個大坑有基礎的認知。
首先，車聯網的根本目的是把車輛跟世界連接起來，依托這種連接讓與車相關的信息能夠更快速的傳遞，進而改變與車輛相關的各種產品和服務。這個類似于外賣行業，把供需雙方的信息傳遞的快一點，相應的一個行業也就會發生巨大的變化。如果還想不明白，可以參考滴滴，把出租車和乘客的相關信息進行快速傳遞，徹底改變了打車這個行業。所以，這個叫車聯網。
第二，自動駕駛解決的是誰來開車的問題。自動駕駛也分等級的，L1-L5，具體每個等級到底意味著什么請在知乎自行搜索。想說的是，自動駕駛其實的關鍵問題是人開車還是計算機開車，一般情況下有自動駕駛技術的車輛都是聯網的，但也不排除有不聯網的。
結論是，車聯網和自動駕駛是解決的兩個不同方向的問題，兩者有一定的聯系，但從解決的基本問題而言，兩者的差距還是比較大的。但也有人把自動駕駛歸入車聯網，這也沒有什么太大的問題。最后想說的是，比較兩個事物間的區別，首先要區分事物的目的和意義是什么，如果從根上就有很大的區別，那即便怎么發展，兩者的差距還是很大的。
（圖/文/攝：太平洋汽車網問答叫獸）
iPad Pro上塞進了激光雷達，這可能關系到自動駕駛的未來
在新款iPad Pro上，在“浴霸”攝像頭旁邊，蘋果放了一顆微小的激光雷達。
對于普通用戶而言，或許對這一變化感知不深，但對于全球激光雷達市場而言，這可能是一個指明未來方向的消息。
激光雷達不是新技術，上世紀八十年代已經推出，九十年代開始商用，近十年自動駕駛興起，激光雷達被看做自動駕駛的“眼睛”，引起了重視。
不過，車載激光雷達造價昂貴，體積龐大，售價可能超過一萬元，這將極大提高 汽車 的成本，以至于特斯拉創始人埃隆·馬斯克說，“用激光雷達的人就是蠢貨”，而車載激光雷達從目前來看，仍然只能用于自動駕駛測試，無法大規模的商業化。
蘋果的激光雷達技術上沒那么復雜，但蘋果已經有過數次以一己之力，推動整個產業鏈前進的先例，而這一變革，或許也會發生在激光雷達身上。
蘋果善于將成熟的技術推向大規模的消費市場，激光雷達又是一個案例。
iPad激光雷達背后仍是ToF（Time of flight）三維視覺技術方案。ToF技術本質是利用雷達發射多條光波，光波遇到障礙物獲得反射，通過測量發射光和反射光之間的飛行時間，來估算深度和確定距離，由此得到一張被測物體的3D圖像。20世紀60年代，隨著激光的發明，利用光波測試距離才成為現實。
自2016年以后，手機廠商曾掀起一股“萬物皆可ToF”風潮。對于隔空操控屏幕、ToF美圖等功能（手機拍照景深功能優化），華為、三星、OPPO、vivo 智能手機紛紛熱衷加持。
此次的iPad pro是在炒冷飯嗎？
并非如此。ToF技術可以分為iToF和dToF。據業內人士介紹，iToF原理相對簡單，其利用紅外光源掃描，且集成難度較低。但它的缺點也很明顯，一是精度較低、抗干擾能力差，二是其功耗較大，隨距離增加而大幅增加。這意味著iToF無法捕捉高精度動3D圖像，在實際應用中的作用較為雞肋。
相比之下，dToF通過相應時間更快的SPAD（單光子雪崩二極管）+TDC（時間數字轉換電路）提高測量精度，并且功耗更低、抗干擾能力更強。但dToF對硬件要求高、集成難度大，造價高，鮮有消費電子產品運用。
蘋果選擇的是dToF技術。其介紹稱：特制的激光雷達掃描儀利用直接飛行時間 (dToF)，測量室內或室外環境中從最遠五米處反射回來的光。它可以從光子層面進行探測，并能以納秒速度運行。不僅如此，激光雷達掃描儀與后置雙攝像頭、運動傳感器和 iPadOS 內的架構協同合作，進行深度測量。
dToF技術在小型消費電子產品的應用瓶頸是SPAD難以小型化。知乎用戶Zhang Eric表示，SPAD越大，激光雷達的分辨率越高。他認為iPad Pro的激光雷達在這方面是有所突破的，預估激光雷達分辨率能達到QVGA~VGA（320*240像素～640*480像素）之間。換句話說，iPad Pro的相機性能將會提升，AR體驗的精確度和流暢度將會大大提高。
對于在新款 iPad Pro 上的AR效果，蘋果官方表示；“增強現實類 app 能給人更強烈的真實感：放置虛擬物體現在能即時完成；逼真的物體遮擋功能，可讓虛擬物體在現實場景結構中前后穿插；動作捕捉和人物遮擋功能也經過優化，精準度更高?！?/p>
除此之外，超廣角攝像頭的加持，也能夠讓 iPad Pro 2020 的拍攝視角更大，在 4K 視頻和圖像方面，也是更大的提升。
在激光雷達的加持下，iPad Pro 2020 就為增強現實（AR）和其他領域添加了更多的想象空間。對此，蘋果給出了三個典型場景：AR量身高、AR 游戲 和宜家的AR家庭裝修。以AR 游戲 《熾熱熔巖》為例，iPad Pro的激光雷達掃描儀可以將客廳變為熔巖地，兒童需要跳到家具上躲開在地板上的模擬巖漿。
愛慕ToF技術的手機廠商眾多，為何偏偏是蘋果最先將激光雷達掃描儀落地？
這源于蘋果早早動了造車心思。2014年，蘋果造車計劃“泰坦計劃”正式誕生。彼時，蘋果希望復制iPhone的成功，從零開始自行生產一款完整的無人駕駛 汽車 ，并與其他 汽車 制造商的項目相抗衡。為此，蘋果到處招聘買馬，部門人員一度傳言多達2700人。
然而，蘋果造車路并不順利，在經歷了負責人更換、研發方向調整等變動后，“泰坦計劃”遭遇擱置，蘋果于2016年轉為主攻無人駕駛系統。2019年，據外媒報道稱，蘋果在給加州就業發展部的郵件中表示，其自動駕駛 汽車 部門計劃裁掉190名員工。
雖然在自動駕駛賽道上走地磕磕絆絆，但蘋果仍有一定技術突破。2018年11月，蘋果一項關于深度攝像頭的新專利名為“多量程TOF感知”被美國專利與商標局正式公開，該專利主要是對于攝像頭中光電元件，尤其是激光雷達傳感器的優化。
而繼TriLumina 公司開發出光束質量高、生產成本較低、功率較低的VCSEL 垂直腔面發射激光器后，蘋果申請了一項新專利，主題為激光雷達與 VCSEL 技術相結合，以應用于ToF 攝像頭和 AR 等新產品上。
2019年4月，據路透社報道援引知情人士，蘋果正在尋找比當前技術更小、更便宜、更容易大規模生產的激光雷達設備，這些專利和硬件或許很大程度上助推了搭載激光雷達的 iPad Pro 的誕生。
緣起于造車的iPad pro激光雷達與車載激光雷達自然有很大差別。
自動駕駛領域的激光雷達公司RoboSense聯合創始人兼COO Mark在接受智東西采訪中聲稱，“這完全是兩回事”，男士錢包大小的車載激光雷達，iPad Pro上的激光雷達僅僅可識別數米，探測標準不同，成本也更低。相較而言，車載激光雷達主要保障安全，識別距離遠，性能要求高。
自動駕駛L4級別無人駕駛卡車提供商圖森未來一名算法工程師告訴未來 汽車 日報（ID：auto-time）：“相較普通乘用車，卡車需要運貨，所以不能踩急剎車，所以自動駕駛卡車的感知距離需要1000米?！?/p>
Mark具體推測，新版iPad Pro背部的激光雷達大概率采用的是非掃描式的Flash方案。該方式在車載應用中有感知距離短的問題，在蘋果設定的場景中則正合適。此外，據Mark介紹，iPad Pro的dToF方案相比車載激光雷達，前者是固定的平面3D傳感器，后者是旋轉的單線或多線。
不過，即便在技術上沒有突破式的創新，iPad Pro以及隨后的iPhone，以每年巨大的銷量，必然將讓整個激光雷達的產業鏈迅速成熟，同時帶動激光雷達在其他電子消費品的應用，促進激光雷達技術的普及，那時，廠商也可以放開手腳，去實現更多的技術創新。
作者 | 焦曼婷
編輯 | 許陽
自動駕駛領域，是如何做視頻數據標注
1、視頻就是圖片的序列
比如說25幀的視頻，其對應的就是每秒25張圖片，所以當一個視頻輸入給一個神經網絡時，其本質就是一個 圖片序列 。同理，對于圖片標注工具也一樣，視頻會被分成一系列圖片進行標準。
2、通過 拉框標注 進行 車輛檢測
拉框標注的過程本質，就是通過人工對圖片中的目標（以下用自動駕駛感知任務中的車輛來舉例）進行檢測（即是否有這種目標？）和定位（即它在圖片的什么位置？）來教會神經網絡進行車輛檢測和定位。
以下通過車輛拉框的例子來進行進一步的說明。
如下面圖所示，兩張圖片里，各有一個矩形框將整個車的輪廓都框入。通過框在圖片的位置，即四個角點的坐標，就可以知道 框內目標相對于圖片的位置和大小 。而這些標注得到的車輛框的坐標，也正是訓練車輛檢測神經網絡的訓練集中的真值。這些真值會用來和車輛檢測神經網絡輸出的預測結果（即當把同一圖片輸入給目標神經網絡所產生的四個角點的坐標）做比較，得到差異值（即損失函數值）再去迭代神經網絡的參數（即反向傳播）。
當然，實際自動駕駛系統所使用感知技術的標注過程中需要的注意事項和需要的標注的信息，會比上述過程復雜、豐富得多。用下圖例子示意，其 需要把畫面中的所有車輛都框出，還需要補全遮擋部分以及不可見部分 。但是， 大體過程和原理是類似的 。
3、自動駕駛怎么使用檢測結果
自動駕駛需要的輸入以及組成部分非常繁多和復雜。所以本文還是針對原始問題以車輛檢測說明車輛檢測結果是怎么被使用的。
如上所說，一個訓練好的車輛檢測神經網絡對相機輸入的視頻流（圖片流）進行處理，實時檢測圖片里面的車輛（即利用訓練好的神經網絡進行推理得過程），得到車輛在圖片里面的位置和相對于圖片的大小。由于車輛上安裝的相機參數信息（如分辨率等）是系統已知信息。同時，這些相機也經過了標定過程，所以系統得到了相機安裝完后的外參。簡而言之，這個過程就是通過標定獲得了一個基準參考，從而可以推斷圖片中占用特定大小像素的目標的實際尺寸是多少，以及相對于自身車輛的距離是多少。這些信息會被輸入到自動駕駛系統里的后續模塊，比如決策是否需要進行諸如減速、轉向的操作。
4、繼續了解目標檢測
目標檢測是自動駕駛的關鍵基礎技術，也是整個深度學習應用的熱點之一（如果不是最熱的話?）。關于這一話題有許許多多的參考信息，而且都不難獲得。
在這里，我附上一篇知乎的總結文章和一張很有意思的總結圖作為拋磚引玉。
詳見：
知乎l4如何升到l5？
鐵了心的百度,從L4到L5的野望 爭奪L4級自動駕駛寶座的競賽,現已經正式進入后半場。而最后沖刺的時刻,似乎正逐漸臨近。 昨天(9月12日)下午受到百度Apollo的邀請,C次元記者前往位于上海嘉定的國家智能網聯汽車(上海)試點示范區,參加“.
關于自動駕駛知乎和自動駕駛?的介紹到此就結束了，不知道你從中找到你需要的信息了嗎 ？如果你還想了解更多這方面的信息，記得收藏關注本站。
