無人車
また、自律型車両として知られているまたは移動ロボットをホイル無人航空機は、輸送駆動無人地上車両です。私たちの理想は、A地点からB地点まで走行している人間のオペレータ、どんなに悪天候マシン自分でどのように複雑な環境の方法を持たず無人の車です。無人車両無人技術の中心は、自動車産業は、クラウンの製造されている場合、その後、無人技術は、王冠の宝石です。
無人の車がより多くのゲート技術の統合を実現することができる必要がある、それはレーダー、レーザーレーダー、カメラ、GPS、コンピュータビジョン、意思決定システム、オペレーティングシステム、高精度マップ、リアルタイムの位置、機械などの単一の新技術、ではありません制御、エネルギー散逸管理。無人の車は非常に空想科学小説を見えますが、実際には現実に夢があります。
無人の評価
自動化の無人車の程度を一般に6つのレベル、レベル5に、それぞれハイレベル0に低いから順に従って、自動化の程度に分割することができます。
レベル0：なし自動運転機能、人間ドライバ制御に完全に車の移動の過程の様々な環境条件を遵守するために開始し、業務の意思決定のすべての種類などを含め、車を移動するプロセス。要するに、人間の必要性は、このカテゴリに車の秋を駆動制御します。
レベル1：単機能の自動化、制御は、マシン管理への移行のプロセスの一部になりますが、ドライバーはまだ全体的に制御する必要があります。このようなアダプティブクルーズ、緊急ブレーキアシスト、車線維持と上のように。手と足のうちドライバがシステムを制御することはできません。
レベル2：部分的に自動化され、完全に制御不能にすることができ、いくつかのプリドライバシステム環境上での車の運転手とカーシェアリングコントロールを移動するプロセスが、スタンバイ上のドライバのニーズ、そして短時間で車を引き継ぐ必要があります。
レベル3：条件付き自動化、限られた状況での自動走行。例えば、高速道路は、マシン全体の車の制御のための完全に責任がある、ドライバは完全に完全にシステムの制御することができ、ドライバーが待機する必要があるが、十分な警告時間があります。
レベル4：高度に自動化され、特定の方法で、ドライバの介入なしプロセスの下で運転制限されています。ドライバは、開始点と終了点、自己制御車で、残りを設定する必要があります。
レベル5：完全に自動化され、必要ドライバの介入なしに任意の環境で実行されています。ドライバは、開始点と終了点、自己制御車で、残りを設定する必要があります。
ワイヤレスレーダー
無線レーダ（無線探知測距）は、車両に共通の構成要素であり、それは遠くの物体を介して電波を送信することによって動作する検出結果を達成するように電波を反射します。無線レーダーオブジェクト、大きさ、移動速度、移動方向等の情報の数で得ることができ、それは、多くの場合、アダプティブクルーズ自動緊急制動シナリオの無人技術です。
レーダー放射する電波の標的領域、物体反射電波には、間隔を隔てを算出することができます。tは電波から送信された距離d =c⋅t/ 2は、バック時間間隔に反射、cは光（毎秒3⋅108のメートル）の速度です。
レーダーは数百ヤード以外のオブジェクトを識別するために使用することができ、サイズと速度を検出することが可能です。しかし、それは、オブジェクトの詳細をキャプチャすることはできません。
ライダー
レーザレーダのLiDAR（光検出および測距）、即ち、光検出及び測距システムは、レーザビームが物体を検出するレーダシステムが出射されます。そのような標的、方位、高度、速度、姿勢、さらには形状情報からの距離として、信号を処理する受信機が情報を得るために、対象物体で反射し、対象物検出信号にレーザービームの多数を放出することにより機能します。無人車両LIDAR一般屋根上に搭載され、周囲をスキャンする連続高速回転、周囲の物体によって三次元情報を得ることが可能です。
ビームの角度は、複数の指標を取得結合されるレーザレーダ測定原理は、レーザレーダ車が図中の対象物にレーザ光を出射するように、比較的簡単であり、距離は、光の速度によって計算することができます。
実際の三次元物体のためには、レーザレーダによってスキャンされる物体全体の3次元ポイントクラウドを形成することができます。複数の光ビームは、受信後の信号処理は、これにより、3Dポイントクラウドを形成し、反射された光ビームを受信する送信レーザレーダターゲット。
レーザレーダは、無線レーダーよりも多くの情報を取り込むことができるレーダー無線ソリューションよりも高い解像度を提供します。ライダーは、実行中の回転維持するための高価な、必要の費用がかかり、それが埃っぽいと霧の天候では動作しません。
カメラ
より多くの画像のディテールをキャプチャするために、我々は道路上の標識を識別するためなど、無人の車両にカメラを追加する必要があります。カメラが周囲の無人車の最も正確なビューを取得することができ、それはそれぞれ、画像の最も高い割合を提供しています。天候の影響を受け偉大カメラ、夜間カメラのような偉大な影響を与えます。
对于捕获到的图像，要识别里面的物体就需要机器学习来加持。而目前流行的图像识别使用的都是深度学习，核心就是卷积神经网络。前面的神经网络工作原理章节和深度学习原理章节已经讲解了相关的原理，所以通过深度卷积神经网络是对摄像头收集的图像进行处理的核心。
无人车经过摄像头捕获的镜头通过深度学习能够识别出图像中包含的物体，比如行人、行车、交通路标等等。对应计算机视觉的物体检测与物体分类任务，经典的算法包括R-CNN、Faster R-CNN、SSD、YOLO等等。
超声波雷达
除了以上传感器外，无人驾驶汽车一般还会安装有超声波雷达。超声波雷达又称倒车雷达，很明显它主要是为倒车做辅助的。它的工作原理是通过超声波发射装置向外发射超声波，然后通过接收器接收反弹回来的超声波，根据时间差来计算距离。距离d=343⋅时间/2，其中343位声波速度，343m/s。超声波雷达的探测范围一般在几米以内，探测精度较高，适合用于泊车。
GPS
GPS是最常用的定位技术，在无人驾驶汽车中会通过其进行定位。GPS的更新频率为10Hz，所以它缺乏实时性。此外，GPS民用版的误差能达到好几米，所以完全靠GPS进行定位导航非常容易导致交通事故。
GPS的定位使用了三边测量法，卫星与接收装置之间的距离通过传输时间来测量距离，然后通过多颗卫星的位置便能够计算接收装置的位置，GPS一般会使用4颗以上的卫星来定位接受装置的3D位置信息。
下面通过一个例子来理解2D的三边测量法，比如你的位置与A卫星的距离为100km，则你可能的位置是在以A卫星为中心的一个圆上。
接着你又向另外一个卫星B发出无线信号，测量的距离时75km，则此时你的位置有两种可能，就是两个圆的相交点。
最后向卫星C发出无线信号，测量得出的距离为200km，此时三个圆的相交点就能唯一定位一个位置，这个位置即是你的位置。也就是说三个卫星就能确定一个平面上的点，只要坐标系建立起来便能得到详细的xy值。
高精地图
高精地图是无人驾驶汽车重要的支撑，它包含了大量的行车辅助信息，除了能提供精确的定位外，它还能做智能避让、智能调速等等。高精地图能为无人车提供静态的感知能力，为无人车提供全局视野，比如道路、交通、基础设施等信息。
我们现在日常使用的电子地图为传统电子地图，它能用于查询地点和导航，主要面向人类驾驶员。而高精电子地图则能提供比传统电子地图更多的信息，主要面向无人车。无人车车身上的传感器能收集到的主要信息范围都非常有限，而通过高精电子地图则能够将无人车的感知能力范围大大延伸，而且能够得到更多准确的信息。
高精地图包含了很多辅助信息。比如包括车道的位置、宽度、斜度、类型、曲率等等公路数据信息。比如包括交通标识、信号灯、障碍物、道路限高、防护栏、树、围栏、地标等等环境数据信息。如果进一步对高精电子地图的模型进行抽象，则可以得到更多无人车与车道、交通、基础设施之间的信息。
相比于GPS，高精电子地图能够实现比GPS高10倍以上的精度，GPS精度一般在几米，而高精地图与传感器协作则能使精度达到厘米级别。
惯性测量装置
惯性测量装置（IMU）是一种测量加速度与角速度的传感器。无人车一般使用的是中低级惯性传感器，更新频率为1kHz，价格为几千块。惯性能协助无人车进行定位，但因为它的误差会随着时间而累积，所以只能用于很短时间内的定位。
为了方便理解惯性测量装置的加速度，我们可以将加速度计想象成一个箱子里面悬浮着一个球，它们处于无重力的太空中。当我们向左边施加一个重力加速度（1g）时，球会向X-方向的壁平面产生1g的压力，然后我们就能够测量到x轴上的加速度为-1g。
惯性测量装置还包含了角速度测量功能，陀螺可以绕着支点进行三个自由度的转动。如下面的陀螺仪中间有一根竖轴穿过一个金属圆盘，圆盘称为转子，竖轴为旋转轴。为了增加惯性，转子用质量大的金属制成。竖轴外侧由三层不同大小的圆环嵌套而成，拥有三个方向自由度。角速度的测量则主要是利用角动量守恒定理。
V2X与环境交互
感知V2X通信プロトコルは、通信無人車両や歩行者に車両通信車両（車両に対する車両、V2V）、車両通信インフラ（車両インフラに、V2I）、車両と歩行者通信（車両など周囲の環境、ですV2P）。
V2V通信は、無人車両との間のトラフィックの交換などの無人車両間の情報の交換を指します。V2I通信は、通信やインテリジェントパーキング無人車両などの無人車両とインフラとの間の情報の交換を指します。V2P通信は無人車と通信するためのスマートフォン・アプリケーションを介してなどの無人車両と歩行者との間の情報の交換を指します。
経路計画
主な問題は最初から最後まで確保最速かつ最もパスを見つけることです、そのようダイクストラ法など多くの成熟した経路計画アルゴリズムは、存在し、A *アルゴリズム、RRTアルゴリズムなどを計画してパス。無人車の経路計画の必要性は、このような多くの道路交通事故の道などの要因、交通渋滞などを検討します。
概要
コアは知覚無人の車で、何の車が無線、レーダー、レーザーレーダー、超音波レーダーやカメラなど、目、4つの異なるビジョンを持っていない、彼らは別の視点を介して取得することができます。高精度電子地図と結合GPSと慣性位置決めデバイス戦略を使用して無人車は、非常に正確な位置決めを達成することができるであろう。さらに、環境と無人車両通信相互作用を可能にするために、V2XはV2V、V2I、V2P含む、提案されて。
人工知能、読書や感情や数学、コンピュータサイエンス、分散型、機械学習、深い学習、自然言語処理、アルゴリズムとデータ構造、Javaの深さ、Tomcatのカーネルなどについての話の番号このパブリック焦点。
