互联网+时代的智能驾驶

**一个时代来临了,同时,另一个时代即将过去。
——一个挚爱文学的烂笔头青年**

2014年夏伊始,智能汽车的衍生物,辅助驾驶、无人驾驶、自主驾驶、互联网汽车……突然在国内呼声大振,包括BAT、乐视、华为等互联网公司,以及以上汽为首的国内传统汽车巨头等,纷纷聚焦智能终端的又一前瞻领域——汽车行业。
面对此番场景,对于一个在无人驾驶煎熬了三年之久的小人物来说,稍感欣慰,是的,这一刻终究要来临。
“到2020年,掌握智能辅助驾驶总体技术及各项关键技术,初步建立智能网联汽车自主研发体系及生产配套体系。到2025年,掌握自动驾驶总体技术及各项关键技术,建立较完善的智能网联汽车自主研发体系、生产配套体系及产业群,基本完成汽车产业转型升级。 ”
——以上概括自《中国制造2025》。
如今,趋势已经很明朗——智能汽车要发展,形势很好。
于是乎,我来了,借此闲暇,抒发一下鄙人对于该领域的情怀。

从一张逻辑图说起——
逻辑图
在此,暂且将传统汽车归结为汽车实体,就像智能手机保留了传统手机的通信等主流功能一样,智能化的汽车(包括互联网汽车、自主驾驶汽车等)也会是在传统汽车硬件基础之上进行升级、改造。整个智能汽车会分为相对独立的三部分:汽车实体、互联网层、自主驾驶层。
更进一步的讲,智能汽车对于传统的汽车制造业会产生哪些影响呢?
个人感觉,在可以预见的五到十年内,传统的汽车制造业会变为富士康此类的代工厂。换句话说,从利益分红角度来看,传统汽车行业可能没有更多油水可以榨取了。当然,新能源汽车是另外一回事,在此无关主题。
像阿里巴巴、百度、腾讯以及乐视、小米等互联网行业,更关注智能汽车的互联网层次。即,像智能手机一样武装智能汽车。所以高德地图(阿里巴巴旗下)、百度地图、腾讯地图一定是竞争的主流,而像提供通信服务的中国移动、联通、电信也会随之而来。因而,这一层次基本定位为互联网巨头的领地。以导航和车载娱乐系统为主流的互联网服务将是这部分的发展趋势。
好了,最后是自主驾驶。这一部分内容可以说是智能驾驶的核心。也是区别于传统汽车的最大不同。我并不认同在五到十年内可以完全实现全自主驾驶,但是有限的自主驾驶可以期待。
从现如今的一些研究高校和企业的体系架构可以分析出,自主驾驶大致分为:环境感知模块、规划模块、定位模块、底层控制模块等。
环境感知模块就现阶段的研究来看,还是以velodyne公司荣誉出品的激光雷达为主流的探测手段,至少对于能跑的自主驾驶汽车来说,当前是标配。(音响公司velodyne很开心哪!)当然,以Mobileye为首的视觉解决方案能够很好的进行车辆和行人识别及车道线检测。但是对于负责环境下的可通行区域提取,视觉方案当前还是略显能力不足。就未来发展趋势而言,如果立体视觉能够解决距离感知的短板,当然最好。(摄像头还是很便宜滴!)如若不然,就只能等着velodyne降价了。(抱歉,德尔福公司的毫米波能力也是很给力的,风雨无阻嘛)。在今后的博客后,会详述这一部分。
规划控制模块,从科研的发展而言,基本分为两派,以传统汽车控制出身的Optimus Prime派和以机器人控制出身的wall e派(Cool!)。Optimus Prime派以传统汽车的一些科研院所、企业为代表,从车体自身出发,在车辆底层控制方面底蕴深厚;而wall e派更多地把汽车作为轮式机器人看待,对于人工智能的理论研究了如指掌。从国内历年的中国智能车挑战赛来看,两方代表彼此还是有距离感的。究其缘由,还是谁为正统的问题。
Optimus Prime派评价wall e派——车盲,撞山车(当然,历年比赛中翻车、撞树屡见不鲜);wall e派则一副趾高气昂的样子,artificial intelligence!土包子懂个屁!
呵呵,以上仅供娱乐。其实现实中大家还是交流为主,毕竟做学术研究嘛。
言归正传,自主性的规划控制主要有两个矛盾:安全性和稳定性。安全性,简单说就是不能撞,稳定性主要对于横向和纵向控制。简单说来,方向盘不能频繁抖动(假如还保留的话),刹车、油门不能时有时无。当然,速度越高,对这两个问题的要求也就越发严格。另外,紧急情况下的避险(减速还是转向)还是要慎重选择的。
定位模块,除了一部分可以借用BAT三家的子公司来做外,对于精确定位(如车道定位、实时定位)和航向确定,SLAM是个不错的选择,视觉和雷达皆可。至于选用GPS还是北斗,呵呵,保留意见。
底层控制方面,传统汽车行业有优势,现在都底层都线控了,技术上不是问题。
综上来说,每个方面都有足够的技术储备,只是还不够好。借用某位我忘记名字的前辈的话说,智能驾驶从来不是一个新技术,它只是一个技术的融合。
说了这么多,可以来张图了。
物理架构
希望我的分享可以帮到志同道合的你~

在使用Python来安装geopandas包时,由于geopandas依赖于几个其他的Python库(如GDAL, Fiona, Pyproj, Shapely等),因此安装过程可能需要一些额外的步骤。以下是一个基本的安装指南,适用于大多数用户: 使用pip安装 确保Python和pip已安装: 首先,确保你的计算机上已安装了Python和pip。pip是Python的包管理工具,用于安装和管理Python包。 安装依赖库: 由于geopandas依赖于GDAL, Fiona, Pyproj, Shapely等库,你可能需要先安装这些库。通常,你可以通过pip直接安装这些库,但有时候可能需要从其他源下载预编译的二进制包(wheel文件),特别是GDAL和Fiona,因为它们可能包含一些系统级的依赖。 bash pip install GDAL Fiona Pyproj Shapely 注意:在某些系统上,直接使用pip安装GDAL和Fiona可能会遇到问题,因为它们需要编译一些C/C++代码。如果遇到问题,你可以考虑使用conda(一个Python包、依赖和环境管理器)来安装这些库,或者从Unofficial Windows Binaries for Python Extension Packages这样的网站下载预编译的wheel文件。 安装geopandas: 在安装了所有依赖库之后,你可以使用pip来安装geopandas。 bash pip install geopandas 使用conda安装 如果你正在使用conda作为你的Python包管理器,那么安装geopandas和它的依赖可能会更简单一些。 创建一个新的conda环境(可选,但推荐): bash conda create -n geoenv python=3.x anaconda conda activate geoenv 其中3.x是你希望使用的Python版本。 安装geopandas: 使用conda-forge频道来安装geopandas,因为它提供了许多地理空间相关的包。 bash conda install -c conda-forge geopandas 这条命令会自动安装geopandas及其所有依赖。 注意事项 如果你在安装过程中遇到任何问题,比如编译错误或依赖问题,请检查你的Python版本和pip/conda的版本是否是最新的,或者尝试在不同的环境中安装。 某些库(如GDAL)可能需要额外的系统级依赖,如地理空间库(如PROJ和GEOS)。这些依赖可能需要单独安装,具体取决于你的操作系统。 如果你在Windows上遇到问题,并且pip安装失败,尝试从Unofficial Windows Binaries for Python Extension Packages网站下载相应的wheel文件,并使用pip进行安装。 脚本示例 虽然你的问题主要是关于如何安装geopandas,但如果你想要一个Python脚本来重命名文件夹下的文件,在原始名字前面加上字符串"geopandas",以下是一个简单的示例: python import os # 指定文件夹路径 folder_path = 'path/to/your/folder' # 遍历文件夹中的文件 for filename in os.listdir(folder_path): # 构造原始文件路径 old_file_path = os.path.join(folder_path, filename) # 构造新文件名 new_filename = 'geopandas_' + filename # 构造新文件路径 new_file_path = os.path.join(folder_path, new_filename) # 重命名文件 os.rename(old_file_path, new_file_path) print(f'Renamed "{filename}" to "{new_filename}"') 请确保将'path/to/your/folder'替换为你想要重命名文件的实际文件夹路径。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值