利用测量技术提高无人驾驶安全性
随着机器人的快速发展，无人驾驶取代传统驾驶已成为历史趋势，其出发点是大幅度减少人为因素引起的交通事故，所以对其安全性要求极高，提高安全性可以从测量技术角度考虑。无人驾驶系统可分为任务决策，环境感知，车辆平台控制，规划路线四个子系统。其中车辆平台控制系统，规划路线系统都需要利用传感器测量精确数据才可进行运算，环境感知系统中包括前防碰撞系统FCWS和车距监控，车道偏离技术LDWS，倒车后视技术，行人保护技术，盲区探测系统，交通标识识别，夜视系统等对测量技术的要求更高。
得益于机器人的快速发展，我们的生活的方式迎来了前所未有的改变，速度之快，范围之广，不难预测普通汽车很快将退出历史的舞台，确认代替的是无人驾驶，那么要发展到什么程度才值得我们无条件信任，解放双手，将性命托付机器人呢？要回答这个问题就不得不冲人工智能角度出发，了解其在无人驾驶方面的应用，优势，短板以及发展方向等问题。在人们数百年的尝试后，借助运行速度的计算机，和各种各样的传感器，进行精确测量得出可靠数据的支持，加上可“深度学习”的人工智能软件不断“训练”，汽车也慢慢与人类一样的学习能力，能够在数以亿计的模拟中不断完善驾驶理论，以能够适应无法预测的危险环境。看似轻巧，其实不然，尽管数以无数模拟但仍然会有很多无法预测的情况，我们能接受这样的风险吗？显然不能，当因为无人驾驶失控造成交通事故，出于本能，我们都不会接受它，这对技术要求就大大提高了，如何降低失误率为零，本文将从无人驾驶的关键技术出发，重用与利用测量技术提高无人驾驶的安全性。
无人驾驶技术的核心必然是人工智能，而让人们重新认识智能或者说引起人们重视的人工智能就要说AlphaGo，2017.10.18DeepMind团队公布了最智能版的AlphaGo，代号为AlphaGo Zero，仅仅3天时间就精通围棋并且战胜了旧版的AlphaGo，随后40天的训练又击败了AlphaGo Master，当时世界第一的围棋手柯洁也曾零比三败给AlphaGo Master，据负责人大卫介绍，系统一开始连围棋规则都不知道，从单一神经网络出发，通过自我博弈的方式，网络逐渐被扩展，甚至开发了新的策略，是的，人工智能并非没有创新能力，这一发现对于发展人工智能又跨时代的意义。回到无人驾驶汽车，其主要依靠车内的计算机系统为主的智能驾驶仪实现功能，并且通过车载传感系统感知周边环境，做出相应决策，传感器的精确性取决于测量系统，所以以此为突破口可以解决大部分安全问题。以AlphaGo为代表的人工智能够在不断“博弈”中完善理论，那么无人驾驶的人工智能应该也可以通过训练提高能力，但是为什么还没有突破性发展呢？两者还是存在区别的，一个是明白理论就足够了，而行驶可不光理论，从驾照考试包括理论和实操就可以理解，明白该左转，但是不同地点，具体情况都有可能影响操作，如何避免操作失误，充分测量周围数据是关键。不同于普通汽车，大部分选择需要司机的人眼判断，无人驾驶的“眼睛”就是众多传感器了，其种类和精度都要达到普通汽车的几倍。
无人驾驶，根据行驶的环境不同，可以分为四类，包括空中无人机，水面无人艇，地面无人车，水下无人潜水器，同时无人驾驶系统可分为任务决策，环境感知，车辆平台控制，规划路线四个子系统。
任务决策子系统类似与任务平台，应用与军事领域的无人驾驶大部分不是孤军奋战，通常是各个种类的相互配合，决策系统主要负责任务分配与协调，随着技术发展，可以展望对于民用无人驾驶，如果拥有发达的任务决策系统，当任务分配到不同的无人车辆后，可以根据每辆车的所处的环境，性能进行统筹规划。理想情况如下，每辆车不再是单独的个体，由于任务决策子系统的支持，每辆无人驾驶汽车虽然品牌不同，当都同时适用与类似GPS的定位系统，可以精确知道每辆车的位置，利用这些地理位置可以为出行提供很多方便，获得每辆车目的地之后便可以快速运算，结合路况，车辆分布，不仅仅是考虑距离的远近，很多时候堵车，红绿灯等因素是传统导航无法预估的。
配备统一的任务决策子系统可以从以下方面解决系列问题：首先数据库内有车型的完整数据，马力，长宽度等数据可以避免不适合行驶的道路，这就要求完善测量数据库。其次先进的任务决策系统可以实时记录所有车辆位置，由于车辆基数很大，对计算机运行内存要求很高，这也是完善目前定位系统需要突破的，同时不同车辆目的地也是记录在内，高运速计算机短时间得出最优路线，不仅简单的路程最短，例如短时间内到达同一目的的车辆过多，就需要适当分配其他车辆走虽然远，但是不会造成堵塞以及避免交通事故发生概率，计算机权衡之下的最优解。最后就是在具体行驶过程中，通过任务子系统避免碰撞，理论上类似与“磁铁”如果正负极相反就可以从物理意义上保证不会相撞，但是前面也提到人们对为人驾驶的容忍度较低，不允许出现失误，在真正运用时要考虑到该“磁力”系统的安全范围是什么，若为三十厘米那我们需要在什么时候刹车，不同速度下开始刹车到完全停下需要的时间，距离不同如何确定?测量，不同地面摩擦力下，对于速度变化，刹车距离的影响如何确定？测量，不同车胎种类对于以上影响如何确定？测量，计算机可以保证运算的准确率，但是数据的准确性需要测量系统保证，参数的输入不是计算机凭空产生的，为提高安全性，充分考虑到每一个参数，得出准确的表达式确定刹车距离时间等，实验方法必须科学严谨，为排除位置参数的影响可以控制变量，相同条件反复实验，若数据存在差别就要意识到还要参数没有考虑到，这是基于任务决策系统功能，利用测量技术层面提高安全性的设想。
环境感知系统是保证驾驶安全的核心，环境信息可以通过两种方式获得，一种是利用无人驾驶环境感知系统，以传感器为主获取信息，结合环境模型后对传感器信息进行融合，综合性判断环境状况，传入任务决策系统获得反馈。另一种是借助于网络提供的环境状况，这就引入了车联网的概念，路基交通设施可发送交通信号灯情况和变化趋势利于决策。
环境感知系统其核心是高级驾驶辅助系统即(ADAS)利用安装在车上的各式各样传感器（毫米波雷达、激光雷达、单\双目摄像头以及卫星导航），在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。结合测量技术和ADAS技术在环境感知系统和整个无人驾驶领域的应用可从以下几方面提高行驶安全性。
1.前防碰撞系统FCWS和车距监控
主要利用雷达或者高精度的摄像头在驾驶过程中识别物体的距离，短时间内就能做出判断，结合本身速度，发出警报，做出应急反应，同时同步车联网，附近车辆也可以做出避让。
2.车道偏离技术LDWS
车道偏移技术主要是辅助无人驾驶汽车的方向感，确保该直行的时候是处于直行的，正确做出转弯，这是作为汽车的最基础能力，但作为无人驾驶，为确保安全，车轮状态的实时测量，车身稳定性等需要高精度传感器。
3.倒车后视技术
该项技术在普通汽车早已广泛应用了，唯一区别在于倒车后视系统可以为无人驾驶提供自动泊车的功能
4.行人保护系统
当识别到行人包括自行车，摩托车上的行人进入驾驶路线，可快速计算碰撞概率，若存在危险，再结合自身状况，确保安全的状况下刹车。该技术核心在于红外测量，人体温度相对稳定在37度，红外热成像可以完整记录人体细节，包括姿势，运动状态，经过训练的人工智能系统可以通过短时间内判断运动趋势，确认时候有碰撞危险。
5.盲区探测系统
利用BSD毫米波雷达探头，在行驶过程中，可通过对反射的微波信号分析处理，感知正常视野无法判断的视野盲区，同时也为汽车变道侦基础和安全保障。
6.交通标识识别
此技术主要适用于无人驾驶未全面普及的阶段，通过摄像头识别各种交通信号，帮助其融入现有交通环境中。随着无人驾驶的发展，可以预想交通标识将被电子化，不需要去识别，所有数据都记录在数据库中，汽车经过不同路段相应的行驶规则就会实时传输到汽车中，真正做到百分百遵守交通规则，技术成熟时可以保证在相应路段不可能出现闯红灯，行驶车道错误等行为。
7.夜视系统
解决驾驶因为天气环境制约问题，无论什么环境状况下，都可以保证各种传感器稳定工作，确保正常，正确传输数据保证行驶安全。
路径规划子系统应用于存在障碍物的环境中，根据评价标准，寻找一条从起始状态到目标状态的无碰撞路径。车辆平台控制子系统主要是控制控制车辆平台跟踪路径规划子系统得到路径也即车辆的纵向和横向控制，后两者系统对于无人驾驶都至关重要，但着重于中枢程序的处理，计算机的算法方面，与测量无直接联系，就不再逐一分析。
参考文献：《无人驾驶》 《无人驾驶车辆模型预测控制》 ADAS百度百科
ADAS技术在无人驾驶技术领域的应用及发展方向