本文来源：国家知识产权局知识产权研究中心 公众号 专利分析运用智库 作者：胡小伟
2009年谷歌公司宣布，斯坦福大学人工智能实验室主任、谷歌工程师和谷歌街景地图服务的创造者之一的Sebastian Thrun领导组建一个谷歌团队，归属谷歌旗下的Google X实验室，开始研发全自动驾驶汽车。谷歌开发无人驾驶汽车的目标是为了减少交通事故、降低交通拥堵浪费的时间和能源，并将公路上行驶的汽车数量削减90%。
相比于传统汽车企业的“增量渐进式”的智能汽车研发项目和战略规划，谷歌采用颠覆性的研发方法，直接以智能汽车的终极形式——“机器人系统为核心”的自主智能非联网方式的无人驾驶汽车作为开发目标，针对无人驾驶车对于外部环境的感知、检测、判断、控制算法等方面进行详细研究。
对于以“机器人系统”为开发核心的全自动驾驶汽车，谷歌认为雷达（Radar）、车道保持系统（Lane-keeping）、激光测距系统（LIDAR）、红外摄像头（Infrared Camera）、立体视觉（Stereo Vision）、GPS/惯性导航系统、车轮角度编码器（Wheel Encoder）只是无人驾驶汽车的必备部件，而将这些部件紧密联系起来的核心亦技术研究的重点就是针对无人驾驶车对于外部环境的感知、检测、判断、控制等算法。
因而，从无人驾驶汽车研究的提出到现在，谷歌的无人驾驶汽车的研究大致经历了三个阶段。
图2 谷歌无人车时间发展历程
一、第一代无人驾驶车：丰田普锐斯为原型
图3 第一代原型车：丰田普锐斯
谷歌第一代无人驾驶车（改造自丰田普锐斯），其初始的技术发展就是沿着“检测——分析计算——自我学习执行”三个部分延续的。
图4 第一代谷歌无人车及其相关技术
1.采用激光雷达
第一代无人驾驶车的车顶使用Velodyne公司生产的64束激光器——“传感器”，用以旋转扫描周围行驶环境进而来构造环境模型，这是获取外界信息的重要入口也是无人驾驶汽车控制的基础，其体现在利用传感器精确的捕捉周围路况信息（美国专利号US8346426，下同）和针对激光传感器本身的优化设计，包括增加物体探测的灵敏度（US87423425）、增加探测精度（US8948370）和激光雷达结构优化（US8836922）。
图5 Velodyne的64线的LIDAR产品
车体的前后4个雷达用来测距，再由底部的系统测量出车辆在三个方向上的加速度、角速度等数据，加上车载摄像头所拍摄的周边实景，汇总至车载计算机实现物理环境的感知与分析，其具体体现在通过计算机对横向车辆的识别和测距，能够执行主动避让周围车辆（US8473144），同时还能基于其他车辆的车道信息判断其自身的行驶车道是否产生了偏离、是否会发生跟随追尾的行为（US8818681）。
图6 用于无人驾驶丰田普锐斯的Velodyne公司LIDAR产品
对于道路行人的检测，也能够执行相关制动和避让措施（US8571743）。
2.突出地图优势
另一方面，基于谷歌自身的地图数据分析能力（US8527199、US8521352），其无人驾驶汽车还借助GPS匹配行驶路线和学习路线的能力，通过无线自组织网络进行多车辆的相互识别（V2V方式），精确计算行车之间的距离（US8849494）和基于当下位置做出行车方面的控制决策（US8195394）。
图7 精确计算行车间距（US8849494）
图8 行车的控制决策（US8195394）
更进一步地，利用地图数据信息监测行驶路线上的道路交通情况，选择不同的驾驶模式，从而更好地节省时间和提高行驶效率（US8855904）。
总体来看，谷歌的第一代无人驾驶汽车就是在原有的传统汽车上，增加一些功能设定，使之具备一些初级的无人驾驶功能，能够在简单路况环境下进行自主操作行驶，同时尝试着将自身地图方面的优势与智能汽车进行融合。
二、第二代无人驾驶车：以雷克萨斯RX450h为原型
图9 第二代原型车：雷克萨斯RX450h
2011 年谷歌注册了一家叫做“谷歌 Auto”的公司致力于无人驾驶车的研究，伴随着第一代无人驾驶原型车丰田普锐斯的退出，改造雷克萨斯RX450h的第二代无人驾驶车随着谷歌 Auto的发展慢慢浮出水面。
相比于第一代无人驾驶车，第二代无人驾驶车所包含的技术含量以及所实现的功能得到大幅的改进，无论在原有的技术路线的深入还是新的技术分支的扩展，从谷歌的专利技术布局以及商业并购合作都得到了体现。
第二代无人驾驶车的核心主线仍然是“检测——分析计算——自我学习执行”，但在每一块都得到了细节上延伸。
图10 第二代谷歌无人车及其相关技术
1.加强环境感知
针对环境检测和感知方面，更多的考虑了在行驶过程中的突发复杂情况的检测，一方面增加了行驶道路上的不确定性车辆的感知（US2013197736）甚至在检测附近有侵略性驾驶车辆的情况下主动调整去驾驶行为（US2014236414）。
图11 侵略性驾驶车辆的情况下主动调整去驾驶行为（US2014236414）
对于行驶过程中传感器检测盲点，能够调整驾驶行为（US20142142255）。
识别交通信号的位置和状态乃至相关联的信号状态，同时能够主动对行驶道路上的障碍物进行评估（US2013253754）。
2.收购图像识别技术公司
另一方面，借助与所收购公司如图片分析公司Jetpac、美国工业知觉公司（Industrial Perception）等的技术融合，对图像/图片识别分析进行深入的研究。
借助美国工业知觉公司的3D视觉系统能够帮助及其他分辨出不同性质的物体以避免误撞情况的发生，通过用OpenCV（计算机视觉和机器学习库）等分析由激光传感器等收集的图像，例如追踪物体的动态、物体识别、图像缝合、抓取风景提供虚拟现实功能等，来判断安全行驶路线，实现自动驾驶汽车上的图像识别和深度分析（US8565985）。
图12 谷歌收购Jetpac公司加强图像识别技术
通过与Jetpac公司在图像识别技术上的融合，对行驶道路上的目标障碍物的检测和识别匹配得到改进，体现在匹配识别时间的缩短和相关识别复杂程度的提升（US2014379247），并解决了在检测图像质量不佳的情况下提升其道路标示的可确定性（US2013253753），同时还增加了对行驶天气环境的感知，进一步获取更多行踪条件信息（US2014307274）；对检测部件的改进体现在计算点阵、电控线路（US9069060、US9043069）等方面。
分析计算是无人驾驶汽车的核心，第二代无人驾驶汽车的逻辑算法涉及的更为广泛。在行驶开始前增加了自主规划能力，通过用户输入界面的输入目的地信息，在实际的路线规划中避免可预期的道路障碍（US2015091374），根据行驶路线情况主动控制和调节车速（US8965691）、基于其他车辆行驶车道判断是否偏离原先的行车路线（US2014088855）、可以基于周边障碍物的检测进行变更车道（US2014067187），在变道过程中重新制定新的行车路线（US2104129073）。
图13 基于其他车辆的行驶车道情况判断其是否偏离原先的行车路线（US2014088855）
图14 可以基于周边障碍物的检测进行变更车道（US2014067187）
为了保证外部行人的安全性，还增加了十字路口的通行判断，实现车让人的行为且也能避免完全停车（US8914212），此外当发生不可避免的碰撞时，在车体外部特别设计的汽车撞击行人时的保护装置保护行人的安全，前保险杠用的是可压缩的泡棉，挡风玻璃也做了相应的改进更加柔软，尽可能减少发生事故时对行人伤害（US8985652）。
3.收购人工智能深度学习公司
第二代无人驾驶汽车的最大特点是突出了“无人驾驶汽车”自身的自我学习能力，谷歌相继收购了加拿大深度学习企业DNNresearch公司和深度学习算法公司DeepMind（就是他家的阿尔法狗赢了李世石），前者注于语音和图像识别技术，奠定了谷歌的人工智能深度学习领域的基础，而后者为无人驾驶车在行驶过程中提高其自我学习功能提供了技术帮助，寄希望机器学习和神经科学移植在汽车上。
图15 谷歌收购人工智能公司DeepMind
目前，其相关技术的重点主要集中在无人驾驶汽车行驶过程中，基于原有的行驶数据能够在自主驾驶和人为控制之间切换（US2014156133、US2014303827），并在在具体的时间点判断可以执行自主驾驶模式（US2014156182）；这种判断能力还体现在在行驶过程中选择是否激活地图（US2014309833）。
自2010年，谷歌宣布该无人驾驶汽车已进行路测，到目前已完成了70万公里的测试路程，通过在真实路况下进行几十万英里的道路测试之后，获取了大量的相关知识与数据储备，完善了该无人驾驶汽车的自我学习功能。
4.拓展车联网应用
值得一提的是，作为自身全自主无人驾驶汽车的补充，谷歌也逐步介入车联网领域。谷歌收购众包地图应用Waze，利用Waze的技术为谷歌地图提供实时交通方面的帮助，由此谷歌地图将新增一些交通流量方面的功能，形成车联网，加之原有的街景项目所积累的实景数据，Waze将为无人驾驶车在行驶过程中基于地图数据与周围环境识别和匹配功能提供新的帮助（US8521352、US8527199）。
图16 收购Waze扩展无人驾驶汽车地图服务
同时，随着“谷歌 glass”等增强现实AR产品的逐渐成熟，谷歌计划将谷歌 glass应用到无人驾驶的车载系统中当中，并向系统提供实时的监控信息，不仅仅包括车速、发动机转速信息、冷却液温度和燃油油位等几乎所有同汽车相关的数据，还包括最省油的行驶线路、或在你突然加速或制动的时候告诉你消耗了多少汽油，这些信息都是实时的。
三、第三代无人驾驶汽车：自主开发Pod Car
图17 第三代原型车：自主开发Pod Car
经过前两代的无人驾驶汽车的研究和兼并合作相关技术公司的技术补充，谷歌的无人驾驶汽车也逐步成型，于是基于对技术、相关部件的整合以及将该无人驾驶汽车推向市场，在借鉴智能交通枢纽工具Pod Car原型之后，谷歌推出自主设计并研发的无人驾驶汽车原型，不同的是该设计中没有传统汽车里的方向盘，油门或者刹车，以及辅助驾驶人员，取而代之的是各种传感器以及软件系统。
图18 谷歌无人驾驶汽车的零配件供应商
LG电子、博世、采埃孚、大陆、英伟达、Frimo、ZFLS、RCO、Prifix等顶级零部件供应商参与合作提供相关零部件，自动驾驶原型车将由工程专业制造公司Roush生产。
1.增强人机交互体验
同时，对无人驾驶汽车的细节做了进一步完善，谷歌计划在无人车中加入Project Soli的可穿戴智能设备芯片实现手势控制和人工干预，通过实时检测双手和手指上的微小活动并根据设定执行相应动作，来控制车内音响、空调温度、雨刷器、座椅，或者用来改变巡航行驶状态的参数（US20150170664），是谷歌在智能汽车内娱乐信息系统的人机交互技术的体现。
2.更加关注行人安全
谷歌计划采用深度基于神经网络技术的视频分析系统用来给车描摹一个更广阔的视域，通过深度网络学习的能力，自动驾驶车经过现有数据和已有数据比对的过程，能够在0.25秒左右的时间内准确识别行人。
在收购了制造微机电系统(MEMS)传感器的Lumedyne Technologies公司之后，谷歌又公布了的最新行人监测系统，其可能源于前期积累的行人识别和执行方面相关的技术（US8954252）。
随着车联网热度的提高以及体现云端思想的“五屏”融合，谷歌在第三代无人驾驶车相较于前两代来说增加了更多的与车相关的外延应用，针对停车问题，谷歌基于自身的地图数据优势和Waze技术补充，提高了智能停车位置选择，能够将行车时间和停车场发布的预计停车时间点相匹配（US2014350855），使停车位置可选择，且很好地和智能管理停车场融合起来。
3.整合谷歌广告及地图服务等优势资源
谷歌还逐步升级优化车载媒介系统，基于位置服务的广告推送（US8630897）、云端媒体服务（US2015074003）和基于关键词的地图搜索等传统谷歌优势技术服务的支撑（US2014372420）。
谷歌还从整个产品的结构上做了改进，采用容错结构的无人驾驶车。汽车里实际上是有两套系统、两个发动机，都不由人工进行操控，当其中的一套系统或者发动机损坏时，会自动切换到另一套系统或者发动机。将第一代的原型车的最高时速限制在 25 英里/小时。对此，谷歌曾做过调研，车辆发生交通事故的概率与速度是指数递增的，所以把时速从35英里/小时降低到25英里/小时，发生交通事故的概率就能小一半。
作者：胡小伟
来源：2015年国家知识产权局知识产权发展研究中心和国家知识产权局专利审查协作四川中心联合开展的《跨国公司智能汽车专利动向专利分析和预警》项目
项目成员：李胜军（负责人）、陈燕（负责人）、汪旻梁（组长）、孙全亮（组长）、马克（副组长）、李岩（副组长）、何如、马永福、刘豫川、唐峰涛、胡小伟、曹俊丽、尹川、付先武、郭颖、严晨枫、邓英俊、陈飚、孙玮
编辑：老 马
作者单位：国家知识产权局专利审查协作四川中心
更多阅读：
