视频地址：http://www.auto-mooc.com/wechat/v2/mooc/detail?mooc_id=74E4B704ED7B3115168757EE42C2819B
Levels of Autonomy
- L0：完全人工
- L1：部分需要人介入
- L2：不知道什么时候会失效，司机需要一直监控
- L3：不需要100%监控，知道什么地方能开什么地方不能开，并提前向司机发出请求，司机需要随时做好请求
- L4：无人驾驶，不需要人的介入，会根据当时的天气，对你说NO
- L5：任何地方都能去，都会打YES
Full Autonomy Revolutionizes Mobility
- 安全性（Safe）
- 资源使用效率提高（Efficient）：如共享汽车
- 经济性（Economical）：减少雇佣司机费用
- 提高生产效率（Productive）：人花在车的花时间变少、不能开车的人也能使用车
Challenges of Self-Driving in China
1. 技术上的挑战
- 交通更有拥堵，行人单车多
- 违反交通规则的情况多
- 道路上有其他使用者，需要和其他驾驶者沟通
2. 成本
- 中国的出租车司机成本更低——导致技术要更好且价格要更便宜
3.法律法规
- 很少城市允许自动驾驶测试，获取自动测试牌照过程繁琐，只能在有限的道路上测试
How do Autonomous Cars Work?
Sensing——传感器
Perception——感知
Localization——定位
Planning——规划
High-Definite(HD) Maps——高精度地图
Control——控制
决定价格的主要是传感器
不同传感器比较——摄像头、激光雷达（Lidar）、毫米波雷达（Radar）
绿色是最好，叉是最差
没有一种传感器能够胜任所有场景，因此需要传感器融合
两种传感器融合
- 后融合（Post-Fusion）
- 前融合( Pre-Fusion )：融合了不相关的信息后，维度变高，识别准确率更高
难点：传感器时间和空间的同步性
RoadStar的数据标注工具
High-Definite(HD) Maps
Localization
规划
Control
问答
传感器的发展趋势：越来越便宜，性能越来越好
所用的SLAM技术： DeepFusion SLAM
夜视红外技术：价格仍较高
卡车无人驾驶：场景更简单（大多数在高速公路），且市场份额较大（排第二）
高精度地图优势：采集多辆汽车的信息取平均值，充分利用信息，对于一个新的道路，只需几辆车去过那，就可以变为老司机
目前传感器同步做到的级别：毫秒级的空间同步和纳秒级的空间同步