6天「造車」，挑戰無人駕駛

【鈦媒體影像欄目《在線》，力圖準確記錄互聯網時代的個體。圖文、視頻版權為鈦媒體所有，未經許可禁止轉載、使用，否則追究法律責任。】

（13"44″視頻：一場無人駕駛挑戰賽）（視頻：田毅濤）

蘋果收購?Drive.ai 再次給無人駕駛領域潑了一盆冷水，這也可能是無人駕駛行業洗牌的開始。

經過三年的催化，雖然自動駕駛落地依舊遙遙無期，但不可否認的是自動駕駛已成為AI最熱門的賽道。每個自動駕駛的垂直市場都可以造就市值超10億美元的「獨角獸」，在出行領域，Waymo和特斯拉均表示，要在2020年開始推出商業化的自動駕駛出行服務。

這樣一個炙手可熱的領域，自然會吸引一大批年輕人湧入。

2019數博會就有這樣一個吸引全球200多名工程師報名的「Moving Hackathon」無人駕駛挑戰賽，6天時間裡，來自世界各地的17名工程師組成了3支隊伍展開角逐。

5月22日，貴州科學城PIX無人駕駛智造工廠，挑戰賽承辦方PIX負責人向參賽人員講解比賽規則。

PIX是一個提供模塊化無人駕駛實踐和體驗的移動空間，這裡會定期舉辦關於自動駕駛的Hackathon。國內很多工程師並沒有練習和測試無人駕駛的環境，也不太容易有機會經歷完整全面的改造實踐，PIX希望以工程挑戰的形式「降低開發者們對無人駕駛的測試和實踐門檻」。

比賽第一天，來自6個國家的17名參賽工程師依次自我介紹後留下姓名，這17個人組成了三支隊伍展開角逐。

2DIFFICULT隊：上海交大師生 浙江移動工程師 墨西哥工程師

2 EASY隊：德國、西班牙工程師 貴州大學研究生

國際聯隊：土耳其、印度、巴西工程師

「世界各地報名參賽的工程師有200多名，最後我們選出了17位。」PIX COO曹雨騰向鈦媒體《在線》介紹，參賽隊伍要將演算法和感測器部署在官方的全尺寸比賽車上，在封閉園區道路計時跑圈，挑戰7項自動駕駛道路任務，最後根據每個單項完成情況和整體完成時間計算得分。

比賽為期6天，7項挑戰任務分別為：

紅綠燈識別、斑馬線行人避讓、下坡變道減速停止、障礙行駛、車輛掉頭、停止標誌識別、S型彎道行駛。

「2 DIFFICULT隊」（下文簡稱D隊）隊長馬臻在和隊員李黃河討論賽事方案。

馬臻博士畢業於英國謝菲爾德大學，研究方向為火焰動力學和結構的數字圖像和信號處理，他就職於上海交大，是汽車工程研究院無人車課題組組長。

馬臻領銜的D隊由上海交大研究生團隊和中國移動AI演算法工程師以及墨西哥演算法工程師組成，一共6人。「這次帶交大的研究生一起參賽，就是想鍛煉一下團隊的實踐能力，讓學生們完整地參與一次無人駕駛車的改造。」馬臻對鈦媒體《在線》介紹。

D隊隊員林挺正在Ubuntu系統下準備安裝Autoware、ROS、Qt5等軟體。

林挺是上海交大汽車工程學院研究生，這次主要負責激光雷達調試與控制以及核心軟體安裝。安裝軟體是改造車輛的第一步。第一天安裝，D隊就遇到了麻煩，他們連續裝了4次都沒成功，致使整體進度落後其他兩支隊伍。「倒不是技術難題，因為這台電腦之前被人改過參數和IP，所以還要重新設置和修改，不過是比較打擊士氣。」林挺說。

D隊隊長馬臻和工程師在車內調整數據，賽事主辦方準備的車輛配備了Velodyne 16線激光雷達和單目攝像頭作為感測器。

自動駕駛的核心是感測器、計算能力和軟體，雷達（激光雷達、毫米波雷達等）加攝像頭（單目、雙鏡頭等）是比較主流的感測器組合方式：雷達主要用於測量速度、距離，攝像頭主要用於識別道路上的人、物和交通標識等，兩者相互補充，為自動駕駛車輛的計算和決策提供「材料」。

目前，這些關鍵感測器都在某些方面有各自的局限性，比如毫米波雷達空間解析度較低，激光雷達的穩定性容易受到雨雪等特殊天氣影響，攝像頭視距有限且其穩定性同樣容易受到天氣條件影響。

無論是對主機廠商還是自動駕駛公司來說，雷達高企的成本或許都是他們商業化的攔路虎。以實力較強的雷達設計製造商Velodyne為例，該公司目前最好的激光雷達Velodyne VLS-128售價接近人民幣90萬元，其上一代64線產品HDL-64售價也超過50萬元，這樣一個雷達的價格都遠遠超過一輛普通汽車。

路點錄入階段，D隊車輛通過Velodyne 16線激光雷達構建的點雲地圖。地圖中間黑色矩形是車輛，紅圈為可視化道路路徑，綠色軌跡是行駛線路。

去年以來，「純視覺自動駕駛」解決方案的聲量越來越大。特斯拉創始人馬斯克認為「依賴激光雷達的自動駕駛公司註定要失敗」。不久前，百度Apollo宣布了純視覺L4級城市道路閉環解決方案Apollo Lite，該方案可同時對10路攝像頭200幀/秒數據量並行處理，且「前向障礙物的穩定檢測視距達到240米」，使自動駕駛不再依賴機械掃描式的激光雷達。

D隊隊員戚靚亮（右）在修改路點參數。 戚靚亮是中國移動浙江公司AI演算法工程師，這次比賽中主要負責演算法深度學習與圖像處理。

前期數據採集時，車輛行駛過程中，激光雷達會記錄車輛的坐標點，這就是路點，路點的疏密可以由人工設置。「路點的疏密程度可以直接影響車輛平穩度和方向盤轉向幅度。如果偏差過大，車輛極有可能失控。」戚靚亮向鈦媒體《在線》介紹，所有的修補偏差，都是為了自動駕駛能夠模擬人開車時的平穩狀態，整個比賽前的準備時間，D隊一共整體修改路點超過30次。

D隊為攝像頭採集到的紅綠燈、人行道照片進行人工標註，供機器學習。

紅綠燈識別、斑馬線行人避讓、停止標識識別三個任務，D隊使用基於深度學習的目標檢測演算法進行感知識別。

為了讓系統能夠辨認出紅綠燈、斑馬線、行人、停車標識，車上的攝像頭從不同角度拍攝了4900張圖片，D隊兩名隊員用了半天時間對這些圖片進行了一一標註，系統獲取所有圖片後，進行了3萬次演算法訓練。

「比賽時間有限，正常情況為了提高精準度，需要在不同時段、不同天氣反覆採集數據。」D隊隊員戚靚亮對鈦媒體《在線》說，「人工智慧背後其實真的都是人工」。

D隊車輛路測時，模擬行人的假人由於失去平衡倒向人行道。通過演算法訓練，D隊可以保證「車在20米內，只要0.1～0.2秒就可以對紅綠燈、行人等目標完成識別，並作出停車、啟動等決策，識別準確率達98%以上」。

D隊競爭對手 「2EASY」隊的道路訓練中，隊員用衣物遮擋停車標識來檢測系統識別效果。

「2EASY」隊有豐富比賽經驗，成員對Autoware十分熟悉，並且在人形機器人和移動基地使用ROS框架也已超過7年，隊員們對鈦媒體《在線》表示，這個挑戰賽「So Easy」，對於冠軍他們「勢在必得」。

比賽準備階段，第三支隊伍「國際聯隊」在利用「光學標定板」進行圖像校準。

每台賽事車輛都配備了車載計算系統，系統由蓄電池、穩壓變電器、電源、CAN盒、激光雷達的處理盒、網路交換機以及工控機等組成，這套裝備被安置在車輛後備箱，是整個車輛實現自動駕駛的「大腦」。

D隊在園區封閉賽道進行自動駕駛路側，對這些平時很少有機會哪怕是在封閉道路進行路側的工程師來說，這是一個難得的機會。

大規模路測和大量真實數據積累是自動駕駛商業化的重要前提。

知名自動駕駛公司Waymo去年10月對外宣布，從2009年開始，其路測里程累計已達1000萬英里（超1600萬公里）。數據顯示，Waymo前400萬英里的累積花了8年，隨著Waymo車隊不斷壯大，該里程數將出現幾何級增長。

以對自動駕駛態度最為開放的美國加州為例，截止2018年底，該州已至少給60家企業頒發了自動駕駛路測牌照。中國也在迎頭追趕。據北京市交委此前發布的報告，2018年北京為8家企業發放了56輛車的自動駕駛路測牌照，其中百度擁有45輛，完成了13.988萬公里路測里程，這佔到2018年北京路測總里程15.356萬公里的91%。

D隊隊長馬臻在無人駕駛路測訓練中，他的左手握著遙控器，用來切換自動駕駛和手動駕駛模式。

5月27日凌晨1點14分，林挺（圖左）和馬臻（圖右）仍在車內優化路點數據，此時距離正式比賽不到11個小時。正式賽前連續幾天的安裝、調試，D隊的練習狀態並不穩定，甚至幾次出現碰撞的小「意外」。

5月27日決賽當天，凌晨1點39分，D隊連夜練習避障。

「整個任務中最具有挑戰性的就是『障礙行駛』，我們使用激光雷達點雲濾波演算法進行識別，使用動態路徑規劃來切換車道線。」 D隊戚靚亮對鈦媒體《在線》介紹，正式比賽時，會有三個紙箱隨機分布在左右兩個車道上，針對這個情況，他們把避障任務路段的左右車道切換成多段路徑，將路面模擬成S彎路線，使用動態路徑規劃來切換車道線避障。

正式比賽當天早晨，馬臻在補覺，為了最後衝刺，他們已經連續通宵兩個晚上。「準備階段這六天，睡覺時間不超過30小時，高強度的工作讓人累得腿發抖。」 馬臻對鈦媒體《在線》說。

5月27日上午，正式比賽前兩小時，D隊對車輛進行最後複查。為了讓控制系統更好地散熱，他們決定在行駛過程中打開後備箱。

D隊成功完成所有挑戰任務，隊長馬臻激動地豎起了大拇指。

「頂著巨大的壓力，堅持拼到最後，圓滿完成任務，比平時訓練時發揮的更完美，很滿意。」 D隊馬臻對鈦媒體《在線》說。

相比之下，三支隊伍中的奪冠熱門「2Easy」隊卻發揮失常：在「下撥變道減速停止」任務中，由於車上人太多，導致車輛慣性過大壓到停車線；在「停車標識」識別任務中，程序死機車輛失控，導致任務未能完成。

D隊完成7項挑戰用時4分25秒，排名第一。在斑馬線行人避障環節，由於起步時間遲緩被扣除4分，其他環節滿分通過，最終以96分的成績獲得冠軍。「從第一天進度落後到熬夜追趕進度，之前踩過的坑都是值得的，努力沒有白費。」 馬臻對鈦媒體《在線》感嘆。

5月27日晚，D隊隊長馬臻上台領獎時，主持人問其團隊如何勝過勁敵，馬臻逗趣地說：「因為我們熬夜了！」引來台上台下一片大笑。

馬臻表示對比賽結果有些意外，對手都是在機器人、無人駕駛等領域造詣很深、實力強大的工程師。「整場比賽競爭氛圍並不激烈，團隊之間還會互助，在交流和切磋中大家已成為朋友。把理論和想法應用到實踐驗證上，這些意義遠超過比賽名次。比賽結束了，但學習不會停止。」（本文首發鈦媒體，鈦媒體攝影師/孫林徽 編輯/陳拯 視頻/田毅濤）

力圖準確記錄互聯網創業潮中那些在線的個體

影像是準確的，但影像並不是全部事實

影像是自由的，但影像也是陷阱

這個「在線」的時代，我們和你來一起發現

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！