由阿西莫夫小说改编的电影《机械公敌》展现了2035年完全自动化的无人驾驶场景。如今，这一愿景正逐渐成为现实，业界甚至预测2025年是实现完全自动化驾驶的时间，这比科幻电影整整提早了十年。在中国，当大多数人还未意识到的时候，腾讯自动驾驶汽车已经上路。于2019年5月29日为推动智能网联汽车技术进步和产业化进展、加强跨行业间的技术融合在北京经济技术开发区·北京亦创国际会展中心举办“第六届国际智能网联汽车技术年会”隆重开幕。
腾讯自动驾驶总经理苏奎峰博士在此次大会上分享主题为多源传感信息融合定位技术。
苏奎峰博士表示，在复杂场景测试中一定时间的困难对于自动驾驶所体现的价值和意义非同小可。
对于腾讯自动驾驶，一个通用的自动驾驶体系，主要依靠对外合作的方式，更多是集中在中间层面：一高清地图、二云平台、三仿真系统。苏奎峰认为，对于城市道路的复杂场景，想要实现自动驾驶，需要解决四个技术问题，分别是：在哪里、情况如何、下一步做什么以及做完会发生什么？其核心是解决我在哪的定位问题，定位系统不仅是本身位置的问题，对感知也有一定的影响。一方面是在体系下描述这些障碍物。另一方面是在做规划时局部坐标下完成都依赖定位系统。苏奎峰强调，单一传感器很难实现路况、时时的高精度的定位要求，需要各种维度的传感器实现，或者安装编码器标定，在GPS和其它信号失效的时候，可以用角速度和六个自由度来估计。同时包括无线定位系统、感知传感器定位、激光雷达和摄像头的融合，利用高精度地图处理信息辅助我们做算法。
以传感器为基础，以车辆的动力模型和运动模型为状态的转移，进行传感器融合，这是一个基本的融合框架。车端以外的云端，腾讯还会致力于ETA估计，包括大量道路上的动态信息，云端和车端的共同工作的闭环，它位置、航向和速度是最终位置系统的估计。
除地图融合框架以外，对激光的要求很高，尤其在城区场景下，很难做到高精度定位时，苏奎峰表示有两种模式：一是2.5D地图，通过垂直反射率和投影，XY坐标加上反射率。严重依赖地面信息，对于拥堵和多路信息容易出现错误，就有了第二种模式，3D地图，也就是激光地图，用云融合、GPS、轮速、IMU经典传感器，做一个状态转移的构建。腾讯致力高清地图和激光定位信息，着力解决传感器的优化，好处就是任何一个传感器失败的时候，它仍然能够工作，甚至做一些失败的判断。
提问环节整理：
提问：如果我们有三公里长的隧道，隧道的GPS是不足以维持采集地图的时候维持GPS有效。怎么去解决在采集地图过程中，GPS无效的问题。
苏奎峰：制作地图是一个离线的问题，和时时不一样，采集制作地图的时候有一个离散的优化过程，另外是离散算法，采集之后还需要优化和解散算法外你采集的端点可以做测绘，如果说这个隧道特别长，我可以出口和入口做的很准，我采了激光时候，那个隧道很容易构建起来，做地图定位和优化，离线技术是来解决这个问题。制作地图和使用地图区别很大，制作技术更严峻些，下一步会优化和实现。
提问：以后每一台车都有这么高的成本，用高精度的IMU和激光雷达去安装，这是每一个车主能够承担的成本吗？
苏奎峰：首先我觉得IMU，采集高精度地图是比较贵的，但是到车端，我认为不需要很高成本的IMU，另外激光雷达，我认为随着它的产业化进程，它的成本在下降，一定可以达到用户可接受的程度。当然对于自动驾驶车来说，它不是一个用户来承担的成本，它是全生命周期的投资。
提问：您觉得L4激光雷达距离量产还有多远的距离？
苏奎峰：我觉得L4激光雷达的成本还要降，但是你这个成本是不是能够覆盖生命周期运营带来的利润，我站在当下的时间节点。不能拿一个车主买车的成本去衡量，L4首先落地不是车主，可能更多还在移动出行和公摊的成本上，它运营的时间或者是更长的时间运营，这种分摊下来的成本，它是不能拿单纯买车的成本计算。另外一个随着时间趋势，它还可以下降。
