自动驾驶

盘点:推动自动驾驶汽车发展的四项技术趋势

虽然跟得太紧或是刹车太晚等驾驶行为很容易处理,但是预测其他驾驶员行为以及处理复杂的交叉路口情况只能依赖有经验的驾驶员。自动驾驶汽车(AV)就像新手驾驶员,只是其拥有发展得更好的大脑以及价值数十亿美元的技术,可帮助缩短学习时间。但是即使使用其所有的传感器和软件,自动驾驶汽车在可以完全自信且有能力驾驶之前,仍有需要克服的缺陷。

在自动驾驶车辆竞争中,有几项不太引人注目的技术趋势正在突起,以帮助真正的自动驾驶车辆成为现实。

教会自动驾驶车辆有关道路规则技术

人类驾驶员必须学习驾驶员手册,了解停车标志和让路标志的区别,同样地,自动驾驶车辆也需要通过人工智能(AI)学习道路规则。此外,自动驾驶车辆还需要通过在路上花费数小时来获取有关真实世界的体验。

自动驾驶技术之——无人驾驶中的CAN总线

CAN总线在整个无人驾驶系统中有着十分重要的作用。除了在VCU信号需要通过CAN总线进行传输外,无人车上的某些传感器(如雷达、Mobileye)的信号传递也是通过CAN实现的。

前言

本文主要内容是——无人驾驶中的CAN(Controller Area Network )总线。

CAN总线在整个无人驾驶系统中有着十分重要的作用。除了在VCU信号需要通过CAN总线进行传输外,无人车上的某些传感器(如雷达、Mobileye)的信号传递也是通过CAN实现的。

我在无人驾驶,个人如何研究?中提到过

实现一个无人驾驶系统,会有几个层级: 感知层 → 融合层 → 规划层 → 控制层 更具体一点为: 传感器层 → 驱动层 → 信息融合层 → 决策规划层 → 底层控制层

“传感器层”在之前的分享中已经介绍过了,这次主要介绍的是“驱动层”相关的内容。

正文

自动驾驶时代即将来临 它将如何重塑城市形态?

一座城市的精华并不存在于纪念碑或博物馆中,街道上活生生的人和景才是它的真谛。过去一个世纪以来,汽车成了城市街道的霸主,街道和环境都在看它们的脸色变化。

为了提升交通效率,街道变得笔直宽阔,而在十字路口,保护行人则成了第一要务。商业区的布局也有了变化,它们大多建在空地附近,而空地则用来停车。

随着自动驾驶革命的深入,未来城市规划者肯定要刷新现有思维,重塑城市格局,更改现有过时的设计,搭建一个对行人更为友好的欢乐城市。

“主动脉”

虽然城市里的主干道还会继续存在(方便自动驾驶车辆快速输送乘客),但满城的双向八车道恐怕会逐渐减少。鉴于自动驾驶技术永远也无法达到完美状态,因此为自动驾驶汽车提供快速通道能减少事故发生的几率。

城市绿地

绿地对城市相当重要,即使只是一棵树或一个小公园,都能切实提升居民的心理健康。鉴于自动驾驶时代私人车辆会大幅减少,因此停车场会为绿地让出大量空间。有了空间,想把城市打造成大花园就简单多了。

“鸟巢”休息站

虽然自动驾驶时代路边停车位和社区车库都可以大幅削减,但停车这个刚需不可能完全消失。而且如果在非高峰期还要运营巨大的自动驾驶车队,出租车公司在成本上也吃不消。

“无人驾驶”的技术路线

作者:郭喨 唐兴华
来源:中国社会科学网-中国社会科学报

无人驾驶车辆真要跑起来,需要解决感知、决策和执行等层面的技术问题。感知系统也称为“中层控制系统”,负责感知周围的环境,并进行识别和分析;决策系统也称为“上层控制系统”,负责路径规划和导航;执行系统又称为“底层控制系统”,负责汽车的加速、刹车和转向。本文以“感知—决策—执行”的顺序呈现,是因为这样更加符合人类的驾驶模式。如,先看看前面——绿灯、周围无行人——收集信息;然后做出决策——可以通行;最后执行决策——开过十字路口。

自动驾驶的感知系统

感知系统的输入设备具体包括光学摄像头、光学雷达(LiDAR)、微波雷达、导航系统等。这些传感器收集周围的信息,为感知系统提供全面的环境数据。

光学摄像头是目前最便宜也是最常用的车载传感器,它的一大优点就是可以分辨颜色,因此也成为场景解读的绝佳工具。但其缺点也很明显:
1.缺乏“深度”这一维度,没有立体视觉就无法判断物体和相机(可以换算为车辆)间的距离;
2.对光线过于敏感,过暗或过强的光线以及二者之间的快速切变,比如驶入和驶出隧道都足以影响它的成像。

自动驾驶汽车的处理能力

作者:Bryce Johnstone - Imagination Technologies汽车应用总监

在未来20 - 30年中,自动驾驶汽车(AV)将改变我们的驾驶习惯、运输行业并更广泛地影响社会。 我们不仅能够将汽车召唤到我们的家门口并在使用后将其送走,自动驾驶汽车还将挑战个人拥有汽车的想法,并对环境和拥堵产生积极影响。市场调研公司ABI Research预测:到2030年,道路上四分之一的汽车将会是自动驾驶汽车。

行业专家已经为自动驾驶的发展定义了五个级别。 每个级别分别描述了汽车从驾驶员那里接管各项任务和责任的程度,以及汽车和驾驶员之间如何互动。 诸如自适应巡航控制这类功能是先进驾驶员辅助系统(ADAS)的示例,并且可以被认为是第1级的能力。 目前,市场上出现的一些新车正在实现第2级功能;但作为一个行业,我们仅仅是才触及ADAS系统的表面,更不用说完全自主驾驶了。

扒一扒自动驾驶车辆激光雷达的部件功能

据外媒报道,自动驾驶车辆配置的多款摄像头,旨在用该设备探查道路上的障碍物并绘制车辆周边环境。在各类传感器中,在功能方面,激光雷达传感器与人眼最为接近,其光探测和测距系统(detection and ranging system)与雷达类似,但其采用了光波替代了无线电波(radio waves)。

激光雷达系统利用激光脉冲信号“照亮(illuminate)”目标区域,并计算反射信号返回接收器的用时。该类系统由光源、光电探测器、数据处理电子器件及运动控制设备。

自动驾驶车辆大体采用了两类激光雷达设备,其分类依据为扫描车辆周边环境时所采用的方式,其中:1、3D闪光式激光雷达(3D flash LiDAR)由宽视角源及广视角光学件构成,旨在聚焦探查设备一次曝光(one exposure)上的所有反射光。2、扫描式激光雷达系统可向各个方向发射激光,逐个探查回响(echoes)以便绘制车辆周边环境。

自动驾驶的核心技术是什么?

用4级或5级来定义自动驾驶很难有一个明确的标准,自动驾驶也不应该搞得很复杂。自动驾驶实际包含三个问题:一是我在哪?二是我要去哪?三是如何去?能完整解决这三个问题就是真正的自动驾驶。所以特斯拉升级后的8000美元的Autopilot 2.0只有部分线控功能,不能算真正的自动驾驶。福特、百度和谷歌这些公司做的才是真正的自动驾驶,远在特斯拉之上,两者云泥之差,天壤之别。

第一个问题是定位,自动驾驶需要的是厘米级定位。

第二个问题是路径规划,自动驾驶的路径规划第一层是点到点的非时间相关性拓扑路径规划;第二层是实时的毫秒级避障规划;第三层是将规划分解为纵向(加速度)和横向(角速度)规划。

第三个问题是车辆执行机构执行纵向和横向规划,也就是线控系统。

目前自动驾驶的技术基本上都源自机器人,自动驾驶可以看做是轮式机器人加一个舒适的沙发。机器人系统中定位和路径规划是一个问题,没有定位,就无法规划路径。厘米级实时定位是目前自动驾驶最大的挑战之一。

摄像头、雷达、激光雷达——自动驾驶几大传感器系统大揭秘

如若要想在2021/2022的年度车型上实现SAE L4/L5的全自动驾驶功能,就需要应用多种传感器冗余系统。当今的半自动驾驶系统采用了各种各样数量和设计的雷达和摄像头系统。而高性能价格合理、能检测300米半径内信息的激光探测与测距系统开发,还处在预研阶段。大多数汽车制造商都认为,如果要实现全自动驾驶,摄像头、雷达和激光雷达这三大传感器系统缺一不可。

摄像头、雷达、激光雷达——自动驾驶几大传感器系统大揭秘

目前,超声波雷达、毫米波雷达和多摄像头系统已经在高端汽车上应用,随着智能驾驶发展破竹之势,环境感知技术将快速发展,进一步发挥协同作用。虽然传感器仅仅是自动驾驶汽车的一部分,但是市场前景十分广阔。因此,相关机构预计到2020年左右全球车载摄像头、毫米波雷达和夜视系统等市场都将进入快速成长期。

摄像头

智能驾驶之慧眼

自动驾驶级别、技术路线

自动驾驶技术分为多个等级,目前国内外产业界采用较多的为美国汽车工程师协会(SAE)和美国高速公路安全管理局(NHTSA)推出的分类标准。按照SAE的标准,自动驾驶汽车视智能化、自动化程度水平分为6个等级:无自动化(L0)、驾驶支援(L1)、部分自动化(L2)、有条件自动化(L3)、高度自动化(L4)和完全自动化(L5)。

从算法上解读自动驾驶是如何实现的?

车辆自主驾驶系统从本质上讲是一个智能控制机器,其研究内容大致可分为信息感知、行为决策及操纵控制三个子系统。路径规划是智能车辆导航和控制的基础,是从轨迹决策的角度考虑的,可分为局部路径规划和全局路径规划。

全局路径规划的任务是根据全局地图数据库信息规划出自起始点至目标点的一条无碰撞、可通过的路径。目前正在研究的有准结构化道路环境多种约束条件下的路径规划技术,自然 地形环境下的路径规划技术,以及重规划技术等。由于全局路径规划所生成的路径只能是从起始点到目标点的粗略路径,并没有考虑路径的方向、宽度、曲率、道路 交叉以及路障等细节信息,加之智能车辆在行驶过程中受局部环境和自身状态的不确定性的影响,会遇到各种不可测的情况。因此,在智能车辆的行驶过程中,必须 以局部环境信息和自身状态信息为基础,规划出一段无碰撞的理想局部路径,这就是局部路径规划。通常路径规划的方法有:空间搜索法、层次法、动作行为法、势场域法、栅格法、模糊逻辑法和神经网络法等。

汽车自动驾驶任务可以分为三层,如图所示,每层执行不同任务,包括上层路径规划、中层行驶行为规划和下层轨迹规划。

同步内容
--电子创新网--
粤ICP备12070055号