MATLAB算法实战应用案例精讲-【自动驾驶】SAE分级

目录

前言

SAE分级

等级定义

L0级(无自动驾驶No Driving Automation)

L1级(驾驶辅助Driver Assistance)

L2级(部分自动驾驶Partial Driving Automation)

L3级(有条件的自动驾驶Conditional Driving Automation)

L4级(高度自动驾驶High Driving Automation)

L5级 (完全自动驾驶Full Driving Automation)

L0-L5的分级是由什么决定的

L2 TO L3

L3 TO L4

增强自动驾驶汽车开发的关键能力MATLAB

ADAS/AD 开发

典型的 ADAS/AD 工作流

仿真虚拟世界

培养多领域技能

交付 ADAS/AD 软件

整合

SAE J3016:驾驶自动化分级白皮书

1.基础概念

缩写词

3.定义

 3.1主动安全系统(SAE J3063)

3.2自动驾驶系统(ADS)

3.3 [无人驾驶运营]调度主体

3.4调度 [无人驾驶操作]

3.5驾驶自动化

3.6驾驶自动化系统或技术

3.7[行车自动化系统]功能

3.8驾驶员支持[驾驶自动化系统]功能

3.9[装有ADS车辆的]无人驾驶操作

3.10动态驾驶任务(DDT)

3.11故障缓解策略

3.12[动态驾驶任务(DDT)]后备

3.13车队运营[功能]

3.14车辆横向运动控制

3.15车辆纵向运动控制

3.16最小风险条件

3.17 [DDT执行相关]系统故障

3.18监视器

3.19目标和事件检测与响应(OEDR)

3.20 操作[机动车辆]

3.21 操作设计域(ODD)

3.22感知[用户]

3.23远程辅助

3.24远程驾驶

3.25干预要求

3.26常规/正常[ADS]操作

3.27 监督[驾驶自动化系统性能]

3.28持续(操作车辆)

3.29行程

3.30使用规格

3.31 [人类] 用户

3.32 [机动]车辆

4.驾驶自动化的分类

5. 驾驶自动化等级或类别

5.1 0级或0类-无驾驶自动化

5.21级或1类-驾驶员辅助

5.32级或2类-部分驾驶自动化

5.4 3级或3类-有条件驾驶自动化

5.5 4级或4类-高度驾驶自动化

5.65级或5类-完全驾驶自动化

6操作设计域(ODD)的重要性

​7 不推荐使用的术语

7.1Autonomous, Driving Modes(s), Self-Driving, Unmanned, Robotic

7.2Automated or Autonomous Vehicle

7.3Control

8 进一步探讨

8.1本文件不是规格书和没有强制的需求

8.2级别是指定的,而不是靠测量,反映其制造商定义的驾驶自动化系统功能的设计意图。

8.3等级划分是定类,而非定序且不会有小数

8.4级别互不包容

8.5执行DDT,执行后备和实现最小风险条件是单独的功能。

8.6DDT后备与与故障缓解策略

8.7 L5 级“完全驾驶自动化”是 0 级“无驾驶自动化”的反向模拟。

8.8关于第 5 级的实际考虑

8.9当 3 级,4 级或 5 级 ADS 使用时,用户请求执行DDT

8.10 一些战略性驾驶方面可能的自动化

8.11驾驶与 DDT

8.12一些为人类操作而设计的传统车辆上的防撞功能包含在ADS中

8.13 将本文档置于驾驶员辅助、驾驶自动化和主动安全功能的更广泛背景中

8.14SAE(J3016)与 BASt 的驾驶自动化分级比较

9注意事项

9.1修订指标

 10.修订版内容

新增术语部分

3.11 FAILURE MITIGATION STRATEGY(故障缓解策略)

3.13 FLEET OPERATIONS [FUNCTIONS] (车队运营)

3.23 REMOTE ASSISTANCE(远程协助)

3.24 REMOTE DRIVING (远程驾驶)

3.26 ROUTINE/NORMAL [ADS] OPERATION (自动驾驶系统常规操作)


 

前言

谈到自动驾驶就绕不开SAE(SAE International,Society of Automotive Engineers国际自动机工程师学会,原译为美国汽车工程师学会)的自动驾驶分级,该分级将自动驾驶分为了可明显区分的六个级别。SAE是当今汽车以及航空行业的顶级标准制定组织。随着汽车行业自动化系统技术的不断提升,为了更加正确的引导自动驾驶汽车行业的发展,SAE对参照标准进行了多次更新。每一项技术都有着相应的规范和标准。2013年,美国交通部下辖的美国国家公路交通安全管理局 (NHTSA),率先发布了自动驾驶汽车的分级标准,其对自动化的描述共有4个级别。2014年1月,SAE International国际自动机工程师学会制定了J3016自动驾驶分级标准,对自动化的描述分为6个等级:L0-L5,用以明确不同级别自动驾驶技术之间的差异性。

两个分级标准拥有一个共同之处,即自动驾驶汽车和非自动驾驶汽车之间存在一个临界点,即汽车本身是否能控制一些关键的驾驶功能,比如转向、加速和制动。

在对自动驾驶汽车的描述上,虽然两个标准中所使用的语言略有差别,但NHTSA和SAE均采用了相同的分级体系。NHTSA的标准与SAE在某种程度上比较相似,但用语更加简单,没有进行过多的详细说明。相比之下,SAE的说明更加具体,同时也参

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
深度学习是近年来非常热门的技术领域,而预训练模型-transformer是深度学习中一种非常受关注的模型。在MATLAB实战应用预训练模型-transformer可以实现许多有趣的应用。 首先,预训练模型-transformer在自然语言处理领域有很好的应用。通过使用MATLAB中提供的transformer模型,我们可以对文本进行处理和分析。比如,可以利用transformer模型进行文本分类、情感分析、机器翻译等任务。通过使用预训练模型-transformer,我们可以获得更好的性能,并减少模型的训练时间和资源消耗。 其次,预训练模型-transformer还可以应用于图像处理和计算机视觉任务。在MATLAB中,我们可以使用transformer模型来进行图像分类、目标检测和图像生成等任务。通过利用预训练模型-transformer的强大表示能力,可以提高图像处理任务的准确性和效率。 此外,预训练模型-transformer还可以用于推荐系统和推荐算法中。在MATLAB中,我们可以使用transformer模型来构建个性化的推荐系统,根据用户的历史行为和兴趣来推荐相关的内容。通过使用预训练模型-transformer,可以提高推荐系统的精度和用户体验。 总的来说,MATLAB提供了丰富的工具和函数来实现预训练模型-transformer的应用。无论是在自然语言处理、图像处理还是推荐系统中,预训练模型-transformer都能够帮助我们实现更好的结果。通过深入学习和应用预训练模型-transformer,可以在实际项目中获得更好的效果,并提高工作效率。
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

打赏作者

林聪木

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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