精华内容
下载资源
问答
  • SAE更新自动驾驶技术分级标准.pdf
  • 车联网的体系架构、技术标准、现阶段标准的研究方向,自动驾驶关键技术与标准化,标准图谱及标准体系构架图。
  • 货车自动驾驶技术及标准法规发展分析.pdf
  • 第一章 自动驾驶技术概论 第四节 自动驾驶汽车开发平台

    第一章 自动驾驶技术概论 第四节 自动驾驶汽车开发平台

    4.1 开发平台概述

    4.2 硬件参考平台

    4.3 软件开源平台

    4.4 整体开放平台

    4.5 安全解决方案

     

    展开全文
  • 在前面的几篇文章分别介绍了自动驾驶在环境感知领域的相关技术点,主要介绍了如何通过雷达配合视觉技术实现车辆自身的智能。其实在环境感知方面,除了利用车辆自身的智能,还可以借助外部环境实现信息的获取,这一类...

    V2X技术概述

     

    在前面的几篇文章分别介绍了自动驾驶在环境感知领域的相关技术点,主要介绍了如何通过雷达配合视觉技术实现车辆自身的智能。其实在环境感知方面,除了利用车辆自身的智能,还可以借助外部环境实现信息的获取,这一类技术统称为V2X技术。

    image.png

    V2X(Vehicle to Everything)技术又称为车用无线通信技术,本质上是一种物联网技术,V代表的是车辆,X代表的是道路、人、车、设备等一切可以连接的设备。

    V2X的本质就是通过道路、行人、车辆间的协调实现整个道路运输的智能化。比如前面有车要并线了,前车可以发一个指令给基站,基站再通知后方的车辆。比如有个人过马路了,可以提前通过手机发指令,要求即将同行的车辆注意避让。诸如此类的协同需要车辆生产商、通信设备厂商、运营服务商的通力配合,是一个庞大的产业链协调分工,需要国家有相关标准推动。

    中国在V2X领域的投入很早,从17年开始有相关文件发出到最近的IMT-2020(5G)工作组推动的V2X白皮书可以看出来,中国在相关领域的野心。另外中国也是少数在全领域可以构建完整产业链的国家,整个V2X的分工协作如下图所示:

    image.png

    完成如此复杂的全产业链协同,需要一个很强的政府和监管能力,所以在这方面博主个人看好中国可以在整个世界范围内率先实现V2X技术的落地。

    V2X场景细分

    接下来详细介绍下V2X的各个场景包括:车与车之间(Vehicle to Vehicle,V2V)、车与路之间(Vehicle toInfrastructure,V2I)、车与人之间(Vehicle toPedestrian, V2P)、车与网络之间(Vehicle toNetwork, V2N)的交互。

    (1)V2V

    V2V是最经典的场景,指的是道路上车辆之间的通信。典型的就是前方车辆并道,后方车辆避让。

    (2)V2I

    V2I是指车载设备与路侧基础设施(如红绿灯、交通摄像头、路侧单元等)进行通信,路侧基础设施也可以获取附近区域车辆的信息并发布各种实时信息。V2I通信主要应用于实时信息服务、车辆监控管理、不停车收费等。

    (3)V2P

    V2P是指弱势交通群体(包括行人、骑行者等)使用用户设备(如手机、笔记本电脑等)与车载设备进行通信。V2P通信主要应用于避免或减少交通事故、信息服务等。

    (4)V2N

    V2N是指车载设备通过接入网/核心网与云平台连接,云平台与车辆之间进行数据交互,并对获取的数据进行存储和处理,提供车辆所需要的各类应用服务。V2N通信主要应用于车辆导航、车辆远程监控、紧急救援、信息娱乐服务等。

    V2X通信关键技术

    说明下C-V2X中的C指的不是China哈,指的是指蜂窝(Cellular)。是负责解决设备间通信的技术,目前在国内主推的是我国主导的LTE-V2X和5G-V2X,从技术角度讲,LTE-V2X可以支持向5G-V2X平滑迁移。

     

    image.png

    从技术角度讲,V2X比较核心的技术是如何解决通信问题。试想一下,如果两台时速200公里每小时的车背向行驶,如果想有效解决这两台车之间的通信问题,需要解决高多普勒频率扩展问题以及信道时变问题(非通信专业同学可以查下--!还好我是学通信的)。

    目前来看,V2X问题的关键是需要一个标准,比如上下行数据传输的性能标准是什么、可靠性标准是什么、如何构建业务仿真环境。目前国内大概有一个初步意见,就是消息发送的频率为10Hz,通信的时延为100ms,通信的距离为150米或300米。

    国家已经计划分配5.9GHz频段的专用频谱用于V2X技术。并且在各个标准的细分领域也出台了大量标准:

    image.png

    我国V2X技术时间和展望

    从目前的时间节奏来看,基本上在2021年,也就是今年达到部分V2X能力基本商业化应用的程度,会在一些区域开始做试点。

    image.png

    目前已经在上海、无锡、京津冀、杭州等区域的路口、高架桥等地铺设设备,构建示范区。在示范区对已经拟定的标准进行进一步的验证。早期的V2X技术可能会偏向于一些道路信息的采集,随着产业链的不断成熟,未来V2X技术一定是推动自动驾驶技术落地的一个极为关键的因素。

    展开全文
  • 基于自动驾驶技术的地铁车辆段出入库方案研究.pdf
  • 深度解析蔚来ET7自动驾驶技术

    千次阅读 2021-01-12 22:10:56
    我个人是个汽车迷,每天都会看大量汽车相关的信息,最近蔚来发布了ET7这款车,看宣传是有机会实现L4自动驾驶,有不了解自动驾驶技术的同学可以看下以下信息: 除了传统的依靠视觉模型做自动驾驶的实现以外,...

    我个人是个汽车迷,每天都会看大量汽车相关的信息,最近蔚来发布了ET7这款车,看宣传是有机会实现L4自动驾驶,有不了解自动驾驶技术的同学可以看下以下信息:

     

    除了传统的依靠视觉模型做自动驾驶的实现以外,本次蔚来ET7也搭载了Aquila超感系统。也就是说ET7是包含了:视觉自动驾驶技术+雷达波自动驾驶技术。接下来分别聊下ET7在这两方面技术的一些功能点。

    视觉自动驾驶技术

     

    ET7搭载了4颗NVDIA Drive Orin芯片以及800万像素的摄像头,这两个硬件设备是视觉自动驾驶技术实现的根本。先来说下芯片,这款芯片是专业的车载芯片。

    ORin芯片可以支持基于Cuda和TensorRT做深度学习模型的服务,TensorRT是一个模型服务的框架,可以支持各种框架产生的模型。

     

    ET7每秒钟可以产生8GB的视频,而视觉自动驾驶技术,其实就是一个物体识别模型实时inference的流程,需要保持每秒钟超过10个以上的图片识别请求效率。所以视觉自动驾驶的实现前提是强大的芯片计算力。Orin芯片是这个计算力的保证。

     

    另外我个人的一个猜想,其实在汽车驾驶过程中Orin芯片可以被用来做实时的图片识别,当汽车不运行的时候,比如汽车充电的时候,这些计算力也可以用来做模型的更新,利用迁移学习技术对本车产生的一些新的数据做模型的fine-tune,不过如何保证这些fine-tune的模型准确率是个问题。短时间内,我猜测,汽车芯片还是主要负责inference,不会参与训练。

     

    雷达波自动驾驶技术

     

    雷达波自动驾驶技术是对视觉自动驾驶技术的补充。NIO Aquila蔚来超感系统将定义量产车自动驾驶感知系统的全新标准,该系统拥有33个高性能感知硬件。11个800万像素的高清摄像头,4个前向,3个后向,4个环视;1个超远距高精度激光雷达,5个毫米波雷达;12个超声波传感器,两个高精度定位单元,以及车路协同感知和增强主驾感知。

    屏幕快照 2021-01-11 下午8.27.31.png

    在一些雷雨天气,摄像头可能被雨点弄模糊,或者在一些强光环境下,摄像头无法正确捕捉画面,这个时候通过激光雷达波的方式可以辅助识别前方障碍物。下图是雷达波反馈的一个前方障碍物效果图,基本也能构建出前方的事物。

    屏幕快照 2021-01-11 下午8.06.19.png

     

    Aquila雷达波系统是由一家中国供应商Innovusion提供,该供应商也接受了来自蔚来的投资。目前Innovusion主要提供L3以上的自动驾驶辅助功能。

     

    激光雷达本身的原理非常简单,像激光笔一样打到边上屏幕上,发过去再回来。但是自动驾驶难就难在要在自然的场景下,在自然光的条件下,有时候还有阳光,各种雨雾天气情况下打这个激光笔的光点,而且光电会打到各种不同特性的物体表面。如果打在会场后面,大家可以看到光点大很多了。如果在外面阳光下,用这个激光笔打的光点几乎是看不到的。在自然环境下保守估计有5%-10%的几率激光雷达系统会接收不到从物体返回的信号。

    屏幕快照 2021-01-12 下午7.42.31.png

    比如在50米以外,一米高的小孩要十个点以上(才能有效感知),需要激光雷达的传感器分辨率至少达到0.2度左右。另外高速路上的行驶,大家公认比较保守的停车、刹车距离大约是150米左右,这么远距离以外,汽车比人更不可控制,也许有一些车本身擦得很亮,颜色非常深,这时候一个车上需要有15-20个点左右。同样推算,激光雷达的分辨率也需要0.2度左右。一个驾驶场景考虑到纵向有坡度等不同变化条件下,大家可能希望有大约20-30度左右的视角。30除以0.2度,所以大家希望激光雷达达到的线数是150线左右,这是L4级自动驾驶的最低线数。

     

    总结一下

     

    目前来看,蔚来在自动驾驶方面准备走雷达波结合视觉识别的方式,对比特斯拉只采用视觉识别的模式,蔚来的方案显然保证性更高。在视觉识别方面,未来技术发展路线一定是通过更多地训练样本提升模型准确率。在雷达波技术演进方面,未来很有可能采取更多线的雷达波方案,增加辐射面积。

     

    蔚来这辆车我爱了,希望国产车越来越牛~

     

     

     

     

    展开全文
  • ZF采埃孚带来自动驾驶解决方案和零排放技术.pdf
  • 汽车电子技术——自动驾驶技术1. 系统的硬件架构1.1 感知层—传感器1.2 决策层—汽车的大脑1.3 执行层—线控技术2. 软件系统平台2.1 基于autosar系统平台总体架构2.2 基于ROS的自动驾驶系统2.3 Apollo的自动驾驶平台...

    毫无疑问,自动驾驶都已成为当下及今后汽车领域最热门的一派。2021年4月,普华永道发布《2020年数字化报告》的第三篇——《打造软件驱动的汽车企业》。报告以每车型E/E架构开发成本为例,将2030年与2021年进行对比,硬件成本占比将下降11%,而软件成本将从34%上升至42%,测试和验证成本将从28%升至31%。到2030年,软件在汽车消费者感知价值中的占比将达60%。并且,新型用车模式的发展将推动这一比例继续提升。换句话说,十年后的汽车,软件比硬件值钱。到2030年,自动驾驶功能将占软件开发总成本的45%。软件定义汽车时代之下,自动驾驶万千瞩目。
    博主之前写过《机器学习系列博文》,在自己学习及分享该系列各章节博客时,由于博主本身所处汽车行业,就已经同时关注及搜集相关机器学习算法在智能化及自动驾驶中的应用,并在此系列博文中给出相应的参考硕博论文。所以很早之初,博主就关注着汽车电子及自动驾驶的技术发展及动态,博主前面的《汽车电子技术系列》的博文也可供大家参考查阅。
    由于自己早之前就注意开展自动驾驶相关技术知识的学习及储备,算法中的视觉感知及决策控制方面,已对机器学习及深度学习有相应的学习及输出;自动驾驶感知层的传感器产品方面,自己在实际项目过程中,参与了摄像头及毫米波雷达的部分研发支持工作;在执行器方面,也参与线控制动及转向的产品研发过程。
    所以关于自动驾驶相关的知识,博主也始终在持续学习及积累中,在此简要记录一下自己的学习脚步。自动驾驶涉及的相关的知识非常广博及复杂,必然不是一篇博文或一本书就可以说明白的。所以此也仅作为自己知识架构及学习路线的简要分享,在作为知识记录的同时,如果有感兴趣的小伙伴,可供参考及欢迎讨论。自己对该篇博文会持续更新补完善。
    在书籍方面的学习,自动驾驶相关书籍自己买了以下三本作为参考学习:
    在这里插入图片描述

    《第一本自动驾驶技术书》刘少山 等著
    《自动驾驶技术》 田晋跃 等著
    《低速自动驾驶原理及应用》 杨建锁 等著

    其实以上书目中,任意一本熟读学习下来,均可了解自动驾驶技术的整体框架,对于更细化的知识,就需要额外的找资源及其他途径了解。其实在当下,自动驾驶领域相关人才还非常稀缺,如果身边能有本身在做自动驾驶的朋友或同事,多向他们学习及咨询探讨,有助于自己将理论知识和工程应用联系起来,加深理解和领悟。我有一个学长一直在驭势科技做自动驾驶,所以自己经常向他请教学习,《低速自动驾驶原理及应用》这本书就是他推荐的,该书对特定环境场景下的低速自动驾驶应用(如农业、港口、矿区、景区、物流、教育等)实现落地的量产技术,做了全面的介绍及阐述,值得一看。
    虽然自动驾驶现在非常热,但该领域的人才较为稀缺,所以其实在自动驾驶领域的人才培养及相关视频课程,还并不多。除了书籍的学习之外,自己也找到了一些视频课程学习,同样刚兴趣的小伙伴可以在慕课平台上找到该系列课程。
    《北京理工大学视频课程—— 无人驾驶车辆 》
    在无人驾驶方程式大赛上,北京理工大学无人驾驶方程式车队多次夺得全国总冠军。由此可见,北京理工大学在自动驾驶教学积累及实践培育方面的能力是很强的。北京理工大学精心录制的这门课程,也是很不错的。

    作为一门面向初学者的自动驾驶车辆慕课,本课程强调知识体系的系统性和完整性,包括自动驾驶车辆发展历程、应用前景、体系结构,车辆底盘自动化改造,自动车电子电气架构及其硬件,环境感知,定位导航,决策与规划,运动控制,智能网联,自动车的设计与测试等内容。有助于帮助大家知悉和理解自动驾驶车辆国内外发展历程、应用前景、自动驾驶车辆结构组成;掌握自动驾驶车辆功能需求分析与总体设计方法;能够完成自动驾驶车辆底层系统设计、控制系统设计、感知系统设计、路径规划系统设计,并具有开展仿真与实车测试试验的能力。

    当然,除了书籍和视频教程,网上还是有很多的分享资料,大家也可以自己查阅学习。

    上海车展被视作各大整车厂展示未来技术路线的竞技场,“高级别自动驾驶”成为今年车展最热门的话题,小鹏汽车、蔚来、威马汽车等造车新势力不断升级自动驾驶技术,华为、百度、大疆、地平线等科技巨头也纷纷入局,助推了技术发展和革新。博主参加了今年四月份的上海车展,主要关注自动驾驶和智能座舱等方面的技术及产品。
    在这里插入图片描述

    会展中极狐阿尔法、蔚来和小鹏等的高级别自动驾驶技术应用格外引人注目。
    极狐阿尔法S华为HI版会搭载三颗96线固态激光雷达,分别置于车标及左右头灯下方。其水平探测视野为120度,垂直25度,在10%反射率情况下可以实现150米探测距离,帧率25Hz。除了激光雷达之外,阿尔法S还配备了9颗ADAS摄像头、6个毫米波雷达、12个超声波雷达、4颗环视摄像头,以及V2X+高精地图。
    蔚来eT7选择将激光雷达放置在车顶前端,这种设计在发生追尾事故时可以有效降低维修成本。eT7的激光雷达来自初创企业innovusion,使用混合固态方案,波长1550纳米,水平视野120度,探测距离400米(未标明反射率)。当然,蔚来也明白感知硬件对于自动驾驶的重要性,所以在激光雷达之外也堆叠了11颗摄像头、5个毫米波雷达、12个超声波雷达以及高精定位单元与V2X车路协同,同时蔚来宣称这套NAD自动驾驶系统可以实现高速、城区、泊车等场景下的自动驾驶。
    小鹏的第三款量产车P5也走上了激光雷达路线,在前包围两侧放置了两个与大疆旗下的Liovx览沃合作开发的Horizon激光雷达,其水平视野120度,对于10%反射率物体探测距离为150米。同时P5还搭载了9颗ADAS摄像头、5个毫米波雷达、12个超声波雷达、4颗环视摄像头,高精定位单元也没有缺席。小鹏官方宣传搭载激光雷达的P5车型可以实现高速及城市道路的领航自动驾驶。
    可以看出来在现阶段,1+颗激光雷达,10+摄像头,5+毫米波雷达,10+超声波雷达是当下高级别智能驾驶的配置水平。对于智能汽车行业来说,先进的自动驾驶传感器产品搭载率会越来越高。

    1. 系统的硬件架构

    自动驾驶汽车三大关键系统如图所示:感知层、决策层、执行层。从整个硬件的架构上也要充分考虑系统感知、决策、执行的功能要求。整体设计和生产上要符合相关车规级标准,如ISO26262、AECQ-100、TS16949等相关认证和标准。目前L1、L2、ADAS系统的硬件架构体系和供应链相对完善符合车规级要求。

    在这里插入图片描述

    自动驾驶的智能车系统平台的硬件总体分为两大类。一类用于环境感知的外部传感器设备,如激光雷达、超声波传感器、摄像头、航姿仪、GPS等。另一类用于车辆控制的硬件设备,如轮彀电机、助力转向系统(Electric Power Steering.EPS)、线控制动系统(Electronic mechanical Brake System。EBS)、车辆电源设备、车辆照明系统等。

    1.1 感知层—传感器

    感知技术作为自动驾驶技术的关键之一,主要通过大量车载传感器为自动驾驶汽车加上了“眼睛”,用以精确识别周边环境以保证驾驶的安全性与可靠性。雷达传感器、摄像头等传感器技术在自动驾驶汽车中应用较多,主要有激光雷达、毫米波雷达,用于视觉传输的相机等。通过传感器负责采集自动驾驶汽车所需要的信息,包括感知车辆自身、汽车行驶周围环境等。
    1.1.1 超声波雷达
    超声波是指振动频率大于 20000 Hz 以上,超出了人耳听觉的上限,在空气中波长小于 17 mm,将这种听不见的声波叫作超声波,它是一种机械震动模式,超声波频率高、波长短,属于近距雷达。超声波测距原理是在超声波发射装置发出超声波后开始计时,超声波在空气中传播,途中碰到障碍物就立即返回来,超声波接收器收到反射波就立即停止计时。 超声波雷达在汽车上的应用包括倒车预警、自动泊车 。
    在这里插入图片描述

    1.1.2毫米波雷达
    毫米波雷达发出的电磁波频率通常是 30 GHz~300 GHz,波长为 1 mm~10 mm,电磁波雷达属于中距雷达。电磁波测距原理是在电磁波发射装置发出电磁波后开始计时,电磁波在空气中传播,途中碰到障碍物就立即返回来,电磁波接收器收到反射波就立即停止计时。电磁波雷达在汽车上的应用包括自适应巡航、并线辅助、预警辅助制动。
    毫米波雷达当前主要有 24GHz 和 77Ghz 雷达传感器。其中24GHz 雷达系统主要实现近距离探测(SRR),而77GHz 系统主要实现远距离的探测(LRR),77GHz毫米波雷达正在替代24GHz成为主流。目前汽车安装的雷达传感器数量也在不断增加,一般来说至少要1长(LRR )+4中短(SRR)共5个毫米波雷达,中短毫米波雷达主要以24GHz为主,而长程雷达必须是77Ghz。

    在这里插入图片描述

    1.1.3 车载摄像头
    目前的智能驾驶领域中,所应用的摄像头主要有单目摄像头和双目摄像头两类。在测距原理上,两种摄像头便完全不同。单目摄像头需要对目标进行识别,也就是说在测距前先识别障碍物是车、人还是别的什么。在此基础上再进行测距。而双目摄像头则更加像人类的双眼,主要通过两幅图像的视差计算来确定距离。也就是说,双目摄像头不需要知道障碍物是什么,只要通过计算就可以测距。
    摄像头采集图像进行处理,将图片转换成二维数据,然后通过图像匹配进行识别,识别该车行驶环境中的其他车辆、行人、车道辅助线、交通标志、移动与静止障碍物等。单目摄像头测距精度低,易产生漏报,而采用双目摄像头可对物体进行精确测距。摄像头在汽车上的应用包括车道偏预警、交通标志识别、车道保持辅助、行人碰撞预警、全景泊车、驾驶员疲劳预警等。

    在这里插入图片描述

    1.1.4 激光雷达(Li DAR)
    激光雷达通过水平旋转(5 Hz~20 Hz)激光扫描信号的时间差、相位差来确定距离,系统检测 3D 空间中每个像素到发射器间的距离和方向,创造出真实世界完整的 3D 模型。激光雷达测距原理是在激光发射装置发出激光后开始计时,激光途中碰到障碍物就立即返回来,接收器收到反射信号就立即停止计时,根据激光发出与返回时间计算出激光雷达与障碍物的距离。自动驾驶汽车在行驶过程中激光雷达每旋转一周,收集到的所有反射点坐标的集合形成了点云。
    激光雷达有单线(亦称单层、二维)和多线(亦称多层、三维)两种激光雷达,多线雷达能够增加一定角度的俯仰,实现一定程度的面扫描。激光雷达线数越多,成像效果越好、越清晰,自动驾驶汽车行驶时的安全系数越高。一般在自动驾驶汽车上会结合两种激光雷达来实现障碍物探测和指导汽车安全通过道路的功能。激光雷达传感器可以实时测量两车之间的距离及相对运动速度。测量精度高,不依赖环境光线,有效范围 0~200 米,但易受雨雪天气影响,成本较高。

    在这里插入图片描述

    1.1.5 GPS及惯导传感器IMU
    行车定位是自动驾驶最核心的技术之一,全球定位系统(GPS)在自动驾驶定位中也担负起相当重要的职责。然而自动车是在复杂的动态环境中行驶,尤其在大城市,GPS多路径反射的问题会很明显。这样得到的GPS定位信息很容易就有几米的误差。对于在有限宽度高速行驶的汽车来说,这样的误差很有可能导致交通事故。因此我们必须借助其他传感器来辅助定位,增强定位的精度。另外,由于GPS的更新频率低(10Hz),在车辆快速行驶时很难给出精准的实时定位。
    惯性传感器(IMU)是检测加速度与旋转运动的高频(1KHz)传感器,对惯性传感器数据进行处理后我们可以实时得出车辆的位移与转动信息,但惯性传感器自身也有偏差与噪音等问题影响结果。而通过使用基于卡尔曼滤波的传感器融合技术,我们可以融合GPS与惯性传感器数据,各取所长,以达到较好的定位效果。注意由于自动驾驶对可靠性和安全性要求非常高,所以基于GPS和惯性传感器的定位并非自动驾驶里唯一的定位方式,我们还会使用LiDAR点云与高精地图匹配,以及视觉里程计算法等定位方法,让各种定位法互相纠正以达到更精准的效果。

    在这里插入图片描述

    1.1.6 当前两类主流核心传感器系统

    自动驾驶的关键在于利用传感器进行车辆周边环境的判断,不仅是静态障碍物,而且还有移动的车辆和人,动态障碍物大多利用激光传感器进行检测。当下的技术路线主要包括以特斯拉为代表的视觉主导的多传感器融合方案,以及以谷歌 Waymo 为典型代表的低成本激光雷达为主导的两种方案。
    在这里插入图片描述

    以视觉为主导的核心传感器系统红外摄像技术和普通摄像技术是现有的自动车常用的视觉技术,二者最大的区别在于镜头感知对象的不同。普通摄像头只有在白天才能发挥比较好的作用,而红外摄像头则不依赖外界人体可见光源,因此可以全天使用,具有相对较好的抗干扰能力。以视觉为主导的多传感器融合方案以特斯拉为代表。主张采用多摄像头的方案来替代多毫米波雷达和激光雷达方案,这在一定程度上降低了硬件成本但同时增加了软件算法的压力。随着自动驾驶技术日趋成熟,民众对自动驾驶汽车的各种性能要求也必然不断提高,车载传感器势必会越来越多,软件算法的开发无疑会遭受更大的挑战。
    以激光雷达为主导的核心传感器系统激光雷达是自动驾驶汽车传感器系统中最强大的传感器之一,常见的激光雷达有二维和三维之分,且各有优劣。二维激光扫描雷达结构较为简单,扫描得到的二维信息处理起来也比较简单。三维激光扫描雷达则可以用来得到障碍物的三维信息以进行更为精准的识别,但其价格相对较为昂贵。谷歌Waymo 作为以激光雷达为主导的自动驾驶方案的典型代表,主要通过 LIDAR 传感器快速发射激光脉冲来计算并确定传感器到障碍物之间的距离,具有方向性好,不易受到地面杂波影响等优点。不过该系统在具体使用过程中也有着一些明显的缺陷:LIDAR 系统面对 30 ~ 200 米以外的物体可以实现较为精确地识别,但是对于近距离物体的探测却显得有些困难,而且会受到周围环境和天气的影响。因此,研究者通常将它和其它辅助传感器一起使用以更好地应对不同的环境。

    1.2 决策层—汽车的大脑

    本博文初步框架搭好,后续会持续更新完善。

    1.3 执行层—线控技术

    2. 软件系统平台

    2.1 基于autosar系统平台总体架构

    2.2 基于ROS的自动驾驶系统

    2.3 Apollo的自动驾驶平台

    3. 自动驾驶中的机器学习

    4. 参考学习的书籍

    《第一本自动驾驶技术书》刘少山 等著
    《自动驾驶技术》 田晋跃 等著
    《低速自动驾驶原理及应用》 杨建锁 等著

    =文档信息=
    本学习笔记由博主整理编辑,仅供非商用学习交流使用
    由于水平有限,错误和纰漏之处在所难免,欢迎大家交流指正
    如本文涉及侵权,请随时留言博主,必妥善处置
    版权声明:非商用自由转载-保持署名-注明出处
    署名(BY) :zhudj
    文章出处:https://zhudj.blog.csdn.net/

    展开全文
  • 自动驾驶技术小结

    千次阅读 2020-01-08 14:38:40
    自动驾驶技术不需要人为操作,仅仅通过GPS、惯导、雷达等感知设备即可达到自动导航及行驶的目标。自动驾驶技术分为5个级别: 等级0:即无自动。驾驶随时掌握著车辆的所有机械、物理功能,仅配备警报装置等无关主动...
  • 自动驾驶技术——初学者笔记1:自动驾驶分级 最近正在研读工信出版社的《第一本无人驾驶技术书》,这里做一下笔记,这一章作为写博客的测试篇章。 自动驾驶技术的分级。 分级又两种:美国公路交通安全级(NHTSA)...
  • 高速铁路既有ATP实现自动驾驶技术方案研究.pdf
  • 1)自动驾驶汽车是通过搭载先进的车载传感器、控制器和数据处理器、执行机构等装置,借助车联网、5G和V2X等现代移动通信与网络技术实现交通参与物与彼此间的互换与共享,从而具备在复杂环境下的传感感知、决策规划、...
  • 中国自动驾驶技术发展分析.pptx
  • 中国自动驾驶技术发展分析.pdf
  • L4自动驾驶技术

    2020-05-17 15:55:22
    L4自动驾驶技术 一.SAE的五个级别分别是: L0:驾驶员完全掌控车辆,无任何自动化能力。 L1:自动系统有时能够辅助驾驶员完成某些驾驶任务。比如高速自动巡航(自动认知所在车道),和一些驾驶辅助功能等等。 L2:...
  • 最近正在研读工信出版社的《第一本无人驾驶技术书》,这里做一下笔记。 自动驾驶系统主要由三部分组成,算法端,用户操作系统和云端。这一章简单学习算法端。 简单说来就是从传感器的原始数据中提取出来有意义的信息...
  • 【干货】浅析自动驾驶技术.pdf 【干货】自动驾驶汽车硬件与软件技术介绍.pdf 【干货】自动驾驶汽车硬件系统概述.pdf 【干货】自动驾驶系统:量产导向还是性能导向.pdf 【干货】自动驾驶芯片:GPU的现在和ASIC的未来....
  • 汽车自动驾驶技术初学者指南.docx
  • 最全自动驾驶技术架构和综述

    千次阅读 多人点赞 2021-05-15 11:12:34
    首先自动驾驶技术从业务流程上分为3个核心的流程,分别是环境感知定位、决策规划、执行控制。这3个核心流程的具体价值如下: 环境感知定位:主要是通过传感器技术和摄像头、GPS等技术获取汽车行驶过程中的环境...
  • 自主驾驶:使用深度学习和计算机视觉技术的机器人汽车自动驾驶解决方案
  • 1)自动驾驶汽车是通过搭载先进的车载传感器、控制器和数据处理器、执行机构等装置,借助车联网、5G和V2X等现代移动通信与网络技术实现交通参与物与彼此间的互换与共享,从而具备在复杂环境下的传感感知、决策规划、...
  • 汽车在接近测速摄像头时,自动将车速降低到限速标准之下
  • 无人驾驶 | 自动驾驶技术和机器人技术的对比

    千次阅读 多人点赞 2021-01-09 13:06:36
    自动驾驶是人工智能领域最炙手可热的方向,互联网巨擎(谷歌、Uber、百度等)、传统汽车大厂商、 Tier1供应商以及很多初创公司都纷纷投入到这场全新的交通运输生态的创建中。截止2017年6月18日以来,共有34家公司...
  • 在前面的文章介绍了环境感知中不同雷达的作用,一个标准的自动驾驶解决方案需要雷达与视觉技术的配合使用。视觉技术其实是仿生理学的解决方案,因为现实世界中司机驾驶车辆就是依靠视觉去做行车过程中的决策。 在...
  • 自动驾驶技术之所需技术

    千次阅读 2017-09-03 11:44:14
    自动驾驶涉及到的技术:从大方面来说包括硬件和软件 《一》、首先我们来说硬件,有篇论文Development of Steering Control System for Autonomous Vehicle Using Geometry-Based Path Tracking Algorithm:里面详细...
  • 来源:《2020 自动驾驶技术报告》进入 2020 年,自动驾驶技术的跨越式路线与渐进式路线之间的阵营划分已经十分明显。但最终自动驾驶要完全实现无人化,...
  • 自动驾驶线控技术,另外还包含了自动驾驶学习资料 涵盖感知,规划和控制,ADAS,传感器; 1. apollo相关的技术教程和文档; 2.adas(高级辅助驾驶)算法设计(例如AEB,ACC,LKA等) 3.自动驾驶鼻祖mobileye的论文和...
  • 所以为了保证安全性,为了保证高级自动驾驶的有效冗余性,我们需要高精度地图这样一个冗余的传感器,来支撑自动驾驶,弥补传感器的不足。 同时还有其他典型情况,下图可以看到在城市的复杂道路环境下有很多的红绿灯...
  • 自动驾驶汽车需要高度安全、可靠、快速响应的解决方案,此类解决方案依赖于由海量数据驱动的瞬时决策。为了快速分析未来自动驾驶汽车所需的数据,带宽更高的内存和存储解决方案不可或缺。 到2020 年,在互联网汽车...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 47,000
精华内容 18,800
关键字:

自动驾驶技术方案