• 瀏覽: 66
+6
相信喜歡看科幻電影的朋友們,都對汽車或者飛機的AI自動駕駛非常熟悉。而我們現實生活中的自動駕駛真的自動嗎?




一、什麼是自動駕駛



大部分“自動駕駛”其實是指汽車的自動化駕駛,並不是真正意義上的自動駕駛,雖然目前已量產智能汽車有些已經到達ADAS階段,即高級輔助駕駛階段,但距離真正意義上的自動駕駛還存在一定的距離。


智能駕駛:包含了現階段的ADAS高級輔助駕駛及未來將逐漸實現的自動駕駛,主要是通過智能傳感器,進行多融合算法處理,使汽車可以自主完成環境感知,並進行規劃決策的駕駛。

ADAS:AdvancedDriverAssistance System,即高級輔助駕駛,需要通過駕駛員與汽車自動化系統共同完成汽車的駕駛任務。

自動駕駛:汽車自動化系統在設定條件內,持續地執行全部駕駛任務。



二、自動駕駛等級分類




三、自動駕駛安全性-技術原理



1、感知層

通過安裝在車身的各類智能傳感器、地圖、定位等硬件,收集車輛行駛與周邊環境信息,信息獲取的準確性與及時性將直接影響駕駛判斷。






2、決策層

依據感知曾獲到的信息,通過算法等進行信息融合處理,決定工作模式及駕駛決策,形成軌跡規劃。計算芯片的算力大小及算法的能力大小直接決定了決策的可靠性。



3、執行層

決策層的指令下達至車身各部件,通過車身各部件的按指令行事,最終達成運動控制和執行控制。線控底盤技術是當前自動駕駛領域中重點研發的方向之一,是發展高級別自動駕駛的必然要求。



四、主流自動駕駛解決方案-感知層



1、視覺主導方案:以攝像頭為主,配合毫米波雷達、超聲波雷達等元件。優點:成本低廉;缺點:易受環境、天氣等影響,高技術壁壘,對算法要求高。


2、激光雷達主導方案:以激光雷達為主,配合攝像頭、毫米波雷達、超聲波雷達等元件。優點:精度較高,受天氣、環境影響較小,探測距離遠;缺點:成本昂貴。



3、其他融合方案:配合V2X+5G+高精地圖+高精定位可以更加提高車輛的精確度,幫助更快速實現L4及L5的落地。優點:精度更高,可以達到L4L5對精度的要求;缺點:技術壁壘更高,算法難度更大。



五、決策層SoC芯片架構



1、CPU+、GPU+、ASIC:中央處理器+圖形處理+專用集成電路,在自動駕駛算法尚未成熟固定之前,仍然是主流架構方案。


2、CPU+、ASIC:中央處理器+專用集成電路,自動駕駛算法成熟後,專用自動駕駛AI芯片(ASIC)因其低功耗、低成本的優勢,將逐漸替代高功耗的GPU,成為未來的主流架構。



3、CPU+、FPGA:FPGA更適合應用於算法的開發測試,在大規模量產方面不具備成本優勢。



更多內容下一期細講~



原文連結:https://inewsdb.com/其他/阿掃輕科普:自動駕駛(上)/

inewsdb.com 日日新聞 . 掌握每日新鮮事



inewsdb.com 日日新聞 . 掌握每日新鮮事
[按此隱藏 Google 建議的相符內容]