【原】如何给无人驾驶汽车测智商？| 荐读

“ 

一本书读懂如何给无人车测智商。

”

2004年，首届美国DARPA挑战赛中，没有一辆参赛车驶完全程。2005年第二届比赛中，五辆参赛车完成全部比赛。

这一变化背后有技术发展的原因，但知情人士告诉我们，“规则”在其中也起到了很重要的作用——随着比赛逐渐完善，明确的规则可以调动研究团队对自动驾驶车关键技术和智能行为的研究热情，当大家明确了具体技术评价指标和方法，自动驾驶技术才能有计划地发展。

那么问题来了，面对一辆无人驾驶车（SAE L4-L5），考官会制定哪些规则，又该如何给它测智商呢？

简单来说，评价过程和我们驾校考试类似——把无人车放到真实场景中去，然后收集无人车的速度、位置、车辆和环境中各个元素的位置变化信息，给无人车的表现打分。

DARPA无人驾驶车辆挑战赛中有一个PerceptOR（Perception for Off-Road Robotics，越野机器人感知）项目，选择了美国6大代表地区实地测试无人车，包括了树林、草地、沙漠、山区等多种地形。测试采用了统一的全地形测试平台和第三方测试，比赛根据完成所有项目的用时来作为评价指标。

近几年，大家纷纷为自动驾驶汽车建设小镇，让无人车在里面测试玩耍。比如密歇根州在安阿伯市建设的MCity，由4英里公路、13个不同的交叉路口组成，还包括了混乱的车道标线、繁忙的施工队伍这些复杂情况。

因为稍有不同的场景，都可能导致无人车的表现差异。其中一种做法是在测试前要建立道路交通环境的静态和动态要素库，然后把这些要素排列组合。比如道路包括直道、弯道、坡道、匝道等；天气包括晴天、雨天、雪天、雾天等；光照包含顺光、逆光等；障碍物包括静态障碍物、动态障碍物等。

把上面这些要素排列组合，就能搭建出多种的测试场景。按照从简单到复杂的测试原则，加入要素越来越多，就能构建出一个多层次的复杂场景。

当然，身为考官的你，也已经不是坐在副驾驶位打打分数那么简单啦。

测试过程你需要采集数据，采集过程还不能干扰无人车执行任务。一种方法是借助激光雷达、摄像头等多种传感器在路边固定位置布置测量点。还有一种方式是通过裁判车安装各种传感器和GPS/惯性导航等设备，移动跟车获取数据。此外，你还需要借助远程数据中心实时监控来做一些评估。为了支撑上面大量数据的收集，你需要一个半自动的数据采集系统。

上面这些内容还只是无人车测试评价的一点皮毛而已，如果你想了解一些方法论和实操方面的内容，可以读一读北京理工大学出版社出版的《无人驾驶车辆智能行为及其测试与评价》，中国汽车工程学会汽车工程图书出版专家委员也推荐了这本书。

▲动动手指扫一下二维码就能下单购买了哦！

这本书集中回答了一个问题——如何测试和评价自动驾驶汽车的智能水平，内容包含了自动驾驶汽车的测试内容、测试环境、测试方法与技术以及评价方案。结构上由经验+方法论+部分实操内容组成。

在经验借鉴部分，书中介绍了一些既往的国际经验，包含了科研性的DARPA PerceptOR评价试验，DARPA无人驾驶车辆挑战赛、欧洲无人驾驶车辆比赛，提到了面向商用的MCity、英国日本瑞典等测试场地与主机厂的合作测试。国内2009年开始举办的智能车未来挑战赛也作为案例收录。

方法论和实操流程方面，涉及了无人车测试内容和测试环境的设计方法，以及在测试过程中考官用什么技术和方法来统计评估，最后告诉我们如何根据无人车的表现给出一个可观公正的分数。

这本书的作者熊光明是北京理工大学机械与车辆学院机械电子工程副教授、硕士生导师，主要研究智能车辆技术、移动机器人技术及机器视觉。