特斯拉用“车队学习网络”（Fleet Learning Network）策略，调动量产车把测绘任务以“众包”的形式进行数据采集，可以说所有在路上跑的特斯拉车型都是实时数据在线的，他们通过在7.0系统固件中的测试版自动驾驶辅助功能，调用全车所有的传感器来收数据，所有的数据（不包含隐私信息）都会上传给中央处理器。

七、惯性测量单元(IMU)

为了能让无人驾驶系统更高频率地获取定位信息，就必须引入频率更高的传感器。这就是IMU（Inertial Measurement Unit）惯性测量单元。陀螺仪和加速度计是IMU的主要元件，其精度直接影响到惯性系统的精度。

手机上也有IMU，但是是低配，因为成本和精度都不高，记个行走的步数没有什么问题，高端的就是宇航级别的产品，导弹、宇宙飞船、航天飞机都用，短时间内推算精度高，误差小，算不错。

工作原理是：从GPS得到的经纬度信息作为输入信号传入IMU，再通过串口线与控制器的连接，以此获取更高频率的定位结果。

学术上的语言是：测量在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息，以牛顿力学定律为基础。

一般GPS+IMU就能给出定位输出，是钢筋混凝土一般的合作伙伴。有了GPS+IMU，车辆每走一小步，便能重新进行方向盘转角的计算。IMU价格从几百、几千到几万元都有，那要看自动驾驶汽车需要的定位精度。

“长江长江，我是黄河，你在哪？”“黄河，你好，GPS+IMU告诉我，我在长江。”

八、里程计(Odometer)

实用当中，里程计主要用于在没有任何其他全局定位信息下，允许车辆仅使用里程计递推自己位置。假设车辆控制允许最大误差是0.3m，那么1%的里程计允许你前进30米。自动驾驶定位要求是能够提供绝对位置，而里程计（odometry）是提供相对位置，相对位置做得再好也有误差，这时候便需要定位（localization）修复误差。

本文作者和林肯MKZ改装的自动驾驶

每种技术都有自己的优势和劣势，相辅相成，单独使用时，没有传感器是完全可靠的。

自动驾驶系统，分为感知、决策、规划、控制这几大层次，其中各个层次下又可以继续划分出多个子模块。这样的话，一般无人驾驶软件由3个大的系统构成：

第一，类似司机的眼睛和耳朵。

感知层，比如依靠激光雷达、毫米波雷达以及摄像头。

第二，类似司机的大脑。

判断决策层，获取到信息以后，系统需要去判断，刹车、左转、停车。

第三，类似司机的手脚，

执行层，判断后执行指令。将决策获得信息转化成刹车、油门和转向信号，控制车辆按照预期行驶。

感知可以细分为两种：“传感”和“感知”。“传感”获得的是传感器的原始数据，比如图片，而“感知”是从图片里处理出的有用信息（图里有几个人，几个标志牌，几条车道线）。

虽然随着深度学习的成功，在感知层面使用深度学习算法已经是自动驾驶的“常规动作”，但在决策规划控制的时候，人工智能深度学习算法不能包打天下。

“八大神器”还要分为两类，自车感知和外部感知。摄像头，雷达，GPS等每时每刻获得的信息是自车感知。定位，地图相当于你告诉汽车在哪里。比如坐标北京朝阳区东南三环华威桥上，这是外部感知。

由此可以看出，让自动驾驶眼观六路耳听八方的“八大神器”在为感知层提供数据，这背后还需要强大的计算能力作为支撑，是自动驾驶万里长征才起步，为人类进化到自动驾驶时代做数据储备。（完）