1700541350
有时，即使一个静态的目标也可能会用一个大号锥体表示其不确定性，比如具有遮蔽性的建筑，虽然它们本身不大可能移动，但是可能会遮蔽一些移动的物体。对于死胡同、转弯处，或随时可能会有乘客下车的一辆停在路边敞开车门的汽车，无人驾驶汽车的中层软件系统都会标记一个大号的不确定性锥。静止的校车也可能会产生不确定的大圆锥，虽然校车本身或许不动，但是随时都可能有孩子从车后跑出来。
1700541351
1700541352
当汽车附近的物体都被标记并表示成了大小不一的不确定性锥，一个称为”轨迹规划器”的模块，就能据此计算出最佳行进路线（见图14.28），并保证遵守交通规则，减少行程时间和碰撞风险。
1700541353
1700541354
1700541355
1700541356
1700541357
图14.28 根据周围物体的不确定性锥，轨迹规划器能计算出最佳行进路线
1700541358
1700541359
■ 自动驾驶的商业化
1700541360
1700541361
人工智能的很多应用场景有较宽松的容错性，例如扫地机器人撞到障碍物，可以退后再找路径；Siri的语音识别错了，用户多说几遍就行了。然而自动驾驶应用，则要求更加严苛的安全标准。因为汽车中的人工智能算法出错，带来的损失是无法挽回的。例如，在时速100公里每小时的车上，把路边一个穿越马路的行人误判为静止的柱子，将会直接导致伤亡，后果不堪设想。
1700541362
1700541363
基于这个原因，现有的自动驾驶商业部署，主要在封闭的园区和有严格管控的固定线路。例如，伦敦的希思罗国际机场用自动驾驶摆渡车在停车场和T5航站楼之间接送乘客，如图14.29所示。这一运输服务叫希思罗Pod，从2011年起投入运营。任何乘客都可以从希思罗T5航站楼免费搭乘。
1700541364
1700541365
1700541366
1700541367
1700541368
图14.29 伦敦的希思罗国际机场的自动驾驶摆渡车
1700541369
1700541370
类似的适合（半）封闭路段的车型还有Induct Navia（见图14.30）和Arma（见图14.31），它们的出现也一步步引领自动驾驶走向商业化的道路。
1700541371
1700541372
1700541373
1700541374
1700541375
图14.30 售价25万美元的Induct Navia，可载8人，行驶速度20km/h
1700541376
1700541377
1700541378
1700541379
1700541380
图14.31 Navya公司推出的Arma行驶速度20km/h 自动车，可以载15人，行驶速度45km/h
1700541381
1700541382
此外，由于自动驾驶中的关键传感器部件激光雷达的成本居高不下，货车的单价和驾驶员成本更高，而且货车的使用场景在高速或封闭的港口等，所以它可能比家用轿车更早的实现自动驾驶的商用。
1700541383
1700541384
■ 自动驾驶算法工程师需要具备的技能
1700541385
1700541386
看完以上的介绍，读者或许已经跃跃欲试要投身这场即将到来的技术革命。如能在以下三个领域之一有比较扎实的基础，就可以比较容易地拿到自动驾驶相关领域的offer，成为自动驾驶算法工程师了。
1700541387
1700541388
计算机视觉：深度学习，道路标牌识别，车道线检测，车辆跟踪，物体分割，物体识别。
1700541389
1700541390
传感和控制：信号处理，Kalman滤波，自动定位，控制理论（PID控制），路径规划。
1700541391
1700541392
系统集成：机器人操作系统，嵌入式系统。
1700541393
1700541394
现在已有不少专门的自动驾驶培训班或慕课，可以帮助大家更加深入地、系统地学习以上技术，也预祝读者们在相关领域有所建树，在通向offer的道路上一路绿灯。
1700541395
1700541396
1700541397
1700541398
1700541399
百面机器学习：算法工程师带你去面试 [:1700532256]