726
软件包含四层：感知、融合、决策、控制。
各个层级之间都需要编写代码，去实现信息的转化。
实现一个智能驾驶系统，会有几个层级：
更具体一点为：
最基本的层级有以下几类：采集及预处理、坐标转换、信息融合。
采集
传感器跟我们的 PC 或者嵌入式模块通信时，会有不同的传输方式。
比如我们采集来自摄像机的图像信息，有的是通过千兆网卡实现的通信，也有的是直接通过视频线进行通信的。再比如某些毫米波雷达是通过 CAN 总线给下游发送信息的，因此我们必须编写解析 CAN 信息的代码。
不同的传输介质，需要使用不同的协议去解析这些信息，这就是上文提到的「驱动层」。通俗地讲就是把传感器采集到的信息全部拿到，并且编码成团队可以使用的数据。
预处理
传感器的信息拿到后会发现不是所有信息都是有用的。
传感器层将数据以一帧一帧、固定频率发送给下游，但下游是无法拿每一帧的数据去进行决策或者融合的。为什么？
因为传感器的状态不是 100% 有效的，如果仅根据某一帧的信号去判定前方是否有障碍物（有可能是传感器误检了），对下游决策来说是极不负责任的。因此上游需要对信息做预处理，以保证车辆前方的障碍物在时间维度上是一直存在的，而不是一闪而过。
这里就会使用到智能驾驶领域经常使用到的一个算法——卡尔曼滤波。
坐标转换
坐标转换在智能驾驶领域十分重要。
传感器是安装在不同地方的，比如毫米波（上图中紫色区域）是布置在车辆前方的；当车辆前方有一个障碍物，距离这个毫米波雷达有 50 米，那么我们就认为这个障碍物距离汽车有 50 米吗？
不是的！因为决策控制层做车辆运动规划时，是在车体坐标系下完成的（车体坐标系一般以后轴中心为 O 点），因此毫米波雷达检测到的 50 米，转换到自车坐标系下，还需要加上传感器到后轴的距离。
最终所有传感器的信息，都是需要转移到自车坐标系下的，这样所有传感器信息才能统一，供规划决策使用。
同理，摄像机一般安装在挡风玻璃下面，拿到的数据也是基于摄像机坐标系的，给下游的数据，同样需要转换到自车坐标系下。
各个团队可能定义的坐标系方向不一致，只要开发团队内部统一即可。
信息融合
信息融合是指把相同属性的信息进行多合一操作。
比如摄像机检测到了车辆正前方有一个障碍物，毫米波也检测到车辆前方有一个障碍物，激光雷达也检测到前方有一个障碍物，而实际上前方只有一个障碍物，所以我们要做的是把多传感器下这辆车的信息进行一次融合，以此告诉下游，前面有一辆车，而不是三辆车。
决策规划
这一层次主要设计的是拿到融合数据后，如何正确做规划。规划包含纵向控制和横向控制：纵向控制即速度控制，表现为什么时候加速，什么时候制动；横向控制即行为控制，表现为 什么时候换道，什么时候超车等。
自动驾驶系统中的部分软件
软件的名字反映了该软件的实际作用：
实际上工程师会编写一些其他软件用于自己的调试工作，比如记录数据和回放数据的工具。
还有用于传感器信息显示的可视化程序，类似下图的效果。
软件的准备工作
操作系统安装
既然是做软件，首先得有个操作系统。常见的操作系统 Windows/Linux/Mac，考虑到社区支持、开发效率，推荐使用 Linux 作为无人驾驶研究的操作系统。
大部分做无人驾驶的团队都用的 Linux，跟着大趋势走，可以省很多事。
Linux 又分为很多版本，最常用且普及率很高的当属 Ubuntu 系列，推荐安装 14.04 版本。
推荐用一块单独的 SSD 安装 Linux，或者使用虚拟机安装，最不推荐装双系统（不太稳定）奉上 Linux Ubuntu 14.04 安装包 + 虚拟机安装方法。
内容由作者提供，不代表易车立场
