如果您需要帮助,请点击这里

无人驾驶全景扫描(三)

boy

北美泰哥

2018-12-11 253
感情男声
  • 感情男声
  • 感情女声
  • 标准男声
  • 标准女声
倍速1.0X
  • 倍速0.5X
  • 倍速1.0X
  • 倍速1.5X

免责声明:文章内容和观点仅代表作者本人观点,供读者思想碰撞与技术交流参考,不作为华为公司产品与技术的官方依据。如需了解华为公司产品与技术详情,请访问产品与技术介绍页面或咨询华为公司人员。

(本文撰写于2018年年初)

5.1.2导航定位技术

导航可分为自主导航和网络导航两种。

自主导航技术在本地存储地理空间数据,所有的计算在终端完成,在任何情况下均可实现定位,但是自主导航设备的计算资源有限,导致计算能力差,有时不能提供准确、实时的导航服务。现有自主导航技术可分为三类:相对定位:主要依靠里程计、陀螺仪等内部本俸感受传感器,通过测量无人车相对于初始位置的位移来确定无人车的当前位置。绝对定位GPS:主要采用导航信标.主动或被动标讽地图匹配或全球定位系统进行定位。组合定位:综合采用相对定位和绝对定位的方法,扬长避短,弥补单一定位方法的不足。组合定位方案一般有GPS+地图匹配、GPS+航迹推算、GPS+航迹推算+地图匹配、GPS+GLONAss+惯性导航+地图匹配等。

网络导航能随时随地通过无线通信网络、交通信息中心进行信息交互。移动设备通过移动通信网与直接连接于Internet的web GIS服务器相连,在服务器执行地图存储和复杂计算等功能,用户可以从服务器端下载地图数据。网络导航的优点在于不存在存储容量的限制、计算能力强。能够存储任意精细地图,而且地图数据始终是最新的。

5.1.3路径规划技术

路径规划技术可分为全局路径规划和局部路径规划两种。全局路径规划是在已知地图的情况下,利用已知局部信息如障碍物位置和道路边界,确定可行和最优的路径,它把优化和反馈机制很好的结合起来。局部路径规划是在全局路径规划生成的可行驶区域指导下,依据传感器感知到的局部环境信息来决策无人平台当前前方路段所要行驶的轨迹。全局路径规划针对周围环境已知的情况,局部路径规划适用于环境未知的情况。

路径规划算法包括可视图法、栅格法、人工势场法、概率路标法、随机搜索树算法、粒子群算法等。常见的车辆路径规划算法:

• Dijkstra算法

• Lee算法

• Floyd算法

• 启发式搜索算法——A* 算法

• 双向搜索算法

• 蚁群算法

5.1.4决策控制技术

决策技术主要包括专家控制、隐马尔科夫模型、模糊逻辑模糊推理、强化学习、神经网络和贝叶斯网络等技术。

决策控制系统的行为分为反应式、反射式和综合式三种方案:反应式控制是一个反馈控制的过程,根据车辆当前位姿与期望路径的偏差,不断地调节方向盘转角和车速,直到到达目的地。

面向量产的自动驾驶汽车必须对车辆的传统执行机构进行电子化改造,升级为具有外部控制协议接口的线控执行部件系统,主要包括线控油门、线控转向、线控制动三个部分。目前落地自动驾驶的执行控制部分被博世、大陆等国外Tier1占主导地位。这些Tier1拥有自成体系的全套底盘控制系统,且大多不开放。比如博世研发了Ibooster,日立研发了EACT,大陆研发了MK C1 ,而天合研发了IBC。

5.1.5自动控制技术

自动控制模块主要包括转向、驱动和制动三个系统。无人驾驶汽车的三个控制系统对控制的精确性、平顺性、响应延时等性能要求有着不同的侧重点。其中,转向控制主要是对转向电机的控制,根据控制目标的不同,可分为角度闭环控制和力矩闭环控制。驱动控制实现对车辆加速、匀速、减速的控制。制动控制根据制动场景的不同又可分为正常的制动控制和紧急制动控制。

接受车辆控制指令,让车辆行驶,这是传统车辆厂商和供应商擅长的地方。但除了简单的对车辆进行加减速,转向的控制之外,对传统车辆的改造还涉及对传统汽车电子部分的改造:如更高速的数据传输总线,更复杂的电磁兼容环境,对系统安全性的更高要求等等。这些也为自动驾驶行业引入了新的厂商。

5.1.6车联网技术

车联网和其他通讯相关技术是未来自动驾驶系统的重要组成部分。

5.2关键技术点


传感器 优点 缺点 成本 主要供应商
超声波雷达 成本低、数据处理迅速 监测距离短,传播衰减能量较大 100元以下 厂家众多
激光雷达 精度高,不依赖光线,0-200米测量范围 监测距离短,传播衰减能量较大 3千-50万 Quannergy, Velodyne, IBEO
毫米波雷达 适应雨、雾、烟层天气,0-200米测量范围,可以测距和测速 视野角度较小,侧向精度低,分辨率低 800-1000元 大陆、博世、海拉、ZF、电装
摄像头 成本低,获取信息全面 光线影响较大 200-300元 松下、SONY
夜视系统 环境适应性好,功耗低 成本较高 5千-2万
数据来源:ifenxi

5.2.1 ADAS

在实现无人驾驶的梦想前,高级驾驶员辅助系统(ADAS,Advanced Driver Assistant System)确实可以让驾驶员获得实实在在的收益。ADAS能够在复杂的车辆操控过程中为驾驶员提供辅助和补充,并在未来最终实现无人驾驶。

先进驾驶员辅助系统(Advanced Driver Assistant System),简称ADAS,是利用安装于车上的各式各样的传感器,在第一时间收集车内外的环境数据, 进行静、动态物体的辨识、侦测与追踪等技术上的处理, 从而能够让驾驶者在最快的时间察觉可能发生的危险, 以引起注意和提高安全性的主动安全技术。ADAS 采用的传感器主要有摄像头、雷达、激光和超声波等,可以探测光、热、压力或其它用于监测汽车状态的变量, 通常位于车辆的前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上。早期的ADAS 技术主要以被动式报警为主,当车辆检测到潜在危险时,会发出警报提醒驾车者注意异常的车辆或道路情况。对于最新的ADAS技术来说,主动式干预也很常见。例如,自适应巡航控制、盲点监测、车道偏离警告、夜视、车道保持辅助和碰撞警告系统,具有自动转向和制动干预功能的主动ADAS系统等。

ADAS是由多达9个甚至更多功能的系统组成,包括盲点侦测系统、支持型停车辅助系统、后方碰撞警示系统、偏离车道警示系统、缓解撞击刹车系统、适路性车灯系统、夜视系统、主动车距控制巡航系统、碰撞预防系统、停车辅助系统。

• 系统:车道偏离报警; 传感器:摄像机

• 系统:自适应巡航控制ACC; 传感器:雷达

• 系统:交通标志识别TSR; 传感器:摄像机

• 系统:夜视NV; 传感器:IR或者热成像摄像机

• 系统:自适应远光控制AHBC; 传感器:摄像机

• 系统:行人/障碍物/车辆探测(PD); 传感器:摄像机、雷达、IR

• 系统:驾驶员困倦报警; 传感器:车内IR摄像机

每个系统主要包含3个程序:

• 资讯的搜集,不同的系统需藉由不同类型的车用感测器,包含毫米波雷达、超声波雷达、红外雷达、雷射雷达、CCD \CMOS影像感测器及轮速感测器等来收集整车的工作状态及其参数变化情形,并将不断变化的机械运动变成电参数(电压、电阻及电流),举例来说,车道偏离警告系统使用CMOS影像感测器、夜视系统则使用红外线感测器、适应性定速控制通常使用雷达、停车辅助系统则会使用超声波等;

• 电子控制单元( ECU ),功能在将感测器所收集到的资讯进行分析处理,然后再向控制的装置输出控制讯号;

• 执行器,依据ECU输出的讯号,让汽车完成动作执行。

如果接触各大Tier1的ADAS产品,无论是AEB,还是ACC,LKA,你会发现都是基于规则的专家系统。这种系统精确可分析,但专家系统的问题在于,在场景非常多变时,创建的规则就无法保证足够的覆盖面。结果,当添加更多新的规则时,就必须撤消或者重写旧的规则,这使得这个系统变得非常脆弱。并且,各个功能都有自己单独的规则,组合到一起,其可能性就非常多,甚至还存在矛盾,这使得ADAS向自动驾驶过渡之路变得更加艰难。

自动驾驶决策技术路线的一个重大趋势,就是从相关推理到因果推理。从基于规则的系统转变为贝叶斯网络。贝叶斯网络是一个概率推理系统,贝叶斯网络在数据处理方面,针对事件发生的概率以及事件可信度分析上具有良好的分类效果。它具有两个决定性的优势:模块化和透明性。可以把深度学习的系统作为一个子模块融入到其中,专家系统可以是另一个子模块,也融入其中,这意味着我们有了多重的冗余路径选择,这种冗余构成了贝叶斯网络的子节点,将有效强化输出结果的可靠性,避免一些低级错误的发生。因果推理的另一个典型范例就是基于增强学习的决策框架,它把一个决策问题看作是一个决策系统跟它所处环境的一个博弈,这个系统需要连续做决策,就像开车一样。优化的是长期总的收益,而不是眼前收益。

0/500

请输入评论内容
提交评论

最新评论0

    查看更多评论

      评分成功!

      提交成功!

      评分失败!

      提交失败!

      请先填写评论!