无人驾驶

基于双目视觉的无人驾驶算法

引言

基于现实世界是一个三维空间,所以对计算机视觉的研究也应该是在三维空间中进行的。在自动驾驶过程中的首要任务就是道路识别 [1],主要是图像特征法和模型匹配法来进行识别。行驶过程中需要进行障碍物检测 [2] 和路标路牌识别等,此时车辆,上的信息采集便可以运用单目视觉或者多目视觉。相比之下,运用多目视觉更具优势,获取的图像信息可构建成三维空间物体运动以及遮挡等问题对其影响较小。目前有很多智能小车的研究都是基于室内环境的研究,本文基于室外环境,采用双目摄像机模型 [3],考虑光照、路面材质等问题,采用分水岭算法 [4] 对智能车的区域进行定位,以及在行驶区域中采用多阈值 canny 算法来进行障碍物的检测,进而计算出障碍物大小位置等信息。

分水岭算法

无人驾驶汽车想要“普渡众生”,还要经历15个磨难

无人驾驶汽车的未来与电动平衡车的历史有什么关系吗?电动平衡车也曾被预言将彻底改变交通。史蒂夫·乔布斯曾经说,城市将围绕这一设备重新设计;约翰·杜尔说,它将比互联网更大。电动平衡车在技术上很成功,但从未达到其支持者所期望的对市场的巨大影响,相反其现在仅仅占有一个很狭窄的市场。

人们可以想象出自动驾驶汽车(autonomous vehicles, AVs)的类似命运:这项技术可以很好地发挥作用,但却只能局限在狭窄的市场环境中,就像预先设定好的航天飞机路线和缓慢移动的无人机。一些狭窄的应用,比如长途运输的州际高速公路,可能非常有价值,但远不及许多人想象的那样。

为了使自动驾驶汽车革命化,必须实现高水平的产业化。而第一步,他们必须在城市和郊区建立起强大的、相对便宜的类似Uber的服务。该行业正在联合起来,称这些服务为“交通服务”或“TaaS(Transportation as a Service,运输即服务)”。从长远来看,自动驾驶汽车必须足够强大,足以达到私有化并得以普及。

无人机和激光雷达,会是一对好CP吗?

图片来源:视觉中国

文|脑极体

占据一辆无人驾驶汽车成本40%的激光雷达,以精准和无死角的空间探测能力,成为是无人驾驶领域不可或缺的存在。

但和汽车相比,似乎激光雷达在无人机上更有用武之地:成像精度要求不高、行动自由范围大、成本更低、应用领域广泛。

更重要的是,与传统的无人机摄像头相比,激光雷达不受光线限制,在任何光线条件下效果都不错。原本需要大量人力物力搞定的测绘工作,激光雷达飞一飞,分分钟就能完成。

听起来,激光雷达和无人机,完全可以组合出道成为科技圈新的“流量担当”。事实也正是如此。

激光雷达上天现状:为地球加特效的神仙CP

为无人机装上激光雷达,可以说解决了一个人类自古以来的执念:怎样才能站得更高、望得更远?

激光雷达最初就是由美国国家航空航天局于上世纪70年代开发的太空探索工具。1971年阿波罗15号所绘制的月球表面地形图,就是由早期的激光雷达仪器来完成的。人类甚至还发明了卫星这种可以从太空俯视整个地球的大杀器。

但视野变大了,使用成本也变得极其高昂。 于是,又将主意打到了无人机身上。

原本无人机的摄像头只能摄录平面数据,再合成地图。但激光雷达的应用,让它对复杂环境的立体感知成为可能。

解构无人驾驶:有哪些关键技术?哪些关键公司?

无人驾驶汽车有望将在未来20年内得到广泛运用,各大科技公司和汽车厂商均在加大对无人驾驶的投入,资本也纷纷抢滩该万亿市场。

无人驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,通过电脑实现无人驾驶,可以在没有任何人类主动的操作下,自动安全地操作机动车辆。

无人驾驶依赖几种先进技术,这些互为补充的技术感知周围环境、进行自我导航。究竟这些技术如何协同工作?除了Waymo等知名的领头羊之外,又有哪些公司在推动这个行业发展?

解构无人驾驶:有哪些关键技术?哪些关键公司?

CB Insights拆解分析了实现无人驾驶的诸多技术,并介绍了有望让无人驾驶汽车更先进、更低成本、更容易扩展的几家初创公司。

感知能力

无人驾驶汽车必须要能够识别交通信号和标志,以及其他汽车、自行车和行人。它们还必须能感知前方物体的距离和速度,以便作出对应反应。

关于高精度地图定义的探讨

高精度地图是自动驾驶/无人驾驶的重要组成,那究竟什么是高精度地图?

网上找了两个关于高精度地图的定义,如下:

定义一:高精细地图是指高精度、精细化定义的地图,其精度需要达到分米级才能够区分各个车道,如今随着定位技术的发展,高精度的定位已经成为可能。而精细化定义,则是需要格式化存储交通场景中的各种交通要素,包括传统地图的道路网数据、车道网络数据、车道线以和交通标志等数据。

定义二:高精度电子地图也称为高分辨率地图(HD Map,High Definition Map),是一种专门为无人驾驶服务的地图。与传统导航地图不同的是,高精度地图除了能提供的道路(Road)级别的导航信息外,还能够提供车道(Lane)级别的导航信息。无论是在信息的丰富度还是信息的精度方面,都是远远高于传统导航地图的。

从上面的定义可以了解到,高精度地图提供了更高精度、更精细化的内容,包括了车道信息和交通标志信息等。那么更高精度+更详细内容=高精度地图?

关于高精度地图定义的探讨

无人驾驶入门的基本流程了解一下!

无人驾驶的操作流程,没有大家想的那么复杂。大家完全可以根据自己开车的实践,推断出自动驾驶应该包括那些内容。传统意义上,很多论文或者教材都喜欢把自动驾驶分成感知、预测、规划和控制四个部分,但是我个人喜欢再添加两个部分,即导航和停车,这样会构成一个更完整的整体。

1、导航

当车辆开始启动的时候,我们会输入起始地址和目的地址。有了这两个地址,软件就可以帮助我们规划合理的行驶路线。目前导航这一块已经很成熟了,百度导航和高德导航也做的很好。

2、感知

所谓感知,就是车辆需要定位自身的位置,同时它还需要了解周围的环境。为了做到这些,一般自动驾驶车辆需要安装1-n个激光雷达、1-2个长距离毫米波雷达,4个左右短距离毫米波雷达,8-12个摄像头雷达,8-12个超声波雷达,gps+imu定位系统,同时还要安装高清地图。有了这些传感器和软件,车辆才能进行数据分析、信息融合,获取周围的环境信息。

3、预测

无人驾驶技术之传感器部分简介

随着无人车技术发展越发成熟,越来越多人开始关注这个号称拥有万亿量级市场的新型行业。那么今天,我就先简单介绍下通常无人车所拥有的传感器。

首先,在汽车前玻璃上装有两个摄像头,就像人眼一样,构立体图像,可以捕捉图像数据和距离数据。

无人驾驶技术之传感器部分简介

其次,在两个立体相机中间是一个交通信号识别摄像头.通常交通信号灯在十字路口的另一边,因此需要特殊镜头,让摄像头捕捉足够的成像距离,可以检测远处的信号。

无人驾驶技术之传感器部分简介

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

“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。

补完安全系统,或许是无人驾驶技术的关键一环

在这篇文章开始之前,我们先提出一个问题:如果未来你以为的无人驾驶,在某个浑然不觉的时间段里实际上是有人驾驶,你会不会觉得毛骨悚然?

这并不是危言耸听。汽车从原始的纯机械工业产品变得越来越电子化、网络化,正如手机从原始的大哥大功能机接入网络、App,迈入智能机时代。手机包括一切网络接入设备所面临的安全问题,也将毫无疑问地出现在汽车身上。

如你所想,我们在这里要说的安全,是系统安全。

但与手机、电脑不同的是,无人驾驶汽车的系统一旦被黑客入侵甚至控制起来,涉及的就不仅仅是勒索钱财的问题,极有可能是要了人命。

或许,当我们一边要力争无人驾驶汽车在2020年能上路,另一边却到目前为止仍然把上路的安全问题集中在各种传感器、激光雷达、芯片或者算法的技术层面,系统安全的问题似乎就相对显得迫在眉睫了。

与传统汽车相比,无人驾驶危险在哪儿?

传统汽车的安全事故,最多也就是老司机一不留神翻个车;要全神贯注地开车,基本上没啥出问题的可能。但无人驾驶汽车要想翻车,老司机都没办法。毕竟在无人驾驶阶段,老司机都变成了乘客,你总不能指望着乘客上车之前还要学学代码什么的吧?

同步内容
--电子创新网--
粤ICP备12070055号