#本文由作者授權發布，文章僅代表作者觀點，不代表IPRdaily立場#
來源：IPRdaily中文網（iprdaily.cn）
作者：王絹 北京集慧智佳知識產權管理咨詢股份有限公司 吹IP
原標題：老司機 | 無人駕駛離我們不再遙遠
無人駕駛這項技術聽起來不明覺厲，但確實是能為人民造福的好科技！如果我有一輛無人駕駛汽車就給它安上APP，讓它自己去跑滴滴賺錢，畫面好美，哈哈哈。。。
第三屆世界互聯網大會期間，百度無人駕駛車首次載著乘客上路。在浙江烏鎮一段3.16公里長的城市開放道路上，超過200名嘉賓體驗了無人駕駛汽車。
除了百度，不得不提在無人駕駛車領域的領頭兵谷歌。谷歌從2009年就開始了無人駕駛項目的研發，至今谷歌的無人駕駛車已經跑過了超過300萬公里的測試路程。
從專利的角度窺探谷歌無人駕駛車技術之路
1 谷歌無人駕駛汽車發展趨勢
從無人駕駛汽車研究的提出到現在，谷歌的無人駕駛汽車的研究大致經歷了三個階段，如下圖：
專利布局也早在2008年就已經開始，其申請趨勢如下：
圖1 谷歌無人駕駛車領域專利申請量
可見谷歌在無人駕駛領域的研發在逐年提升，專利布局量已經達到一個相當高的水平。
2 谷歌在無人駕駛車領域的專利布局地域
圖2 谷歌無人駕駛車領域專利布局地域
谷歌在無人駕駛車領域可謂是全面布局，重點在美國，同時在世界知識產權組織、歐洲專利局、中國及韓國也有適量數量專利布局。不得不說谷歌無人駕駛車這盤棋下得夠大。
3 谷歌無人駕駛汽車技術發展脈絡
第一代無人駕駛車
其初始的技術發展就是沿著檢測分析計算、自我學學習及執行三個部分延續的。
1
采用激光雷達
第一代無人駕駛車的車頂使用Velodyne公司生產的64束激光器傳感器，用以旋轉掃描周圍行駛環境進而來構造環境模型，這是獲取外界信息的重要入口也是無人駕駛汽車控制的基礎，其體現在利用傳感器精確地捕捉周圍路況信息（美國專利號US8346426B1）和針對激光傳感器本身的優化設計，包括增加探測精度（US8948370B2）和激光雷達結構優化（US8836922B1）。
圖3 捕捉周圍路況信息（US8346426B1）
2
突出地圖優勢
另一方面，基于谷歌自身的地圖數據分析能力（US8527199B1），其無人駕駛汽車還借助GPS匹配行駛路線和學習路線的能力，通過無線自組織網絡進行多車輛的相互識別（V2V方式），精確計算行車之間的距離（US8849494B1）和基于當下位置做出行車方面的控制決策（US8195394B1）。
圖4 精確計算行車間距（US8849494B1）
圖5 行車的控制決策（US8195394B1）
總體來看，谷歌的第一代無人駕駛汽車就是在原有的傳統汽車上，增加一些功能設定，使之具備一些初級的無人駕駛功能，能夠在簡單路況環境下進行自主操作行駛，同時嘗試著將自身地圖方面的優勢與智能汽車進行融合。
2
第二代無人駕駛車
第二代無人駕駛車的核心主線仍然是檢測分析計算、自我學習及執行，但在每一塊都得到了細節上的延伸。
1
加強環境感知
針對環境檢測和感知方面，更多地考慮了在行駛過程中的突發復雜情況的檢測，一方面增加了行駛道路上的不確定性車輛的感知（CN104094177A），甚至在檢測附近有侵略性駕駛車輛的情況下主動調整去駕駛行為（CN105008200A）。
圖6 侵略性駕駛車輛的情況下主動調整去駕駛行為（CN105008200A）
2
收購圖像識別技術公司
另一方面，借助與所收購公司如圖片分析公司Jetpac美國工業知覺公司（Industrial Perception）等的技術融合，對圖像/圖片識別分析進行深入地研究。
通過與Jetpac公司在圖像識別技術上的融合，對行駛道路上的目標障礙物的檢測和識別匹配得到改進，體現在匹配識別時間的縮短和相關識別復雜程度的提升，并解決了在檢測圖像質量不佳的情況下提升其道路標示的可確定性，同時還增加了對行駛天氣環境的感知，進一步獲取更多行蹤條件信息；對檢測部件的改進體現在計算點陣電控線路（US9069060）等方面。
分析計算是無人駕駛汽車的核心，第二代無人駕駛汽車的邏輯算法涉及更為廣泛在行駛開始前增加了自主規劃能力，通過用戶輸入界面的輸入目的地信息，在實際的路線規劃中避免可預期的道路障礙，根據行駛路線情況主動控制和調節車速（US8965691B1），基于其他車輛行駛車道判斷是否偏離原先的行車路線，可以基于周邊障礙物的檢測進行變更車道，在變道過程中重新制定新的行車路線等等。
圖7 自動控制和調節車速（US8965691B1）
3
收購人工智能深度學習公司
第二代無人駕駛汽車的最大特點是突出了無人駕駛汽車自身的自我學習能力，谷歌相繼收購了加拿大深度學習企業DNNresearch公司和深度學習算法公司DeepMind。
目前，其相關技術的重點主要集中在無人駕駛汽車行駛過程中，基于原有的行駛數據能夠在自主駕駛和人為控制之間切換（CN104837705A）。
圖8 自動和人工駕駛模式之間的切換（CN104837705A）
4
拓展車聯網應用
作為自身全自主無人駕駛汽車的補充，谷歌也逐步介入車聯網領域，為無人駕駛車在行駛過程中基于地圖數據與周圍環境識別和匹配功能提供新的幫助（US8527199B1）。
3
第三代無人駕駛汽車
經過前兩代的無人駕駛汽車的研究和兼并合作、相關技術公司的技術補充，谷歌的無人駕駛汽車也逐步成型，于是基于對技術相關部件的整合以及將該無人駕駛汽車推向市場，在借鑒智能交通樞紐工具Pod Car原型之后，谷歌推出自主設計并研發的無人駕駛汽車原型。不同的是該設計中沒有傳統汽車里的方向盤，油門或者剎車，以及輔助駕駛人員，取而代之的是各種傳感器以及軟件系統。
1
增強人機交互體驗
同時，對無人駕駛汽車的細節做了進一步完善，谷歌計劃在無人車中加入Project Soli的可穿戴智能設備芯片實現手勢控制和人工干預，通過實時檢測雙手和手指上的微小活動并根據設定執行相應動作，來控制車內音響空調溫度雨刷器座椅，或者用來改變巡航行駛狀態的參數，是谷歌在智能汽車內娛樂信息系統的人機交互技術的體現。
2
更加關注行人安全
谷歌計劃采用深度基于神經網絡技術的視頻分析系統用來給車描摹一個更廣闊的視域，通過深度網絡學習的能力，自動駕駛車經過現有數據和已有數據比對的過程，能夠在0.25秒左右的時間內準確識別行人。
3
整合谷歌廣告及地圖服務等優勢資源
谷歌還逐步升級優化車載媒介系統，基于位置服務的廣告云端媒體服務和基于關鍵詞的地圖搜索等傳統谷歌優勢技術服務的支撐。
國內無人駕駛車專利狀況
國內對無人駕駛車的研究開始得比較晚。百度無人駕駛車雖在世界互聯網大會亮相，但起步也較晚，其專利布局從2014年才開始。目前為止百度在無人駕駛車領域共積累不足百件專利，并且也集中在中國。其涉及的技術領域主要在傳感、定位、識別及控制方面。
傳感
采集周邊車輛信息，實現實時采集車輛信息以對車輛進行實時違章監控，提高對車輛的監控力度（CN104916138A）。
圖9 周邊車輛信息的處理方法（CN104916138A）
2
定位
定位方面包括無人車定位精度的確定方法，具體為獲取依據無人車的傳感定位數據實時定位得到的定位坐標信息；依據所述無人車的GPS數據、IMU數據和激光點云數據，確定所述無人車的真實坐標信息；將獲取的定位坐標信息與確定的真實坐標信息進行匹配，依據匹配結果確定所述無人車的定位精度。（CN106225790A）。
3
識別
識別方面包括行車路線的匹配（CN104978420A），車道線的識別（CN105046235A），車道線數據處理（CN105260699A）等。
圖10 行車路線匹配方法（CN104978420A）
4
控制
涉及自動停車（CN104742881A）、剎車（CN104786923A）等控制。
圖11 自動泊車方法（CN104742881A）
最后一吹
國內無人駕駛車研究起步較晚，專利技術積累量不多。因此，需要多引進國外技術，以期能實現五年內無人駕駛車上路的愿望。而國外，諸如谷歌這樣對無人駕駛車研發較成熟的企業同樣存在挑戰。最大的挑戰就是降低事故率，若能實現比人類駕駛更安全，那么離無人駕駛車上路則不會太遠了。
來源：IPRdaily中文網（iprdaily.cn）
作者：王絹 北京集慧智佳知識產權管理咨詢股份有限公司 吹IP
編輯：IPRdaily.cn LoCo
校對：IPRdaily.cn 縱橫君
IPRdaily誠聘英才！（點擊圖片,了解詳情）
本文來自IPRdaily.cn 中文網并經IPRdaily.cn中文網編輯。轉載此文章須經權利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場，如若轉載，請注明出處：“http://m.tyccp663.com/”
共發表文章
31250 篇
- 我也說兩句
- 還可以輸入140個字
