第五章 前提——电子化的高速公路
无人驾驶汽车的发展延缓了几十年，这是一种被称为“达?芬奇难题（Da Vinci problem）”的现象，这个难题在今天依然困扰着发明家。**达?芬奇难题（Da Vinci problem）**指的是发明家设计例如一种还不能应用的科技产品，之所以不能应用不是理论有问题，而是因为关键性的使能技术还未被实现。
早在1939年，通用汽车公司的市场部人士就设想出了第一代无人驾驶汽车，并在世界博览会上公之于众，通用汽车的“未来世界”以美国的一个典型城镇为背景，构建了未来现代化后的沙盘模型，它展示了一个自动化的高速公路，并预计到1960年时它将使驾驶出行“解放双手，解放双脚”。
- 黄金时代
对于汽车和电子化高速公路的发展，20世界五六十年代是一个黄金时代。，美国汽车运输业快速发展，自动化高速公路的设想在公众的观念里十分流行。
- 通用汽车的电子化高速公路
- 自动化高速公路的衰亡
自动化高速公路的美梦最终破灭的主要原因之一就是成本，安装必备的电缆和路边控制是一项耗资巨大却又见效缓慢的工程，而且当时可用的电子技术和计算机技术都还太粗糙，除去这些，衰亡的另一原因是由于汽车和高速公路越来越普遍，汽车行业失去了最初的理想主义。
第六章 打造智能汽车，而非智能高速公路
-
V2X 技术（vehicle to everything 车队外界的信息交换）
美国联邦交通运输机构关于V2X的倡议，目标在于创建无线交通基础设施网，连接每辆汽车。它们通过路边传输器共享数据，从而减少事故，挽救生命。 -
智能交通系统的历史
-
关于V2X的反思
-
非智能高速公路的价值
-
修订交通运输政策
第七章 机器人的崛起
2001~2007年六年间，DARPA分别赞助了三场公路赛事——2004年、2005年与2007年的DARPA挑战赛，推动了无人驾驶的发展。
-
机器学习和无人驾驶
-
西洋跳棋
阿瑟?塞缪尔开发了一套机器学习程序，这套程序在1962年跳棋比赛中战胜了世界级西洋跳棋大师。 -
无限状态空间
在人工智能的研究中，能够为机器人提供无穷无尽新情形的环境被称为“无限状态空间（Infinite State Space）”. -
现代工具箱
“重组创新（Recombinant Innovation）”指的是用创新的方式，把现行的几项技术组合起来的过程。无人驾驶技术就是重组创新的最佳案例。
第八章 无人驾驶汽车全解读
无人驾驶汽车依靠不同种类的车载传感器回传的数据流来“听”和“看”，而车辆识别地理位置则是通过GPS定位系统和高清存储数字地图。
-
高清数字地图
高清数字地图是详细、精确的模型，能提供某个区域最重要的地表特征信息。无人驾驶汽车通过高清数字地图上的GPS坐标来确定大致方位，高清地图的精准度区别于标准数字地图，应用在无人驾驶领域的高清地图，重点呈现的是道路或十字路口的表层静态数据，比如车道线、路口交叉点、施工地段以及道路标志。
高清地图有着强大的封闭式后端，它所呈现的某个区域的图像，其背后存储着数百万个地形细部的庞大数据库，每个数据还包含着地理位置、大小、方位等其他相关信息。 -
数码相机
数字地图存储静态数据，帮助时别骑车位置，而数码相机则类似人眼，在实时数据流中捕捉揣测外环境。
弄清数码相机的工作原理十分重要，因为数码相片的结构会直接反馈至深度学习软件中。数码相机通过镜头以光子的形式采光，每个光子具有一定的能量，光子流通过相机镜头后，最终落在布满感光像素点的硅传感器上。感光像素点吸收光子的能量后转化成电能，储存为电荷，光线越强，光子的数量越多，电量就越高。光子击打在每个单元格的感光像素点上，随后被转化成计算机可读取的格式：一系列呈现每一个单独“图像元素”位置的数字合集，图像元素就是我们通常说的像素（pixel）。JPEGs、GIFs以及其他图像文件类型都是不同的储存途径。在数码相机里的硅传感器，每个像素在一定间距内呈举行排列，100万像素的相机包含1000*1000个感光细胞，总共构成100万个像素。
高级无人驾驶摄像机处理图像信息：它首先处理图片包含的内容，把检测到的物体列成清单，并把结果制成表格。数码相机把三维数据世界转化成简洁的二维格式，在捕捉过程中，会遗漏“物体与相机之间的距离”这一深度感知的关键信息。解决方案有二，一是在同一辆车内放置多台数码相机，二是结构光相机（Structured-Light Camera）。为了达到深度感知的仿真效果，结构光相机将光线投射到场景上并测量器失真度，进而计算深度，但是由于白天日光充足，自然光影响光线投射，因此结构光相机最好应用场景是室内环境中，如出入停车场和车库。 -
光检测与测距（激光雷达 Lidar）
激光雷达向周围散射出强烈的脉冲激光，测算出光束反射回来所用的时间，然后根据激光测距原理计算出周围环境的三维数字模型。为了构建完整3D数字模型，激光雷达需要高速旋转，不断向四周扫描，其工作原理就是用一组同样旋转的镜子使激光改变方向。
一台无人驾驶汽车的数据由激光雷达产生，传输给软件，再由软件把信息整理到名叫“点云”的数字模型里，
激光雷达与数码相机不同：1.激光雷达传感器无法捕捉色彩信息 2.成像时间不同，激光雷达传感器速度慢，虽然能高效绘制出地形轮廓图或慢慢挪移的交通堵塞数据图，但是不能及时提供某些紧急交通状况下，计算机需要处理的瞬时影像数据。 -
无线电检测与测距（雷达 Radar）
在无人驾驶汽车中，数码相机在像素网格里捕捉场景，激光雷达传感器则类似一罐“数码喷漆”，让原本无形的物体披上“数字化外衣”。雷达传感器由发射器和接收器组成，发射器负责向外发射电磁波，而接收器随时准备接收回波。
无人驾驶汽车有个典型现象，就是三台雷达传感器必须相邻安装，以便提供180度视觉覆盖效果。
对于自动驾驶来说，雷达传感器优点：
1.可以穿透浓雾、暴雨、尘土、扬沙，甚至强烈的顶灯灯光；
2.能轻易穿透非导电性物体和薄形材料，因此不易受到高速公路上空飞舞的塑料袋和风滚草的干扰；
3.电磁波更能识别大型的物体，因此司机担忧的巨型障碍物容易引起它的注意；
4.根据多普勒效应监测物体的速度
雷达传感器最大缺点：分辨率相对较低 -
超声波传感器（声呐）
如果把激光雷达和数码相机比作一个人的眼睛，超声波传感器就是人的耳朵。超声波传感器根据物体反射回来的时间、频率、声波形状来检测位置和速度。超声波传感器常作为雷达实际应用中的补充，比如停车等近距离的精确监测。 -
全球定位系统（GPS）
全球定位系统负责统筹和整合信息，并在高清数字地图上为汽车提供最终的精确定位。GPS常受大气环境中的云、雨等造成干扰，卫星信号可能遭遇屏蔽或延迟，导致计算结果产生偏差，而且也能被城市峡谷效应（Urban Canyon Effect）误导。 -
内置的耳朵（IMU惯性测量单元）
惯性测量单元有两种重要功能：1.弥补GPS的不准确计算；2.可以感应，也就是决定该走哪条路。 -
线控技术（Drive by Wire）
在以前， 工程师配置机械“线控”装置，目的是取代人类司机的手和脚。这些新装置叫作线性制动器（Actuators）,通过它们可以控制方向盘，踩下刹车。
今天的机器人专家不再使用特制的机械“脚”去踩油门，只需在汽车的电子系统上稍微改动即可。无人驾驶汽车使用多个电子通信系统，包括操作系统，高、中、低水平控制等来解读指令。无人驾驶汽车需要一套高带宽的总线，而且数据传输要稳定。稳定性体现在以下几个方面：其一是防御能力。其二是网络容错性（tolerance to erros）和消除网络噪音能力。 -
其他设备
大部分汽车有个实体连接器，叫作车载诊断系统（on-borad diagnostics OBD），当车辆检测人员把设备插入OBD插口时，便能诊断汽车出了什么问题。
