谷歌智能车的难点在哪里？模式识别，还是分析、控制算法？

一点点说google car的难点，毕竟那是个50多人，10多个教授做出来的东西，我讲的可能很不全面，具体内容可以参见后面提到的论文。无人驾驶技术取向成熟，源于2007年DAPRA的城市挑战赛。之前的比赛多是在沙漠运行，其主要目的是美军希望使用无人车运送物资，减少战时士兵的伤亡。

图中为2005年的冠军斯坦福大学的史坦利号(Stanley)。2007年比赛加入60公里城市道路，要求车辆在无人驾驶的同时，遵守交通规则。完赛的明星有卡内基梅隆Boss

斯坦福大学2007年DARPA的Junior。

照片上的人叫Sebastian Thrun，他及部分团队成员随后被Google挖走，于是有了Google Car

其实，如果想知道他们的详细内容，可以在Field robotics上找到很多邀稿，是所有DAPRA获奖车辆的技术报告。应该也是这次的论文掀起无人驾驶的研究热潮。CMU的技术报告:Autonomous driving in urban environments: Boss and the Urban Challenge弗吉尼亚理工大学:Odin: Team VictorTango's entry in the DARPA Urban Challenge------------------------------------------------------------------------------------------------------------------------------------------介绍完了背景，说说难点。1. 传感器技术。不得不承认现在无人车能出现很大程度上依赖传感器的进步。其实早在80年代美国就通过磁钉导航完成过很多无人驾驶的实验。他们在地下埋上磁钉，通过寻找磁钉的方式可以完成高速的巡航、并道、超车等一些列的实验。但是显然这种成本太高，只能作为实验。到了2007年，传感器技术已经突飞猛进了。看看他们的传感器吧。

SICK公司激光雷达。用于检测周围障碍物，无人车需要能够感知周围环境，又不能像人一样单纯用眼睛完成，于是这玩意可以返回周围障碍物的距离，误差毫米级。

这张图上的无人车头顶的不是灯，而是5个SICK。一个SICK当时等价于一辆帕萨特。当然现在Google car的激光雷达用头上的小东西了。

这个小东西顶至少4个SICK，是360度多线激光雷达，今天价值3个帕萨特。剩下的东西没有这个壮观，就不上图了。除了激光雷达（避障），还有有毫米波雷达（探测）、GPS（定位）、里程计（定位）、陀螺仪（定位）、视觉系统（检测、避障）、数传电台（监控）等等。就不说很多小细节的进步了，但是上述的传感器都是必须的，所以无人车的第一个难点是传感器。2. 定位GPS的定位精度远达不到无人车的需求，GPS官方定位精度“