文：李基祥，来自：亿欧
自动驾驶汽车似乎还依然存在于科幻电影中，但殊不知，其实它的产业链上下游已经出现支撑公司，并在逐渐走向成熟。
自动驾驶分级标准
关于自动驾驶的分级，主要有SAE（美国机动车工程师学会）标准和NHTSA（国家公路交通安全管理局）两个标准；目前，前者受到大多数业内人士的认可，它从Lv0-Lv5将自动驾驶依据控制方式和适用环境分为了6个等级。
自动驾驶行业的最终目标，必然是实现真正的无人驾驶（Lv5），而实现的方式主要分为两种思路：①从Lv0逐步过渡到Lv5，通过整合集成ADAS中的控制功能，实现真正的无人驾驶②直接从Lv0跨度到Lv4，在特定的垂直领域和相对封闭的环境中推进无人驾驶，再向Lv5，也就是全环境全路况的无人驾驶普及。
根据SAE分级，不难看出，从Lv4开始，真正的控制者由人开始转为自动驾驶系统，责任主体也随之转移。因此，在设计研发之初，ADAS之中的辅助驾驶功能就与无人驾驶的目的不同，尤其在经历Lv3、Lv4这两个阶段是时，由于责任主体发生改变，因此在法律、舆论上面临着许多尚未可知的困难。
不过，ADAS的感知部分，以及不少辅助驾驶功能，例如自动巡航、自动泊车、前车碰撞紧急制动等，都可以在无人驾驶汽车当中得到应用，因此，也为无人驾驶的最终实现贡献了不小的力量。
自动驾驶汽车产业链剖析
为了推动无人驾驶汽车行业的进步，方便大家参考，亿欧对自动驾驶汽车行业进行了产业链分析，主要从产业上下游将其分为了感知、计算平台、算法集成、车辆控制、汽车通讯、无人驾驶汽车运营等六个方面。
（自动驾驶产业链结构图）
下面，本文将会对产业链上的各个部分进行单独剖析。
感知
自动驾驶汽车的感知部分，主要由摄像头、激光雷达、毫米波雷达、超声波雷达等多种方式共同组成。
由于各种感知方式在不同环境、不同距离、不同作用上各有所长，因此采用多传感器信息融合的方式有利于保证全方位信息的收集，进而使计算机做出更加精准的判断和规划。
激光雷达
目前，激光雷达的生产厂商集中在国外，包括美国Velodyne公司、Quanegy公司以及德国的Ibeo公司等，国内激光雷达初创公司也在尽力追赶。
激光雷达的穿透距离远，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，从而帮助自动驾驶系统实现提前行驶路线规划。
目前来看，多线激光雷达很有可能是未来无人车的必备传感器，并且与高精度地图及驾驶系统核心算法紧密相关。目前，多线激光雷达还没有针对车规级的成熟量产方案，机械旋转式多线激光雷达虽然已在普遍应用，但体积较大且价格过于昂贵，更小型更低成本的纯固态激光雷达还未见到成熟产品。
国内有不亚于国外的光机电技术基础，产业链比较完整，因此，诸多深耕激光雷达领域的公司还有不小的机会。
毫米波雷达、超声波雷达
除了激光雷达之外，近年来毫米波雷达和超声波雷达也逐渐成为自动驾驶汽车中，参与多传感器信息融合感知设备。其中，最为知名的例子就是特斯拉在其智能汽车中，完全没有使用激光雷达，而采用毫米波雷达+摄像头的方案。
另外，类似博世、大陆这样的智能辅助驾驶巨头，也在毫米波雷达和超声波雷达这样成本较低传感器设备上，拥有比较深刻的技术积累和应用经验。
而在国内，像行易道这样的毫米波雷达厂商，也在积极进行技术开发，追赶国际巨头水平。
不过，归根结底，特斯拉还只是高级辅助驾驶系统（ADAS），而当操作主体，也就是责任主体向机器转移时，仅仅通过摄像头和毫米波雷达实现自动驾驶功能是不够的，激光雷达所带来的功能性安全冗余非常必要。
摄像头（计算机视觉）
目前，通过摄像头进行拍摄，在进行图像和视频识别，确定车辆前方环境，是自动驾驶汽车的主要感知途径，这也是很多无人驾驶公司的主要研发内容之一。
不过，在这一方面，ADAS要先于无人驾驶汽车向市场推广，因此在数据收集反馈、工程化等方面，ADAS公司也处于领先地位。
国内双目ADAS公司中科慧眼CTO崔峰就表示，在未来无人驾驶汽车中，摄像头（双目）将成为重要的感知部分，中科慧眼未来努力的目标，也是为自动驾驶汽车，乃至各类出行机器人提供机器视觉方面的技术支持。
目前，车载摄像头主要分为单目和双目两种。
双目摄像头基于视差原理，可以在数据量不足的情况下，测定车辆前方环境（树木、行人、车辆、坑洞等），并且获得准确的距离数据，用以提供给自动驾驶系统进行车辆控制。
而单目摄像头，主要基于机器学习原理，使用大量数据进行训练，进行环境识别。尽管需要大量数据支持，且在恶劣光线条件下的表现不如双目摄像头，但其相对便宜的价格以及成熟的技术也获得了一部分公司的青睐。
在单目ADAS领域，以色列公司Mobileye是世界最顶尖的企业，而中国公司与这样的国外巨头依然存在一定的差距。
汽车通讯
汽车通讯主要可以分为两个方面。
第一，是车联网系统。
通过车载通讯设备，完成人与车、车与车、车与环境的信息交互，一方面可以完善运营车辆（出租车、网约车、公交车、物流货车等）和道路交通（如红绿灯）的调度安排，另一方面可以减少车辆的感知设备投入，将车辆及环境采集到的信息与车辆自身采集的信息相融合，从而实现自动驾驶功能。
