deepfashion 深度学习_干货速递|基于深度学习的自动驾驶制动技术研究

背景

如何定义智能？

自动驾驶架构

传统技术具有局限性 —— 性能的提升依赖于新的技术

基于深度学习的自动驾驶

2.深度学习与自动驾驶

为什么选择深度学习?

模拟大脑的行为

● 特别适合大数据● 端到端的学习：y = f(x)● 实践效果好

环境感知：摄像头

1. 特种车辆的识别（如消防车、清扫车、拖车等）；

2. 特殊行人的识别（如骑自行车、打伞、背包等）；

3. 不同天气及场景的目标物识别；

4. 车辆及行人的运动状态及趋势的判断；

1. 不同天气及场景的车道线识别（白天、夜晚、雨天、逆光等）；

2. 磨损道路的车道识别；

3. 车辆与车道线的相对位置及夹角等数据的准确性。

场景理解，标记可行驶区

环境感知：雷达

深度学习结合雷达点云数据进行目标物识别

APG生产线

前视摄像头自动化生产/测试线

77GHz毫米波雷达自动化生产/测试线

3. 自动驾驶制动技术的挑战

挑战一：响应要快

1. 在100km/h车速下，车辆在100ms时间内可以行使2.7m。2. 响应时间直接决定了AEB能否避免与目标物发生碰撞。

挑战二：制动力矩要大

实际AEB试验

挑战三：能量回收

电动汽车制动能量再生约束条件：

1. 行使工况 工况不同，制动频率不同，可回收的制动能量不同；2. 蓄电池性能 蓄电池的soc值、温度、充电电流的限制；3. 电机性能 电机能够提供的制动扭矩越大，能够回收的制动能量越多；4. 控制策略 合理设计再生制动与机械制动的分配关系。

挑战四：主动制动

挑战五：冗余设计（L3及以上）

涵盖电源、定位、感知、控制器、执行器各个部分。

1.冗余电源系统关键驱动系统提供两个独立的电源供应。2.冗余惯性测量系统帮助车辆准确地跟踪行使轨迹。3.冗余碰撞检测及规避系统多个系统不间断扫描车辆周围环境。4.冗余计算系统备用计算系统在后台运行。5.冗余转向系统备用转向系统拥有独立的控制器和独立的电源供应。6.冗余制动系统如果主制动系统出现故障，备用制动系统能够立即生效。

APG推出了两套方案：

1.IBS + ESC;2.IEHB + ESC.

4. 总结

• 智能电动汽车是未来的发展趋势，传统技术受限，需要新的技术手段；
• 深度学习在自动驾驶上的使用越来越广泛，包括了摄像头、毫米波雷达、激光雷达等的原始数据处理等；
• 以自动紧急制动系统(AEB）为例，阐述了制动系统的响应时间、制动力对自动驾驶的影响；
• 对于电动汽车而言，制动系统要充分考虑能量回收问题；
• 对于L3以上级别的自动驾驶，主动制动及冗余设计非常重要；

ATC底盘相关会议推荐