从四个方面详细解析自动驾驶感知环节

 自动驾驶感知的实现需要软硬件结合,本文从传感器和算法的角度带大家来了解一下自动驾驶的感知。首先看一下自动驾驶目前的行业现状。

 
行业现状
 
自动驾驶是目前发展最为迅猛的产业之一,十年之前,消费者就接触过“定速巡航(ACC)”这个功能,而现在ACC功能几乎成为量产车型的标配。目前量产乘用车市场正在专注于L2.5或L3功能的实现,如车道居中辅助(LKA)、主动紧急制动(AEB)、交通拥堵辅助(TJA);而创业公司和研究机构则专注于L4或L5等级的技术研发,并且也取得了非常大的进展,如全自动代客泊车、点到点的无人驾驶出租车、仓库到仓库的无人驾驶货车等。
 
从四个方面详细解析自动驾驶感知环节
 
(该图片来源于创业邦)
 
自动驾驶迅猛发展的背后到底有哪些力量在推动呢?
 
两个方面:一是消费者的诉求;二是科技的发展。
 
首先看消费者的诉求
 
汽车已经越来越融入到老百姓的生活中,行车安全是消费者最为关心的问题之一,目前老年人占据了用户人群的一大部分,已经变的越来越不能忽视,有调查报告指出有93%的交通事故都是由人为操作失误引起,由此可见,消费者尤其是操作不够灵活的老年人群体对行车安全的诉求越来越强。另外车辆是一个安全舒适的生活延伸,不再是让人疲惫不堪的驾驶环境,车辆的智能化可以使消费者从驾车中解放出来。
 
再来看科技的发展,科技的发展包括硬件和软件的发展
 
首先硬件性能得到了全面提升。一方面,芯片算力能耗比巨幅提升。前几年,芯片算例不足或是能耗太高,导致用在车上时实时性很难保证,因此这成为了智能汽车发展的重要瓶颈,最近芯片行业已经得到了大力的发展,以Mobieye为例,从2010年发布eq1平台到今年发布eq4平台,提出eq5平台。8年时间,他们芯片每瓦的算力提升了80多倍,给无人驾驶技术的发展提供了无限的可能。另外,传统传感器得到优化,新型传感器不断研发。传统传感器如摄像头、毫米波雷达、超声波雷达,或新型的传感器如激光雷达等。在性能提高的同时,它们的制作成本也控制的越来越好。
 
芯片和传感器性能的提升为自动驾驶的快速发展做好了充分的准备。
 
从四个方面详细解析自动驾驶感知环节
 
其次软件算法不断推陈出新。提到软件,不得不提深度学习,深度学习相比于传统的机器学习,很好的实现了端到端感知。有业内人士形象的形容深度学习的感知:只需要给自动驾驶系统一张封面的图像,它就能反馈出方向盘这时候有个转角。当然这个形容有待讨论,但是不得不说深度学习的出现对自动驾驶系统所要求的自动化、一体化的完整性都带来了很大的帮助。
 
感知是自动驾驶的第一环,是车辆和环境交互的纽带。一个自动驾驶系统的整体上表现好坏,很大程度上都取决于感知系统的做的好坏。
 
讲到感知,首先不得不讲到传感器。传感器是自动驾驶感知环节中最主要的工具,我们必需对传感器能够提供的数据类型、适用的工况以及局限性都非常了解和熟悉,才能让算法工程师更好的适配传感器所采集和提供的数据写出更好的算法,自动驾驶的传感器主要分为以下四种。
 
常用传感器简介
 
从四个方面详细解析自动驾驶感知环节