自动驾驶相关资源
知乎专栏：自动驾驶挑战https://zhuanlan.zhihu.com/p/68127887
1.疲劳检测、

知乎专栏：自动驾驶挑战https://zhuanlan.zhihu.com/p/68127887
1.疲劳检测、
      一般是通过检测眼睑闭合、眨眼、凝视方向、打哈欠和头部运动等，检测到驾驶员状态

1.1通过检测人眼https://github.com/tahaemara/sleep-detection

1.2检测开车时的状态https://github.com/tahaemara/sleep-detection

1.3KAGGLE_DISTRACTED_DRIVER比赛数据

1.4 卷积神经网络 https://github.com/AnirudhGP/DrowsyDriverDetection

1.5跟踪加眼睛检测  https://github.com/nishagandhi/DrowsyDriverDetection
2.车道检测相关

知乎;https://zhuanlan.zhihu.com/p/58980251
3.数据

知乎：https://zhuanlan.zhihu.com/p/56451461

4.标注工具

知乎https://zhuanlan.zhihu.com/p/56514817

5.单目测距

知乎https://zhuanlan.zhihu.com/p/57004561

6.行人过马路意图分析

https://zhuanlan.zhihu.com/p/57077589

自动驾驶工具箱



设计，模拟和测试ADAS和自动驾驶系统

自动驾驶工具箱™提供用于设计，模拟和测试ADAS和自动驾驶系统的算法和工具。 您可以设计和测试视觉和激光雷达感知系统，以及传感器融合，路径规划和车辆控制器。 可视化工具包括鸟瞰图和传感器覆盖范围，检测和轨迹范围，以及视频，激光雷达和地图显示。 该工具箱使您可以导入和使用HERE HD Live Map数据和OpenDRIVE®道路网络。

使用地面真理标签应用程序，您可以自动标记地面真理，以训练和评估感知算法。 对于硬件在环（HIL）测试和感知，传感器融合，路径规划和控制逻辑的桌面模拟，您可以生成和模拟驾驶场景。 您可以在逼真的3D环境中模拟摄像头，雷达和激光雷达传感器的输出，并在2.5D模拟环境中模拟物体和车道边界的传感器检测。

自动驾驶工具箱提供了常见ADAS和自动驾驶功能（包括FCW，AEB，ACC，LKA和停车代客）的参考应用示例。 该工具箱支持用于快速原型设计和HIL测试的C / C ++代码生成，并支持传感器融合，跟踪，路径规划和车辆控制器算法。



开始使用：

参考应用
	
驾驶场景模拟
	
地面真相标签
	
使用计算机视觉和激光雷达的感知
	
传感器融合与跟踪
	
制图
	
路径规划
	
车辆控制器
最新功能
	
文档和资源
	
尝试或购买
 

免费白皮书
自主系统的传感器融合与跟踪

现在就下载

 参考应用

使用参考应用程序作为开发自动驾驶功能的基础。 自动驾驶工具箱包括前撞预警（FCW），车道保持辅助（LKA）和自动泊车员的参考应用程序。

使用传感器融合的前向碰撞警告

车道保持辅助与车道检测

使用3D仿真可视化自动泊车员



在视觉感知系统参考应用中检测车辆和车道。

 驾驶场景模拟

编写驾驶方案，使用传感器模型并生成综合数据，以在模拟环境中测试自动驾驶算法。

长方体驾驶模拟

从雷达和摄像机传感器模型生成综合检测，并将这些检测合并到驾驶场景中，以基于长方体的模拟器测试自动驾驶算法。 使用Driving Scenario Designer应用程序定义道路网络，参与者和传感器。 导入预建的Euro NCAP测试和OpenDRIVE道路网络。

建立驾驶场景并生成综合检测

以编程方式创建驾驶场景变化

将OpenDRIVE道路添加到驾驶场景中



5:21

驾驶方案设计师

虚幻引擎驾驶场景模拟

在使用EpicGames®的Unreal Engine®渲染的3D模拟环境中开发，测试和可视化驾驶算法的性能。

在3D仿真环境中设计车道标记检测器

模拟激光雷达传感器感知算法

使用3D仿真可视化自动泊车员



使用3D仿真环境记录合成传感器数据，开发车道标记检测系统，并在不同情况下测试该系统。

 地面真相标签

自动化地面实况数据的标签，并与地面实况数据被测比较从一种算法的输出。

自动化地面真相标签

使用Ground Truth Labeler应用程序进行交互式和自动的地面真相标记，以促进对象检测，语义分段和场景分类。

地面真理标签应用程序（10:57）

地面真相贴标机入门

自动标记车道边界的地面真相



10:57

地面真相标签应用程序

测试感知算法

通过将地面真实数据与算法输出进行比较来评估感知算法的性能。

评估和可视化针对地面真相的车道边界检测

根据地面真相数据评估车道边界检测



根据地面真相评估车道检测输出。

 使用计算机视觉和激光雷达的感知

开发和测试用于自动驾驶的视觉和激光雷达处理算法。

视觉系统设计

开发用于车辆和行人检测，车道检测和分类的计算机视觉算法。

使用单眼相机的视觉感知

训练深度学习车辆检测器



单眼相机传感器模拟输出。

激光雷达加工

使用激光雷达数据检测障碍物并分割地平面。

使用激光雷达跟踪车辆：从点云到跟踪列表

根据激光雷达数据构建地图

使用激光雷达的地平面和障碍物检测



在激光雷达点云中检测和跟踪车辆。

 传感器融合与跟踪

使用带有卡尔曼滤波器的多对象跟踪框架执行多传感器融合。

使用传感器融合的前向碰撞警告

在鸟瞰范围内可视化传感器数据和轨迹

在Simulink中使用合成雷达和视觉数据进行传感器融合



可视化传感器融合结果。

 制图

通过HERE HD Live Map服务访问和可视化高清地图数据。 在流式地图查看器上显示车辆和物体的位置。

访问HERE HD实时地图数据

从HERE HD Live Map Web服务读取地图数据，包括包含详细道路，车道和本地化信息的平铺地图图层。

使用HERE HD Live Map数据验证车道配置

在此处访问高清实时地图数据

在这里高清实时地图图层



使用HERE HD Live Map验证车道配置。

可视化地图数据

使用流坐标来绘制车辆行驶时的位置。

可视化蒸制的地理地图数据




			
显示流式地图数据。
			
		
 路径规划

利用车辆成本图和运动计划算法来规划行驶路线。

使用3D仿真可视化自动泊车员

Simulink中的自动停车代客

RRT *路径规划器



在3D环境中进行路径规划和可视化

 车辆控制器

使用横向和纵向控制器来遵循计划的轨迹。

横向控制教程

纵向控制器-斯坦利

路径平滑样条



Stanley横向控制器用于计算转向角。

 最新功能

3D模拟

使用Epic Games的虚幻引擎渲染的3D模拟环境中开发，测试和验证驾驶算法

drivingScenario导入

将以编程方式创建的驾驶场景读入Driving Scenario Designer应用程序和Simulink

推动方案设计器导出到Simulink

生成驾驶场景和传感器的Simulink模型

随着5G逐渐走进人们的视线，自动驾驶汽车成为一个社会热门话题。那么自动驾驶究竟是什么样的？它真的能实现吗？什么时候我们才能真正使用上呢？



汽车是当今社会的主要交通工具之一，自动驾驶汽车是目前可以看到，并能通过技术手段可以实现的汽车现阶段终极目标。

自动驾驶是分阶段实现的，目前处于初级阶段，就是车本身的各种驾驶辅助系统以及自动驾驶的进化和配套系统的建立，重点在于解决如何提高汽车驾驶的安全性和可操控性；其高级阶段将是完全的、无人驾驶的智能汽车，彻底将人从方向盘后解脱出来，而汽车可以像人类一样具备感知、分析、判断能力。智能汽车现阶段也分两个发展方向，一类是汽车个体自动化系统控制，靠自主式的传感器，完全不需要依靠互联网；另外一类是智能网联汽车，也就是汽车自动驾驶技术+车联网。这是新兴的发展模式，是ICT和汽车产业的跨界结合出现的创新技术方向。两个方向都能实现自动驾驶的最终目标，中国大力推崇的是智能网联模式。

 

一、智能化汽车发展

 


	
智能车的概念
	
智能车（Intelligent Vehicle ,IV）是一个集环境感知、动态决策与规划、智能控制与执行等多功能于一体的综合系统，相关技术涉及信息工程、控制科学与工程、计算机科学、机械工程、数理科学、生命科学等诸多学科，是衡量一个国家科研实力和工业水平的重要标志。


	
智能化现状
	
智能驾驶是汽车驾驶系统物化驾驶员在长期驾驶实践中，对“环境感知-决策规划-控制执行”过程的理解、学习和记忆。

 



 

环境感知作为第一环节，是智能驾驶的典型应用场景，例如激光雷达与摄像头的车辆检测技术中，需要对数据做聚类处理；线性回归算法、支持向量机算法、人工神经网络算法也常用于车道线和交通标志的检测。它处于智能驾驶车辆与外界环境信息交互的重要地位，其关键在于使智能驾驶车辆更好地模拟人类驾驶员的感知能力，从而理解自身和周边的驾驶态势。

决策规划是智能驾驶的主要应用场景，状态机、决策树、贝叶斯网络等技术已经有大量的应用。近年来兴起的深度学习与强化学习能通过大量的机器学习做出对复杂情况的决策，并能进行在线学习优化。由于需要较多的计算资源，是当前计算机与互联网领域内，研究自动驾驶决策规划系统的热门技术。

控制执行：智能控制方法主要有基于模型的控制、神经网络控制和深度学习等方法。

 

世界各国都在积极制定自动驾驶技术路线图，推动自动驾驶汽车的发展，如美国在80年代初已经开始自动驾驶技术的军事化应用；欧洲从80年代中期开始研发自动驾驶车辆，更多强调单车自动化、智能化的发展；日本的自动驾驶研发略晚于欧美，更多关注于采用智能安全系统降低事故发生率、以及采用车间通信方式辅助驾驶。

由于深度学习算法的引入，汽车智能化技术有了爆发性的突破，成为汽车产业化发展的重要突破口，2009年谷歌开始研发自动驾驶，引发了新一轮的自动驾驶产业热潮，更多科技企业加入市场争夺中。

 

与欧美等发达国家相比，我国的自动驾驶研发起步相对较晚，自上个世纪90年代起，我国各高校和研究机构陆续开展自动驾驶的研发工作，推出多个测试车型；2009年以来，国家自然科学基金委员会举办“中国智能和未来挑战赛”，为国内智能车技术和交流起到很好的促进作用，在此期间一汽、北汽等传统车企也逐步布局自动驾驶。

 

二、网联化现状

 

网联化是指汽车依靠通信技术，将车本身和其它相关联的因素数据通过网络联系在一起，这个网络就叫车联网。车联网的概念源于物联网，即车辆物联网，是以行驶中的车辆为信息感知对象，借助新一代信息通信技术，实现车与X（即车与车-V2V、人-V2P、路-V2I、服务平台-V2N）之间的全方位网络连接，实现了 “三网融合”，将车内网、车际网和车载移动互联网进行融合。车联网利用传感技术感知车辆的状态信息，并借助无线通信网络与现代智能信息处理技术实现交通的智能化管理，以及交通信息服务的智能决策和车辆的智能化控制。

 



 

车联网是一个很宽泛的领域，从车内发展到车外，正在从车内娱乐导航服务向汽车数据中心发展，内涵不断延伸。目前车联网有两个世界标准流派：一个是IEEE基于WIFI制定的DSRC（Dedicated Short Range Communications，专用短程通信技术），获得通用、丰田、雷诺、恩智浦、AutoTalks和Kapsch TrafficCom 等的支持；另一个是由3GPP通过拓展通信LTE标准制定的C-V2X，并向5G演进，获得多家车企和通信企业的支持，如：福特、宝马、奥迪、戴姆勒、本田、现代、日产、沃尔沃、PSA Group、华为、爱立信、高通、英特尔、三星等。C-V2X的成员显然比DSRC要壮观。

 

两种技术标准各有千秋，国际上对于车联网到底采用哪种标准，尚未达成一致。业界专家存在三种观点：一种是DSRC技术已经成熟，其经过多年的测试与验证，可行性已经得到验证，同时网络、芯片等产业链相对成熟，没有理由放弃；另外也有观点认为，LTE-V2X技术具备技术优势，其安全性和可靠性都更胜一筹，更有前景；此外还有观点表示，汽车与手机不同，是有本国属性但一般不会大量跨国行驶，因此，不同国家可以使用不同技术。中国有通信网络覆盖广和用户量庞大的优势，一直以来都是LTE-V2X的积极倡导者。

 

汽车发展经历了机械化和电气化升级，目前又到了一个上台阶的关头。网联时代汽车产品需要创新的重点转向数字化技术，如云平台、人工智能、机器学习等。目前，最基本的车载内嵌网联设备装车率2017年还普遍低于20%，尽管众多厂家的2025年远期规划都近乎100%标配，但当下发展依然缓慢，真正起飞要至少等到2020年。

 

三、智能网联化

智能化和网联化相结合成为未来自动驾驶汽车产业发展的重要方向，在智能网联汽车的技术演进过程中，智能化及网联化两者的发展相互促进，不可分割，从而实现完全自动驾驶的最高目标。

受制于技术和网络覆盖，车联网的价值还远没有被挖掘出来，大多还停留在娱乐和导航的单车、单用户服务，但车联网作为汽车互联网络，尤其是在5G移动网络普及后，可以将衣食住行都连接起来，汽车的内涵由此也在发生改变。5G通信网络的高速、低时延数据传输、高容量、低失真、低误码都为这种模式提供了技术可能。所以，智能化和网联化的结合，可以为汽车智能化系统提供更多、更详细、更准确的数据，以供机器学习，促进智能系统演义进化。

 



网联汽车会采集、产生大量实时数据，如行驶过程中“（汽）车、（道）路、（数据）云、（路）网、(地) 图五大基本要素交互的数据。诸如汽车和驾驶人信息，汽车信息包括：汽车位置和周边环境信息，以及汽车诊断信息、保养信息、安全信息（门窗开闭，安全气囊使用）、性能信息（发动机和变速箱状态，电池电量）、行驶信息（燃油消耗量，速度，刹车加速，方向盘）；驾驶人信息（包括地理位置、用户模式、驾驶历史）等。一辆汽车一天大概产生500GB左右数据，数据主要由汽车制造商安装车载内嵌SIM卡来收集，这就是学习素材的来源。自动驾驶技术其核心决策者是人工智能（AI）系统，就需要大量数据进行训练，现在开展自动驾驶技术的公司可以获得的数据仍然是少量的，有些是在使用模拟数据训练人工智能，大量实际使用数据是自动驾驶技术发展不可或缺的一部分。因此自动驾驶的智能汽车不是一蹴而就的，它的进化发展是靠不断的技术产品迭代，循序渐进实现目标，一个完善的车联网，是促进实现自动驾驶的前置条件之一。

 

四、我国智能网联汽车政策及标准概况

 


			
时间
			
			

			
发布机构
			
			

			
政策、标准
			
			

			
主要内容
			
		

			
2011年
			
			

			
国务院
			
			

			
《中华人民共和国居民经济和社会发展第十二个五年规划》
			
			

			
国家把车联网列入重大专项
			
		

			
2011年
			
			

			
国务院
			
			

			
《国家“十二五”科学和技术规划》
			
			

			
车联网项目被列为国家重大专项（第三专项）中的重要项目，首期投入资金打百亿
			
		

			
2012年
			
			

			
交通部
			
			

			
《2012-2020交通运输业智能智能交通发展战略》
			
			

			
标志着智能交通上升到国家战略，交通部启动的新一代智能交通体系发展战略和应用车联网技术推进现代交通运输策略重大研究项目，为未来5-10年的发展进行谋划
			
		

			
2013 年
			
			

			
国务院
			
			

			
《国务院关于推进物联网有序健康发展的指导意见》
			
			

			
将车联网作为物联网的核心应用领域
			
		

			
2015年
			
			

			
国务院
			
			

			
《中国制造2025》
			
			

			
提出到2020年，掌握智能辅助驾驶总体技术及各项关键技术，初步建立智能网联汽车自主研发体系及生产配套体系
			
		

			
2015年
			
			

			
国务院
			
			

			
《关于积极推进“互联网+”行动的指导意见》
			
			

			
提出通过基础设施、运输工具、运行信息等互联网化，推进基于互联网平台的便捷化交通运输服务发展
			
		

			
2015年
			
			

			
工信部
			
			

			
《车联网发展创新行动计划（2015-2020年）》
			
			

			
推动车联网技术研发和标准制定，组织发展车联网试点、基于5G技术的车联网示范
			
		

			
2016年
			
			

			
工信部
			
			

			
《智能网联汽车发展技术路线图》
			
			

			
为行业发展提供清晰思路和方向，同时为相关政策和行业标准的推出奠定基础
			
		

			
2016年
			
			

			
国家质检总局
			
			

			
《装备制造业和质量提供规划》
			
			

			
加快开展智能网联汽车标准化工作
			
		

			
2016年
			
			

			
发改委、交通部
			
			

			
《推进“互联网+”便捷交通促进智能交通发展的实施方案》
			
			

			
从“智能”和“网联”连个方面提出加大研发和示范效应的要求
			
		

			
2016年
			
			

			
工信部、公安部、交通部
			
			

			
《智能网联汽车公共道路适应性验证规范》
			
			

			
对测试车辆、测试道路、测试驾驶人、路试信息记录等相关要是提出了基本要求
			
		

			
2016年
			
			

			
中国汽车工程学会、智能交通联盟
			
			

			
启动ADAS相关标准研究与制定工作
			
			

			
主要包括AEB、DSB、LKA、自动泊车等标准、并发布了C-NCAP的2018版的详细试验及评分方案
			
		

			
2016年
			
			

			
交通部
			
			

			
《营运客车安全技术条件（JT/T19042016）》
			
			

			
要求9m以上的营运客车加装车道偏离预警系统（LDWS）以及符合标准的自动紧急自动系统（AEBS）功能
			
		

			
2017年
			
			

			
中国智能网联产业创新联盟
			
			

			
《合作式智能交通系统车用通信系统应用层及应用数据交互标准》
			
			

			
中国汽车工程学学会的团体标准、填补了国内V2X应用层标准的空白
			
		

			
2017年
			
			

			
国务院
			
			

			
《新一代人工智能发展规划》
			
			

			
构建开放协同的人工智能科技创新体系，明确提出发展自动驾驶汽车等智能运载工具
			
		

			
2018年4月
			
			

			
工信部、交通部、公安部
			
			

			
《智能网联汽车道路测试管理规范（试行）》
			
			

			
明确道路测试的管理要求和职责分工规范和统一各地方基础性检测项目和测试规程
			
		

			
2018年6月
			
			

			
工信部
			
			

			
车联网（智能网联汽车）直连通信使用5905-5925MHz频段的管理规定（征求意见稿）
			
			

			
拟规划5905-5925MHz频段作为LTE-V2X技术的车联网（智能网联汽车）直连通信工作频段
			
		

			
2018年6月
			
			

			
工信部、国家标准委
			
			

			
《国家车联网产业标准体系建设指南（智能网联汽车）》
			
			

			
明确智能网联汽车标准体系建设的指导思想、基本原则、建设目标和标准体系框架
			
		

			
2018年7月
			
			

			
交通部
			
			

			
《自动驾驶封闭场地建设技术指南》
			
			

			
国家部委出台的第一部关于自动驾驶风暴测试场地建设技术的规范性文件
			
		

			
2018年12月
			
			

			
工信部
			
			

			
《车联网（智能网联汽车）产业发展行动计划》
			
			

			
到2020年，实现车联网（智能网联汽车）产业跨行业融合取得突破，具备高级别自动驾驶功能的智能网联汽车实现特点场景应用，车联网综合应用体系基本构建
			
		

			
2019年3月
			
			

			
发展改革委、生态环境部、商务部
			
			

			
《推动重点消费品更新升级 畅通资源循环利用实施方案（2019-2020年）》
			
			

			
推动智能汽车创新发展。加强汽车制造、信息通信、互联网等领域企业深度合作，组织实施智能汽车关键技术攻关，重点开展车载传感器、芯片、中央处理器、操作系统等研发与产业化。坚持自主式和网联式相结合的发展模式，培育具有国际竞争力的智能汽车品牌。
			
		

五、 智能网联汽车未来发展所面临的问题 

 

智能网联汽车的愿景非常美好, 自动驾驶未来也一定会实现, 但征途不会平坦。要实现高级别的自动驾驶, 智能网联汽车产业发展过程中仍然有很多问题需要解决：一是提升关键技术掌控能力，如传感器、控制器、执行器等智能网联汽车核心电子件、车载智能化软硬件平台、智能感知部件、先进能源动力平台、车载通信系统等方面；二是智能网联汽车制造及配套体系仍需完善，传统汽车制造领域在智能网联汽车技术积累与产品研发方面存在局限性，适应智能网联汽车制造的新型智能化汽车制造能力尚有不足；三是传统汽车设计制造与计算、通信等能力在融合与协调还需要加强，从而进一步适应快速发展的汽车网联化、智能化的需求；四是智能交通还需加强统筹规划，在智能路网、运管运控平台、应用示范等方面有待统一标准、提升能力；五是构建智能网联汽车安全保障体系，如汽车接入授权、个人信息数据、云端控制、等安全问题仍需进一步探索和提升。

 

六、智能网联车标准及法律突破方向

 

智能网联汽车相关技术标准尚处于建设初期，现有标准大部分是行业标准，难以满足智能网联快速、跨行业、融合发展的需求，目前国际上进行自动驾驶技术研发的国家和领头企业，都在试图抢先制定出相应的行业标准，成为这个领域的引领者。

近年来，我国相继出台了《国家车联网产业标准体系建设指南（智能网联汽车）》、《2019年智能网联汽车标准化工作要点》等标准定制指导性文件，分为总体要求、智能网联汽车、信息通信、电子产品与服务等部分，目前已取得了阶段性进展，近期在高级驾驶辅助系统方面已经有6项标准完成了标准审查，进入到报批阶段，还有9项标准目前正在立项，编制相关的标准草案。

 

 

在法律层面，尚未针对智能网联汽车做出调整，《道路交通安全法》、《公路法》、《保险法》等都不涉及自动驾驶方面内容。智能网联汽车不仅仅关系到车辆制造者，同时还有网络提供者、云端运营者、道路建设维护者等，每一个元素都是至关重要的因子，自动驾驶的社会化，将彻底颠覆这几者间的法律关系。要厘清各自的责任与义务是必须的，这需要法律法规作为保障。还有《网络安全法》、《测绘法》等都存在不适用于智能网联汽车技术产业化的规定。例如现行的《道路交通安全法》未有涉及到关于智能网联汽车的相关条例，因此，智能网联汽车只能遵守机动车上道路行驶以及机动车试验的一般规定。

 

结语：

智能网联汽车不只是一种交通工具，它将成为一张巨大交通网络上的智能终端、一个完全自动行走的机器。它作为一种社会生活、生产工具，影响着人、车、物、路、自然环境等的因素，人们需要考量其安全性要远高于其运输载体的属性。所以，如何将一套冷冰冰的机器培养训练成为精密的人脑，任重而道远！

实现L3级自动驾驶——自动驾驶产业转折点
如今，L3自动驾驶受到了前所未有的关注，越来越多的企业开始投入人力物力财力，来钻研L3自动驾驶。
什么是L3级自动驾驶
我们所说的L3级别自动驾驶，通常默认指美国SAE协会定义的标准。在我们上一篇文章已经介绍过了 。

这里简要描述下：目前最常用的ADAS大部分是属于L2级别的自动驾驶，仅仅是辅助人类驾驶，虽然人类可以一定程度的解放双手（Hands Off），但是还是需要人去观察环境。而L3级别的自动驾驶，环境感知则不再需要人类来做（Eyes Off），人类只需要在特定的情境下给予关注即可。



L2（车辅助人）到L3（人辅助车）后，用户才会真正感受到自动驾驶的美。届时，也是产业爆发式增长的时候。
目前奥迪A8L、广汽Aion LX、长安UNI-T均发布了量产L3车型。然而，这些车型只能实现低速的L3自动驾驶。尽管如此，也说明现在大型整车厂都在朝着实现L3的实现而努力。
中国L3自动驾驶的市场现状
消费者
·中国消费者饱受城市拥堵、停车困难等国内特有车况影响，所以国内的消费者普遍希望自动驾驶的早日落地。
政府
·政府大力支持自动驾驶的研发，目前已经在全国设定智能网联汽车测试示范区超过40个，包括一线城市和部分二线城市。
国内OEM和互联网公司
·国内主机厂、互联网公司互相合作，迅速转型。以小鹏汽车、蔚来汽车为代表的新型自动驾驶企业不断涌出。由于中国汽车保有量数量庞大，所以在接下来更换智能的路上也能够提供更多的数据，有望弯道超车。
量产L3自动驾驶的主要难点与解决方案
L3自动驾驶难以量产的阻碍有很多，包括感知准确率难以提升、决策时难以覆盖全部场景、设备算力足够但是不满足功能安全、无快速稳定的线控、车载设备无法满足整车算力要求。
·感知准确率难以提升
目前许多感知算法供应商都将感知准确率提升到了98%以上，但到此很难继续往上提升，在实车测试时还是不断有corner case出现。比如突然倒下的电线杆、马路上出现的其他生活杂物都会影响汽车感知系统的判断。
对于此，可以从数据层面上进行改善——增加尽可能多的相关有效数据；也可以从算法层面上改善——改善算法使其能够提取更多有效特征来增强判断能力；最后，将网络进化为自学习神经网络。
·车载设备无法满足整车算力要求
自动驾驶对芯片算力的要求极高。因为场景的复杂和操作的多样性需要驾驶处理器要达到每秒百万亿次的计算。如果算力不够，那么车辆就不能实时对于外界变化做出响应。出现任何一点延迟都有可能造成车毁人亡。

许多自动驾驶解决方案供应商选择车辆上外接工控机提供额外的算力，然而，当算力达到了以后，还要解决算力设备的散热等问题。

最后，还需要算力设备有足够高的可靠性，无论多么恶劣的环境都不能影响其计算过程。

对于此，可选用 虹科的HPEC（High Performance Embedded Computer）高算力车载设备——DynaCOR 40-34。DynaCOR 40-34是一款液冷车用高存储计算机。提供高达16TB的存储，4.4GB / s的写入速度和多个40/56 GbE接口。并通过了E-Mark和Shock&Vibe认证，能够在自动驾驶和其他恶劣环境中可靠运行。


体积轻巧的同时亦能保证良好的散热，秘诀是DynaCOR 40-34有独立的液冷冷却系统，同时亦可以与车辆冷却系统相连。在提供高算力的同时稳定运转。
END