无人驾驶所需三大技术

分享到:

目前的无人驾驶技术,还处于刚刚起步阶段,要想实现真正意义上的无人驾驶,人类还有很长一段路要走,还需要用到很多技术,那么无人驾驶到底需要哪些技术呢?

目前业内公认的说法是,无人驾驶需要三大块技术,分别是环境感知、行为决策和运动控制,简单来说,这也是一个从硬件到软件再到硬件的实现过程,本文就是介绍无人驾驶所需的三大技术。

一、环境感知

环境感知,是对外界环境信息和车辆信息的采集,这是实现无人驾驶的第一步,也是目前无人驾驶技术攻克最关键的一步。简单来说,环境感知研究的就是汽车的“眼睛”,路口的红绿灯,人行道上的行人,路边的标示牌,都需要“眼睛”才能识别。万一再遇上高速公鹿、熊出没这种特殊情况,那环境感知就更重要了!

环境感知,首先是对外界信息的采集。

从实现方式上来说,就是利用传感器采集周围的信息,然后把它还原出来,让汽车的“大脑”智能识别。因为传感器选择方向的不同,业界对这块技术的研究大体上分为两大流派:

1)激光雷达派

激光雷达派,成员包括谷歌的Waymo,汽车巨头福特、通用等公司。 激光雷达的原理是,通过搜集目标表面大量的密集点的三维坐标、反射率等信息,从而快速复建出目标的三维模型及各种图件数据。从原理上,我们很容易总结出激光雷达的优势:分辨率高,采集精确,自带深度信息,比较容易还原。这还带来了另一个好处,越精确、还原度越高的信息,越容易被识别,所以采用激光雷达传感器的智能汽车,对人工智能的要求相对较低。

2)摄像头派

摄像头派,代表选手是特斯拉。摄像头大家都不陌生,这是世界上应用最广泛、最成熟的传感器技术之一,它的工作原理大家可以理解为“拍照”,本质上采集的信息是一个个无意义的像素点。

摄影头应用广泛,可以简单识别行人、交通指示牌等,这听起来像是优势,但实际上恰恰相反,因为采集到的信息是无意义的像素点,一旦遇到恶劣天气或者逆光情况,信息就会很难识别。

有时候,人工智能和人工智障只有一线之隔,比如2018年,因为公交车上的大头广告,董明珠被AI系统判定为闯红灯......因此,使用摄像头进行环境感知虽然方便,但同时也对人工智能提出了相当高的要求。既然摄影头缺点这么多,为什么还要选它呢?首先是因为这项技术成熟,但最关键的是,这种技术方向极具美感,有点人类仿生学的意思,很可能会通向终极目标。马斯克可是想要移民火星的主,研究智能汽车,自然也会选择这种最本质的方向。

二、行为决策

行为决策需要人工智能,这已经是个老生常谈的概念。在人工智能领域,Alpha Go在围棋项目上几乎击败了所有的人类,波士顿机器人也能360度空中转体了,但无人驾驶为什么迟迟难以实现? 究其原因,还是路测数据不够。棋盘是有大小的,规则是确定的,胜负是可分的,所以围棋的所有状态空间是有限确定的,Alpha Go只需要不断模拟对局,了解所有局面的最优解,自然就成了大师。

但开车是项完全不确定的活动,要面临无限多的随机状况,需要人工智能深度学习。此外,真实的路测状况也不像下棋那么简单,是需要在现实世界里一点一点实现的。

这里就需要引入一个概念,汽车驾驶自动化分级。2020年3月,工信部公示了《汽车驾驶自动化分级》国家标准,将汽车无人驾驶分为“0-5级”六大等级,分别是应急辅助、部分驾驶辅助、组合驾驶辅助、有条件无人驾驶、高度无人驾驶以及完全无人驾驶。

无人驾驶的终极目标就是到达L5等级,运行条件无限制,车辆控制完全由系统接管。目前无人驾驶技术还在2-3的阶段,要想达到下一个阶段直至实现终极目标,根本解决方案依然是积累巨量的路测数据来优化算法。

积累路测数据,优化人工智能的行为决策,也有不同的实现方式。谷歌从2009年起秘密研发无人驾驶汽车,也就是后来大家熟悉的Waymo,有点像是“闭门造车”的方式,想要一口气冲到L4等级。目前谷歌无人驾驶汽车事故率远低于人类司机,据报道,2019年,Waymo无人驾驶汽车在加州公共道路上的测试里程接近120万英里。

特斯拉选择另一种方式进行路测,他们2014年在所有车型上安装了自动辅助驾驶硬件,持续收集道路数据,并且逐步开放无人驾驶功能,选择用迭代方式从L2进化到L4,这种方式让特斯拉在路测数据积累方面进展迅速。

三、运动控制

运动控制,就是让车辆沿着指定的轨迹行驶,包括对加速、减速、转弯等操作的控制,硬件方面大家关注的比较多,内容比较琐碎,拣想到的说。

无人驾驶汽车一般都选择纯电汽车,这是因为相比于发电机来说,电机的构造简单,底层控制算法也无需太复杂。

前面提到,无人驾驶的安全性是非常重要的!那么如何保障乘客安全呢?这就需要冗余设计。

冗余,即系统为了提升其可靠度,刻意配置重复的零件或是机能。出于安全性保障,目前在高等级无人驾驶方案中,冗余设计已然贯穿在各个技术环节,有句话在业内流传甚广,“没有做冗余设计的自动驾驶方案,说白了,都是扯淡。”可见各大厂商对冗余设计有多么重视。像前文提到过的高合Hiphi 1,车身就搭载了6大双冗余系统,包括计算冗余、感知冗余、通讯冗余、制动冗余、电源冗余和转向冗余等独立硬件系统,可以说是冗余的一个深度应用了,能大幅度的提升无人驾驶的安全性。

结语

无人驾驶所需的三大技术,从环境感知到行为决策,再到运动控制,其实就是一个从硬件到软件再到硬件的实现过程。这三大技术,缺一不可,并且严格遵循顺序来设计。相信在未来,无人驾驶技术必会得到进一步的突破和发展,我们拭目以待吧。

 

 

 

继续阅读
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。

无人驾驶所需三大技术

目前的无人驾驶技术,还处于刚刚起步阶段,要想实现真正意义上的无人驾驶,人类还有很长一段路要走,还需要用到很多技术,那么无人驾驶到底需要哪些技术呢?

自动驾驶中常用融合算法

因为多传感器的使用会产生大量需要处理的数据,因此通常通过融合算法来对数据进行优化。不同传感器采集到的信息可能相互之间可能会不同甚至是有矛盾,使用融合算法可以帮我们弄懂如何保证系统能够准确处理这些数据,使系统最终做出及时、正确的决策,这非常重要。

无线传感器的关键技术实现分析

无线传感器网络可谓是在各个领域都得到了极为广泛的应用,无线传感器网络是一种由大量传感器以自组织和多跳的方式构成的无线网络,通过感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息,最终把这些信息发送给网络的用户。