酷播亮新聞
無人駕駛已呈全球追逐的趨勢，科技巨頭早已爭相開始了相關領域的研發。 據外媒報導稱，在美國加利福尼亞州，蘋果無人駕駛測試車輛數量多於Drive． Ai、特斯拉甚至Alphabet旗下的Waymo，共擁有55輛無人駕駛汽車。 其實，從上世紀70年代開始，美國、德國、英國等國家就開始了對無人駕駛汽車的研究。
國內對無人駕駛的研究稍晚，但現在也是爭相佈局，奮起直追。 百度嗅覺最敏銳，2014年7月就已著手研發；2017年7月，推出了Apollo自動駕駛平台；2018年年初，搭載了Apollo2．0系統的百度無人駕駛汽車開始在美國加州公路上進行三 級和四級無人駕駛汽車測試。
2018年4月12日，騰訊和長安汽車簽署合作協議，將提供智能車聯網整體方案。 緊隨其後，5月14日騰訊獲得深圳交警頒發的第一張智能網聯測試小汽車號牌。 2018年4月16日，在無人駕駛領域看似沉默的阿里也宣布正在進行無人駕駛研究。 BAT的佈局在意料之中，令人意外的是，2018年5月10日，滴滴美國研究院也獲准在美國加利福尼亞州測試自動駕駛車輛。
事故頻發引安全之憂
與一片火熱的研發、路測形成鮮明對比的是無人駕駛安全事故頻發。 2018年3月，美國亞利桑那州一名女子被Uber自動駕駛汽車撞傷，之後不幸身亡。 這是全球首例自動駕駛車輛致行人死亡的事故。 近日特斯拉Model S又發生車禍致人傷亡，特斯拉發生事故已不是一次兩次了。
5月16日，在天津召開的第二屆世界智能大會上，360董事長周鴻在現場演講時給無人駕駛潑冷水：“沒有安全就不可能有智能汽車時代的真正到來。”
從安防角度看，無人駕駛的安全技術研究應該作為無人駕駛技術研究的重中之重。 無人駕駛主要依靠的是車內的計算機系統，包括人工智能、視覺計算、雷達、監控裝置和全球定位系統中的若干技術協調運作為主的智能駕駛，從而實現在沒有任何人主動操作的情況 下，能夠安全、自動地操控汽車的運行。
人工智能
一方面就無人駕駛汽車而言，AI的存在能夠提昇機器視覺系統的識別精度，同時它在控制傳感器融合的ECU中也將發揮重要作用。
另一方面，人工智能管理無人駕駛車輛，邏輯是通過深度學習和應對機制分析體係來解決車輛行駛中的各種問題，保障行駛安全。
在 2018GMIC 峰會上，北京航空航天大學交通科學與工程學院余貴珍教授就無人駕駛這個具體的場景為大家提了一個醒――人工智能並不是無人駕駛的萬能藥。 他認為，人工智能技術的確有效促進了無人駕駛技術的發展，通過深度學習，特別是卷積神經網絡，利用攝像頭來做環境感知，對此大家的信心已經達到99％。 但是，人工智能實際上就是一個算法，就是一個比原來機器學習更高級的算法罷了，所以我們不要把人工智能想成什麼問題都能解決。
視覺計算
主要用來識別車道線、停止線、交通信號燈、交通標誌牌、行人、車輛等。 常用的有單目攝像頭、雙目攝像頭、紅外攝像頭。 視覺傳感器成本低，相關研究與產品非常多，但視覺算法易受光照、陰影、污損、遮擋影響，準確性、魯棒性有待提高。 所以，作為人工智能技術廣泛應用領域之一的圖像識別，也是無人駕駛汽車技術的一個研究熱點，但是目前高精準的視覺算法並沒有問世。
雷達
雷達主要用來探測一定範圍內障礙物（比如車輛、行人、路肩等）的方位、距離及移動速度，常用車載雷達種類有激光雷達、毫米波雷達和超聲波雷達。 激光雷達精度高、探測範圍廣，但成本高，比如Google無人車頂上的64線激光雷達成本高達70多萬元人民幣；毫米波雷達成本相對較低，探測距離較遠，被車企廣泛 使用，但與激光雷達比精度稍低、可視角度偏小；超聲波雷達成本最低，但探測距離近、精度低，可用於低速下碰撞預警。
此外，CNN（Convolutional Neural Network，卷積神經網絡）技術是目前最好的標識識別技術，CNN技術也是對激光雷達的一個很好的補充，因為激光雷達是低像素，不能很好地識別障礙物 。
全球定位系統
定位主要用來實時高精度定位以及位置感知，比如獲取經緯度坐標、速度、加速度、航向角等，一般包括全球衛星定位系統（GNSS）、慣性設備、輪速計、里程計等。 現在國內常用的高精度定位方法是使用差分定位設備，如RTK－GPS，但需要額外架設固定差分基站，應用距離受限，而且易受建築物、樹木遮擋影響。 近年來很多省市的測繪部門都架設了相當於固定差分基站的連續運行參考站系統（CORS），比如遼寧、湖北、上海等，實現了定位信號的大範圍覆蓋，這種基礎設施建設為智能 駕駛提供了有力的技術支撐。 定位技術是無人駕駛的核心技術，因為有了位置信息就可以利用豐富的地理、地圖等知識，可以使用基於位置的服務。
其實，無人駕駛安全事故頻發，核心技術不到位以及各個技術之間的協調配合不到位固然是重要原因，但與無人駕駛車輛配套的道路、交通指示牌、網絡基礎設施沒有跟上， 也是不可忽視的原因。