【转自太平洋汽车网 技术频道】你能分辨照片上是不是有只猫吗？即便三岁小孩这都不是啥问题（照片特别离谱的除外）。

可你能教会一台机器辨认一只猫吗？好像有点难度，我们得先告诉机器啥是猫。机器和人的思维毕竟不太一样，我们教小朋友认猫，只要告诉他那个喵喵叫的就是猫，他很快就能记住，并且能举一反三，但这个方法显然不适合人机器学习。而现在就有一大群人正在做类似的事，其中一批就是教自动驾驶汽车认路的工程师。

近几年来，高阶辅助驾驶甚至自动驾驶的概念越来越被频繁的提及，而自动辅助驾驶技术也在快速的发展。我们平时开车需要用眼睛观察路况，而自动（辅助）驾驶便是通过感知硬件来感知周围的路况。目前汽车上应用到的感知硬件包括但不限于：摄像头、毫米波雷达、超声波雷达、激光雷达以及V2X相关硬件等

对于自动驾驶感知，纯视觉路线与多传感器融合路线之争由来已久，融合路线中激光雷可以精准的还原周遭环境的三维特征；毫米波雷达对恶劣天气有着更强的适应性，且能够同时探测被测物体的距离与速度；高精度地图能够让车辆提前对沿途道路有更精确的了解；V2X能够借助旁人获知视野之外的情况……

因为自动驾驶汽车，也终究是要在为人类设计的交通体系之中。而人类的感知环境，凭借的就是眼睛的成像，摄像头刚好就是为了还原人眼看到的世界而设计的，因此要让自动驾驶汽车看到人类驾驶员在路上看到的所有信息（包括颜色、文字、标线等），摄像头自然是不可或缺的。所谓纯视觉路线与多传感器融合路线之争，争论的焦点其实只是“只有摄像头够不够”的问题。

奠定摄像头在自动驾驶感知系统中坚实地位的，除了前面提到的可以获取与人眼一样多的信息外，还有很重要的一点，人类自己能看到的东西，才能更有效的“教”给机器。自动驾驶近年来的飞速进步，依赖的是人工智能技术近年来取得的突破性发展。而人工智能近年来应用进展最为迅速的领域，一个是语音识别，一个是图像识别，刚好对应人类的“听”和“看”的能力。

从二十世纪五十年代人工智能概念被提出，历经七十余年，经历了三起两落的发展，人工智能终于取得了长足的进步。自动驾驶是人工智能应用的热门场景之一。当然人工智能目前尚不完善，自动驾驶也难免遭遇一些尴尬，但其实现方式决定了这就是一条需要不断积累、试错的历程。科技从来不是一蹴而就的，也就是在这些尴尬的失误帮助下，才能不断成长。