FLIR与ANSYS联手加速热像仪机器学习,为自动驾驶保驾护航

FLIR将其热成像传感器集成到ANSYS的前沿驾驶模拟器中,为自动驾驶汽车开发建模、测试并验证热成像技术。 ...查看全部

FLIR将其热成像传感器集成到ANSYS的前沿驾驶模拟器中,为自动驾驶汽车开发建模、测试并验证热成像技术。


据麦姆斯咨询报道,FLIR Systems, Inc.(纳斯达克证交所代码:FLIR,以下简称FLIR)与ANSYS(纳斯达克证交所代码:ANSS)正在合作,共同为辅助驾驶和自动驾驶汽车(AV)提供卓越的危险探测能力,为汽车制造商提供前所未有的汽车安全保障。通过此次合作,FLIR将把完全基于物理的热成像传感器集成到ANSYS的前沿驾驶模拟器中,从而实现在超真实的虚拟世界中对热像仪设计进行建模、测试和验证。全新的解决方案将通过优化热像仪的布局来缩短原始设备制造商(OEM)的开发周期,以便与自动紧急制动(AEB)、行人探测等工具一同使用,并应用于未来的自动驾驶汽车。

对FLIR客户及合作伙伴来说,在虚拟环境中进行测试的能力是对现有系统的有力补充,受益产品主要包括搭载了FLIR Boson®热像仪、FLIR热启动数据集及特定区域/城市热数据集(用于算法训练)的FLIR汽车开发套件(ADK™)。FLIR热数据集是为高级驾驶辅助系统(ADAS)开发、AEB和自动驾驶汽车系统中的机器学习而创建。

目前,自动驾驶汽车和ADAS传感器在黑暗或阴影、强光及恶劣天气(如大雾)等环境中面临着巨大挑战。然而,热像仪可以有效地探测和分类这些环境中的物体。将FLIR的热成像传感器集成到ANSYS® VRXPERIENCE®中,即可在短短几天内模拟完成数百万英里的数千种驾驶场景。此外,工程师还可以模拟热成像能够提供关键数据但难以塑造的场景,包括在拥挤的低对比度环境中探测行人。

“通过将ANSYS行业领先的仿真解决方案加入到我们现有的物理测试工具套件中,工程师、汽车制造商和汽车供应商可显著提升汽车在各类驾驶条件下的安全性。”FLIR工业事业部总裁Frank Pennisi表示,“该方案可以重现驾驶员每天都能看到但在物理环境中难以复制的特殊场景案例,这为改进神经网络和AEB等安全功能开辟了道路。”

“FLIR认识到,仅仅依靠在物理世界中收集的机器学习数据集来使热像仪在汽车应用中达到尽可能安全可靠,是具有很大局限性的。”ANSYS副总裁兼总经理Eric Bantegnie说道,“如今有了ANSYS解决方案的帮助,FLIR可以进一步增强汽车制造商的能力,以加速搭载热像仪的辅助驾驶系统的开发和认证。”

除特定城市的数据集外,FLIR在汽车行业已拥有十多年的丰富经验。FLIR已为包括通用、奥迪和奔驰等在内的汽车制造商提供了超过70万个热成像传感器,作为其夜视预警系统的一部分。此外,FLIR近日还宣布,其热成像传感器已被一级汽车供应商Veoneer选中,用于与全球顶级汽车制造商合作计划于2021年量产的L4自动驾驶汽车中。

于1月6日至10日在美国内华达州拉斯维加斯举办的“2020年国际消费电子展(CES)”期间,FLIR展示了其热成像加持的演示汽车和其它创新型产品,FLIR的展位号为#8528。

博客 自动驾驶小能手

LV5
4 天前
175

马斯克说“傻子才用”的激光雷达,如今要在自动驾驶识别中唱主角了

扩大应用范围是推进传感器产业发展的关键。早在2013年,工业和信息化部、科技部等四部委就出台了《加快推进传感器及智能化仪器仪表产业发展行动计划》,以推动传感器表产业创新、持续、协调发展,整体水平跨入世界先进行列。近年来,随着物联网、5G及AI的快速发展, ...查看全部

扩大应用范围是推进传感器产业发展的关键。早在2013年,工业和信息化部、科技部等四部委就出台了《加快推进传感器及智能化仪器仪表产业发展行动计划》,以推动传感器表产业创新、持续、协调发展,整体水平跨入世界先进行列。近年来,随着物联网、5G及AI的快速发展,智能传感器展现出了蓬勃的发展生机。《中国电子报》将选取自动驾驶、智慧养老、工业互联网、智慧医疗等几个热点领域中传感产品的应用情况进行报道,展示传感器技术发展趋势,产业发展前景。

激光雷达(LiDAR)一向是汽车自动驾驶技术实现的主要部件之一,然而动辄数十万元的造价限制了它的普及应用。近年来随着博世、安森美、英飞凌等半导体大厂的大举投入,以MEMS、光学相控阵列(OPA)技术为基础的固态激光雷达正在走向成熟,逐渐有能力取代传统机械式激光雷达。未来,固态激光雷达有望在自动驾驶识别中扮演主要角色。

固态激光雷达闪亮CES2020

在近日举办的CES2020大展上,激光雷达成为亮点之一。开展前夕,德国汽车零部件供应商博世宣布,其首款车规级激光雷达芯片已经进入量产开发阶段。该系列产品可覆盖长距离和短距离探测,适用于高速公路和城市道路的自动驾驶场景。更为关键的是,博世希望通过规模化量产,降低激光雷达成本,从而促进市场推广。

安森美是图像传感器领域的主要厂商之一,近年来在激光雷达、毫米波雷达和图形传感器芯片等领域均有投入。本届CES上,安森美以激光雷达芯片为重点,展示了业内首款高分辨率、宽视野单光子雪崩二极管(SPAD)阵列探测器。SPAD阵列是微光光子探测器芯片,可用于不同类型(包括短距、中距和长距)激光雷达当中。

欧司朗从去年开始就有消息传出将进入激光雷达市场。本届CES上,欧司朗展示了应用于自动驾驶概念车MetroSnap的激光雷达技术。MetroSnap是一款L5级别的自动驾驶汽车,欧司朗称其所提供的激光雷达技术能够通过红外线脉冲激光绘制车辆周围环境的3D地图,使MetroSnap概念车实现更安全的自动驾驶。

另外,近日图像传感器大厂索尼也传出将进军固态激光雷达的消息。

中国公司也在激光雷达领域崭露头角。在CES2020上,由DJI大疆内部孵化的览沃科技(Livox)发布了两款激光雷达传感器:Horizon和Tele-15。览沃科技表示,这两款激光雷达为L3/L4级自动驾驶而设计,是高性能、低成本、可量产的传感器解决方案。览沃科技以此为契机还与自动驾驶初创公司Refraction
AI和AutoX建立了合作关系。

迅速发展媲美机械式产品

激光雷达一向是汽车自动驾驶技术得以实现的主要部件之一,具有高分辨率、抗干扰能力强、获取的信息量大等优点,然而,高昂的造价也限制了它的普及应用。特斯拉CEO马斯克就曾公开表示:“傻子才用激光雷达,现在谁要还是靠激光雷达,那就注定完蛋!”不过近年来,随着博世、安森美、索尼、英飞凌等半导体厂商的大举投入,固态激光雷达正在慢慢走向成熟。

专家指出,固态激光雷达与传统的机械旋转式激光雷达不同,它采取MEMS、光学相控阵列(OPA)等扫描方式,对物体信息进行识别,以实现收集路况信息,为自动驾驶提供数据基础的作用。而且相比机械式激光雷达,固态激光雷达在成本、体积、可靠性和使用寿命上都有优势。

那么,目前的固态激光雷达可以和机械式激光雷达相媲美吗?从览沃科技发布的产品参数来看,Horizon检测范围达260米,水平视场角81.7°,可覆盖10米距离内的4条车道,等效于传统64线激光雷达,采用5个Horizon即可实现360°场景覆盖。同时,Horizon具有高密度点云、体积小的特点,可以轻松地嵌入到车辆中。Tele-15探测距离达到500米,为远距离检测而设计,兼具紧凑尺寸、高精度和耐用性的优势,0.1秒即可扫描15°圆形视场内99.8%的区域,这一点要优于传统128线激光雷达。

激光雷达解决方案提供商速腾聚创(RoboSense)合伙人兼副总裁Leilei
Shinohara也表示:“我们与安森美半导体合作并利用RD系列SiPM系列,已迅速超越了传统激光雷达制造商使用较老旧的APD技术和机械扫描架构所提供的性能。

有望加快商用进程

激光雷达一直是自动驾驶汽车中价格最为昂贵的传感器,各个零部件供应商和激光雷达初创公司都想降低激光雷达的生产成本,以获得规模效益。随着固态激光雷达技术的逐渐成熟,固态激光雷达由于改变了数据读写模式并省去了旋转部件,成本可以大幅下降,有望推动市场应用的快速扩大。

在宣布推出激光雷达芯片时,博世发言人即表示,博世的激光雷达已经开发完成,并且售价将会低于市面上其他的激光雷达,使其成为一款大众可负担得起的产品。览沃科技更是直接将激光雷达的价格拉到了万元以下,Horizon的报价为6499元,Tele-15为9000元。览沃科技全球市场总监邓睿豪表示,大疆一直在推动的事情是希望将前沿技术平民化,这种思路也同样适用于Livox。

随着博世、安森美等半导体大厂进入激光雷达领域,特别是中国芯片厂的进入,激光雷达技术应该会取得突破,其价格有望进一步下探。而核心芯片价格的下降,直接影响激光雷达的价格,有望从万元时代来到千元时代。

从应用角度来看,激光雷达的应用依然需要与毫米波雷达、摄像头等设备结合使用。恩智浦资深副总裁兼首席技术官Lars
Reger表示:“激光雷达、雷达、摄像头,就像人的眼睛能看到的视线一样,应当相互补充,结合使用。”

毫米波雷达优点主要是探测距离比较远,精度非常高,而且不受天气和光线的影响。毫米波雷达对运动的金属物体比较敏感,但对于静止的金属或非金属物体,运动的非金属物体不太敏感,分辨率也比较低。激光雷达的测距精度非常高,基本上可以达到正负一两厘米,分辨率也非常高。但激光雷达容易受到阳光雨雾和互干扰的影响。摄像头可以通过丰富的成像信息进行各类识别运算,比如行人、形变的物体,还有停车场的横杆以及交通标识等。不同方案结合使用可以起到相互补充的效果。事实上,目前博世、安森美、恩智浦等主流半导体厂商都掌握着三种技术相对完整的产品线,同时致力于打造整体解决方案。(作者:中国电子报)

博客 自动驾驶小能手

LV5
4 天前
31

专注FMCW激光雷达的光勺科技亮相CES 2020

据麦姆斯咨询报道,在2020年国际消费类电子产品展览会(CES)上,北京光勺科技有限公司(简称:光勺科技)展示了调频连续波(FMCW)激光雷达演示(Demo)及最新路测视频。据悉,光勺科技已于2019年年初完成了500万元的天使轮投资。市场 ...查看全部

据麦姆斯咨询报道,在2020年国际消费类电子产品展览会(CES)上,北京光勺科技有限公司(简称:光勺科技)展示了调频连续波(FMCW)激光雷达演示(Demo)及最新路测视频。据悉,光勺科技已于2019年年初完成了500万元的天使轮投资。

市场上最常见的两种激光光波调制技术有调幅(AM)和调频(FM)。传统的调幅(AM)激光雷达易受其它传感器光源干扰,容易出错;而FMCW技术能够提高对外界干扰的容忍度。FMCW技术的基本原理是用高频连续波作为发射波,利用接收的回波频率与发射的频率之间的微小时间差计算出某物体与目标之间的实际距离,两者的变化规律都是三角波规律。将调频(FM)激光雷达运用于自动驾驶领域,有助于提升无人驾驶汽车的安全性、帮助其根据周围环境做决策。相比AM技术,新制式FMCW激光雷达有三个显著优点:(1)探测距离长度达250米,是AM技术的2倍;(2)能提取动态多普勒信息;(3)使用单机激光特定频率,避免互相干扰。

目前,激光雷达赛道比较拥挤,全球大约有一百多家供应商,但是都是AM老技术制式,只有十余家公司使用FMCW技术。国内的光勺科技就是其中一家,而发布路测视频的目前只有三家。

目前,FMCW雷达方面最为知名的公司是被Aurora收购的Blackmore。与Blackmore采用调频FMCW技术不同,光勺科技的新制式FMCW激光雷达(Self-Homodyne Laser Radar)调制的不仅是激光光波的频率,还包括相位,也就是使用了调相技术。该公司拥有相干检测技术的核心专利,能够实现4D激光点云输出。每一个输出点云中不仅包含距离信息,同时能够提取动态目标的多普勒彩色图形信息,这将有助于在自动驾驶中探测移动的目标,高效、自动输出安全驾驶距离;同时能够排除外界噪声的干扰,提高对外界温度、环境恶劣程度的容忍度。

光勺科技表示,相比于传统FMCW调频技术,公司产品具有核心优势。从符合车规级的角度看,使用调频方案时,需要激光信号具有极高的调制线性度,而调相方案中只需要控制相对长度,对产品长度的误差度和环境的容忍度也有很大的提升,因此更容易符合车规级。


光勺科技的4D多普勒成像信息

光勺科技此次展示了实际路况测试视频。视频中,如团队提供的4D多普勒成像信息图所示,自动驾驶汽车行驶过程中,前方150米出现两个骑自行车的人在车前进方向逆向行驶,即最左图中的圈出的绿点,FMCW激光雷达能够清晰辨认出150米外正在移动的目标。图三中,两个骑行的人中有一人朝着横向方向驶开,离开车载雷达的视线范围;但另一个人仍逆行前进。此时,自动驾驶车前出现一辆出租车将骑行者挡住,人的位置位于最右图中的红圈内,该路况下,传统雷达视线会被出租车阻挡,无法辨认出骑行者所在位置,这对于自动驾驶汽车来说无疑是危险的情况。光勺科技表示,公司的FMCW激光雷达能够在此种情况下透过遮挡物,清晰地提取出室外移动目标的多普勒信息彩图,这将大大有助于提升自动驾驶汽车的安全性。

在CES 2020展会之后,目前已知对其FMCW激光雷达样机感兴趣的企业有专注于公共交通新型自动驾驶的初创公司Bluespace.ai、印度塔塔集团旗下的Elxsi。同时,光勺科技团队还在积极对接谷歌Alphabet旗下的美国第一无人驾驶公司Waymo和通用旗下的Cruise。谈及激光雷达产品正式上市的时间,“预计在2020年的Q3或者Q4发售”,光勺科技团队回复。因为“硬件加工上难度并不大,核心还是模型和算法”,厂商确认订货和下单之后,光勺科技能够在一个月内发货。

谈及竞争优势,光勺科技表示,他们申请了的一套针对激光调相的调制方面的核心专利,这是对手没有掌握的。光勺科技是国内第一家实现真实条件路测的FMCW激光雷达公司。

这个赛道上,除了技术发展路线与光勺科技最相似的Blackmore,还有Strobe、Aeva和Bridger Photonics等专注于FMCW激光雷达的厂商。其中,Blackmore获得了宝马的风险投资,Strobe被通用汽车旗下的无人驾驶公司Cruise收购;而Aeva和Bridger Photonics分别获得了丰田风险投资和德国蔡司的投资。不过,这些激光雷达厂商的产品都或多或少被市场上的头部企业绑定了。比如,Blackmore的产品仅对Aurora发售,Aeva的样机仅用于奥迪和保时捷。

博客 自动驾驶小能手

LV5
2020-01-16 18:37
547

孙晓波:关于智慧停车及其建设路径的思考

随着城市社会经济的快速发展,人们生活水平的提高,中国机动车保有量呈爆发式增长,“停车难”已经成为城市社会经济发展的制约难题。各级政府、企业、社团组织积极尝试破解城市“停车难”,参与者越来越多元化,解决问题的方法和措施越来越多样化,特别是在2015年8月国 ...查看全部

随着城市社会经济的快速发展,人们生活水平的提高,中国机动车保有量呈爆发式增长,“停车难”已经成为城市社会经济发展的制约难题。各级政府、企业、社团组织积极尝试破解城市“停车难”,参与者越来越多元化,解决问题的方法和措施越来越多样化,特别是在2015年8月国家发改委联合七部委下发了1788号文件以后,城市停车行业进入了新的发展阶段,停车行业的智能化、信息化、法制化、规范化也得到了快速发展和大量应用,停车行业呈现出百花齐放、百家争鸣的景象。近四年的建设实践取得了一定的成效,在一定程度上缓解了城市停车难,产生了一定的社会效益。

2019年7月30日,中共中央政治局首次将城市停车场建设作为补短板工程纳入“新基建”重点建设项目;9月4日,李克强总理主持召开国务院常务会议提前部署明年专项债部分新增额度,确保明年初即可使用见效,重点用于铁路、轨道交通、城市停车场等交通基础设施;随后,中共中央国务院印发《交通强国建设纲要》要求:科学规划建设城市停车设施,加强充电、加氢、加气和公交站点等设施建设。全面提升城市交通基础设施智能化水平;推动大数据、互联网、人工智能、区块链、超级计算等新技术与交通行业深度结合;12月10-12日召开的中央经济工作会议明确的明年工作重点中也强调了要加强城市停车场建设工作。

上述宏观政策或决策必将促进中国停车行业的快速发展,进入一个新时代。智慧停车是全面、系统的理论体系、方法论和综合解决方案,是破解城市停车难的重要举措,然而在现实工作中,很多管理者和从业者认识不清,将智慧停车肤浅使用或滥用,造成了建设理念、方法上的混乱,降低了智慧停车的实际作用和价值。
一、智慧停车的概念与建设理念
(一)智慧停车的概念
智慧停车是指将卫星定位、GIS、物联网、互联网、无线通信、电子支付、大数据、云计算等技术综合应用于城市停车的规划、建设、运营、管理,以及查询、预约与导航服务,实现停车泊位资源的实时更新、查询、预约与导航服务一体化,实现多元化电子支付的便捷化,实现城市治理的智能化、信息化和决策的科学化,实现城市泊位资源利用率的最大化、停车泊位经营利润的最大化和停车服务的最优化。
智慧停车分为狭义的智慧停车和广义的智慧停车。
1、狭义的智慧停车。
它是指针对城市局部区域或某一停车领域的智慧停车。如道路泊位的智慧停车、路外停车场的智慧停车。它们都是通过对停车泊位资源或停车场进行智能化、信息化改造,在此基础上运用智能管理系统、多元化电子支付、云平台等技术和产品实行停车泊位运营管理与城市治理的科学化、可视化、数字化、模型化和便捷化。例如道路泊位的智慧停车的实施路径为:施划停车泊位并编码--安装传感器或视频采集器(咪表、手持PDA、地磁、视频桩、高位视频、智能地锁等)--上传至智慧停车管理系统---数据处理、图像处理、云计算等---各运行系统(停车管理中心、呼叫中心、电子商务平台、APP、停车诱导系统、应急指挥系统、门户网站、外部系统等)运营。诸如咪表、手持PDA、地磁、视频桩、高位视频等技术和产品各具特色,都有各自的优缺点,有各自不同的应用条件或场景,不能一概而论说谁好谁坏,谁优谁劣,而应当是“合适就是最好的”。
2、广义的智慧停车。
它是指将整个城市作为一个系统进行顶层设计,综合运用多种技术将城市停车的规划、设计、建设、投资、运营、管理等环节全覆盖,实现全过程科学化、智能化、信息化、可视化、模型化,同时,与法制建设、产业政策、城市治理、舆论引导和监督等综合配套实施,实现城市级智慧停车。城市级智慧停车在内容和形式上表现为“路内路外一体化、线上线下一体化、动态交通与静态交通互动、市场运营与城市治理相融合”。
(二)建设理念与建设方法
鉴于停车行业的特点,做好顶层设计,应用系统化思维,制定城市级综合解决方案,将应急与谋远相结合,因地制宜,科学施策,切忌盲目建设。
1、建设理念:
(1)动静结合:在编制城市动态交通规划和开展交通治理工作时  一定要考虑静态交通问题;在编制城市静态交通规划和开展停  车设施建设时一定要注意与动态交通相适配;
(2)以静制动:通过加强停车治理来促进城市交通问题的治理;
(3)公交优先:充分发挥城市公交网络体系完善、载客量大、专  用道行驶、运行效率高、价格低的优势,引导和鼓励市民乘坐  公共交通出行,减少驾车出行;
(4)绿色出行:鼓励广大市民采用对环境影响较小的出行方式,  如乘坐公共汽车、地铁等公共交通工具、合作乘车、骑自行车  或步行等,减少驾车出行,降低停车需求。
2、建设方法:
(1)合理提供增量:按照“配建为主、路外公共为辅”的原则,  根据停车热点分析和土地利用情况,适度建设一部分停车设  施,增加停车泊位;
(2)多维盘活存量:利用物联网、互联网等技术,运用行政措  施、市场手段实现尽可能多的停车场智能化改造和信息化联  网,破除信息孤岛,使存量停车泊位通过云平台实现查询、预  约、导航等服务,大幅度提高泊位利用率、周转率,实际上也  是增加泊位的有效供给。
(3)社会资源共享:随着5G、人工智能等技术的发展,进一  步将社会停车资源互联互通,开展错时错峰停车、共享停车,  使社会停车资源高效使用、科学合理利用。

三、统筹兼顾,综合施策,促进停车行业市场化、产业化发展

理顺管理体制,明确主管机构,统一组织协调、统筹推进各项工作。

城市停车治理是一项系统工程,应在政府的主导和统筹下,各职能部门依据其工作职能和分工承担相应责任。每个城市应以新一轮机构改革和职能职责调整为契机,借鉴杭州、南京等城市做法,成立由市领导挂帅,各相关单位参加的领导小组办公室(简称停车办),统一负责停车场(库)建设、监督、管理、考核和综合协调等工作,提高工作效率。

习近平总书记指出:“城市规划在城市发展中起着重要引领作用,考察一个城市首先看规划,规划科学是最大的效益,规划失误是最大的浪费,规划折腾是最大的忌讳。”每个城市应科学合理编制静态交通专项规划并使之与国民经济社会发展规划、城市建设规划、综合交通规划等相适应、相匹配,特别是要充分考虑新技术的影响,因地制宜,制定符合城市发展特点的停车专项规划。

1.开展全面翔实的停车普查工作。

停车普查是对城市停车供需情况的全面调查。可借鉴北京、深圳、青岛等城市经验,开展对各类停车资源进行普查登记,摸清底数,明确全辖区机动车的保有量、停车泊位总量及结构(基本停车泊位、出行停车泊位、建筑配建泊位、路内停车泊位、路外停车泊位等)、停车供需空间分布情况及车辆实际停放位置等,深入了解停车泊位实际利用率及可挖掘、共享、合法化资源,为停车设施规划布局及建设、配建指标修订、停车产业政策、智能化信息化改造提供决策依据,为停车管理工作提供数据支撑。

2.加快城市停车立法工作。

2015年至2017年,中央和地方密集出台停车相关政策,宏观产业政策框架基本完善,但法律法规仍不健全完善。2018年以来,北京、深圳、广州、徐州、沈阳等近10个城市出台了停车管理条例,烟台、漳州等30余个城市出台了停车管理办法、规定或细则,城市停车方面的法制建设逐步得到加强。其他城市都应当适时制定机动车停车场建设管理以及停车运营管理的法律法规,规范停车设施规划、建设、投资、运营、管理等工作,依法对城市停车进行有效管理,切实做到“有法可依,执法必严,违法必究”。

3.建立城市统一的智慧停车平台。

充分利用物联网、互联网、无线通信、人工智能、云计算、大数据等技术,进一步加大停车信息平台建设和整合力度。在普查基础上推动更多泊位资源纳入信息平台,通过市场化手段(利益协商等)加强资源整合,按照一个城市“一张图、一个平台、一个技术标准、一个运营主体、一个APP、一套服务规范”的原则建设城市级智慧停车平台,实时发布停车信息,进行停车诱导,推动共享停车,盘活存量资源,提高车位使用效率,增加停车泊位的有效供给。

4.进一步细化政策,吸引社会资本参与,推动停车行业的市场化发展。

(1)财政政策:主要是对于停车场(库)建设给予奖补;PPP  模式的经营性补贴等

(2)土地政策:主要是土地供应、出让方式、权属登记等
(3)物价政策:主要是实行差别化定价和市场化调整机制等
(4)税收政策:依据国家相关法律法规,给予税收减免等

(5)投资政策:主要是商业配建、广告经营、车位产权、执  法管理等。

5积极推进停车行业产业化发展。

由于停车行业产业链条比较长,涉及规划、设计、投资、建设、设备制造、智能设施及系统、运营管理等专业或子行业,还与新能源汽车充电及运营、汽车后市场相关联,市场空间巨大,产业规模在10万亿以上。因此,每个城市在解决停车难的同时,要大力推进停车行业产业化发展。此外,随着5G、人工智能、无人驾驶等技术的快速发展和城市土地资源越来越稀缺,智能立体停车设施作为集约利用土地增加停车泊位供给的有效方式将越来越重要,其应用也会越来越广泛。

6加大执法力度,严格违停管理。

(1)要切实做到有法必依,执法必严,违法必究。
(2)通过加大惩处不良的停车消费行为,引导和培育良好的  行为习惯。
(3)通过严格违停管理,创造优良的投资环境,维护各类投  资者的合法权益。

7加强正确的舆论宣传引导和监督,营造良好社会氛围。

针对市民普遍对停车设施建设关心不够、对智慧停车等知识了解不够、部分市民存在着不良的停车消费行为等问题,每个城市要加大宣传工作力度,普及常识和相关法律法规,消除疑虑,争取理解和支持。同时辅以价格调节、科学合理调控道路停车规模等措施,引导广大市民公交出行、绿色出行、文明停车,积极参与到城市停车治理中来,为停车设施建设管理和有序发展营造良好的社会氛围。

8充分发挥行业协会的作用。

行业协会是连接政府与企业、企业与企业、企业与社会的桥梁和纽带。行业协会能有效维护社会和企业的合法权益。

政府机构改革和职能转变的重点之一就是将“市场的事交给市场去做”,2019年2月20日,李克强总理主持召开国务院常务会议,要求制定涉企法规规章和规范性文件必须听取相关企业和行业协会商会意见,使政府决策更符合实际和民意。行业协会是同行业企业自己的组织,对行业发展趋势、技术和产品现状以及不同企业的管理水平、技术储备和核心竞争力等情况非常熟悉,因此,要充分发挥行业协会的作用,将诸如企业资质评审及认证、产品评价、技术标准与服务规范制定、企业等级评定、行业自律等事务均交由行业协会组织实施。通过行业协会积极而富有成效的工作,推动停车行业健康、持续发展。(作者:中国城市公共交通协会城市停车分会会长孙晓波)

博客 自动驾驶小能手

LV5
2020-01-16 18:32
63

Echodyne发布突破性成像雷达 赋予自动驾驶汽车感知传感能力

据外媒报道,自动驾驶高性能雷达平台公司Echody ...查看全部

据外媒报道,自动驾驶高性能雷达平台公司Echodyne发布了突破性的自动驾驶汽车成像雷达EchoDrive。EchoDrive以MESA®技术为基础,提供新型的传感器功能,显著提升了机器感知能力。


(图片来源:Echodyne官网)

EchoDrive为驾驶场景的探测提供前所未有的实时控制,使机器感知形式更加丰富。该雷达的动态控制API利用自动驾驶堆栈中的资源,如高清地图、V2X和其他传感器数据,通过不断变化的环境、条件和场景,时刻优化测量。例如,EchoDrive可以平稳地从普通驾驶模式切换到交通繁忙区域模式,并且增加帧率,确保无保护左转,或在驶入隧道时,放大画面。这是一种高性能模拟波束引导雷达的动态任务操作,可以提升自动驾驶堆栈中AI和机器学习的认知功能,进而极大地提高安全性。

Echodyne首席执行官Eben Frankenberg表示,“目前,自动驾驶堆栈的数据流是单向的,传感器传递信息,自动驾驶系统处理信息并采取行动。我们缺少动态的、交互式的数据流,此种数据流使得自动驾驶堆栈中的认知功能成为可能。利用EchoDrive,自动驾驶系统可以引导雷达扫描特定对象,获取准确的驾驶场景信息,从而做出更正确的自动驾驶决策。我们期待利用EchoDrive,帮助企业设计、制造并交付更安全的车辆。”

Echodyne已成功地为国防、政府、航空和商业应用领域打造并交付了高性能雷达。该公司正扩展其雷达平台技术,旨在帮助汽车制造商建造并交付更安全的自动驾驶卡车、自动驾驶公共汽车和共享出行乘用车。

EchoDrive具备以下先进的自动驾驶成像功能:

方位角和仰角高分辨率成像

主动波束引导道路追踪

无缝适应不断变化的驾驶场景

丰富的、未经过滤的原始数据

动态控制API提供强大的感知传感器功能。

Echodyne首席技术官Tom Driscoll表示,“EchoDrive是自动驾驶成像雷达的一个巨大飞跃,将为自动驾驶领域带来感知传感能力。我们的自适应雷达传感器集成了德州仪器公司(Texas Instruments )的毫米波(TI mmWave)传感器、我们专有的MESA技术,以及强大的软件框架,全方位改进了自动驾驶架构。(作者:盖世汽车)

博客 自动驾驶小能手

LV5
2020-01-14 17:30
197

杨晓明:以智能架构推动自动驾驶汽车实现量产

安波福亚太区总裁杨晓明在发言中表示,安全、绿色、互联的发展趋势需要系统的解决方案,新一代智能架构是自动驾驶汽车量产的基础保障。1月10日,2020中国电动汽车百人会论坛在北京举行。本次论坛以“把握形势 聚焦转型&nb ...查看全部

安波福亚太区总裁杨晓明在发言中表示,安全、绿色、互联的发展趋势需要系统的解决方案,新一代智能架构是自动驾驶汽车量产的基础保障。

1月10日,2020中国电动汽车百人会论坛在北京举行。本次论坛以“把握形势 聚焦转型 引领创新”主题,围绕行业、企业、政策的转型与创新展开广泛研讨。

杨晓明介绍,目前,整个行业正在面临着向移动平台未来出行方式变革的挑战,在这个挑战过程中,安波福一直坚持三点:第一、安全,就是解决汽车零事故的问题。第二、环境,就是绿色,如何达到严格的排放要求。第三、互联优势。如何把安全、绿色、互联三方面结合到未来出行自动驾驶的平台上,对整个汽车行业来说,是挑战也是机遇。

杨晓明说,即使在2019年中国汽车市场面临下滑的情况下,主动安全系统仍然处于非常高速的发展阶段。“目前,汽车行业存在的一个大问题,就是传统汽车的架构接近饱和,已经不太可能承受安全、绿色和互联的发展趋势对汽车平台的要求。”

如何解决?杨晓明认为可以从今年的CES展得到启示。杨晓明认为今年的CES表现出三个特点。首先是激光雷达公司强调的重心已经从功能转向成本,在成本价格得到解决的情况下,激光雷达就可以达到适用的量产阶段;其次是AI正在成为主题,算法及计算能力得到发展;第三是感知系统被重视,如面部识别,对汽车内部的传感系统等。

杨晓明透露,安波福正在做下一代汽车架构的团队,注册商标SVA,就是智能汽车架构。这个智能汽车架构有三大特点:一、强调把软件和硬件分离开;第二、把输入端和输出端与中央计算分离;第三、中央计算中心担当服务器角色。

杨晓明认为,智能汽车架构是目前的一个发展趋势。软件和硬件分离会带来更多好处,在升级扩充功能的时候不需要重新对每个模块进行长时间的车级论证,软、硬件开发时间会大大缩短。最重要的是可以扩充功能,就是说可以不停地开发客户需要的功能,通过云端直接升级到车上,而不牵扯大规模硬件方面的论证。同时,可以实现电子电气架构的自动化装配,大大降低汽车组装的成本。“汽车智能架构会带来非常大的业务模式的变化,这个业务模式的变化不仅是消费者端,而是在整个汽车产业链里,谁来完成哪一块的功能,这是一个全新的开放的生态方式。”

安全、绿色、互联的发展趋势需要新的系统的解决方案,新一代汽车智能架构是高度自动驾驶汽车量产的基础保障。“到底市场如何去变?我认为下一个革新最可能成功的地方就在中国,因为我们有各方面的社会优势以及大量的创新企业正在向这些方向发展。”杨晓明说。(作者:交通安全智库)

博客 自动驾驶小能手

LV5
2020-01-14 17:29
58

Xmart OS 1.7版本OTA升级软件正式推送 多项功能优化让小鹏G3更好开

Xmart OS 1.7版本OTA升级软件正式推送  多项功能优化让小鹏G3更好开l优化功能:智能泊车系统、智能驾驶系统、智能导航、小P智能推荐服务、“你好 小 ...查看全部

Xmart OS 1.7版本OTA升级软件正式推送  多项功能优化让小鹏G3更好开

l优化功能:智能泊车系统、智能驾驶系统、智能导航、小P智能推荐服务、“你好 小P”AI语音助手。

l适用范围:小鹏G3全系车型。(Xmart OS 1.6.1及以上版本可直接升级至1.7;Xmart OS 1.6.1以下版本,需先升级至1.6.1版本后,再升级至1.7版本。部分升级功能需搭载相应硬件,请以销售实车为准。)

小鹏汽车于1月10日起,正式向G3用户分批推送Xmart OS 1.7版本OTA升级软件。升级完成后的小鹏G3全系将优化智能泊车系统、智能驾驶系统、智能导航、小P智能推荐服务、“你好 小P”AI语音助手等多项功能。Xmart OS 1.6.1及以上版本可直接升级至1.7;Xmart OS 1.6.1以下版本,需先升级至1.6.1版本后,再升级至1.7版本。部分升级功能需搭载相应硬件,请以销售实车为准。此次,小鹏G3 OTA升级具体内容如下:

1578884599173575.png

1578882233706841.png

优化功能说明如下:

智能泊车系统:进一步优化智能泊车体验,在泊车过程中车辆前进与后退的方向在车内大屏上将根据方向同步显示,让泊车视线更加清晰。同时,侧方位泊出时将开启对应侧转向灯,泊车时的车速也将更适应泊车环境,让车辆泊入泊出时更加安全。更新后的自动泊车系统可以开始对部分固定车位进行学习。

智能驾驶系统:自动驾驶辅助系统在行车时的舒适性上做了进一步优化。

优化智能导航:现支持「继续导航」按钮,在驾驶员或乘客调整为导航状态时,可手动恢复最佳导航视觉状态;

同时,可以支持语音操控直接进入探路或导航模式,不需要选择路线。

小P智能推荐服务优化:现支持智能推荐服务,如根据驾驶场景智能推荐打开新风模式、等人模式等;根据天气或环境智能推荐开启内循环、是否开启座椅通风或关闭座椅加热、关闭车窗等;同时,新增智能提醒服务,如进入续保期前15天提醒、临近续保期提醒、车险到期提醒等功能,优化后的小P智能推荐服务让服务场景更丰富、更人性化。

「你好 小P」AI 语音助手:优化使用「你好 小P」的网络性能,同时新增胎压语音指令。

小鹏G3作为小鹏汽车的第一款产品,根据目前最新的保监会数据,个人用户占比88%,在造车新势力中C端用户的占比处于领先水平,其产品力及产品口碑都获得真实消费者的充分认可。尤其是小鹏G3 2020款,凭借其NEDC 520km的超长续航能力及L2.5级自动驾驶辅助能力,深受消费者喜爱。同时,G3全系依然可以通过整车OTA持续进化,自2019年1月的首次OTA到2019年12月31日,一共完成7次OTA升级,新增逾56项功能,逾1732项功能优化升级,平均不到2个月就有1次OTA升级,增加包括“车辆钥匙召唤”、“遥控泊车”、“哨兵模式”、“ALC自动变道辅助”等功能。未来,相信小鹏G3 还会为我们带来更多惊喜。另外,小鹏汽车更懂中国用户需求,在此次OTA升级中,根据中国春节为用户奉上“春节彩蛋”为新年添新彩,敬请期待。

博客 智能网联汽车

LV1
2020-01-13 10:51
77

伟世通携手广汽和腾讯,推出全球领先量产座舱域控制器

 伟世通携手广汽和腾讯,推出全球领先量产座舱域控制器 · 三方共同开启量产智能座舱的新时代 ...查看全部

 伟世通携手广汽和腾讯,推出全球领先量产座舱域控制器

 · 三方共同开启量产智能座舱的新时代

· 本次CES展示的全新SmartCoreTM 是全球首款使用第三代高通骁龙汽车座舱平台的座舱域控制器

· 伟世通SmartCoreTM与广汽的合作,也是业界首次将集成三个不同的座舱电子域的域控制器应用在量产车型上

美国当地时间1月8日,全球汽车座舱电子技术领导者伟世通在2020年第21届CES上展出了其智能一体化座舱的最新成果—— 搭载第三代高通骁龙汽车座舱平台的量产座舱域控制器SmartCoreTM。该产品即将在广汽全新纯电平台首款车型Aion LX上实现正式量产。

1578883146572416.jpg

伟世通公司全球总裁Sachin Lawande、腾讯公司副总裁钟翔平和广汽研究院院长王秋景分别代表公司共同参加了全新SmartCoreTM的亮相仪式。

于本次CES之上公布的SmartCoreTM也是三方继去年CES宣布作开发自动驾驶技术以及数字化AI座舱解决方案后交出的最新答卷。经过一年多的共同开发,三方基于各自的技术平台优势,共同开发的SmartCoreTM第三代高通骁龙汽车座舱平台并且搭载了腾讯车联TAI汽车智能系统。

以SmartCoreTM 为核心的成熟座舱解决方案能够带来领先的车机体验,协助更多的整车厂商提供更为有效的差异化方案,致力于协助汽车厂跨入智能网联时代。

此番广汽Aion LX的量产意味着伟世通集成3个座舱域的SmartCoreTM域控制器平台项目的正式落地。数字仪表,信息娱乐和车身控制界面这三个座舱域首次集成在一起,用户只需滑动手指就可以轻松调整座椅,车外后视镜以及空调温度等功能。

本次量产的SmartCoreTM搭载了腾讯车联TAI汽车智能系统的核心技术和能力,以语音交互为主要方式,可实现高效、情感化的人机互动和车辆控制。同时,SmartCoreTM智能座舱注入了腾讯系丰富的内容娱乐及车主服务生态,并可结合出行场景特征和用户兴趣偏好,实现服务的主动推荐,为用户带来人性化的、极致的数字化体验。

作为业内首发第三代高通骁龙汽车座舱平台的量产智能座舱方案,它使用了高通全新的骁龙芯片,满足了新一代座舱电子系统所需的强大的算力和AI能力,并基于强大的CPU和 GPU,可支持多达6~8个显示屏,助力智能语音交互,增强现实和图像处理,为实现智能电子座舱提供了硬件平台支持。

1578883287712238.jpg

伟世通携手合作伙伴展示即将在广汽车型上量产的SmartCore

(照片从左到右:广汽研究院院长王秋景、伟世通公司全球总裁Sachin Lawande、腾讯公司副总裁钟翔平、高通公司汽车计算业务负责人Shyam Krishnamurthy)

 “我们很高兴展示了与腾讯和广汽研究院进行智能座舱的合作成果,”Sachin表示,“广汽Aion LX代表了整合数字座舱的未来,而未来的数字化座舱将由一个域控制器推动多个显示屏,同时在更低的能耗的情况下,提供更高的算力,这一点尤其适合电动汽车。在汽车技术变革的潮流中,伟世通将不断为驾驶舱数字化、集中计算和自动驾驶领域提供解决方案,这次广汽Aion LX就是最好的范例。”

广汽研究院院长王秋景表示:“广汽集团一直致力于成为移动生活价值创造者,近几年来紧跟行业发展趋势,深度布局智能网联、新能源汽车技术发展。由广汽研究院自主正向开发的ADiGO(智驾互联)生态系统,完美融合了伟世通SmartCoreTM座舱软件架构系统、腾讯TAI汽车智能系统及高通硬件平台,将给汽车消费者带来智趣出行、智享体验、智能服务的美好移动生活体验。与伟世通、腾讯、高通的战略合作,是广汽研究院‘整合创新’战略的具体行动实践,也是对未来美好移动生活方式的一次伟大探索。”

腾讯公司副总裁钟翔平表示:“智能网联、自动驾驶成为信息产业和汽车产业的融合的交汇点。在这个趋势下,腾讯与伟世通、广汽研究院三方在汽车智能座舱、自动驾驶方面展开联合探究。一年以来,三方取得了令人欣喜的成果。腾讯希望陆续把‘生态车联网’的理念落实到与伟世通和广汽研究院共同研发的产品和服务中,让出行体验更加人性化、智能化。”

高通科技负责产品管理的高级总监Shyam Krishnamurthy说:“随着车载座舱拥有越来越丰富的信息娱乐和驾驶员辅助功能,车机系统变得越来越复杂,因此降低系统复杂度,可以最大限度地降低成本和能源消耗,同时最大限度地提高系统性能。随着我们进入电动化时代,高通科技期待继续与伟世通合作,以应对复杂的挑战。”

伟世通座舱域控制平台SmartCoreTM通过将智能座舱内的多个ECU(电子控制单元)集成到一个控制器上,带来安全、体积、功耗,重量以及成本上的优势。通过基于互联生态的无缝人机交互,实现一流的驾驶体验。

伟世通与合作伙伴们将继续围绕数字座舱、集中计算和自动驾驶展开联合开发和成果共享,探索座舱电子领域技术创新。

博客 智能网联汽车

LV1
2020-01-13 10:51
77

2020年,5G和边缘计算将如何发展?

5G的到来,为边缘计算之前不可能实现的应用铺平了道路。 ...查看全部

5G的到来,为边缘计算之前不可能实现的应用铺平了道路。

2020年新年伊始,围绕着边缘计算和5G肯定会有一波新的炒作。现在是巩固和更新我们对这两个概念的理解以及探索这两种技术如何相互补充和相互增强的理想时机。特别是在金融支付、在线订单、欺诈监测、机器学习等领域,这两项技术将助力你在未来保持持续地竞争力。

边缘计算主要是处理来自更接近其创建位置的设备信息,而不是在云平台中来回调取信息。5G的到来,为边缘计算之前不可能实现的应用铺平了道路。比如增强现实和虚拟现实,5G的超低延迟特性使你看到的东西与你正在做的事情保持同步;还有自动驾驶汽车,需要在瞬间对大量数据进行处理并做出决策。

IDC预测,到2025年,全球将有1500亿台联网设备(包括RFID),其中大部分都会实时输出数据。2017年,实时数据仅占所有创建、捕获或复制信息的15%;到2025年,这一比例有望达到30%。从百分比上看,边缘计算似乎不会带来翻天覆地的变化,但是从数据的原始容量来看,这是一个数量级的增长(从~5 zb到~ 50zb)。边缘计算基于海量实时数据,具有同步智能分析的能力,同时最小化带宽开销。

新的定义

即使已经到了2020年,关于“边缘”的定义仍会仁者见仁智者见智。从NIST(美国国家标准技术研究所)到IEEE,模型仍在不断发展。它可以是树莓派选择性地将传感器信息发送到云上,也可以是谷歌在线流媒体平台上处理数据的节点。虽然这两种模型之间有很大的差距,但它们都使计算资源更接近用户终端。

一份相对中立的边缘计算报告中给出了一个更明确的定义,得到了一些行业的共识:

  • 边缘是一个位置,而不是一个新事物。

  • 边缘计算有很多,但我们关心的是网络“最后一公里”的边缘计算。

  • 边缘计算有两种形式:基础设施边缘和设备边缘。

  • 计算将同时存在于边缘和云平台,他们之间的界线越来越难以划分

通俗地来讲,设备边缘包含终端,如电话、无人机、AR耳机、物联网传感器和联网汽车;还包含网关设备,如交换机和路由器;以及本地服务器。它们都在网络最后一公里的下游。基础设施边缘存在于上游,是通过网络接入设备和数据中心获取计算资源。

例如在大钻机案例中,树莓派是在设备边缘,它不需要实时传输环境数据来占用带宽,而是在本地进行处理,除非紧急任务下才向后台上报。相反,当本地数据中心需要提供每秒60帧的流媒体速度来播放4K高清视频时,虽然设备边缘能提供了一个明显的低延迟优势,但是用户更希望向上游获得一个具有更强大的处理能力的硬件。

除了分布式基础设施靠近核心网络之外,对云的要求也变得更集中化和可扩展性。但是,当您使用云计算时,延迟要高得多(而且一致性也差得多)。

低时延边缘计算的优势

人们很容易将低延迟视为边缘计算的杀手锏,尤其是在云计算受到物理限制的情况下。

数据的传输速度不可能超过光速,因此向数百或数千英里外的服务器发出请求必然要花费数十或数百毫秒才能完成。当你滚动网页时,这种区别是看不出来的。但对于远程操作的外科医生或虚拟现实中的游戏玩家来说,这些延迟是无法接受的。

边缘计算则消除了延迟以保持数据的一致性。

边缘计算还避免了在连接的设备和云之间来回传输数据。如果您可以确定数据的价值更接近它被创建的地方,那么就可以优化数据流动的方式。将流量只用于云上的数据,可以减少带宽和存储成本,对延时性不敏感的应用也是如此。

边缘计算还会带来可靠性。在恶劣的环境中,设备边缘和集中式云之间数据传输可能会出现很多问题。如海上平台、炼油厂或太阳能农场,设备边缘和基础设施边缘可以在连接不到云的情况下半自主地运行。

分布式体系结构甚至是安全的福音。将更少的信息转移到云中意味着拦截的信息更少。边缘的数据分析在地理上分散了风险,端点信息本身并不容易保护,因此,边缘处的防火墙有助于限制攻击的范围。而且,出于遵从性原因,将数据保存在本地可能很有用。边缘基础设施提供了基于地理位置或版本权限访问的灵活性。

5G和边缘计算相互促进

边缘计算并不新鲜。早在2000年,内容传播网络就被称为边缘网络。但人们普遍认为,随着5G覆盖范围的扩大,边缘计算将有助于利用本地(而非区域)计算资源解决现代应用程序的高带宽、低延迟需求。

5G技术将使计算资源更接近数据生成的地方,从而提高企业应用程序的速度、可靠性和灵活性。更多的信息将在5G网络之间高效传输,而不需要往返于中央云上。因此,我们将会看到以前不存在的应用案例。

根据《边缘计算状态报告2020》,对边缘计算的最大需求来自于通信网络运营商,他们要不断的更新基础设施和升级5G网络。在这些网络上运行的移动消费者服务将依赖于边缘计算,来支持在线游戏平台、增强/虚拟现实和人工智能等应用。

智能家庭、智能电网和智能城市都倾向于使用设备边缘平台。但是,随着这些用例的发展和变得更加复杂,也会出现对基础设施边缘功能的需求。5G对超可靠低延迟通信(URLLC)和大规模物联网通信(mMTC)的规定意味着设备和边缘计算可以更紧密地连接在一起,使它们的短连接更高效。


如图所示:交通信号灯联网并连接到边缘网关,数据可以在那里被收集和分析。作为边缘网络的一部分,它们可以向地图工具提供数据,并围绕拥塞问题重新设置路线。

值得一提的还有自动驾驶汽车。它是5G增强的边缘计算的典范。现在最新的汽车已经利用设备边缘上的计算资源进行避碰、车道保持和自适应巡航控制。但随着辅助驾驶和自动驾驶功能变得越来越复杂,将需要添加来自周围环境的基础设施的边缘资源。例如:根据前方的交通状况来调整行程,与其他自动驾驶车辆相互协调在红灯前通过,或者在瞬间做出决定以避免不安全情况。

边缘计算还需成长

边缘计算被列为Gartner 2020年十大战略技术趋势之一。同时列表中的其他几个概念也植根于边缘计算。超自动化致力于应用人工智能和机器学习等技术,它将依赖于低延迟和持续可靠的通信基础。多维体验也是一大趋势,它依赖于高带宽和实时处理的多维传感器和多功能界面。当然,智能的事物都与AI、5G和边缘计算有关。

启用这些新的应用将需要大量的投资。据Tolaga Research预测,从现在到2028年,IT和数据中心基础设施的累计资本支出将达到7000亿美元。

随着计算资源从集中式云向分布式边缘的扩散,新的应用、新的机会比比皆是,特别是成熟的基础设施边缘。理解边缘计算和5G的影响将帮你给客户带来更加无缝的体验,洞察新市场,并迅速做出反应决策。(作者:Chris Angelini)

博客 自动驾驶小能手

LV5
2020-01-13 09:51
63

邬贺铨:5G发展尚未能满足车联网需求

5G的车联网创新还需要验证  ...查看全部

5G的车联网创新还需要验证 

1月10日-12日,以“把握形势、聚焦转型、引领创新”为主题的2020中国电动汽车百人论坛在北京钓鱼台国宾馆举行。

在10日上午的自动驾驶论坛上,中国工程院院士邬贺铨发表了主题为5G车联网的挑战的演讲。他认为,5G要满足车联网的需求还有很大的挑战。目前的5G技术是为公众通信而设计的,面向的客户群体广大,地域宽广。但对于车联网而言,所需要的应用距离则较短,尤其是车辆与车辆之间。而车联网在80%的状态下都是为行驶准备的,因此对于通信的移动管理要求很高,车联网需要每时每刻都在线。

除此之外,传统的通信主要是满足“点到点”的传输需求,但是城市车联网在V2V环境下是“点到多点”和“多点到点”的传输,需求更加多样。

因此,在邬贺铨看来,5G要满足车联网的需求还有很大挑战。除了技术层面之外,由于车联网拥有众多标识方案,因此未来不用的运营商之间还会存在互通的瓶颈,无法实现有效的直连。

以下是邬贺铨的演讲全文,雷锋网做了不改变愿意的编辑。

车联网的发展需要5G

车联网的通信模式可以分成四类:1.V2V(怎么解决汽车与汽车之间的通信);2.V2P(汽车跟行人之间怎么通信);3.V2I(汽车跟路边、云、红绿灯、停车场的通信),怎么控制信号灯的转换;4.V2N(汽车到网络的通信),解决优化交通流量的问题,做好交通的规划。

我们可以看到为什么会车联网需要有通信呢?我们的汽车车速和刹车的距离,它们是有关系的,假如每小时开到112公里的话,到刹车的时候,差不多要真正刹住需要5秒钟,我们说100米以内可能是驾驶员的感知,200米是车辆的感知,V2V可以有300米的感知,可以提前一些,上到云可以有更远距离的感知(2公里)。

现在汽车作为自动驾驶,是L5级别,不同级别对传统时延有不同的要求的,这需要有不同的技术来支撑。就通信技术而言,在4G时代,L1、L2级别的支撑应该是没问题的,但是如果说真的要到L5级别,就需要5G,最底下一行eMBB是增强的移动宽带,eV2X是增强的v2x通信,包括车到车、车到路、车到基础设施等等。实际上为什么会时延有要求?我们可以停车为例,应该说对时延要求不是最严格的,但是我们可以算出来,如果停车精度要1米的话,扣除处理的时延10毫秒,制动感应30毫秒,这个时候可以看到V2X的时延只允许5毫秒。

远程驾驶、自动驾驶要求端到端的时延不超过5毫秒,可靠性要求99.999%,需要联网,每辆车每秒的数据会到一个GB,按照移动通信标准化组织3GPP对eV2X的要求,在自动驾驶和传感器共享的要求,时延不能高于3毫秒,传感器共享要求带宽1GB,我们可以看到在4G的时代,LTE的时延可能要到100毫秒,如果我们加上边缘计算,可以减到10毫秒,但是仍然超出了目前自动驾驶的要求,所以我们需要有5G+边缘计算,可以说车联网需要5G,只有5G才能支持这个要求。

车联网的通信可以分成好几类,总的叫V2X,一类是短距离的通信,最大传输距离800米这么长,而最高车速是60公里,最大数据率大概是27MB。另外容量不够,如果交通拥堵的时候,车很多的时候就不能胜任了,在抗干扰方面以及覆盖方面是它的不足,现在较多用C-V2X,C是蜂窝的意思,基于蜂窝的V2X可以分为在4G场景下的LTE的V2X,还有增强的LTE环境下的V2X,以及NR的V2X,就是5G,我们可以看到,在4G时代,带宽可以扩展到上百兆,带宽可以到上行500兆,下行1G,但是用户面的时延10毫秒,控制面的时延50毫秒。

增强的4G的V2X增加了一些功能,像车联网编队、高级驾驶、扩展远程驾驶。我们注意到最右边5G的时候,它的通信距离延伸到1公里,最高相对车速可以支持500公里,最大带宽到1G,最重要的是时延降到3毫秒,通信可靠性能做到99.99%。相对于其他的模式,5G是比较接近车联网需要的。

5G本身,我们走过了第一代移动通信,一个蜂窝小区,是以频率的不同区分用户,我们叫频分多址,它是模拟的,以GSN为代表的2G是数字的,以时隙的不同区分用户,TDMA,3G都是CDMA,是以码道的不同区分用户,码分多址。4G把频分、时分、码分都用上了,它的峰值速率可以上到100兆。现在5G来了,在多址方式上,5G和4G有所改进,但是并没有完全变化。

应该说整个移动通信都是十年一代,每一代移动通信的峰值速率是前一代的100倍,所以5G峰值速率可以上到20G,但是这是极端的情况,是工作在毫米波频段800兆的窄频,而且一个蜂窝全部给一个用户用,服务器就在边上,这种情况基本上是实验室做一个测试可以,对一般的应用是不可能的。

即便做不到20G,做到1G是没有问题的。最重要的区别不在于带宽,而在于它扩展的应用模式叫产业互联网和智慧城市,三代应用场景增强移动宽带、超可靠、低延时、广覆盖、大连接,它基本上还依靠通信的基本原理,蜂窝做得更密,这样容量更大,尽管频率高了,传输距离短了,但是蜂窝密了,能够适应。其实是大规模的天线,也就是说把空分的能力也加上去了,还有窄宽频率以及物理层的改进。

所以5G跟4G比,在多项性能上都有1-2个数量级的提升,比如说移动性现在能支持500公里时速的高铁,无线接口延时减少到1毫秒,连接密度提升10倍,一平方公里有100万个连接,能效和密度密度各提高100倍。

5G面临的诸多挑战

我今天主要想说即便5G要满足车联网的要求也还是有很大的挑战,比如说传统的互联网是叫无连接的,所谓无连接在右图可以看到,一个信件可以拆成很多个IP包,过去是无连接,我们的路由器既有节点控制功能,也有传送转发功能,过去收的一个IP包打开看一下地址,找到最近的路由器做转发,这实际上是不考虑全网优化的,现在我们希望把节点控制功能抽出来,进行网络操作,把应用功能抽出来,然后全网收集全网的大数据,包括业务流量的数据以及车流的数据,还有网络资源的数据。在源端就定义了端到端的这条路由,这就是叫面向连接。

如右图:原来的无连接,一个邮件可以变成很多个信件,本来都是同一个源到同一个目的地的,但是实际上在互联网上,我们是逐包转发的,每一个包各自选路,这叫无连接,相当于走不通的路。在当初互联网开始的时候认为不稳定,所以我们用这种方式能够保证它通信的可靠性,即便一个包传不了,可以重传这个包,而不是一个信道都丢掉。

如果用原来互联网无连接的方式就显得效率太低了,在车联网上尤其如此,所以我们改用软件定义网,也就是说通过网络的集中管理,从头到尾给它指定一个路由,这种情况在现实交通中,比如说我们在北京早高峰、晚高峰给公交车指定一个路由,但是平时不能对任何车定路由。而5G希望对所有的业务流能够在源端把每一个路有指定好,优化方式。实际上在现实情况下,可能只有级别很高的高级车辆才能有这种待遇。

如果把它用在车联网上用,这实际上所有的车都要有单独给它计算一个路由,这个计算量还是很大的,另外怎么能够实时?怎么能够满足低延时的要求?而且传统的通信网在做这个计算,是在网络运营商的中心来做的,而车联网不能够把它放到整个网络运营商的运营中心,因为一个城市是一个城市,所以可能这种管理集中处理功能,只有放到城市里头,而按城市来分级可能就会多了,另外,所有的车都要端到端的指定路由,这实际上是要求比较高的,所以是不是说未来一部分车指定,一部分车不指定,所以这也是一个挑战。

其次,5G上面要适应高铁的通信,很多时候坐在家里用的时候根本没有运动速度的要求,5G要支持高带宽,当然很多时候传感器数据是低带宽,所以要求是各种各样的,我们不能把网络做成不一样,我们是通过逻辑上的切片,你要高带宽的,我把网络资源组成高带宽,你要低延时就给你低延时,要高可靠就给你高可靠,就像马路上一样,大客车给它指定通道,小车给它指定通道,甚至摩托车给它指定通道,5G的时候希望这样,但是实际上能做到这么精准、这么细致也是有难题的。

这个我们在通信上叫网络切片,网络切片就是给它组成了专用通道(VPN),我们知道VPN是大客户,是少量的,而5G现在希望对所有的都做VPN,这显然是一个难题。另外,车联网如果在公共公用网上只有一种业务类型,是不是所有车联网的车都成为一个大切片呢?这种想法跟原来切片提出的“小”思想是不完全一致的。虽然都是车,但是每一辆车对通信的要求是不一样的,里面有特种车辆、一般车辆,需要区别对待。

还有一些问题,马路上有一些车具有支持网络切片的能力,原来的车并不具有支持这个能力。所有车混在一起,你有切片的能力好办一点,没有切片能力怎么办?就像自动驾驶的车上路了,你可以做到不撞别人,但是不等于别人的车不撞你,所以有一个管理上的挑战。

另外,车联网面对行驶中的车辆,要用无线联网,不可能用光纤,刚才说过了,5G和其他的车联网技术比是更有优点的。当然了,我们最方便的办法是用运营商的网络,车联网上到运营商的网络,这样不需要重新投资基础设施,可以节省成本。

但是有一个问题,传统的运营商的基础网络在5G的时候主要使用TDD的模式,TDD是什么意思?就是在一个频段上既有上行也有下行,上下行不见得是对称的,因为在消费侧的应用,大部分消费侧希望从网上下载视频的多,自己往上传视频的少,所以在同一个频段安排上下行的时候一般是三七开,30%的时隙用于往上传,70%的时隙用于接收网络的数据,可是在物联网,我们更多的是传感器的数据往上报,而真正网络指令的数据还是少的,所以应该是倒的三七开。

这两者不同的上下行时隙的配比如果安在同一个运营商的网上,这两者是有互相干扰的,所以要不就设计在不同的窄频,否则就很难配置,所以现在就提出一个问题,车联网能完全上到运营商的5G网络吗?所以我们有可能说我们城市里头可能要建设一个支持车联网的5G的专网,它可以有单独的时隙配置,而不跟公众网上的时隙配置冲突,这就需要专用频率,欧洲对工业互联网已经测算了,预留了76兆,德国分配100兆。

目前分给车联网的频率是5.8G,带宽不高于75兆,真正给V2V用的只有25兆,所以如果每一辆车都要有专用的广播频率的话,频率就不够了,所以频率问题对车联网来讲也是一个挑战。建设一个专用的城市车联网的5G专网也有成本的挑战。

另外,尽管5G的空口时延很短,但是如果存在地面,再经过一些处理,那时延还是比较大的,所以我们需要把云的能力,部分计算能力下沉,成为边缘云,边缘云负责处理一些时延敏感的数据,过滤掉一些数据送到中心云,中心云搜集多个边缘云的数据优化模型再下发,所以我们说为了适应车联网的需要,需要大量使用边缘计算,将存储内容分发下沉到边缘云来处理。

 IDC预测将来50%的数据都要在边缘处理,当然了,两机云会比单机云的成本节省一些,但是在车联网场景下,如果边缘计算下沉到路边单元,颗粒度很小,时延很低,但是太多了就碎片化,如果放到移动通信的RSU,路边的RSU效果是好的,但是边缘计算就要管理很多个路边RSU。

所以这里面也有一个成本问题,而且有一个车联网的问题,不是固定接入到一个边缘计算,边缘计算如果在基站,这个车一会儿开到另一个基站,也就意味着这种计算存储要转换到另一个基站上,这种基站到底是边缘计算与边缘计算之间沟通,还是上到中心云再来沟通,这里面各有优缺点,边缘计算和边缘计算之间直接沟通时延很短,能适应车联网的要求,但是带来了很大的开销。

5G的车联网创新还需要验证

5G很重要的应用是把物联网的终端直接连到人工智能、大数据的分析,过去我们没有5G的时候,除了光纤以外,其他手段不能解决传感器跟后台的大数据、人工智能之间的这种传输的时延问题,因此往往大数据、人工智能的决策分析都是滞后的,也就是说它会带来很大的时延,没法实时化,现在5G的介入使它们两者无缝融合,AI+IoT我们叫AIoT智联网,5G对物联网的要求是一平方公里100万个传感器能联网,传输时延不高于10秒,丢包率不高于1%,按照这个数字,应该是基本能够满足车联网要求,尽管这里写时延10秒,这是讲端到端很长距离的,城市车联网短距离不会有这么高。5G的AIoT需要一些技术来支撑,但是难题是什么?现在车里面几百个传感器都是用选来方式管理吗?这是一个挑战。

另外,虽然5G一平方公里能接入100万个传感器,每个传感器接进来又印证,一个一个印证到什么时间?所以要群组印证,群组印证怎么保证群组跟个性的区别?另外车联网V2V印证还要快,还要车联网要有大量的终端,本身也有安全问题,所以需要有安全的协议,但是安全的协议不能太复杂,否则不但增加能耗,还加大时延。这么多车联网会产生DDOS攻击,都被木马攻陷了,100万个传感器共同访问路边的车联网设施,也会把路边的车联网设施搞瘫痪了。

所以总的来说虽然5G能支持车联网大量的传感器联网,但是也面临很大的挑战,车联网用什么标识,车联网的物联网里面有很多种标识方案,在5G上当然希望用IPV6,但是实际上前面4G的车联网以及DSRC的车联网可能会用其他的标识,怎么实现标识之间的互通就是一个问题,而且车联网的标识一般是在一个运营商范围里头的,而城市里的车,可能某些车接入到移动,某些接入电信,某些接入联通,是不同的运营商,不同的运营商之间要互通,这就带来难题,一个是标识能不能一致,另外,过去我们三个运营商不是在任何城市都是直联的,在中国三个运营商直联的点只有13个,有些省,比如云南、西藏这些是没有的,云南电信跟云南联通要连通就要到成都的直联点才能实现。车联网上如果是这样的话,时延就没法保证,所以车联网就要求运营商的网间直联点要下沉到每一个城市,这也是现有运营商的网络做不到的。

车联网是5G的一种业务,5G的业务采用一种开放的方式,可以说接入到你需要什么能力我可以附加什么能力,就像App一样,这也方便我们的业务灵活性,5G本身又改变了协议的标准,传统的移动通信是专用的协议,所以5G是互联网的协议。

之所以开放和采用互联网的协议是为了让现有的业务更灵活,当然也带来挑战,原来网络是封闭的,协议是专用的,很少听说有网络安全事件发生在运营商的网络,把运营商搞瘫了,现在网络是开放的,协议是通用的,一定意义上5G会增加更多的安全风险。车联网对安全的要求又比一般的通信高,所以在这个情况下,我们需要付出更多的安全代价,而且车联网一般是短包,而互联网的TCP/IP对短包是没有什么效率的,所以是不是考虑新的协议应对物联网。

运营支撑也很复杂,5G有虚拟NFV,就是网络单元虚拟化,还有网络切片,这些都是动态的,要进行动态的管理,很复杂的管理系统,车联网一个问题要快速计算和处理,运营支撑系统不能只是运营商一个,可能到每一个城市也有一个,否则就不能实时性了,所以应该说实时性对5G也好,对车联网也好,都是很大的挑战。

所以我说整个5G来讲,虽然说它相对于其他移动通信系统更靠拢车联网的需要,但是实际上车联网的一些特点,不是5G所面对公众通信的特点,它是不一样的,而且有很多新的需求,现有的5G技术未必能适应。我的看法是:5G的车联网想说爱你也不容易,汽车永远在路上,5G的车联网创新也永远在路上!(作者: 王浠源)

博客 自动驾驶小能手

LV5
2020-01-13 09:31
62

从索尼原型电动汽车Vision-S看自动驾驶传感器的重要性

2020 ...查看全部

2020索尼在拉斯维加斯2020消费电子展(CES)上发布了一款名为Vision-S的电动自动驾驶原型车Vision-S使用了索尼大量的最新科技


untitled.png

 

据悉这款首辆搭载该公司自动驾驶系统的原型车Vision-S,融合了索尼的图像传感器、人工智能(AI)和云等技术,可检测识别车内的人和物体,另一方面Vision-S拥有多个宽屏显示器,内部仪表盘至中控台为一整块纵向显示大屏。在车身内外嵌入包括CMOS以及ToF在内的33个传感器,可为驾驶者提供全景影像、360音效、全时连接等功能。力争2020年度上路测试。

 

下面工采网小编就和大家一起来看看自动驾驶传感器在未来汽车行业中的重要性。

 

随着汽车电子控制技术的发展,无论是电动汽车工业,还是传统汽车工业对汽车传感器的要求将会越来越高,汽车传感器不仅要考虑安全、节能、环保以及智能化等方面性能,而且还要不断提高其技术含量,降低生产成本,提高性价比。因此现代汽车技术的发展特征之一就是越来越多的部件采用电子控制,而实现电子控制的主教就是传感器。

 

 

自动驾驶汽车作为汽车未来的重要发展方向,成为汽车零部件产业链的重要增长点。国内外的汽车零部件供应商积极布局自动驾驶传感器领域,在车载摄像头、毫米波雷达和激光雷达三大核心部件,以及产业链上下游的拓展为零部件供应商带来增长机遇。下面,我们通过一张表来对比一下这三大传感器的性能:


1.png

 

 

从上表中可以看出,传感器各有优劣,不同传感器的最远探测距离、精度、功能等各不相同,这些传感器在不同的使用场景里可以发挥各自的优势,难以互相替代。未来要实现更高级别的自动驾驶,是一定需要多种传感器相互配合共同构成汽车的感知系统的。


2.png

 

多个同类或不同类传感器分别获得不同局部和类别的信息,这些信息之间可能相互补充,也可能存在冗余和矛盾,而控制中心最终只能下达唯一正确的指令,这就要求控制中心必须对多个传感器所得到的信息进行融合,综合判断。

 

 

综上所述自动驾驶汽车需要全面把握周围的环境信息,才能安全行驶。有许多传感器可用于向自动驾驶车辆提供这些信息,包括摄像头和全球导航卫星系统(GNSS)传感器等。不过,只有三种传感模型可以提供直接距离测量:用于短距离测距的超声波传感器


3.png

 

用于物体探测的雷达,和用于 3D 环境感知的激光雷达传感器,工采网提供的激光雷达 长距离传感器- TF03-180是一款工业级高速测量的激光雷达,且量程可达最高180m另一方面TF03-180包含针对室外强光和雨雪雾环境①的补偿算法,使其在强光和雨雪雾环境下依然可以正常工作。它还具有多种测量模式和参数供客户自主选择配置,以满足不同客户的测距需求。

 

然而现在,这些传感器既可用于乘用车,也可用于无人驾驶汽车,但应用之间存在差异。乘用车具有有限的自动驾驶能力,而根据定义,无人驾驶汽车必须依赖传感器冗余实现完全自动驾驶。由于空气会造成超声波大幅衰减,因此,超声波传感器的探测范围被限制在数米,它们主要用于泊车辅助。雷达在乘用车中通常用于自适应巡航控制(ACC)和自主紧急制动(AEB)。


博客 isweek工采网

LV1
2020-01-13 09:24
58

晶方科技拟募资14亿元,用于开发智能传感器模块

2020年1月2日,晶方科技发布公告称,公司拟向10名特定对象,非公开发行不超过发行前总股本20%的股份(即45935891股),募集资金总额不超过14.02亿元,用于“ 集成电路12英寸TSV及异质集成智能传感器模块项目”。据公告显示,本 ...查看全部

2020年1月2日,晶方科技发布公告称,公司拟向10名特定对象,非公开发行不超过发行前总股本20%的股份(即45935891股),募集资金总额不超过14.02亿元,用于“ 集成电路12英寸TSV及异质集成智能传感器模块项目”。

据公告显示,本次募投项目产品主要应用于手机摄像、汽车电子、生物身份识别、安防监控等领域,通过扩大产能顺应手机摄像、汽车电子、生物身份识别、安防监控等领域的新产品趋势,满足客户的新产品需求。

晶方科技认为,随着物联网和人工智能趋势的不断推进,这些领域正呈现出强劲的增长趋势。手机是影像传感器的最大终端用户市场,未来手机摄像头的需求依然强劲,其成长动力主要来自三摄、四摄对CMOS图像传感器数量的提升,每部手机摄像头数目将大幅度增加;汽车电子中自动驾驶需要多个摄像头传感器,未来增长爆发力足;全面屏+OLED逐渐成为未来手机的主流解决方案,以及手机多摄像头和更大的电池占用手机背部空间,屏下指纹将成为手机指纹识别主流的市场趋势,指纹传感器需求扩容确定性大;安防监控的普及度增加,安防监控市场传感器将会迎来稳定增长。

近几年,公司已对市场需求的新趋势进行了前瞻性的技术储备和布局。针对汽车电子等领域高可靠性的要求,公司在12寸消费类传感器用TSV晶圆级封装工艺的基础上,开发出了高可靠性TSV晶圆级封装工艺;针对市场高可靠性、高集成度、多芯片的市场需求趋势,公司2014年收购DRAM专业封测厂智瑞达电子(原德资奇梦达苏州封测厂),全面导入传统封装量产能力,将其与公司原有的先进封装技术互补,融合并再创新,率先推出了具有国际领先水平和具备完整 IP 的高端智能传感器用扇出型系统级封装平台。

本次投资项目将推动高可靠性 TSV 晶圆级封装工艺、扇出型系统级封装工艺平台等技术的发展,进一步巩固公司已有的技术领先优势和地位。

据悉,该项目建成后,将形成年产18万片的生产能力。该项目实施达标达产后,预计新增年均利润总额1.6亿元,预计投资回收期约6.19年,内部收益率为13.83%。该项目实施单位为苏州晶方半导体科技股份有限公司,项目建设期1年。

据公告介绍,晶方科技主要专注于传感器领域的封装测试业务,主要为影像传感芯片、环境光感应芯片、微机电系统(MEMS)、发光电子器件(LED)等提供晶圆级芯片尺寸封装(WLCSP)及测试服务,是中国大陆首家、全球第二大能为影像传感芯片提供WLCSP量产服务的专业封测服务商,该产品广泛应用在手机、安防监控、身份识别、汽车电子、3D传感等电子领域。

博客 自动驾驶小能手

LV5
2020-01-06 10:45
76

​博世高调杀入激光雷达市场

据路透社报道,德国汽车供应商罗伯特·博世(Robert Bosch)周四表示,公司已开发出一种传感器,该传感器可使汽车“看到”道路的三维视图,旨在降低可加速无人驾驶汽车发展的技术成本。 ...查看全部

据路透社报道,德国汽车供应商罗伯特·博世(Robert Bosch)周四表示,公司已开发出一种传感器,该传感器可使汽车“看到”道路的三维视图,旨在降低可加速无人驾驶汽车发展的技术成本。

1578278976717130.jpg

私人控股的博世公司表示,内部开发的激光雷达传感器将在下周的拉斯维加斯消费电子展上展出,它将覆盖高速公路和城市的长距离和近距离范围,并将与该公司的摄像机和雷达技术配合。

激光雷达技术使用基于光的传感器生成道路的三维视图,但它仍然是一个相对较年轻的技术,仍在不断发展。从目前来看,它对于大众市场的使用来说太昂贵了,但是如果便宜的激光雷达传感器被广泛采用,它可以提供更多的深度数据,从而使自动驾驶汽车能够更好地检测到与行人等其他道路使用者的距离。

尽管众多初创公司正在研究激光雷达,但像博世这样的大型值得信赖的供应商的参与可以帮助加快该技术的采用。

博世管理董事会成员哈拉尔德·克罗格(Harald Kroeger)在一份声明中说:“博世将首先把自动驾驶变为现实。”

最初,激光雷达开发人员使用的是放置在汽车顶棚上的笨重的旋转设备,现在已经过渡到了更紧凑的固态设备,可以将其安装在汽车的其他部件上,例如前大灯附近。现在,这些产品的限量销售价格不到10,000美元,但分析师表示,批量生产的价格必须低至200美元才能实现商业可行性。

博世并未提供其激光雷达的时间表,价格或技术细节,但一位发言人表示,该公司正在努力使传感器“准备就绪”,并将重点放在“负担得起的大众市场”技术上。

发言人拒绝透露博世是否已经有传感器的汽车客户。

由于成本和监管问题导致汽车制造商和科技公司重新考虑其计划,因此无人驾驶汽车的发展已达到了一个减速的步伐。

目前,包括通用汽车公司,福特汽车公司和谷歌Waymo 在内的公司都使用激光雷达。苹果公司也正在评估这项技术。

其他公司则不愿采用激光雷达,原因是成本高昂且功能有限,其中包括埃隆·马斯克的Tesla公司和日产汽车有限公司。

去年4月,马斯克称激光雷达成本太高,并称依赖该技术的任何人都“过时了”。特斯拉汽车依靠摄像头和雷达作为自动驾驶的视觉系统。

在过去几年中,已经向激光雷达初创企业投资了数亿美元。

开发该技术的其他主要供应商包括法雷奥,Aptiv和美国大陆。去年7月,法雷奥表示已赢得价值5亿欧元(5.6亿美元)的激光雷达传感器产品订单。(作者:半导体行业观察编译自路透社)


博客 自动驾驶小能手

LV5
2020-01-06 10:42
79

“合肥造”77GHz毫米波汽车雷达芯片在京亮相引关注

记者从38所获悉,日前 “智能传感器及无人系统应用”论坛在北京理工大学召开。38所携77GHz毫米波汽车雷达芯片和AiP模组参加论坛,受到业内专家广泛关注与高度认可。 ...查看全部

记者从38所获悉,日前 “智能传感器及无人系统应用”论坛在北京理工大学召开。38所携77GHz毫米波汽车雷达芯片和AiP模组参加论坛,受到业内专家广泛关注与高度认可。

论坛上,来自国家国防科技工业局、北京市科委、北京市新能源汽车促进中心等众多知名高校、企业的专家与学者齐聚一堂,共同研讨先进智能传感器领域、智能无人平台系统的研究发展状况。

38所科研人员作《毫米波传感器收发机芯片研究进展》主题报告。报告综述了毫米波传感器芯片最新研究进展及技术发展趋势,介绍了基于CMOS技术实现毫米波收发机芯片面临的挑战,以及毫米波天线与封装一体化设计最新解决方案。报告还介绍了38所研发的76~81GHz 3T4R毫米波雷达收发机芯片及最新研制成功的3T4R毫米波封装天线(AiP)模组。

77GHz毫米波芯片是汽车雷达传感器的核心芯片,目前一直被国外公司垄断。经过三年不懈努力,2019年,38所项目组攻克毫米波电路设计、晶圆级封装和封装天线设计等多项关键技术,芯片主要性能指标达到国际同类产品水平,在国际上首次实现77GHz多通道毫米波芯片与7路天线单封装集成。同年发表国际论文12篇,在国际集成电路领域一流会议RFIC、ISCAS、ESSCIRC完成会议报告3次。该项目先后获得安徽省科技重大专项、安徽省战略新兴基地等项目支持。(作者:新安晚报

博客 自动驾驶小能手

LV5
2020-01-03 14:13
80

Ouster推出低成本、高分辨率32通道激光雷达传感器

Ouster推出低成本、高分辨率32通道激光雷达传感器 ...查看全部

Ouster推出低成本、高分辨率32通道激光雷达传感器

1578031721660573.jpg

●OS1-32激光传感器实现更高分辨率,且更具成本竞争力

●商业定价为8,000美元,批量采购及教育科研机构可享专属优惠

●配置全新的模块盖以提高集成灵活性

2019年12月26日,旧金山 —— 作为一家致力于自动驾驶汽车、机器人和测绘等领域的高分辨率激光雷达领先提供商,Ouster推出全球具成本优势的32通道激光雷达传感器OS1-32。OS1-32激光雷达传感器通过广为接受的成本价格,为研究人员、机器人专家和其它商业应用提供Ouster高分辨率数字激光雷达技术,从而加速感知系统的开发和部署。

Ouster的坚固耐用、结构紧凑的高分辨率激光雷达传感器产品家族又添一员大将——OS1-32传感器,专为实际商业部署而设计,其测距范围可达120米。与目前市场在售的任何一款高分辨率激光雷达传感器相比,OS1-32传感器的尺寸与重量更小,这使其能够独占鳌头。

Ouster首席执行官兼联合创始人Angus Pacala表示:“要想将计算机视觉从简单的避障功能扩展至更先进的感知能力,或将项目从研发转化到商业落地,以合理的价格获得更高分辨率的优质传感器对厂商来说,变得至关重要。OS1-32激光雷达传感器正是满足了客户的这一关键需求。”

除了OS1-32传感器的问世,Ouster还推出了新的模块化径向整流罩,用于解决OS1系列激光雷达传感器的定制安装问题。OS1继续提供独立操作所需的常规径向翅片盖设计。而对于希望为机器人、安防、汽车和无人机的应用程序创建自定义集成的客户,Ouster将共享机械和热设计要求,以确保其传感器能安全、可靠和高性能地运行。

Ouster现已正式接受OS1-32订单,首批传感器已于11月下旬发货,商业应用的定价为8,000美元(批量订购可提供折扣优惠),针对非营利性研究机构的定价为6,000美元。

关于Ouster

Ouster为自动驾驶汽车、机器人、无人机等领域提供高分辨率激光雷达传感器。凭借其独特的多光束快闪激光雷达架构,Ouster的传感器可靠、紧凑且具成本优势,并能提供媲美相机的图像质量。自2015年成立以来,Ouster已为逾600家客户提供服务,并获得9,000万美元投资。Ouster总部位于美国旧金山,由首席执行官Angus Pacala和首席技术官 Mark Frichtl领导。

博客 智能网联汽车

LV1
2020-01-03 14:05
122

当物联网撞上5G 最大的矛盾点是什么?

不少企业已经在利用物联网的数据来处理一些问题。随着5G的推出,数十亿的物联网设备所产生的数据量将出现爆炸式增长。那些构建灵活、快速集成数据的体系结构将在物联网市场中获得绝对的竞争优势。根据Gar ...查看全部

不少企业已经在利用物联网的数据来处理一些问题。随着5G的推出,数十亿的物联网设备所产生的数据量将出现爆炸式增长。那些构建灵活、快速集成数据的体系结构将在物联网市场中获得绝对的竞争优势。

根据Gartner估计,到2020年,将有200亿个“物体”连接到互联网上。这些物体会产生前所未有的数据量。与此同时,从2020年到2022年,5G设备的部署量也会逐渐增多,这将创建出更多的数据流。问题是:企业将如何处理这些数据?

为了构建一个成功的应用程序,企业不仅需要收集自有的IoT设备的数据,还需要收集其他来源的数据。而他们面临的挑战将是构建一个架构,能够以一种适合5G数据爆炸式增长的方式将所有这些数据源集成在一起。当出现新用例时,这个体系结构能以足够的速度和灵活性来适应新的用例。

物联网应用案例不断长的挑战

Gartner预测,5G移动数据网络可以支持每平方公里多达100万个传感器。这种水平的连接将对希望改善运营,提高效率并更好地为其客户提供服务的组织的数据架构产生两种类型的需求:

首先,一些数据需要在边缘立即作出反应:机器人和自动化的部署就属于这一类。
其次,当满足一定的条件时,实时分析将确定任何必要的短期响应。如果客户的订单可能会延迟,那么一个优秀的供应链示例可能是自动主动地联系客户。同时,将对这些数据集进行整理和存储,以便进行更长期的分析。

为了应对海量数据,计算模型已经发生了变化。很少有组织按所需规模建立和管理自己的数据中心,相反,他们选择依赖于公共云服务商,并使用混合或多云部署。

与传统应用集成的挑战

所以,你现在应该明白了为什么每个企业不应该孤立地考虑他们自己的物联网数据策略。为了从物联网数据中获得最大效益,企业需要将其与其他数据源集成起来:从传统的应用程序(如企业资源管理系统或供应链管理软件)到新的云服务或SaaS应用程序。

可以在多个不同的位置安装和运行这些应用程序。某些应用程序比较倾向于保留在本地,因为漫游以及取消所有集成和定制层的成本太高了。

除了支持多种不同的应用程序之外,重要的不仅是数据,应用程序对数据即时反应的速度也很重要,自动化工厂需要在几乎实时的情况下进行决策,是不可以依赖缓慢的远程数据源来进行决策的。在5G的速度下,各种服务之间的这种连接应该能够处理更复杂的情况和用例。

构建基于物联网的混合应用程序面临的挑战

如果一个企业不能在其体系结构中快速、可靠地移动或复制数据,那么它将很难创建混合应用模型,以充分利用物联网数据与其它数据源的数据。虽然有必要使用多个程序数据的副本,但由于应用程序的分布式性质,如果企业要从物联网数据中获得最大效益,那么保持所有副本即时更新是企业面临的挑战。

创建一个实时复制数据的混合云数据库的长期优势是,它为以前隐藏在老化应用程序中的数据提供了新的用例。

目的是提供互操作性,而由于数据库及其功能分布在多个云服务商或位置,这些互操作性是不可能实现的。采用分布式计算模型,将所有数据独立复制到多个位置,就可以使应用程序更有效地运行,因为数据集可以存储和处理的过程可以发生在更接近物联网基础设备运行的位置。

同样,根据业务需求和数据的使用方式,采用多模型的方法,可以以不同的方式处理和使用相同的数据集。例如,短期分析的操作数据集可以实现某些目的,但可能也需要其他数据模型。搜索和分析是这些数据集的简单用例,但也可以使用其他数据模型,例如图形分析。通过查看集成和使用这些数据的不同方法,可以满足更多的用例。

在短期内,采用混合云数据库解决方案将为企业应对物联网所需的海量数据容量做好准备。它还有助于通过云部署将数据集成到更接近用户和客户的应用程序中。
从长期来看,它实时复制数据的能力将有助于管理迁移到新的基于云的应用程序,同时,还不会影响客户体验或应用程序性能。

尽管距离5G应用的大规模落地还有几年的时间,但2019年是一个开始规划设计和研究的时间点,这些设计和研究将使组织的数据体系结构更适合于未来的一个更加互联的世界。

提前研究5G和数据增长的企业将会在未来的物联网市场中保持绝对的竞争优势,因为他们可以更容易地扩大规模,以满足企业的需求。随着更多的数据可用,支持可伸缩性、可用性和分布式计算对于这些物联网应用程序的成功至关重要!(本文作者:大喵)



博客 自动驾驶小能手

LV5
2019-12-31 17:15
114

5G SA应用落地!

5G应用,即将爆发无论对于全球还是国内而言,2019年都是5G商用元年,并将从2020年开始进入到5G规模商用阶段。2019年,国内有50多 ...查看全部

5G应用,即将爆发

无论对于全球还是国内而言,2019年都是5G商用元年,并将从2020年开始进入到5G规模商用阶段。2019年,国内有50多个城市开启5G商用;12月23日召开的全国工业和信息化工作会议对2020年重点工作进行了部署,要求抓好7个方面重点任务,在其中的“促进信息通信业高质量发展”重点任务方面,明确要在2020年“稳步推进5G网络建设,深化共建共享,力争2020年底实现全国所有地级市覆盖5G网络”。

5G商用,重点在“用”,通过“用”来实现5G投资回报从而促进进一步的5G网络投资、拉动信息消费升级、增加就业岗位等。国务院在12月24日发布的《国务院关于进一步做好稳就业工作的意见》要求开发更多就业岗位,为培育壮大新动能拓展就业空间,加快5G商用发展步伐。据5G微信公众平台的观察,国内各地出台的5G政策文件中,2018年的侧重于5G产业发展以及5G网络建设,而2019年的则侧重于5G应用发展——截至目前,各地已发布的约50个5G政策文件均要求积极推进5G应用示范;已成立省市级5G联盟与研究机构50多个,为5G应用发展搭建合作与创新平台。

着眼于最大限度释放5G系统在大带宽、高容量、低时延的能力,2019年,三大运营商积极探索5G创新型应用。中国电信在媒体直播、智慧警务、智慧交通、智慧生态、智慧党建、智慧医疗等共10大垂直领域探索5G融合应用,积极开展5G+云创新业务、5G+行业应用和5G+工业互联网等三方面5G示范应用。中国移动的5G联合创新中心,汇聚了400余家成员单位,在“5G+”计划框架下面向工业、农业等14个重点垂直行业开发5G融合应用。中国联通网络研究院的5G创新中心主要在新媒体、智能制造、智能网联、智慧医疗、智慧教育、智慧城市等10个行业方向的5G应用方面发力,并编制6 大行业5G工作指引。

5G使能的首个行业,数千亿美元的市场机遇

从大的趋势方向看,各类创新型5G融合应用的商用有着一定的节奏,预计绝大多数类型的5G融合应用的落地商用将会发生在5G SA规模商用后的2021年及未来(5G商用中后期),而2019-2020年间的5G商用初期将以eMBB类型业务为主。那么,哪个行业将成为5G使能的首个行业?从全球及国内的现状看来,答案是媒体行业/传媒行业。目前,该行业正在向超高清、多视角、强互动等全新体验演进,从而对于大带宽传输、云/边缘计算、大数据分析、人工智能等有着极强的需求,5G使能空间大,比如著名咨询公司Ovum在2018年10月发布的《5G娱乐经济报告》预测,在未来10年(2019-2028年),5G网络为传媒产业带来的营收机会将达到近1.3万亿美元,且在预测期内增长迅速:2019年,5G传媒应用营收4.09亿美元,占传媒产业总营收的0.2%;2022年,5G传媒应用营收将达470亿美元,占传媒产业总营收的18.5%;2025年,5G传媒应用营收将达1830亿美元,占传媒产业总营收的57%;2028年,5G传媒应用营收将达3350亿美元,占传媒产业总营收的79.9%。

如此巨大潜力的5G+媒体行业市场,早期的切入突破点何在?当下,人们对于大型公共活动、体育赛事等的直播内容质量要求越来越高,这使得专业制作的视频内容(如PGC)将继续有着很大的发展空间,此类内容在5G+媒体行业市场中将占据很大份额,主流权威媒体正在联合相关各方积极布局,最近的典型实践是新华社在12月22日通过中兴通讯联合中国电信分别在澳门、珠海搭建同厂家/跨厂家5G精品SA网络对“庆祝澳门回归祖国20周年澳珠烟花汇演”进行高清直播,实现澳珠两地跨境烟花汇演的现场实景。

电视直播最重要的环节之一在于“源头”——把活动现场的多路视频素材实时回传至制播系统(一般位于远端),且要求以广播级的质量(带宽、时延等)实现回传(毫秒级的端到端时延和100%的业务可靠性保证)。此次澳珠烟花汇演属于“庆祝澳门回归祖国20周年”的盛事之一,我们可以想见其对于现场视频素材实时回传的质量要求比一般直播活动的要求更高,根据新华社的报道,此次基于5G SA的直播中,应用上行优化专项保障技术建成全国领先的SA覆盖精品网,现场高清摄像机通过5G终端连接5G基站,利用5G高带宽、低时延的特性上传高清视频信号,经过现场实时编辑制作后,转换成视频直播信号,通过5G网络,实时传送到直播中心,最终分发到用户的手机和电视上。

笔者认为,此次盛事直播的成果,再次凸显了5G具备给传媒行业带来变革转型的能力。2019年,很多重大活动的现场直播都有5G的鼎力相助,比如在3月份的“两会”期间,中央广播电视总台联合中兴通讯首次使用5G+4K设备进行网络直播,新华社联合中兴通讯对全国政协记者会进行5G直播;8月份,中国移动山西分公司、山西广播电视台、中兴通讯联合通过一体化5G直播电视解决方案对第二届全国青年运动会进行了直播;10月份的武术运动世界顶级赛事——第十五届世界武术锦标赛期间,中国电信天翼视讯携手中兴通讯首次应用5G智慧场馆赛事直播解决方案为现场观赛用户带来了“导播视角自主看”“4K超高清伸缩看”“360度视角任意看”三大标志性创新直播体验,并首次把“360度视角任意看”应用于大屏电视端为电视用户提供了多样的个性化观赛体验。

由此,可以说,在5G商用元年,5G+传媒行业的探索实践已经在火热地进行,解决了很多实际的细节问题。5G微信公众平台通过对上述各个活动的深度观察,总结出了5G直播的几大特点

一是5G的大带宽、低时延、高可靠等特性可解决重大活动现场直播的痛点问题。此前,由于网络时延比较大、网络质量不太稳定,4G在多数情况下只被作为直播的备路信号或短时间的小型现场新闻连线信号来使用,大型的直播活动和重要节目都还是采用卫星、光缆专线等传统技术手段。卫星传输需要动用大量设备(比如卫星转播车或者便携上行站等),而5G传输设备轻量化,便于工作人员携带,很多技术工作可以远程完成,减少人员和设备的出行成本。总之,把5G应用于直播节目的制作,能够解决诸多痛点——成本高(转播车出车贵)、效率低(制作回传不满足时效性)、环节多(专业技术资源调试时间长)、灵活性差(难以随时随地常态化报道)、抗干扰弱(极端天气/高人口密度/高速移动)、兼容性差(融合发布难)等。

二是5G非常有助于直播业务的创新。几十年以来,直播的模式一直都是“你播我看”。而现在,人们的眼界和欣赏水平已经得到迅速提高,对于“个性化”直播的要求越来越高,希望得到现场感、参与感等直播体验,比如通过现场“黄金”位置去看直播、实时无缝切换到自己喜欢的一些运动员的视角去看直播、自主切换空间看自己认为精彩的部分、边看比赛直播边在线上虚拟社区上参与讨论等。上述2019年的重大活动5G直播表明,5G结合一些新技术能够给用户带来个性化的直播观看体验,比如“导播视角自主看”“4K超高清伸缩看”“360度视角任意看”。这使得我们看到了这样的潜力——通过5G与边缘计算等新技术的融合,能够实现大型活动现场多角度、多机位的拍摄与传输,以及依靠5G 网络结构整合内外场(内场比如电视台内制播系统,外场即转播现场)协同能力、重构内外场协同制作业务架构。

展望未来,各方共赢

对于重大赛事、大型活动、突发新闻等,用户普遍有着直播观看体验革新的需求,5G微信公众平台认为,将来都在5G SA商用后,结合端到端网络切片、MEC、云-边协同、大数据分析、人工智能等新技术的应用,高清/超高清视频直播过程中传输成本高、传输稳定性低、部署周期长、业务创新慢等媒体行业共性痛点问题可以得到很好地解决,使能运营商为媒体行业提供连接能力,通过5G网络实现随时随地直播,并实现视频流快速回传;使用5G网络切片功能,确保视频传输质量,以“动态切片”实现直播应用不再受限于传统光缆或/及卫星通信专线开通的周期,且可在直播活动结束后即可下线网络切片并释放相关网络资源,生命周期短,订购灵活;通过运营商边缘计算能力,实现视频流在本地的快速渲染、处理、个性化虚拟导播等。(作者:5G微信公众平台)


博客 自动驾驶小能手

LV5
2019-12-31 16:49
64