自动驾驶

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。

自动驾驶初现端倪,实现起来都要靠哪些技术支持?

自动驾驶是汽车诞生以来,人们追求的蓝图,设想未来的汽车无人驾驶招手既停,快捷方便,为人们的出行带来巨大的改变,也大大解放了人类的出行时间。近几年,各大互联网巨头,新兴科技公司,传统车厂,都在这方面投入了巨大的热情,并成功研发出来能成功上了的无人驾驶汽车。那这样的汽车需要哪些基础技术支持呢?

自动驾驶的必要“耳朵”雷达传感器

在自动驾驶汽车的技术发展过程中,自动驾驶的汽车对周边环境的感知与理解,是实现自动驾驶的基本前提,所以要实现要自动驾驶的基础是各种各样的传感器的协调工作,才能让汽车“眼观六路耳听八方”,只有准确及时的感知到车辆周围的道路、其他车辆、行人等信息,自动驾驶汽车的驾驶行为才会有可靠的决策依据。

自动驾驶的“耳朵”就是车上的雷达传感器,雷达最初是为军事和航空电子应用开发的。在汽车上较常用的是毫米波雷达,毫米波雷达的工作频率介于30~300GHz之间,波长介于厘米波和光波之间,所以,毫米波雷达兼具微波制导和光电制导的优点,穿透力强,具有全天候。全天时的特点,但是大雨天气毫米波雷达的性能会大大下降,而且毫米波是重要的雷达频段,在很多场合受到的干扰较大。

Imagination参加2018底特律AutoSens大会

作者: Benny Har-Even

Imagination近期参加了在底特律举办的AutoSens大会上展示了我们的创新技术,AutoSens是汽车传感器和感知技术的会议,它将工程师和其他参与ADAS和自动驾驶市场的相关人员联系起来。

此次活动涵盖了一系列的话题,比如传感器技术、图像处理、算法演进、深度学习应用以及嵌入式系统的计算机视觉和AI应用等,当然这与我们在Imagination负责的工作相吻合。

当人们不需要知道:片上AI如何有助于GDPR的合规性

作者:Simon Forrest

GDPR的影响

2018年5月25日,欧盟所有成员国都将采用新的通用数据保护条例(也称为GDPR),该条例对于个人信息的收集、管理和使用有了更严格的规定。新法规对于消费者数据的整理方式、必须采用哪种方式进行存储和保护以及如何使用等方面具有广泛的影响。

各种组织不能够再收集大量关于消费者的数据进行多方面的分析——现在要求数据控制者将个人数据的处理操作最小化,并且进行高效的限制,仅用于特定目的应用需求。此外,该应用必须能够明确传达给相关数据的个人,获取用户同意的要求也必须更加的明确。因此,那些我们已经熟悉的笨拙且易混淆的条款都将不适用:处理个人用户数据的公司必须能够透明的解释他们要收集哪些数据、清楚地说明为什么需要这些数据以及如何使用等。

另一个重要的考虑因素是:GDPR给予同意处理其数据的个人可以随时撤销授权的权利,值得注意的是,数据控制人员必须为此建议用户这项权利,他们还必须能够提供简单的方法让用户能够撤销授权,然后确保在合理的时间范围内删除数据,这仅仅是数据处理法规方面的根本性改变,但可能会产生巨大的影响。

浅谈自动驾驶各级别不同挑战

作者:远光灯

为了更好地区分不同层级的自动驾驶技术,国际汽车工程师学会(SAEInternational)于2014年发布了自动驾驶的六级分类体系,美国国家公路交通安全管理局(NHTSA)原本有自己的一套分类体系,但在2016年9月转为使用SAE的分类标准。今天绝大多数主流自动驾驶研究者已将SAE标准当作通行的分类原则。

浅谈自动驾驶各级别不同挑战

SAE标准将自动驾驶技术分为0级、1级、2级、3级、4级、5级,共六个级别。

浅谈自动驾驶各级别不同挑战

智能网联汽车将面临黑客和恶意软件攻击的威胁

智能网联汽车在数量上快速增长,这也是下一代个人交通工具的代表。汽车的销量预计到2022年会比2017年增长2倍,从525亿美元到1559亿美元。数量的大量增长对汽车厂商和IT安全公司带来了巨大的安全挑战。

与传统汽车相比,智能网联汽车增加了许多的新功能,包括WIFI,驾驶辅助系统和自动驾驶操作等。这些新功能使智能网联汽车在信息安全方面有很多的需求,比如避免危害驾驶员,乘客和其他人的入侵行为等。

安全风险

智能网联汽车与其他的互联设备一样,面临很多的安全威胁。下面是汽车安全领域当前和未来的威胁。

智能网联汽车将面临黑客和恶意软件攻击的威胁

个人数据和记录

本次在线研讨会【自动驾驶时代的车载显示演进】探讨由于辅助驾驶和无人驾驶技术进步的驱动使得汽车内驾驶员座舱和用户人机界面得以快速发展。

研讨会涉及以下内容:汽车应用中对GPU有怎样的需求;如何提高数字仪表,并增加所需的分辨率和屏幕数量,这些将驱使我们选择功能更加强大的GPU。

详阅请点击下载《自动驾驶时代的车载显示演进[网络研讨会幻灯片]》或前往Imagination官网观看现场视频会

【网络研讨会】自动驾驶时代的车载显示演进

日期:2018年3月8日 时间:11:00AM 太平洋时间

简要:

本次在线研讨会将探讨由于辅助驾驶和无人驾驶技术进步的驱动使得汽车内驾驶员座舱和用户人机界面得以快速发展。 研讨会将涉及以下内容:汽车应用中对GPU有怎样的需求;如何提高数字仪表,并增加所需的分辨率和屏幕数量,这些将驱使我们选择功能更加强大的GPU。我们将介绍一款最新的基于Furian架构的GPU产品线PowerVR-四个集群的PowerVR 系列 8XT GT8540。

您将了解到:

  • 驱动车载娱乐以及仪表板高端市场的因素是什么?
  • Series8X系列比之前PowerVR GPU有如何提升
    • 相比上一代Rogue架构,新的Furian架构的特点
    • 新架构的细节

探讨:自动驾驶涉及的软硬件

自动驾驶汽车(Autonomous vehicles;Self-piloting automobile )又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人,是一种通过电脑系统实现无人驾驶的智能汽车。

那么,自动驾驶所涉及的软硬件有哪些呢?

1、传感器

传感器相当于自动驾驶汽车的眼睛。通过传感器,自动驾驶汽车能够识别道路、其他车辆、行人障碍物和基础交通设施。按照自动驾驶不同技术路线,传感器可分为激光雷达、传统雷达和摄像头三种。

(1)激光雷达

目前是被采用比例最大的设备,Google、百度、Uber等公司的自动驾驶技术目前都依赖于它,这种设备被架在汽车的车顶上,能够用激光脉冲对周围环境进行距离检测,并结合软件绘制3D图,从而为自动驾驶汽车提供足够多的环境信息。激光雷达具有准确快速的识别能力,唯一缺点在于造价高昂(平均价格在8万美元一台)导致量产汽车中难以使用该技术。

(2)传统雷达和摄像头

机器学习算法在自动驾驶领域的应用大盘点

将汽车内外传感器的数据进行融合,借此评估驾驶员情况、进行驾驶场景分类,都要用到机器学习。本文中,我们讲解了不同的自动驾驶算法。

自动驾驶汽车的设计制造面临着诸多挑战,如今,各大公司已经广泛采用机器学习寻找相应的解决方案。汽车中的ECU(电子控制单元)已经整合了传感器数据处理,如何充分利用机器学习完成新的任务,变得至关重要。潜在的应用包括将汽车内外传感器的数据进行融合,借此评估驾驶员情况、进行驾驶场景分类。这些传感器包括像激光雷达,雷达,摄像头或者是物联网。

车载信息娱乐系统所运行的应用,能从传感器数据融合系统中获取数据。举个例子,如果系统察觉驾驶员发生状况,有能力把车开到医院。基于机器学习的应用,还包括对驾驶员的语言和手势识别以及语言翻译。相关的算法被分类为非监督和监督算法。它们两者的区别在于学习的方式。

• 监督学习算法使用训练数据集学习,并且能够持续学习直到达到设定的置信水平(最小化出错概率)。监督学习算法分为回归、分类和异常检测以及数据降维。

同步内容
--电子创新网--
粤ICP备12070055号