浅析自动驾驶五项核心技术

2020-10-12 09:55:17 来源:安防知识网
测评中心频道文章B

[摘要] 近年来,汽车领域对视频监控的需求成为拉动安防行业进一步发展的因素。车载摄像头处于自动驾驶和车联网双风口,市场规模空间巨大。

  近年来,汽车领域对视频监控的需求成为拉动安防行业进一步发展的因素。车载摄像头处于自动驾驶和车联网双风口,市场规模空间巨大。

车-20180828241_59405956_xxl.jpg

  一、识别技术

  和人类的眼睛一样,自动驾驶汽车也有它自己的眼睛,用来识别周边的车辆、障碍物、行人等路上的情况。自动驾驶的眼睛是由传感器构成的,包括摄像头、激光雷达、毫米波雷达,还有红外线、超声波雷达等。

  其中,最常用的是摄像头,它和人类的眼睛最接近,可以看清有颜色的标识、物体,看得懂字体,分得清红绿灯。但是缺点也不少,比如在夜晚或恶劣的天气下视力就严重下降,也不擅长远距离观察。

  其次是颇富争议的LiDAR,即激光雷达。比较常见的是在车顶,像是顶不停旋转的帽子。原理很简单,就是通过计算激光束的反射时间和波长,可以完成绘制周边障碍物的3D图。而短板则是无法识别图像和颜色。

  还有,毫米波雷达,因为它可以全天候工作,这使得它不可或缺,即便它无法识别高度,分辨率不高,也难以成像。但它凭借其穿透尘雾、雨雪的硬本领,站稳一席之地。

  其中与安防最密切相关的当属最常见的摄像头了。当前,最新的人工智能技术使得安防摄像头拥有人脸识别、车牌识别、活体检测等功能,成为推动安防产业发展的变革力量。而AI的应用,也使其他行业产生对摄像头的需求,这其中就包括自动驾驶。

  目前主流自动驾驶技术靠两种系统来实现:一是激光雷达系统,但成本过高,推广不易;另一个就是视频监控分析系统,这项技术已较为成熟,价格低,易推广。而在自动驾驶所有技术当中,基于视像的技术较为突出,通过视频监控,可以实时分析路况、车辆及行人信息,辅助汽车做出有效、及时的反馈。其中,图像传感器性能决定传输图像质量,没有高质量图像获取与传输,视频分析准确性就无从谈起。视频监控与高质量图像传感器对于自动驾驶汽车来说非常重要。

  未来,在摄像传感器性能突破、芯片成本下降以及深度学习技术推动下,预计在自动驾驶汽车后视/环视和夜视摄像头、先进驾驶辅助系统、视镜替代和行车记录仪、驾驶/车辆接口等应用中至少应用8-10个摄像头。

  近年来,汽车领域对视频监控的需求成为拉动安防行业进一步发展的因素。车载摄像头处于自动驾驶和车联网双风口,市场规模空间巨大,根据HIS估算,全球车载摄像头出货量将从2014年的2800万个增长到2020年的8300万个,复合增长率达20%。安防企业大举进入自动驾驶领域,很大一部分是以自身先进安防技术为背景,尤其是视频监控技术。

  二、决策技术

  通过眼睛识别得到了周边环境,接下来就要充分利用这些信息进行理解分析,决定自己该如何走下一步。要完成这项任务的就是最强大脑。自动驾驶机器人需要完成大脑中的知识库有两种方式:专家规则式和AI式。

  专家规则式,英文叫rule-based。即提前编写好规则,当需要做决定的时候必须严格遵守这些规则。举个例子,当准备超车变道时,需要满足以下条件(这是一个假专家,仅供参考):道路半径大于500R(弯道不变道);跟目标车道上的前后车的距离都在20m以上;比后车的车速慢不超过5km/h;等等等等...以上N个条件同时满足时,即可超车变道。

  AI式,就是一直很火的人工智能。模仿人类的大脑,通过AI算法对场景进行理解。或提前通过大量的犯错积累经验,或事前听某人指点江山。通过AI式积累知识库,会让她的反应更加灵活。

  三、定位技术

  目前,除了主流的用GPS或GNSS(全球卫星导航系统)来定位的方式之外,也有在公路上铺设电磁诱导线等方式来实现定位。高精度GPS定位目前来说最大难题是,山区和隧道等地理因素对精度的影响,虽然可以依靠IMU(惯性测量单元)来进行推算,但GPS丢失信号时间过长的话,累计的误差就会比较大。

  另外,自动驾驶专用的3D动态高清地图带给了自动驾驶更多可能性。因为有了高清地图,就可以将自己的位置轻松定位在车道上。

  对于未来的车辆来说,确定自身在车道内的位置是基础。因此定位和地图构建,成为了一个基础而重要的环节,对于自动驾驶的核心控制系统而言,需要利用感知传感器观察环境,同时根据感知信号对环境的地图构建和自身进行定位。而面向自动驾驶的精确控制,定位技术需要的是厘米级定位,确切地知道车辆的位置。根据自动驾驶系统所对应的不同,大致可以分为:

  基于地标:根据视觉或者激光雷达的定位,与数据库中的特征匹配,确定车辆本体的位置和环境。

  基于信号定位:采用外界的位置信号,如卫星系统(GNSS)和5G;

  基于惯性导航技术:在了解车辆的位置后,计算车辆的当前位置和方向。航位推算的本质是在初始位置上累加位移矢量计算当前位置,它是一个信息累加的过程。

  四、通信安全技术

  试想如果被黑客入侵,控制了你的自动驾驶车,不仅可以监听到你的秘密谈话,还很可能成为杀人工具。黑客可以通过影响传感器的数据而影响决策,或直接介入判断机制进而影响行驶轨道。

  关于自动驾驶的安全,一般包括行驶安全、功能安全以及网络安全。

  安全性目前依旧是自动驾驶汽车的一大主要挑战。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和定位系统协同合作,让系统可以在没有人类主动的操作下,自动安全地操作机动车辆。但自动驾驶系统的一个不安全"决定",很可能会危害到人类生命,同时造成巨大的经济损失。现在,在自动驾驶汽车呈现出实用化的这一过程中,有关自动驾驶系统的事故已引起各机构的关注。

  理论上讲,由于自动驾驶汽车不像人类驾驶员那样容易注意力分散或疲劳,它们其实具有减少路面交通事故的潜力。不过,人类在遇到新状况时,无论是反应速度还是反应能力仍然要好很多。虽然现阶段我们无法训练自动驾驶汽车熟悉所有可能的交通状况,但工程师们可以向它们提供一种能计算"无事故轨迹"的框架,当然,其前提是其他道路使用者也能合法驾驶。

  自动驾驶车使用安装在车上的传感器和ICT终端来检测和分析周围环境,来控制方向盘和制动。随着网联车的发展,各种信息将通过网络实时发送和接收。据intel称,自动驾驶车每天将能够处理大约4TB的数据。

  汽车的通信和娱乐系统是最容易被黑客通过入侵手机网络、WiFi、蓝牙等通道,找到车载App漏洞进行攻击,就能获取用户在这些App上的隐私数据、历史记录,实现监听或促发导航偏离。

  另外传感器也是黑客入侵可能的途径。像GPS、摄像头、激光雷达、毫米波雷达、IMU等常见传感器装置,都可以被黑客干扰进而影响自动驾驶的判断机制和行驶轨道。比如攻击激光雷达让其辨别不了即时性不良数据,或者是试着干扰他们长期积累的聚合数据等等。

  五、人机交互技术

  遇到自动驾驶驾驭不了的场景,便会呼唤人接替它的工作。这时,HMI(人机界面)就发挥作用了。它的目标是,用最直观最便捷的方式通知我们,让驾驶员尽快注意到。

  此外,通过观察分析驾驶员的面部表情和动作,判断其困倦状态,并通过给驾驶员提供感兴趣的话题等方式予以提醒,也是人机交互多样化发展的一个例子。还有些不仅局限于和车内人的互动,也可以与路上行人进行互动,表达让行等意愿。

0
[责任编辑:宋笑旭]

《安防知识网》一个服务号 二个订阅号 微信服务全面升级

不得转载声明: 凡文章来源标明“安防知识网”的文章著作权均为本站所有,禁止转载,除非取得了著作权人的书面同意且注明出处。违者本网保留追究相关法律责任的权利。

互联网+助力智能交通车联网发展思考

互联网+助力智能交通车联网发展思考

互联网+与交通运输的融合,简单来讲是一个词的变化,因为最近这几届政府连续了几个变化,面向物联网的智能交通、新一代智能交通系统、汽车移动物联网、智慧交通、车联网等。这些概念,基本内涵都差不太多,只是在某些方面有一些细微的差别,在这里就不讲它细微的差别,只是来讲整个下一步的发展需要。

您可能需要

专栏推荐

阅读推荐

浅析智能网联汽车的关键技术 2020-10-12 09:50  来源:智车科技|0
弱电和强电的区别 2020-10-13 09:58  来源:兰州弱电工程公司|0