所有(yǒu)欄目
253

傳感器助力環境檢測 自動駕駛時代即将到來

2021/12/3

　　在自動駕駛運營範圍内進行自主采集、構建、更新(xīn)地圖。這條路線(xiàn)運營成本相對較高，比較适合有(yǒu)限區(qū)域或者特定場景内的自動駕駛，比如固定園區(qū)、機場等。

　　利用(yòng)諸多(duō)終端車(chē)輛進行衆包建圖。這些終端車(chē)輛為(wèi)雲端服務(wù)器構建、更新(xīn)高精(jīng)地圖的數據，同時也共享更高質(zhì)量的高精(jīng)地圖服務(wù)，形成數據閉環。這條路線(xiàn)比較适用(yòng)于當前比較火熱的Robotaxi或者乘用(yòng)車(chē)領域。

　　一種比較激進的路線(xiàn)，即自動駕駛系統不會過度依賴高精(jīng)地圖，車(chē)輛具(jù)有(yǒu)很(hěn)高的局部區(qū)域感知能(néng)力，結合道路級的普通地圖就可(kě)以支撐自動駕駛功能(néng)，特斯拉是這條路線(xiàn)的代表之一。

　　感知模塊主要通過傳感器信息解決“周圍環境是什麽樣”的問題。當前火熱的深度學(xué)習技(jì )術推動了感知技(jì )術的發展，感知技(jì )術又(yòu)可(kě)以細分(fēn)為(wèi)檢測、跟蹤、預測。

　　檢測主要是将不同傳感器的觀測信息輸給深度學(xué)習模型，可(kě)以檢測出車(chē)輛、行人、交通标識等目标物(wù);跟蹤的作(zuò)用(yòng)是給每個目标物(wù)一個track ID，以實現對這個目标的持續觀測，進而計算出這個目标的速度以及預測未來軌迹。預測基于時序上的檢測和跟蹤結果，結合道路信息預估目标物(wù)未來可(kě)能(néng)的運動軌迹，可(kě)以為(wèi)路徑規劃提供更多(duō)的信息，也使系統更加智能(néng)。

　　模拟給予數據支撐

　　除了傳感器、定位、感知、規劃和控制幾大核心技(jì )術之外，還有(yǒu)仿真技(jì )術，它是自動駕駛技(jì )術中(zhōng)容易忽略的一部分(fēn)。自動駕駛領域的“長(cháng)尾”問題是急需解決的問題，比如基于深度學(xué)習模型的各種感知技(jì )術。現階段，深度學(xué)習模型對于“見過”的或者類似的場景能(néng)夠準确感知，但對于未見過的場景大概率會出現錯誤的感知，這對于自動駕駛尤其是高自動駕駛來說是很(hěn)緻命的。

　　仿真技(jì )術中(zhōng)一個很(hěn)重要的應用(yòng)就是可(kě)以虛拟化很(hěn)多(duō)逼真的場景，為(wèi)深度學(xué)習模型的訓練提供海量數據，而且可(kě)以針對一些不常見的場景進行足夠的數據生産(chǎn)，從訓練樣本的數量和多(duō)樣性給予深度學(xué)習模型足夠的支撐。

　　此外，仿真技(jì )術還有(yǒu)很(hěn)多(duō)其他(tā)應用(yòng)，比如可(kě)以模拟一些危險的駕駛場景，包括碰撞、各種交通事故等，一定程度上使得自動駕駛系統測試不再強依賴于真實場景的測試驗證，很(hěn)大幅度降低測試驗證成本、提升效率。

　　目前，高自動駕駛技(jì )術雖然仍不夠成熟，存在争議，但相信随着科(kē)學(xué)技(jì )術的發展，經過一代代人的努力，自動駕駛技(jì )術定會走進千家萬戶，改善人們生活。