想了解自动驾驶系统,看完这一篇就够了......

mobile 专栏收录该内容
23 篇文章 2 订阅

来源 | 智驾未来

原创 | Alvin

 

(-自动驾驶系统 可理解成一种 移动机器人系统-)

 “热炒”的自动驾驶走进了现实,也靠近了未来!

“长城汽车预计于2020年实现部分自动驾驶功能,到2025年实现Level5级自动驾驶。”长城汽车总裁王凤英曾表示。

科技迭代很快,如果需要将概念中Level 5级别的自动驾驶形象化,那么它就是一台拥有人类感知、决策以及控制的代步机器。精细划分来看,实现一个自动驾驶系统,需要分为感知层、信息融合层、决策规划层、以及控制层。

 

                                                              1 感知层

感知,其实很好理解,人类用眼睛捕捉事物,自动驾驶汽车则需要传感器感知事物。自动驾驶汽车想要安全行驶,首先需要了解周围行驶的环境,而传感器就是自动驾驶汽车了解环境的工具,目前自动驾驶汽车搭载的主要传感器包括摄像头、激光雷达、毫米波雷达以及超声波雷达等四大部分。

目前,摄像头普遍采用CMOS图像传感器,捕捉清晰图片帮助自动驾驶汽车输入数据参数。为了保证数据完整性,市面上的很多自动驾驶汽车都会采用3-6个摄像头。由于摄像头对于光线极为敏感,如果出现强、弱光的情况,普通摄像头捕捉的图像并不能直接被使用,或者会出现无法识别的现象,这对于自动驾驶汽车来说极为致命。所以,市面上自动驾驶汽车一般都会采用动态范围130db以上的图像传感器。

                                                              四大传感器优势对比

雷达主要测量位置、速度以及方位角等三个参数。激光雷达算是汽车行业里的一个新贵,也被视为自动驾驶汽车未来最核心传感器之一。其主要通过发送直线激光束(非无线电波)的方式,根据激光遇到障碍物后折返时间(TOF),计算目标与车的距离。激光雷达在精度、信息量以及安全性性能方面,具有独到之处。但想要获得更高精度测量数据,也意味着激光雷达线束需要增加,目前市面上比较常见的是8、16以及32线激光雷达产品,64线比较少,这与成本也是成正相关的(激光线束越多,成本越高)。虽然,国内外如Velodyne、Quangery等科技公司一直在研发低成本、小体积的激光雷达,但由于单个成本高居不下,很难实现量产。

                                             图片来源:星秒光电

毫米波雷达,顾名思义是工作在毫米波波段(波长1-10mm,频率30GHZ-300GHZ)的探测雷达,与激光雷达发送方式不同的是,毫米波雷达会发出锥状的电磁波。工作原理是根据回波时间差计算距离,其具有不受天气情况影响及超远测距的优势,雷达频段与测距成正相关,目前市面上主流有24GHZ和77GHZ两种,随着技术水平提升以及成本下降,此传感器逐渐被应用于ADAS。

                                                  图片来源:wired

蝙蝠发出超声波探测物体的远近,自动驾驶汽车用超声波发现障碍物,两者原理一样。超声波属于机械波的一种,所以容易受传播介质的影响,如天气不同,传播速度不同。故为了充分利用超声波雷达穿透力强、测距方便以及成本低的优点,部分车企会在汽车车身四周置入大量的超声波雷达,如L2-L3级的特斯拉、奥迪等汽车中超声波雷达使用数量达高达12个。

 

                                                                2 信息融合层

信息融合层则比较关键,怎么理解呢?自动驾驶汽车置入了如摄像头、激光雷达、毫米波雷达等多个传感器,我们需要用这些传感器感知、捕获数据。当汽车行驶至目标物一定距离内,摄像头和激光雷达同时检测出那个目标物,但如何让汽车知道两个传感器检测出的目标物是同一个呢?这便需要对多传感器数据进行分析对比,如果相同,则进行信息融合,告诉汽车前面就是一个目标物。

仔细想想,这其实是一个数据处理的过程,而且当数据量比较大的时候,信息融合时延还会加长。而且极为尴尬的是,如果汽车正在前进,前方目标物静止,那么从发送探测波到探测波返回,这其中汽车在探测时间内行驶的距离并没有算入到实际距离中。所以,在计算时延的时候,需要考虑到汽车在时延过程中的速度、以及系统发出与收到测试数据前后的时间差。

此外,频率的发送也会受环境的影响,如高低温环境,所面临的处理性能则可能不同。频率不同也会导致时延不同,所以在计算过程中,我们用初始(额定)频率去计算时延时,也会出现一定的误差。

对于自动驾驶汽车而言,时间意味着安全,如果1s计算错误,对于高速运行的汽车而言,都会产生致命的结果。

                                                       

                                             3 决策规划层

决策规划层,其实也不难理解,即对融合的数据,根据驾驶需求,进行任务规划以及决策。对于这点,业界看法比较多,目前只介绍两种比较宏观的看法。

其一,全局规划;这种方式需要借助于地图信息,按照乘客的需求,选择最优的路径。

其二,局部规划;需要自动驾驶汽车根据基于全局规划的基础,针对局部环境信息,规划最优的路线。

这个概念就相当于框架一样,需要自动驾驶汽车能够提前基于大数据对行程进行规划,这也是判断自动驾驶系统智能性的重要指标之一。

 

                                                  4 控制层

经常开车的朋友都知道,现在的汽车基本都需要我们人为操作,而自动驾驶汽车控制层便是替代人为操作,根据获取的信息数据,将做出的决策规划落到实处,即实时操作。用简洁语言描述,便是自动开车。这需要车辆的控制系统与决策系统相配合,并且能够精确的按照需求,对汽车做出加速、减速、制动、转向、变道以及超车等操作。

可以看出,前面介绍的感知层、信息融合层以及决策规划层其实都是为控制层做铺垫,最终需要做出动作的还是控制层。

 

                                                  5 总结

说了这么多,其实自动驾驶就是将人为开车的过程用硬件、软件技术体现了出来,实现了某些过程替代人或者完全自动驾驶的目标。

对于老司机而言,开车过程中,身体与车的配合极为自然,自动驾驶其实也是一样,只不过它所有的信息获取以及判断不是通过眼睛、人脑获得、决策,而是通过汽车自身的“眼睛”、“大脑”,解放了司机。

当然,自动驾驶概念好理解,其中的实现难度可不小!正如汽车高德事业部总裁韦东所言,从普通的导航走向半自动辅助驾驶,更高自动化的辅助驾驶,再走向自动化,再走向完全自动驾驶,一定是一步一步的。

 

  • 6
    点赞
  • 2
    评论
  • 43
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

©️2021 CSDN 皮肤主题: 技术工厂 设计师:CSDN官方博客 返回首页
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、C币套餐、付费专栏及课程。

余额充值