第一章自动驾驶

1.1自动驾驶技术

1.1.1自动驾驶能力与分级

        自动驾驶能力具体如下：

        车辆的感知能力： 自动驾驶车辆应该能够实时识别周围车辆的种类与行人。

        车辆的定位能力：车辆应该能判断自车的方向和位置，以及自车与上述元素之间的位置关系。

        车辆的规划控制能力：车辆应该能够在上述信号识别结果的基础上，控制车辆的加速踏板、制动踏板、方向盘等执行结构，规划自身短期和长期的行驶路线。

        自动驾驶能力分级如下：

        国际上，研究人员早就按照自动驾驶的智能化程度，将车辆分为Level1至Level5五个等级。如表1-1.

        我国也有类似的《汽车驾驶自动化分级》，其摘要参见表1-2。

        大体而言，各种标准对自动驾驶能力分级的依据主要体现在以下两方面。

        1.系统是否需要人的参与，也就接管。这是区别L2与L3的关键。

        2.系统是仅能在限定场景下正常工作，还是能够在大多数相对于人类驾驶员而言的正常场景下稳定运行，这是区别L4与L5的关键。

1.1.2L4的经典业务

        运动主体执行的任务是否需要完全自动化，是区分其自动驾驶能力的关键。去除驾驶员是其最重要的特性，也属于核心L4应用（如图1-3所示）。

1.2自动驾驶中的定位于地图

1.2.1为什么L4自动驾驶需要定位与地图

        在现有的技术水平下，要实现低接管率的L4自动驾驶，仍然需要用到高精定位与高精地图。L4自动驾驶需要高精度地图是因为L2是看着路开车更接近人类行为，但是缺点是需要面对计算机检测结果的局限性与不确定，而L4则是在脑海里开车，其高精画地图是由人工标注，每条车道线都有准确的位置，只需观察那些动态变化的行人、车辆信息。如要实现L4自动驾驶则需事先制作出一个高精地图并知道自己在这个地图中的准确位置。

        在目前的L4自动驾驶方案中，大部分任务元素都是和地图绑定的。 

1.2.3高精地图的内容与生产

        高精地图本质上是结构化的矢量数据。它的基本元素是现实世界中的一段车道，其包含着这几个问题。

        而这些信息可以用结构体来描述和存储。

        现实中的二维数据和三维数据主要来源于：使用遥感卫星影像，使用无人机航拍的俯视影像，使用自动驾驶车辆携带的传感器进行三维地图重建。

        他们服从一个非常简单的逻辑：离得越近，看得越清。

附上原著作者源码：GitHub - gaoxiang12/slam_in_autonomous_driving: 《自动驾驶中的SLAM技术》对应开源代码

Gitee：slam_in_autonomous_driving: 自动驾驶与机器人中的SLAM技术 从理论到实践配套代码

第二套代码给出了整个项目的运行流程，适合新手小白

        ps：算了算了，俺有点累了，希望下一次能早点把第二章基础数学知识回顾弄完，啊啊啊，俺数学不好，不会难死我吧，此刻一名研0的女生彻底死掉了，服了，学的慢也行哈