无人驾驶已是全球追逐的趋势，科技巨头早已争相开始了相关领域的研发。据外媒报道称，在加利福尼亚州，苹果无人驾驶测试车辆数量多于Drive．Ai、特斯拉、甚至是Alphabet旗下Waymo，其共拥有55辆无人驾驶汽车。其实，从上世纪70年代开始，美国、德国、英国等国家就开始了对无人驾驶汽车的研究。

国内对无人驾驶的研究稍晚，但是现在也是争相布局，奋起直追。百度嗅觉最敏锐，2014年7月就已着手研发；2017年7月，推出了Apollo自动驾驶平台；2018年年初，搭载了Apollo2．0系统的百度无人驾驶汽车也开始在美国加州公路上进行三级和四级无人驾驶汽车的测试。

2018年4月12日，腾讯和长安汽车签署合作协议，将提供智能车联网整体方案。紧随其后，5月14日腾讯已获得深圳交警颁发的第一张智能网联测试小汽车号牌。2018年4月16日，在无人驾驶领域看似沉默的阿里也宣布，正在进行无人驾驶研究。BAT的布局在意料之中，令人意外的是2018年5月10日，滴滴美国研究院也获准在美国加利福尼亚州测试自动驾驶车辆。

与一片火热的研发、路测形成鲜明对比的是无人驾驶安全事故频发。2018年3月，美国亚利桑那州一名女子被Uber自动驾驶汽车撞伤，之后不幸身亡。这是全球首例自动驾驶车辆致行人死亡的事故。近日特斯拉Model S又发生车祸致人伤亡，特斯拉发生事故已不是一次两次了。

5月16日，在天津召开的第二届世界智能大会上，360董事长周鸿祎在现场演讲时给无人驾驶泼冷水：“没有安全就不可能有智能汽车时代的真正到来”。

从安防角度看，我只想说，周董这冷水泼的对，泼的及时。无人驾驶的安全技术研究应该作为无人驾驶技术研究的重中之重。

无人驾驶主要依靠的是车内的计算机系统，包括人工智能、视觉计算、雷达、监控装置等和全球定位系统中的若干技术协调运作为主的智能驾驶，从而实现在没有任何人主动操作的情况下，能够安全、自动的操控汽车的运行。既然人工智能、视觉计算、雷达、监控装置和全球定位系统这五大技术是无人驾驶的关键技术，接下来小编就一一分析这些技术目前的发展水平以及如何保证无人驾驶车辆的安全性。

人工智能

一方面就无人驾驶汽车而言，AI的存在能够提升机器视觉系统的识别精度，同时它在控制传感器融合的ECU中也将发挥重要作用。

另一方面人工智能管理无人驾驶车辆，逻辑是通过深度学习和应对机制分析体系，来解决车辆行驶中的各种问题，保障行驶安全。

在 2018GMIC 峰会中，北京航空航天大学交通科学与工程学院余贵珍教授却就无人驾驶这个具体的场景为大家提了一个醒——人工智能并不是无人驾驶的万能药。他认为，人工智能技术的确有效地促进了无人驾驶技术的发展，通过深度学习，特别是卷积神经网络，利用摄像头来做环境感知，对此大家的信心已经达到 99％ 。但是，人工智能实际上就是一个算法，就是一个比原来机器学习更高级的算法罢了，所以我们不要把人工智能想成什么都能解决。

视觉计算

主要用来识别车道线、停止线、交通信号灯、交通标志牌、行人、车辆等。常用的有单目摄像头、双目摄像头、红外摄像头。视觉传感器成本低，相关研究与产品非常多，但视觉算法易受光照、阴影、污损、遮挡影响，准确性、鲁棒性有待提高。所以，作为人工智能技术广泛应用的领域之一的图像识别，也是无人驾驶汽车领域的一个研究热点，但是目前高精准的视觉算法并没有问世。

雷达

雷达主要用来探测一定范围内障碍物（比如车辆、行人、路肩等）的方位、距离及移动速度，常用车载雷达种类有激光雷达、毫米波雷达和超声波雷达。激光雷达精度高、探测范围广，但成本高，比如Google无人车顶上的64线激光雷达成本高达70多万元人民币；毫米波雷达成本相对较低，探测距离较远，被车企广泛使用，但与激光雷达比精度稍低、可视角度偏小；超声波雷达成本最低，但探测距离近、精度低，可用于低速下碰撞预警。

此外，CNN（Convolutional Neural Network，卷积神经网络）技术是目前最好的标识识别技术，CNN技术也是对激光雷达的一个很好的补充，因为激光雷达是低像素，不能很好的识别障碍物。

全球定位系统

定位主要用来实时高精度定位以及位姿感知，比如获取经纬度坐标、速度、加速度、航向角等，一般包括全球卫星定位系统（GNSS）、惯性设备、轮速计、里程计等。现在国内常用的高精度定位方法是使用差分定位设备，如RTK－GPS，但需要额外架设固定差分基站，应用距离受限，而且易受建筑物、树木遮挡影响。近年来很多省市的测绘部门都架设了相当于固定差分基站的连续运行参考站系统（CORS），比如辽宁、湖北、上海等，实现了定位信号的大范围覆盖，这种基础设施建设为智能驾驶提供了有力的技术支撑。定位技术是无人驾驶的核心技术，因为有了位置信息就可以利用丰富的地理、地图等先验知识，可以使用基于位置的服务。

编辑视点

其实，无人驾驶安全事故频发，核心技术不到位以及各个技术之间的协调配合不到位是重要原因，同时与无人驾驶车辆配套的道路、交通指示牌、网络基础设施没有跟上，也是不可忽视的原因。