66、自动驾驶网络物理车辆平台中的目标检测：现状与挑战

自动驾驶网络物理车辆平台中的目标检测：现状与挑战

1. 引言

近年来，自动驾驶车辆（AVs）备受关注，主要是因为它们有潜力提升驾驶舒适性并减少交通事故造成的伤害。据报道，2019 年美国道路上有超过 3.6 万人死于致命事故，其中 94% 的事故是由人为错误和分心驾驶导致的，而 AVs 可以消除这些问题。

AVs 通常依靠摄像头、激光雷达和雷达等传感器来感知周围环境，检测附近的物体，并实时做出决策以避免碰撞，确保安全驾驶。根据 SAE J3016 标准，AVs 可分为六个自动化级别，具体如下表所示：
| SAE 级别 | 名称 | 驾驶环境监测器 |
| ---- | ---- | ---- |
| 0 | 无自动化 | 人类驾驶员 |
| 1 | 驾驶员辅助 | |
| 2 | 部分驾驶自动化 | |
| 3 | 有条件驾驶自动化 | ADAS 系统 |
| 4 | 高度驾驶自动化 | |
| 5 | 完全驾驶自动化 | |

自 20 世纪 20 年代以来，汽车制造商就开始对 AVs 进行试验。1984 年，CMU NavLab 的自主陆地车辆项目设计出了第一辆现代 AV，具有 1 级自主性，能够控制转向，加速由人类驾驶员控制。1987 年，梅赛德斯 - 奔驰设计的 AV 具有 2 级自主性，能在有限的人类监督下控制转向和加速。此后，通用汽车、博世、日产和奥迪等主要汽车制造商也开始涉足 AVs 领域。

特斯拉在 2014 年率先将带有 Autopilot 系统的 AVs 商业化，提供 2 级自主性。2015 年，特斯拉的 AVs 能够自主行驶从纽约到旧金山 99% 的路程。201