如何对智能驾驶的关键技术进行分析

分享到:

智能驾驶,是现在市场上比较热门的新兴技术。随着智能驾驶系统的逐渐发展,不仅引发了汽车技术改革创新的热潮,还有效提高了交通的安全可靠性。本文将基于智能驾驶对其关键技术分析,来探究智能驾驶的技术实现。

智能驾驶的关键技术有哪些?

1、关于传感感知技术

传感感知技术是指环境感知技术、信息融合技术、信息感知技术、智能检测技术等的交汇融合,以此对汽车行驶状态、交通车辆实况、行人行为动向等进行分析预测。传感感知技术的运转利用激光、影像设备、毫米波、雷达等车载传感器获取信息数据,并借助车联网整合分析处理多元、复杂的汽车行驶数据,从中捕获有效数据,为汽车驾驶员提供全面可靠的决策依据。汽车驾驶环境多变且复杂,这就要求传感感知技术具备极高的路况检测及识别精确度,进而得以为汽车安全驾驶、智能驾驶提供充分且真实的信息依据。现阶段的汽车驾驶传感感知技术在复杂驾驶环境研究试验中展示出极大的应用价值及发展潜力。例如,激光雷达等汽车驾驶传感技术的应用,能够显著提升驾驶信息的分辨率。汽车驾驶传感感知技术的应用可通过多种设置的传感器获取实时、丰富的路况信息,可通过汽车网联平台构建形成实时的高精度地图,提升其对汽车行驶环境的适应能力。

智能驾驶

2、决策控制技术

决策控制技术是汽车自主驾驶、智能驾驶的核心技术,其技术应用目的是对汽车驾驶所涉及的数据信息进行深层次的处理,并根据有效信息进行驾驶规划和决策,以此提升汽车辅助驾驶和汽车自主驾驶的安全性。

(1)决策控制技术架构。汽车安全驾驶决策控制技术是在整车控制单元应用开展的,可划分为决策控制层和决策执行层。其中,决策控制层的任务目标是行车目标,并基于此,对汽车行驶状态、行驶环境等进行信息数据收集分析,以明确更合理的汽车驾驶操作、驾车路线选择等。在保障汽车驾驶的安全稳定基础上,尽可能地提升汽车安全驾驶舒适性、节能性及快捷性。决策执行层是决策控制层的响应落实的具体体现,可从其执行功能层面划分为转向执行系统、驱动执行系统、制动执行系统和悬架横纵垂向系统等,其对决策控制层响应快捷性及执行高效性是汽车安全驾驶的核心研究内容,也是提升整车人工智能安全驾驶协同控制质量的关键技术。

(2)决策控制技术。决策控制技术是由人工启发式决策控制技术与自主学习式决策控制技术构成。其中,传统汽车类型多选择人工启发式决策控制技术,具有实用性好、控制简单的优势,由于其主要控制系统设置有确切的决策规律或规则,因此能处理预测内、规则内的问题。汽车机械技术精细化及人工智能技术的水平提升,汽车安全驾驶自主决策能力也得到进一步提升,直接表现为汽车安全驾驶可根据交通实况自主决策超车、巡航等驾驶状态以及自主开展在线学习,提升其对复杂路况的应对能力。该状态也可视为实现汽车无人驾驶的必经阶段。汽车在使用中会出现零件磨损、性能下降等现象,需汽车驾驶对其进行高频次的维护保养,以降低汽车驾驶安全隐患,但是由于汽车零件的精密性及隐秘性,汽车驾驶员无法全方位的获取汽车运转状态。人工智能在汽车安全驾驶层面的利用,可对汽车零件等进行实时动态的监控检测,并可针对其养护需求及问题做出清晰提示,以此获取更具针对性、准确性的维修养护,确保汽车处于安全的运行状态。

(3)驾驶权交互分配技术。汽车安全驾驶的辅助驾驶技术、自动化驾驶技术深入应用,汽车自身也与驾驶员处于微妙的关系中,二者的信息共享、操作配合构建形成了对汽车二元控制的驾驶行为,形成动态交互的驾驶关系。人工智能技术在汽车安全驾驶层面得到研究及应用,但是短时间内其无法获取对汽车驾驶的绝对控制权。因此,需在未来一定时间内与汽车驾驶员保持动态交互、协作驾驶的关系。不可否认的是,人工智能技术的科技提升必然会带动汽车驾驶自动化元素占比的扩大,进而出现汽车自主驾驶与驾驶员操作驾驶的耦合和制约问题。汽车驾驶权交互分配技术,可建立人性化、科学化的汽车驾驶智能控制系统,实现驾驶员技术操作与汽车智能控制的驾驶权分割及平衡,推进二者的驾驶权协作融合、切换平稳,实现汽车安全驾驶的更高质量发展。

智能驾驶

3、信息平台安全技术

汽车安全驾驶和人工智能的合理应用,需要以汽车网联为联合应用基础。然而,在为汽车安全驾驶带来优质、稳定体验的同时,汽车网联也带来了互联网技术层面的安全风险,对汽车安全驾驶人工智能技术的融合应用带来负面影响。基于汽车网联角度分析,设计网络系统结构时对信息的安全传输传达层面考虑不足,随着汽车安全驾驶人工智能控制单元的逐渐增多,信息平台的可攻击点也随之增多,进而增加安全风险隐患。汽车信息平台安全是汽车安全驾驶技术的核心领域,也是提升汽车智能化网联安全性的必要技术。现阶段的汽车安全驾驶技术涉及建模技术、数据存储、数据传输及数据使用等信息平台安全体系,可深化汽车安全驾驶信息检测,制定安全漏洞预警及紧急应对机制等,最大限度降低或规避汽车通信APP、车载T-Box、Can-bus总线、ECU安全威胁等方面的信息安全威胁,保障汽车网联及驾驶安全。

智能驾驶

 

图3 物联网安全标准

4、结语

本文介绍了实现智能驾驶的关键技术有哪些,有了关键技术的实现,智能驾驶得到了合理应用,起到了辅助汽车驾驶、分析路况、预测驾驶风险的关键作用,转变现有的出行方式及道路交通方式,不仅推动了汽车电子技术的改革创新,还提升了交通出行的安全性和可靠性。

 

继续阅读
智能驾驶芯片:新兴蓝海市场

全球智能驾驶发展处于早期,产业革新下硬件发展先行,芯片厂商群雄逐鹿,大算力已成标配。顺应智能驾驶浪潮发展,芯片厂商的旗舰款芯片出货已普遍突破100TOPS,智驾芯片算力发展速度快于智能驾驶的应用侧。

特斯拉失去AI灵魂人物,负责人Andrej Karpathy离职

今日,特斯拉 AI 高级总监、自动驾驶 Autopilot 负责人 Andrej Karpathy 在推特上宣布自己将离职。 今年 3 月份,他宣布自己将休假四个月,就隐隐透露出离职的可能。据以往观察,休假的特斯拉高管通常不会再回来。 他表示,「过去五年,我非常高兴帮助特斯拉逐步接近了它的目标,如今离开是一个艰难的决定。我见证了 AutoPilot 从测试到部署到城市街道,期望未来 AutoPilot 团队持续自己的强大。」 对于特斯拉及其 AI 和自动驾驶业务而言,Andrej Karpathy 的离职

汽车电子控制系统及其发展趋势

汽车电子控制系统在硬件结构上一般来说由3部分组成:传感器、电子控制单元(ECU)和执行机构。汽车在运行时,各传感器会实时不断检测汽车运行的工况信息,并将这些信息实时地通过输入接口传送给ECU。ECU接收到这些信息时,根据内部预先编写好的控制程序,进行相应的决策和处理,并通过其输出接口输出控制信号给相应的执行器,执行器接受到控制信号后,执行相应的动作,实现某种预定的功能。本文主要对ECU进行讲解

视觉传感器的技术要点

视觉传感技术是传感技术七大类中的一个。视觉传感器是指通过对摄像机拍摄的图像进行图像处理,计算出物体的特征量(面积、重心、长度、位置等),并输出数据和判断结果的传感器。

无人驾驶汽车的环境感知方式

无人驾驶需要三大关键技术,分别是环境感知、行为决策、运动控制。对于环境感知而言,环境感知的对象包括行驶路径、周边物体、驾驶环境和驾驶状态。行驶路径包含车道线、道路边缘等,周边物体包含了汽车周围的行人、车辆以及其它可能阻碍车辆的障碍物。对此,我们需要了解无人驾驶汽车的环境感知方式,本文主要从车道线检测、障碍物检测、红绿灯的检测等角度,简述无人驾驶汽车的环境感知方式。