自动驾驶主题知识扫盲
2021-10-31 01:13:10 61 举报AI智能生成
登录查看完整内容
自动驾驶，也称为无人驾驶或自动化驾驶，是一种通过计算机系统和各种传感器来控制汽车行驶的技术。这种技术的目标是使汽车能够在没有人类驾驶员的情况下安全地行驶。自动驾驶汽车使用雷达、激光扫描仪、GPS和其他传感器来感知周围环境，并根据收集到的信息进行决策和操作。它们可以识别行人、其他车辆、路标和交通信号，并根据这些信息调整速度和方向。虽然自动驾驶技术仍处于发展阶段，但已经有许多公司正在研究和开发这种技术，希望能够在未来实现完全自动化的驾驶。
作者其他创作
大纲/内容
自动驾驶
名词
SAE 美国汽车工程师协会，自动驾驶级别定义者
2、3级核心差距是 权责问题
RSS责任敏感安全模型，区分人机权责问题，建立了4个安全常识
1、与前车保持一定安全距离，即使前车急刹，本车也可以及时反映避免碰撞
2、与侧方车保持一定安全距离，换道时，必须留给其他车足够的时间反映
3、不争抢路权
4、小心周边盲区，避免盲区引发的事故
ODD自动驾驶运行设定区域，指可以使用自动驾驶的区域——产品领域的场景
REM，mobileye提供的众包地图技术，通过自家摄像头获取信息上传云端
自动驾驶架构
硬件：传感器、V2X通信、执行器
超声波雷达：近距离高敏感传感，作为安全冗余设备检测碰撞
激光雷达
识别障碍物、绘制地图、辅助定位，准确率非常高
摄像头
物体识别与跟踪，车道线、交通灯等
毫米波雷达，通过多普勒效应 全天候 抗干扰的 对多个静动态目标测距、测速、测方位，距离远；但无法成像、对横穿物体敏感度低、对行人探测距离近
GPS、GNSS
世界坐标定位，分米级
IMU
自身姿态检测，3轴加速以及3轴陀螺仪
IPC
连接内部计算组件，必须有冗余
ISO26262，10亿小时最多出一次故障要求，汽车安全极限
线控系统
控制执行件，比如刹车
云端：高精地图、模型计算、数据、仿真
软件：感知、融合、决策、控制
顶层1：HMI，内容展示
层2：高精地图、定位、感知、预测、规划、控制
感知》定位》路径规划》控制
1、高精地图
高维度
精确三维表征
地图语义信息（如限速、左转开始位置）
高精度
厘米级
WGS82坐标系、墨卡托坐标系
提供准确的静态信息，便于计算相对位置、节省计算资源需求提高性能
2、定位
INS 惯性导航系统，更新频率高准确性较差
IMU 通过加速度传感器和陀螺仪，递推下一时刻位置，但一旦有偏差后续将放大误差
RTK 通过静止基站作为参照，辅助卫星定位车位置；更新频率低位置准确
几何定位：通过雷达、摄像头传感器进行相对距离定位
3、感知
四大基础任务：找到物体的位子、分类明确对象、持续观察移动物体、分割语义匹配（道路、天空）且边界清晰
学习方式：监督学习、半监督学习、强化学习
计算融合
前融合
各传感器基础数据透传
后融合
传感器处理后再融合多个传感器
4、预测
实时性、准确性
预测方法
Kalman 滤波
Particle 滤波
对车道序列进行预测
对外部物体预测
自行车
行人
5、决策
导航线路规划
精细轨迹表述
最优路径确认
乘客安全与体感
6、控制
输入：目标轨迹、车辆状态
输出：方向盘、油门
要求：准确性、稳定性、时效性
利用传统控制算法PID，快速满足控制需求
高级需求可以探讨LQR、MPC
层3：framework
ROS
……
层4：实时系统 RTOS
QNX，强实时性
RT linux，软实时，RT版本
算法：传感器融合、路径规划、运动控制、深度学习
L4实现思路
V2X车路协同
V2V 车
V2P 人
V2I 设施
边缘计算
RSU 路侧单元
OBU 车载单元
5G通信能力
LTE-V 针对车间通讯协议，兼容4-5G
路侧智能
路侧感知能力
主车智能
高算力+完善的算法+深度学习
感知能力
复杂、冗余的感知
决策能力
大数据下的智能决策
高精地图
定位
学习人类开车的方式，构建系统
最安全决策
无人驾驶
怎么定指标
不考虑ODD方案，直接使用【驾驶里程数】和【驾驶员介入次数】，计算每介入间隔里程数
区分ODD（如市区和郊区），使用上述指标
bug-driven，只看介入
一个ODD优化到一定程度，引入更大的ODD
解决路上的介入和挖掘潜在的介入
避免治标不治本，需要溯源★
技术导向，已提升技术指标为主（比如识别精确率、召回率）
百万英里事故数
自动驾驶9.1
人工1.9
研发方案如何平衡
确认主要目标
考虑成本
蔚来相关
OS
基于NQX AutosarRuntime
整车平台
NP2.0，支持L4
NAD蔚来自动驾驶平台
Adam超算平台
1016TOPS
两个主控芯片
一个冗余芯片
群体智能与个性本地训练芯片
Aquila超感系统
超远距离高精度激光雷达
11个800w摄像头
5个毫米波
12个超声波
v2x车路协同
产品工作
解决核心6方面问题
视觉问题，比如行人检测结果、红绿灯识别
传感器问题，传感类型、数量、范围、距离，为时效、完整、真实、稳定负责
规划决策问题，比如如何选择最佳车道、距离行人多远应该减速
仿真问题，搭建仿真场景的工具、搭建那些场景
地图问题，目标街区绘制问题
定位问题，延迟、误差，传感器如何配合
日常工作
50%时间用来设计未来产品。组织公司相关成员商议，总结各个组的需求，把初稿写成文档，找各个组的老板sign off。然后再做详细时间规划，保证项目按时完成。30%时间用来开会。这么多团队，互相之间很可能有冲突、矛盾。每个团队每周开一次会，对于产品经理一个人来说，每周就至少十个会了。工程师必须专心工作，沟通的任务就留给产品经理吧。20%时间用来评估已有项目。产品经理需要经常检查各个产品效果如何，是否需要改进。这就需要基本的统计分析。但是对于一些规模比较小的公司，产品经理可能就没时间做这些事了。某个组如果缺人，产品经理就要跟着工程师一起编程，赶deadline。
市面自动驾驶平台
华为MDC智能驾驶计算平台
Mobileye
eyeQ4（蔚来在用）
L3级别，相较Q3增强10倍，功耗增加0.5w；但整体计算能力远不如NVIDIA的方案
50ms感知，优于人200ms
六大关键技术
前碰撞预警，0-200km/h生效，与前车碰撞前2.7s警报
行人探测与防撞，1-50km/h生效
车道偏离预警，>55km/h生效，无意中偏离车道时报警（换道时使用方向灯不警报）
车道保持与危险预警，HMW以秒为单位测量前车车距，如果正在接近则警报
前碰撞警告，1-50km/h生效，当物体与前保险杠距离小于1.6-2m时报警
自动大灯，黑暗道路，附近无车时自动且大灯
ADAS相机
传递前方车道各目标相对于本车辆的坐标位置、相对距离、相对速度、相对角速度、目标大小实时输出
车道线识别
行人车辆识别
交通标识TSR
刹车状态信号
测距（10~15%误差）
https://www.icode9.com/content-4-657156.html
apollo
云端服务平台
数据流水线
仿真
量产服务组件
安全
OTA
小度助手
V2X
软件平台
Apollo Cyber RT
地图引擎
高精定位
感知
预测
RTOS
规划
控制
HMI
V2X适配器
硬件平台
车载计算单元
GPS/IMU
毫米波雷达
超声波雷达
HMI设备
黑盒子
AXU
ASU
V2X OBU
收藏
0 条评论
回复 删除
下一页
