精华内容
下载资源
问答
  • 2021-07-03 07:49:43

    李磊

    ◆摘  要:随着科学技术的不断发展和人们消费水平的不断提高,汽车已成为生产生活中不可缺少的交通工具。根据市场供求关系的变化,汽车行业也在不断改进和发展各种技术。其中无人驾驶技术是重要的研究领域。无人驾驶技术是汽车产业未来重要的发展方向,当然在研发过程中也面临着诸多问题。因此,研究无人驾驶汽车的关键技术尤为重要。结合国内外无人驾驶技术的发展现状,提出无人驾驶技术在发展过程中存在的问题,并对无人驾驶汽车的关键技术的研究提出相应的策略。

    ◆关键词:无人驾驶技术;问题;策略;探讨

    无人驾驶汽车的基本原理是通过在车辆上安装智能软件,包括车载传感器、雷达、GPS、路线导航等各种传感设备,通过对周围环境进行感知,制定正确的导航路线,实时监测路况,进行智能信息处理,平稳高效的运行,达到预期目的地。随着技术的升级和人工智能的普及和应用,汽车无人驾驶技术在国内外均得到了良好的发展,同时也相应地出现了技术瓶颈问题。

    无人驾驶技术是通过智能软件和传感装置等实现的,通过在汽车上安装人工智能软件以及车载传感器、雷达、GPS、路线导航等一些传感装置,通过这些传感装置对周边环境的感知,将路况信息实时传送到智能软件并对这些信息快速处理,规划正确合理的导航路线,使得汽车高效平稳地行驶,安全到达目的地。随着技术的进步和人工智能的普及和应用,汽车无人驾驶技术在国内外得到了很好的发展,但同时也存在着相应的技术瓶颈问题。

    一、无人驾驶技术发展存在的问题

    传感装置的环境适应性、准确性较差。传感装置可以说是无人驾驶汽车的“眼睛”,通过装设在车上的传感装置对车辆外部环境进行监测和感知,获取外部环境信息,对采集到的信息进行处理和分析,并将其传输到计算机控制系统。计算机控制系统中的车辆导航系统和障碍物监控系统将根据传感器传送的信息下达执行路线导航、避障等命令。這就要求传感器监测到的信息和图像的质量要高清晰度。车载摄像机的清晰度直接影响到传感器系统的精度。目前,传感器系统的准确度普遍较低。这是因为:一方面,车载摄像机的像素不高,图像模糊;另一方面,车载摄像机一般采用传统的光学相机,图像的分辨率不能完全满足信息质量要求。此外由于外部环境变化多端,传感器系统的准确性、实时性与环境适应性较差,将会给无人驾驶车辆带来巨大的安全隐患。

    激光雷达的技术成本很高。如上所述,摄像机是识别、记录道路状况以及通过传感器系统向计算机控制系统传送路况信息的重要感知设备。由于这种感知装置的精度不高,只能简单地识别颜色、字体、路标、交通信号等,它在监测精度和范围上远不如雷达和激光雷达等感知设备。雷达通过发射无线电波来监测前方移动物体或障碍物的速度、距离和范围,它具有比光学相机更高的识别度和准确度、更宽的监控范围,但与此同时成本比光学相机更高。而相比于雷达,激光雷达的精度和实时性更高,它主要利用红外传感器工作,发射激光脉冲,感知物体的距离、速度和范围,信息处理效率快、时间短,具有高分辨率和高精度,被称为无人驾驶汽车最强大的外部传感装置。然而激光雷达的成本比雷达更高,激光雷达设置中的组件可以扫描三维视图,高昂的成本限制了该技术在无人驾驶汽车领域的开发和推广。

    二、无人驾驶技术的发展对策

    完善传感器系统,增强环境感知的灵敏性。传感器系统是无人驾驶汽车的基本设备系统。在传统的汽车驾驶中,依靠的是汽车驾驶员感知外部环境,了解路况信息,将眼睛看到的信息传递给大脑,通过大脑对这些信息进行加工过处理,完成对车辆的控制以及安全驾驶。而无人驾驶汽车的“眼睛”则是汽车的传感器系统。完善传感器系统的功能,可以让无人驾驶汽车实现在复杂的道路上灵活驾驶。而对道路信息的监测是传感器系统的核心。道路信息监测是指通过各种传感设备对车辆行驶的外部环境进行监测。完善汽车的传感器系统,实时监控路况,帮助车辆避开障碍物、准确定位以及合理规划路线。在监测定位中,选择技术性能良好的传感器,并将道路监测和实时定位信息传送到计算机控制系统,以保证无人驾驶汽车的正常安全行驶。

    通过合理的设备组合使用可以提高传感器的价格比。激光雷达具有高精度和高分辨率,单就其性能来说是无人驾驶汽车的首选设备。然而,激光雷达在无人驾驶汽车制造过程中的高成本将影响无人驾驶汽车的总体预算,不利于无人驾驶汽车的整体发展和推广。所以考虑到成本,激光雷达并不适合应用于无人驾驶汽车。而相比于激光雷达,雷达虽然感知外界的能力不如激光雷达,但其成本较低,适合应用于无人驾驶汽车。例如,毫米波雷达与激光雷达功能相似,在恶劣的暴雨环境下仍能正常工作。

    模拟真实环境,提高无人驾驶汽车的实用性。在无人驾驶汽车行驶的模拟过程中,在设定的环境中加入传统的由真人驾驶的车辆,在这样的环境中对无人驾驶汽车进行功能测试,观察和记录无人驾驶汽车在实际道路上行驶时上传到控制系统的数据,通过人工智能软件处理这些路线制定、实时导航和道路监控等方面的信息,并进行分析和监控,通过分析结果判断无人驾驶汽车在实际道路上行驶过程中是否存在问题。这样将会大大提高无人驾驶汽车的实用性,此外还可以将无人驾驶汽车应用于驾驶学校考试、竞赛等。

    三、结语

    无人驾驶汽车是未来发展新方向,对无人驾驶汽车的关键技术进行开发,满足人们的发展需求,实现安全出行、高效节能等目标。

    无人驾驶汽车是汽车行业未来发展的新方向。为满足人们生产生活中的需要,实现安全出行、高效节能的目标,无人驾驶技术的发展将会产生很大的作用。当然在这个过程中,也将会遇到很多瓶颈,我们应当不断创新,积极寻求突破点,促进无人驾驶技术的发展。

    更多相关内容
  • 无人驾驶技术.pdf

    2021-01-30 11:00:00
    无人驾驶技术.pdf
  • 无人驾驶第一本无人驾驶技术书资源——PDF和WORD版本资源!
  • 刘少山写的第一本无人驾驶技术书,高清,非扫描版,有导航目录,《第一本无人驾驶技术书》深入浅出地讲解了无人驾驶定位导航、感知、决策与控制等算法,深度学习在无人驾驶中的应用,无人驾驶系统软件和硬件平台,...
  • 基于深度学习的无人驾驶技术研究.pdf
  • 基于机器学习的无人驾驶技术研究.pdf
  • 编者按:如今在硅谷101号公路遇见谷歌的无人驾驶实验车已经不是件稀罕事了,随着奥迪、丰田和奔驰这样的汽车制造商启动自己的无人驾驶车项目,它们加入美国滚滚车流只是时间问题,有关这项“科幻”技术的讨论现在也...
  • 无人驾驶技术简谈

    千次阅读 2021-03-12 19:00:46
    文章目录无人驾驶综述无人驾驶级别无人驾驶政策无人驾驶技术关键技术环境感知技术导航定位技术路径规划技术决策控制技术自动控制技术关键技术点ADAS(高级驾驶员辅助系统)激光雷达毫米波雷达超声波雷达高清地图摄像头...

    无人驾驶综述

    (cheyun.com)

    自动驾驶芯片,三足鼎立:英特尔+Mobileye、英伟达、高通+NXP。

    无人驾驶技术是高精度激光雷达、图像识别、交通标识识别、3D高精度地图、人工智能、深度学习、云计算等技术的结合。

    无人驾驶级别

    无人驾驶级别由国际自动机工程师学会(SAE interantional)制定,已获全球广泛接受。

    级别简述描述
    L0无自动化由驾驶员全权操作汽车,可以得到警告和保护系统的辅助。
    L1驾驶支援根据驾驶环境对方向盘和加减速中的一项操作提供支援,其他动作由驾驶员操作
    L2部分的自动化根据驾驶环境对方向盘和加减速中的多项操作提供支援,其他动作由驾驶员操作。先进的驾驶员辅助系统,可以在特定环境下控制方向盘和刹车,但算不上无人驾驶
    L3有条件的自动化由自动驾驶系统完成所有的驾驶操作,驾驶员根据系统请求提供适当的应答。确实可以驾驶汽车,但只能在有限的情况下发挥作用,需要有司机随时接过汽车的控制权。
    L4高度的自动化由自动驾驶系统完成所有的驾驶操作,驾驶员根据系统请求不一定提供应答,限定道路和环境条件。在实践中,它可以完成人类司机能够完成的多数任务,但只能在有限的地理区域有效-即地图绘制完善的区域。
    L5完全的自动化由自动驾驶系统完成所有驾驶操作,驾驶员在可能的情况下接管。不限定道路和环境条件。系统是成熟的无人驾驶系统,可以自动开到任何地方,驾驶技术堪比经验丰富的老司机。

    目前自动驾驶的级别是由厂商自己设定的,还没有第三方机构对其进行评估。

    无人驾驶政策

    联合国:2016年3月生效的法案中,联合国对《维也纳道路交通公约》进行了修改,不再要求驾驶员时刻掌握车辆控制权,而是只要自动驾驶技术具备“可以被驾驶员权限覆盖或接管”的特性即可。

    国内:2015年国务院印发了中国制造2025,将智能网联汽车列为,未来十年国家智能制造的重点领域,明确指出到2025年的要掌握自动驾驶总体的技术以及各项相关技术,同年中国智能网联汽车标准体系建设方案出台,2016年10月底,中国智能网联汽车技术方案发布路线图,以引导汽车制造商的研发,以及支持未来政策的制定,2018年3月1日上海市政府发布了《上海市智能网联汽车道路测试管理办法(试行)》,明确了道路测试推进管理机构申请条件,审核流程,事故责任认定,以及处理相关违规操作责任等内容,上汽和蔚来,获得了首批自动驾驶汽车路路侧号牌的一个资格。

    无人驾驶技术

    从技术角度来说,自动驾驶可分为感知、决策、控制三个部分。

    “传感器+高精度地图+云计算”目前被业内认定为最靠谱的自动驾驶方案。传感器是自动驾驶的眼睛,用来观察驾驶时环境的变化;高精度地图为汽车提供全局视野,尤其擅长预告检测范围外的道路情况;云计算保证传感器数据更新上传,让高精度地图始终处于最新版本并下发车辆,云更收集和分析路采数据,以及训练更新决策模型的主要环节。

    传感器的配置趋同化:前视多目摄像头,77GHz长距/短距雷达、环视摄像头、十个以上的超声波雷达、几个低线束激光雷达。

    感知层面,由于ADAS的大量部署和长时间的技术开发,技术相当成熟。

    控制是传统车厂和Tier1非常擅长的领域,做了多年,积累大量经验。

    自动驾驶的竞争主要聚焦在决策环节。区别ADAS和自动驾驶系统主要看系统是否有决策部分。决策的两个要求:快、准;快主要靠强悍的计算硬件和高速高带宽的数据总线,准主要靠算法和大量数据。

    无人驾驶架构

    vehicle_platform -> hardware platform > operating system->

    • sensing

      GPS/IMU

      Camera

      Lidar/Radar

    • Perception

      Localization

      Navigation

      Environment_Recognition

    • Decition

      Prediction

      Planning

      Decision

    • Control

      speed

      Steer

      Brake

    在这里插入图片描述

    关键技术

    环境感知技术

    环境感知包括无人驾驶汽车自身位姿和周围环境感知两部分。

    自身位姿信息包括车辆自身的速度、加速度、倾角、位置等信息。这类信息测量较为方便,主要用驱动电机、电子罗盘、倾角传感器、陀螺仪等传感器进行测量。

    周围环境感知以雷达等主动型测距传感器为主,被动型测距传感器为辅,采用信息融合的方法实现。

    激光、雷达、超声波等主动型测距传感器相结合更能满足复杂、恶劣条件下执行任务的需要,并且处理数据量小、实时性好,同时做路径规划时可以直接利用激光返回的数据进行计算,无需知道障碍物的具体信息。视觉在恶劣环境中感知存在问题,但是目标识别、道路跟踪、地图创建等方面不可替代,在野外环境的植物分类、水域和泥泞检测等方面也必不可少。

    每一个传感器都是为了弥补其他传感器不足而设置的。激光雷达无法感知玻璃、雷达主要感知金属、摄像头容易被图像欺骗。

    功能摄像头激光雷达毫米波雷达
    车道线检测x
    路沿检测x
    障碍物相对位置、距离检测
    障碍物运动状态判断
    障碍物识别、跟踪
    障碍物分类xx
    红绿灯、交通标志识别xx
    Slam地图创建及定位x
    导航定位技术

    导航可分为自主导航和网络导航两种。

    自主导航:本地存储地理空间位置,所有计算均在终端完成;优点:任何情况均可实现定位;缺点:计算资源有限,计算能力差,有时不能提供准确、实时的导航服务。自主导航技术分类:

    • 相对定位:通过里程计、陀螺仪等内部传感器,测量当前位置与初始位置的位移来判断当前位置;
    • 绝对定位GPS:主要采用导航信标,主动或被动标讽地图匹配或全球定位系统进行定位。
    • 组合定位:GPS+地图匹配、GPS+航迹推算、GPS+航迹推算+地图匹配、GPS+GLONAss+惯性导航+地图匹配等。

    网络导航:随时随地通过无线通信网络、交通信息中心进行信息交互。移动端通过移动通信网络与直接连接于Internet的web GIS服务器相连,在服务器执行地图存储和复杂计算。优点:不受本地客户端存储限制、计算能力强;能够存储任意精细地图,且地图始终是最新的。

    路径规划技术

    可分为全局路径规划和局部路径规划两种。

    全局路径规划:针对已知地图及周围环境,利用已知局部信息如障碍物位置和道路边界,确定可行和最优路径,它把优化和反馈机制做的很好。

    局部规划:全局路径规划生成的可行驶区域内,依据传感器感知到的局部环境信息来决策无人平台当前前方所要行驶的轨迹,适用于环境未知的情况。

    路径规划算法包括可试图法、栅格法、人工势场法、概率路标法、随机搜索树法、粒子群算法等,常见的车辆路径规划算法:

    • Dijkstra算法
    • Lee算法
    • Floyd算法
    • 启发式搜索算法——A*算法
    • 双向搜索算法
    • 蚁群算法
    决策控制技术

    决策技术主要包括专家控制、隐式马尔科夫模型、模糊逻辑和模糊推理、强化学习、神经网络、贝叶斯网络等技术。

    决策控制系统分为反应式、反射式和综合式三种方案。

    反应式控制是一个反馈控制的过程、根据车辆当前位姿与期望路径的偏差,不断地调节方向盘转角和车速,直到达到目的地。
    在这里插入图片描述

    面向量产的自动驾驶汽车必须对车辆的传统执行机构进行电子化改造,升级为具有外部控制协议接口的执行部件系统,主要包括线控油门、线控转向、线控制动三个部分。

    自动控制技术

    自动控制模块主要包括转向、驱动和制动三个系统。

    转向控制:对转向电机的控制,根据控制目标的不同,分为角度闭环控制和力矩闭环控制。

    驱动控制:车辆加速、匀速、减速的控制。

    制动控制:正常制动控制、紧急制动控制。

    关键技术点

    传感器优点缺点主要供应商
    超声波雷达成本低、数据处理迅速监测距离短、传输衰减能量较大壁垒不高、厂家众多
    激光雷达精度高、不依赖光线0-200米测量范围检测距离短、传输衰减能量较大Quanneryg、Velodyne、IBEO
    毫米波雷达适应雨、雾、烟层天气,0-200米测量范围、可以测距和测速视野角度小、侧向精度低、分辨率低大陆、博世、海拉ZF、电装
    摄像头成本低、获取信息全面光线影响较大松下、SONY
    夜视系统环境适应性好、功耗低成本较高奥托立夫、博世
    ADAS(高级驾驶员辅助系统)

    利用安装于车上的各式各样的传感器,第一时间收集车内外的环境数据,进行静、动态物体的辨别、侦测与追踪等技术上的处理,能够让驾驶者在最快的时间内察觉可能发生的危险,以提高安全性的主动安全技术。

    ADAS采用的传感器主要有摄像头、雷达、激光和超声波等,可以探测光、热、压力或者其他用于监测汽车状态的变量。

    ADAS是由多达9个甚至更多功能的系统组成,包括盲点侦测系统、支持型停车辅助系统、后方碰撞警示系统、偏离车道警示系统、缓解撞击刹车系统、适路性车灯系统、夜视系统、主动车距控制巡航系统、碰撞预防系统、停车辅助系统。

    车道偏离报警: 摄像机

    自适应巡航控制ACC:雷达

    交通标志识别TSR:摄像机

    夜视NV:IR或者热成像摄像机

    自适应远光控制AHBC:摄像机

    行人/障碍物/车辆探测(PD):摄像机、雷达、IR(红外线摄像头)

    驾驶员困倦报警:车内IR摄像机

    每套系统主要包括三个程序:

    • 信息收集:不同的系统使用不同类型的感测器收集车辆状态信息,并将不断变化的机械运动变成电压参数(电压、电阻、电流)
    • ECU:将感测器收集到的信息进行分析处理,再向控制的装置输出控制讯号;
    • 执行器:动作执行单元

    目前的ADAS的系统都是基于规则的专家系统。优点是精确分析,但是场景复杂多变的时候,规则覆盖就有限。并且添加新的规则,就必须撤销或者重写旧的规则,使系统特别脆弱,且各系统之间的规则组合可能存在矛盾,这会使得ADAS向自动驾驶过度之路变的艰难。

    自动决策技术路线的一个重大趋势,就是从相关推理到因果推理。

    因果推理范例——贝叶斯网络:

    贝叶斯网络是一个概率推理系统,贝叶斯网络在数据处理方面,针对事件发生的概
    率以及事件可信度分析上具有良好的分类效果。它具有两个决定性的优势:模块化和透明性。可
    以把深度学习的系统作为一个子模块融入到其中,专家系统可以是另一个子模块,也融入其中,
    这意味着我们有了多重的冗余路径选择,这种冗余构成了贝叶斯网络的子节点,将有效强化输出
    结果的可靠性,避免一些低级错误的发生。

    因果推理范例——基于RL的决策系统:

    它把一个决策问题看作是一个决策系统跟它所处环境的一个博弈,这个系统需要连续做决
    策,就像开车一样。优化的是长期总的收益,而不是眼前收益。

    激光雷达

    激光雷达是传感器组合中的一个必要元件,对于自动驾驶是核心技术。

    激光雷达能很好地在低光和强光下工作,与摄像头不同,并且比雷达或超声波能够提供更详细的
    数据。激光雷达最擅长的部分是障碍探测与障碍追踪,被认为是最精准的自主感知手段,其有效
    感知范围超过 120 米,而精度可以达到厘米级。但限于之前价格高昂,无法部署在量产车上,但
    前景无疑是乐观的。
    即使是激光雷达也并非没有缺陷,对于环境颜色信息的区分,激光雷达不够直接、快捷,而这方
    面正是摄像头的强项。例如,它不能区分红绿交通信号之间的区别。毫米波雷达可以快速获得速
    度信息,并且在雾天衰减率低,穿透性好,这点与激光雷达相比,是其优势。

    不同激光雷达的构造存在差别,不过大致由发射系统、接收系统、信息处理等部分组成。

    谷歌、百度、Uber 在内的全自动驾驶汽车未来还会承担街景车角色,利用车顶激光雷达绘制高精
    度地图,所以他们使用的是车顶的“大花盆”。

    和测绘专用的笨重“大花盆”相比,小型激光雷达和汽车更配。激光雷达做成小体积直接嵌入车身,这就意味着要将机械旋转部件做到最小甚至抛弃。因此车用激光雷达没有选用大体积旋转结构,而是在制作工艺上,将旋转部件做到了产品内部。嵌入式安装方式导致的监测范围遮挡,可以用多点布局的方式覆盖整车 360°视角。例如 Ibeo 的激光雷达产品LUX,改为固定激光光源,通过内部玻璃片旋转的方式改变激光光束方向,实现多角度检测的需要。Quanergy 旗下产品 S3 是一款全固态产品,使用了相位矩阵这种新技术,内部不存在任何旋转部件。

    毫米波雷达

    毫米波雷达具有很强穿透性,即使在恶劣天气情况下(如雨、雪、雾等天气)也不会影响高精定
    位层的生成。同时毫米波雷达探测距离较远(长距离雷达 0-250m),能更早地发现车辆前方定位
    特征的变化,而摄像头则能够抓取路上的标识,通过与高精度地图进行比对,就能得到非常精准
    的定位。

    超声波雷达

    已经普及的倒车雷达就是一种超声波雷达。用于测距优势在于其方便迅速, 计算简单, 易于做到实
    时控制, 是一种非接触检测技术, 并且在测量精度方面能达到工业实用的要求。缺点是受天气情况
    影响比较大。
    超声波探头可以分为两大类:一类是用电气方式产生超声波,一类是用机械方式产生超声波.目前较
    为常用的是压电式超声波发生器.其有两个压电晶片和一个共振板.当它的两极外加脉冲信号,其频
    率等于压电晶片的固有振荡频率时,压电晶片将会发生共振,并带动共振板振动,便产生超声波.反之,
    如果两电极间未外加电压,当共振板接收到超声波时,将压迫压电晶片作振动,将机械能转换为电信
    号,这时它就成为超声波探头了.
    倒车雷达测距,是通过倒车雷达探头在某一时刻发出超声波信号,遇到被测物体后反射回来,被
    倒车雷达接收到。只要计算出超声波信号从发射到接收到回波信号的时间,知道在介质中的传播
    速度,就可以计算出距被测物体的距离。探测距离一般在 2 米内,价格便宜。前后各 4 枚超声波
    雷达(探测距离 2 米)+侧面 4 枚超声波雷达(探测距离 5 米)可以实现自动泊车的功能。
    超声波雷达,6 米应该算是探测的极限距离了,效果当然是不如毫米波的。

    高清地图

    脱离高清地图谈无人驾驶就是耍流氓。

    高清地图不是普通地图,主要服务对象是无人驾驶车,或者说是机器驾驶员。
    高清地图最显著的特点是其表征路面特征的精准性。传统电子地图只需要做到米级精度即可实现
    GPS 导航,但高清地图需要达到厘米级精度才能保证无人车行驶安全。高清地图比传统电子地图
    有更高的实时性。由于路网每天都有变化,如整修、道路标识线磨损及重漆、交通标示改变等。
    这些变化需要及时反映在高清地图上以确保无人车行驶安全。实时高清地图有很高的难度,但随
    着越来越多载有多种传感器的无人车行驶在路网中,一旦有一辆或几辆无人车发现了路网的变
    化,通过与云端通信,就可以把路网更新信息告诉其他无人车,使其他无人车更加聪明和安全。
    它远远超出了逐向导航(turn-by-turn directions)的范畴。一些企业不断升级地图数据,增加车道
    标志线、路标、交通信号、洞坑信息,甚至包括路缘的高度,精准度达到厘米等级。有了这样的
    地图,汽车就可以进入一个更精准的世界,车上的传感器也会更强大。

    分层信息
    基础信息层车道坡度、倾斜角、航向
    车道个数、方向、宽度
    车道线位置、类型
    道路信息层车道可通行高度
    红绿灯、人行道
    限速等标志牌、隔离带等信息
    环境信息层周围建筑物信息
    其他信息层天气信息
    施工信息
    拥堵、意外事故等信息

    许多企业都在开发下一代地图,竞争越来越激烈。谷歌、Uber、福特及其它企业都在研发,想用
    无人驾驶汽车的传感器收集高清地图数据。Here 是一家地图企业,提供高清地图,曾经是诺基亚
    的分公司。Mobileye 自我定位为一家以 AI、图像识别技术为基础提供自动驾驶所需高精度地图的
    技术供应商。福特旗下的 Civil Map 也在研究高清地图。百度高精地图研发工作由百度地图部门于
    2013 年底启动。2016 年 10 月 15 日,高德宣布高精度地图免费。
    以前,高清地图的绘制大多通过各公司自己的车队。目前的趋势是通过众包的方式,通过所有预
    装了图像处理设备和软件的汽车,将把自己的精确位置和道路图像发送到服务器。

    摄像头

    包括单目,双目,环视摄像头。
    单目摄像头,系统结构相对简单,安装方便,且成本较低,缺点在于必须不断更新和维护一个庞
    大的数据库,才能保证系统达到较高的识别率,这需要付出较多的时间和金钱。
    CMOS sensor 方面,目前已经有 4Mp 像素密度的车规级产品。

    AUTOSAR

    一辆高档的汽车其内部的代码量差已经超过了 1kw 行,超过上百个 ECU。日益增加的功能需求与
    软件复杂度之间似乎有一个不可逾越的横沟。Autosar(AUTomotive Open System ARchitecture)就
    是汽车开放式系统架构。这是一个由整车厂,零配件供应商,以及软件、电子、半导体公司合起
    来成立的一个组织。自从 2003 年以来,就致力于为汽车电子行业提供一个开放的、标准的软件架
    构。现如今由硬件与部件驱动的开发流程正在被由功能与需求的开发方式所取代。作为一个工程
    师,不仅优化一个单一组件,而且要在系统级别上优化软件!可是不同的供应商来说,软件架构
    往往是不相同的,所以就需要一个可以交换的、升级的标准系统。可是单单以一个公司而言,这
    是不可能完成的。所以一群整车厂、供应商等等公司就打算成立一个组织来设计整个标准的软件
    架构,其核心思想就是软件组件的重复利用,力求在整体上降低整车软件的复杂度。Autosar 成员
    包括四类:Core Partners(核心成员),Premium Partners(高级成员),Development Partners
    (开发成员),Associate Partners(一般成员)。核心成员有 9 个,分别为:博世,大陆,大众,
    丰田,通用,PSA,福特,宝马,奔驰。最重要的目标就是基本系统功能与函数接口的标准化!
    这使得开发合作伙伴可以在车载网络里直接进行数据的整合、交换、传输功能!使得整车 E/E 架
    构由传统的基于 ECU 的开发(ECU-based)转变为基于功能的开发(function-based)。据飞思卡
    尔统计,在 2016 年全球以 Autosar 架构的 ECU 总数将超过 2.5 亿个,其中每 4 个 ECU 中就有一个
    ECU 是采用 Autosar 架构的。
    在这里插入图片描述

    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述

    其他

    其他自动车涉及的技术还有如下若干,如:
     GPS 技术定位
     后轮位置超声传感器
     车内设备(高度计、陀螺仪和视距仪)
     传感器数据的协同整合
     对交通标志和信号的解析
     路径规划(**)
     适应实际道路行为
     激光测距仪

    展开全文
  • 第一本无人驾驶技术书.刘少山(详细书签) 第一本无人驾驶技术书.刘少山(详细书签) 第一本无人驾驶技术书.刘少山(详细书签)
  • 人工智能视角下的无人驾驶技术分析与展望.pdf
  • 无人驾驶技术的发展前景是怎样的?

    千次阅读 2021-11-19 16:27:00
    通俗来讲,无人驾驶技术,就是让汽车自己拥有环境感知、路径规划能力来实现控制车辆的技术。而在行驶过程中,传感器是“眼睛”,能360度感知路上物体的远近深浅;车辆控制技术是“大脑”,通过使用摄像机、激光雷达...

    现在,放眼全球无人驾驶领域,不得不提的就是谷歌的Waymo以及特斯拉。那么无人驾驶作为一项新技术产业,会有怎样的发展前景?我们来一探究竟。

     

    什么是无人驾驶?

    通俗来讲,无人驾驶技术,就是让汽车自己拥有环境感知、路径规划能力来实现控制车辆的技术而在行驶过程中,传感器是“眼睛”,能360度感知路上物体的远近深浅;车辆控制技术是“大脑”,通过使用摄像机、激光雷达、毫米波雷达和GPS等系统来感知周围环境,决定最优行车路线,实现无人工干预的全自动驾驶。

    目前,美国的汽车工程师学会(SAE)对汽车对无人驾驶技术的应用进行了等级划分,并得到了美国交通局的认可。

     

    无人驾驶技术的利与弊

    任何事物都有双面性,哪怕是高新技术也不例外。据世界卫生组织统计,全球每年有124万人交通事故而丧生而这个庞大而又骇人的数据预计在2030年增长至220万人。无人驾驶的出现则可以避免因驾驶员失误而造成的交通事故,减少恶意驾驶、酒后驾驶、疲劳驾驶等等行为,在避免惨剧发生的同时,也缓解交通压力骤增的情况除了挽救生命外,无人驾驶的应用还能减轻对环境的污染与破坏。根据测算,无人驾驶在全世界范围内可以减少80%的城市二氧化碳量的排放,减少温室气体与有害尾气的排放量,更加环保节能。  

    而弊端是现阶段的技术无法充分保证无人驾驶的安全性,因此不能完全依靠自动驾驶系统。倘若无人驾驶系统被不法分子入侵和操控,那么智能汽车就可能会变成“杀人工具”带来不可控的伤害。其二,无人驾驶系统过多依赖于卫星和网络,假设在路上行驶时,讯号突然断开,那么造就交通事故的责任又该归结于谁?

     

    无人驾驶技术的发展前景

    无人驾驶车辆的普及主要受到两个因素控制:一个是技术成熟度的问题,一个是市场需求的问题。目前无人驾驶已经处在公开路测的阶段,部分城市已经开始在出租车领域开放了无人驾驶测试尽管无人驾驶汽车产业仍然存在许多暂时不能解决的问题,但从整体趋势来看,无人驾驶汽车是汽车行业不断智能发展的必然产物,只有将困难及问题前置并努力回避和解决才能将这一高技术在不断试验中迅速发展并成熟起来。

    展开全文
  • 无人驾驶实战视频培训课程:涉及无人驾驶入门教程、光学雷达在无人驾驶技术中应用,GPS及惯性传感器在无人驾驶应用、无人驾驶感知系统、强化学习在无人驾驶应用、卷积神经网络在无人驾驶技术应用等内容。AI的力量...
  • 无人驾驶汽车.ppt

    2019-09-21 07:01:31
    无人驾驶汽车ppt,提供“无人驾驶汽车”免费资料下载,主要包括自动化系统的发展、终极自动汽车等内容,可供学习使用。
  • 无人驾驶技术架构 无人驾驶软件技术方向 无人驾驶软件技能要求

    一 前言

      之前研究过百度Apollo平台,个人认为其作为一个开源开放的智能驾驶平台很适合初学者学习,官方给出的技术架构也很经典。所以关于无人驾驶方面的技术架构,从Apollo平台入手学习完全可以。同时,本文在了解了无人驾驶技术架构后,对软件技术方向进行分类,最后确定各软件技术方向所需的技能要求。

    二 无人驾驶技术架构

      在百度Apollo的官网上,可以清楚看到百度给出了如图—等等—所示的开放平台架构,具体包括云端服务平台、开源软件平台、开源硬件平台和车辆认证平台等部分,下面我们从后往前依次介绍各部分内容。
    在这里插的的入图片描述

    百度Apollo开放平台架构

    2.1 车辆认证平台

      要想做无人驾驶,首先必须要有一辆带有AMT和线控底盘的车辆,而且要能够控制车辆的转向、油门和制动系统,整个开发过程中也最好能有车辆主机厂和车辆零部件供应商技术人员的支持。这个前提条件可能看似简单,但实际上非常难,因为你首先要能够找到愿意跟你真心合作的主机厂和车辆零部件供应商,否则主机厂和车辆零部件供应商轻易不会将整车的线控转向接口和制动接口开放出来,因为后期开发试验过程中一旦发生意外,谁也说不清楚,也更不愿承担风险和责任。
      所以能看到Apollo在该部分也需要线控车辆,并且要开放线控车辆的控制接口,这是一切无人驾驶的前提和基础。百度Apollo的线控车辆是Lincoln MKZ,据说是从AutonomouStuff公司定制的,其是一家专门提供无人驾驶改装车的公司。

    2.2 开源硬件平台

      在有了可以开放车辆控制接口的线控车辆后,就要在此基础上进行硬件设备安装了,Apollo的开源硬件平台具体见下。
      车载计算单元,是一个控制器,接收传感器输出的数据,经过分析处理后发出数据给车辆执行器。
      GPS、IMU,二者都是用于车辆定位的传感器,其中GPS定位精度差,采样频率低,但稳定性好,而IMU定位精度好,采样频率高,但随时间增长误差会变大,稳定性差。所以通常对二者进行卡曼滤波,以提高系统的定位精度和稳定性。
      摄像头、激光雷达、毫米波雷达和超声波雷达,都是用于感知环境的传感器。其中摄像头主要的检测对象是行人和车道线,而根据检测类型、检测范围和环境条件的不同,会使用激光雷达、毫米波雷达和超声波雷达。
      HMI设备,是显示系统和车辆状态的终端,也能和无人驾驶系统交互。
      黑盒子,这个之前不太了解,不过查资料后发现好像是用于车辆安全的,能记录驾驶中的行驶数据,如果一旦发生事故,以此可以帮助企业定位无人驾驶汽车的事故原因,从而判定责任来源。
      ASU(Apollo传感器单元),协同车载计算单元工作,以实现传感器数据的同步采集和融合处理,还通过CAN总线和车辆通信。
      AXU(Apollo扩展单元),开发人员通过插入GPU、FPGA等模块来提高车载计算单元的计算能力和存储器的容量。
      V2X OBU(车联网车载单元),通过其与V2I(车与基础设施)、V2N(车与网络)、V2V(车与车)之间共享信息。

    2.3 开源软件平台

      在车辆上安装好以上的硬件平台后,接着就是最核心也最重要的软件平台部分了。目前,百度Apollo好像用Cyber RT框架替代了之前的ROS, 这个开源计算框架里包含了构建无人驾驶的模块和应用组件,每个组件代表一个专用的算法模块。在运行时,框架把融合好的传感器数据和预定义的组件打包在一起形成轻量任务,之后,框架的调度器可以根据资源可用性和任务优先级来派发这些任务。而为了使系统响应迅速,一定要具备实时操作系统,保障在短时间内对突发的系统干预做出响应。
      车辆在行驶过程中首先解决我在哪的问题,所以要有地图和定位模块,接着解决我周围身边有什么的问题,所以要有感知模块,然后解决我去哪里从哪里走以及过程中遇到异常事件的响应问题,所以要有规划模块、预测模块和决策模块(Apollo平台中的规划模块实际上包括规划和决策两个部分),最后解决我怎么走的问题,所以要有车辆控制模块。

    2.4 云端服务平台

      对于这方面,博主目前业务没有涉及太多,也不太了解,所以就不做阐述了。

    三 无人驾驶软件技术方向

      从上述技术架构来看无人驾驶需要的技术方向,先以Apollo开放平台架构为参考看下整个无人驾驶供应链里有哪些类别的公司,再根据公司类别来看需要哪些技术方向。
      主要包含地图服务商、传感器供应商、系统供应商和整车厂,具体技术优势分析见如下。

    1. 地图服务商
        主要是指能够提供高精地图的地图厂商,包括四维图新、长地万方等。

    2. 传感器供应商
        研发生产传感器的公司,包括摄像头、毫米波雷达、激光雷达等等,这些传感器对无人驾驶非常重要,相应的技术要求也就更高。这方面国外公司做的比较好,比如摄像头厂商Mobileye、毫米波雷达厂商Conti、激光雷达厂商Velodyne等等,而国内的摄像头厂商有Maxieye、Minieye、极目等,毫米波雷达厂商行易道、安智、隼眼等,激光雷达厂商禾赛等。

    3. 系统供应商
        在传感器基础上设计研发上层软件的公司,无人驾驶中大家很熟悉的就有谷歌、百度以及前百度无人驾驶团队成员创立的公司,比如景驰科技、Pony.ai、元戎启行等,辅助驾驶国外公司包括Bosch、Wabco等,国内公司恒润、FreeTech、清智等。

    4. 整车厂
        这个不必多说,大家应该都了解,乘用车方面一汽、东风和吉利等,商用车方面解放、中国重汽、陕重汽等。

      我们看下四种厂商各自的优势是什么,刚才我们说Apollo软件平台包括地图定位部分、感知部分、预测规划决策部分、车辆控制部分。地图服务商擅长地图部分,传感器供应商擅长感知部分,系统供应商擅长定位、预测规划决策部分,整车厂擅长车辆控制部分。

      因为博主所在公司是处于系统供应商的位置,所以以后我的博文内容以定位和预测规划决策部分为主展开,其余部分根据需要进行研究。

    四 无人驾驶软件技能要求

      关于技能要求,我是根据实际工作情况和在网上查阅学习到的,主要围绕开源软件平台中的感知部分、规划部分、决策部分和车辆控制部分,具体见下表。
    在这里插入图片描述

    无人驾驶软件技能要求

      我比较关注的是规划和决策方面,所以也会按照相应的技能要求学习,我把其分为基础知识和进阶知识两部分,基础知识包括Linux、ROS、数据结构、C、C++、Python等,进阶知识包括算法基础理论和应用,以后分享的内容也会和以上相关。
      好了,本次的内容就到这里,希望和各位相互学习,共同进步。

    展开全文
  • 无人驾驶汽车的核心在于无人驾驶技术,如果说汽车工业是制造业的皇冠,那么无人驾驶技术就是皇冠上的明珠。   无人驾驶汽车需要多门技术整合才能实现,它并非是一项单一的新技术,其中包括雷达、激光雷达、...
  • 以上图为基础进行简略分析,如果参考轨迹点在无人车的左边 θ e ∈ [ 0 , π ] θe​∈[0,π],则应该向左打方向盘;反之 θ e ∈ [ 0 , − π ] θe​∈[0,−π]则向右打方向盘。 原始误差 e e恒大于等于0,无法...
  • 无人驾驶技术的7大典型应用场景

    万次阅读 2019-07-23 17:28:52
    来源 | 数据观综合无人驾驶风口来临,引得各方资本竞相追逐。据业内预测,2019年到2020年无人驾驶L3(条件自动)级别的汽车将实现量产化,2022年后部分企业将实现L...
  • 首先说一下无人驾驶的概念,无人驾驶技术就是车辆以自动的方式持续地执行部分或全部动态驾驶任务。“通过多种车载传感器(如摄像头、激光雷达、毫米波雷达、GPS、惯性传感器等)来识别车辆所处的周边环境和状态,并...
  • 无人驾驶技术是多个技术的集成,如图1所示,一个无人驾驶系统包含了多个传感器,包括长距雷达、激光雷达、短距雷达、摄像头、超声波、GPS、陀螺仪等。每个传感器在运行时都不断产生数据,而且系统对每个传感器产生的...
  • 如何看待无人驾驶技术产生的伦理道德问题

    万次阅读 多人点赞 2020-04-01 19:50:48
    如何看待无人驾驶技术产生的伦理道德问题【值得了解】 本文根据TED科技视频:无人驾驶会挑战哪些道德伦理、《自然》发表的自动驾驶伦理调查以及德国公布的首份自动驾驶伦理道德标准,结合自身所学来探讨如何规范...
  • 本文将深入解析光学雷达是如何被广泛应用到无人...然后详细解释光学雷达在无人驾驶技术中的应用,包括地图绘制、定位以及障碍物检测;最后讨论光学雷达技术目前面临的挑战,包括外部环境干扰、数据量大、成本高等问题。
  • 百度无人驾驶资料合集(78份) 1带有模块化风扇和热交换器的电子架液体辅助空气冷却 2支持热插拔的输入和输出(IO)子系统 3用于传输信息的方法和设备 4虚拟路由器集群,数据转发方法和装置 5用于呈现信息的方法和...
  • 本文是无人驾驶技术系列的第四篇,着重介绍基于Spark与ROS的分布式无人驾驶模拟平台。无人驾驶的安全性和可靠性是通过海量的功能和性能测试来保证的。无人驾驶系统是一个复杂的系统工程,在它的整个研发流程中,测试...
  • 科技学习:第1篇 无人驾驶技术概述

    千次阅读 2020-04-18 09:44:08
    科技学习:第1篇 无人驾驶技术概述 放眼全球,近年来,无人驾驶技术很火。Google、Tesla、Baidu争相研发无人驾驶汽车,该领域的市场潜力很大,是汽车产业未来的一个方向。无人驾驶技术值得我们深入研究学习、思考...
  • 无人驾驶技术一般分为自主式和网连化 **自主式:**通过搭载多种先进的自主传感器去获取周围车辆状态 **网连化:**通过V2X(车用无线通信技术)获取超视距离范围内交通参与者状态和意图。 无人驾驶汽车有感知,规划,...
  • 本文是无人驾驶技术系列的第二篇。在上篇解析光学雷达(LiDAR)技术之后,本文着重介绍基于机器人操作系统ROS的无人驾驶系统。文中将介绍ROS以及它在无人驾驶场景中的优缺点,并讨论如何在ROS的基础上提升无人驾驶...
  • 2016无人驾驶技术专利报告
  • 7-Microchip-无人驾驶技术资料
  • 本文是无人驾驶技术系列的第八篇,深入介绍CNN(卷积神经网络)在无人驾驶3D感知与物体检测中的应用。 卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种适合使用在连续值输入信号上的深度神经网络,比如声音...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 35,151
精华内容 14,060
关键字:

无人驾驶技术

友情链接: 演示代码.rar