可以想像这些障碍物的检测其实是非常非常困难的，因为这些障碍物非常小，而且你的检测距离要非常非常的远，那其实除了比拼算法以外，也会落到在传感器上面进行一些比拼，就是当你的照相机或者是说你的激光雷达效果越来越好，当你的计算机的计算能力越来越强的时候，当然会有更多的把握来解决这些问题。

　　除了这些常规的，比较困难的问题，比如说在恶劣天气下进行的智能驾驶，比如说风沙、雨雪包括雾霾对于传感器来说都是有一些遮挡，像在我们如果是用激光雷达产干其的话，对于下雨下雪，每一个雨滴雪片就会对激光雷达进行反射，它会造成一些不必要的障碍物，我们会把它看成噪音，下雨的话，对于照相机也会有一些遮挡，你必须得频繁的进行雨刷或者刷去雨滴，具体在这种恶劣天气下如何进行感知，其实是非常有待解决的问题。

　　所以在智能驾驶中可以看到，特别是现在基于学习的这些感知方法，数据量是一个关键，一个是你可能会有更多的数据量，那你的学习出来的模型会更好。另外一个是大的数据量，你可以得到更多的这种长尾的，就是长尾的低频的事件。

　　智能驾驶应用现状

　　智能驾驶在一些高端的汽车上已经有了一些具体的应用，比如说辅助驾驶，汽车会帮你提前刹车，或者是可以实现智能跟车，或者车道线的检测，这些其实已经慢慢开始走入我们的生活了。

　　当然，智能驾驶具体的应用比如说真正的让人能够手离方向盘，然后不需要操作还需要一定的时间，当然整体的应用我觉得也不会说是一步到位，它肯定是一个循序渐进的过程。

　　相对来说，比较简单的应用场景，比如说比较规范的工业区或者是旅游区，在包括机场的摆渡车等等可能会先应用起来，那真正的在复杂的交通路段或者是有密集的行人，或者是各种各样车辆来往的情况可能需要更长的时间。

　　相对来说，智能驾驶可能还会有其他的应用，比如说可能不光是在载运乘客，也可以运送货物，atv，如果运送货物的话，也会有一些其他不同的思考方式，比如说运送货物时效性不像运人那么强，可以承受夜间的运送或者凌晨这种道路不是那么拥堵下的运送。运送货物，如果车内完全是货物的话，例如说承受比较急的刹车，他不需要考虑内部驾驶的舒适程度，为了安全可以做一些更加极端的一些决策。

　　整体来说，智能驾驶还是会提高我们整个出行的安全包括现在比如说已经出现的像盲区的智能检测这些业务，应该就可以很大程度上来避免比如说车辆事故的发生。

　　分享过程中一些问题提问

　　提问：三维重建一般需要哪一些传感器的共同配合呢？

　　贾兆寅：对于三维重建来说，一般我们可能就是会把摄像机、Radar、还有 IMU、GPS 这些结合起来一起配合行程对整个场景进行重建。

　　一般的三维重建就会进行一些数据的采样，得到比如说照相机和 Radar，就是激光雷达对于世界的这些描述，然后再通过比如说 GPS、IMU 把这些一帧一帧的信息联合起来做一联合的三维的重建。

　　提问：智能驾驶何时能真正到来？

　　贾兆寅：这个要看我们怎么定义到来，智能驾驶有不同的维度和发展阶段，一些技术我觉得已经在很多车厂上进行比较广泛的应用，比如说刚才我提到的盲区检测，车道线检测，CMB、ACC 等等，其实这些对于驾驶来说都是一个具有一定革命性的影响，而且开始慢慢融入到我们日常体验中，我想到未来肯定会有更多种智能驾驶的方案并行，而且这些智能驾驶方案会相辅相成。

　　提问：5G 的到来会帮助解决智能驾驶的部分技术难关吗？在刚刚结束的 WMC 上，很多巨头通信公司把无人驾驶作为 5G 的载体。

　　贾兆寅：这个高速网络的到来会在智能驾驶各个区域上面会有一些帮助，比如说可以很快的得到地图的更新，然后大的数据可以很快的跟比如说 Server 进行一些交互，新的数据传输的方式也可以得到一些在智能驾驶包括车联网上面得到一些新的应用。

　　提问：当前的智能驾驶有哪一些形态？能不能解释 L1、L2、L3、L4，分别代表哪些阶段？都有哪一些区别？现在普遍处在哪一个阶段？

　　贾兆寅：智能驾驶基本上现在就是从没有智能驾驶 L0，一直到 L5，会有一些不同的分类。

　　L3 及以下他是说人类驾驶者是最后的一个系统，当车辆行驶出现问题的时候是由人两接管的，L4 及其以上最重要的一个定义就是说当车辆出现问题的时候，仍然是由系统来监管的，这是一个比较大的区别。