安信:2019自动驾驶趋势研究报告(七)

高精度地图对于自动驾驶的意义在于:

1)提升传感器的性能边界,作为感知层的安全冗余。在自动驾驶行业,传感器方案供应商正在致力于使汽车拥有「眼睛」,代替驾驶员完成感知的过程。然而,现有的传感器方案仍然存在改进的空间,包括传感器测量的边界(视觉、激光感知范围有限)、传感器应用的工况限制(如摄像头在雨雪天气无法正常工作)。高精度地图超视距的特点意味着其可以对整体道路流量、交通事件、路况进行预判,可以作为感知层的安全冗余;

2)提供先验知识。自动驾驶的基本原则:让车的判断越少、也就越安全。高精度地图可以提供车辆环境模型的先验知识,一定程度上减少自动驾驶车辆感知层的压力;

3)确定车辆在地图中的位置:人可以通过观察和记忆,而自动驾驶汽车只能通过高精度地图以及其创建的环境模型确定车辆在在地图中的位置。

4)提供车道级的规划路径。正如前文所述,高精度地图会把道路基本形态,特别是车道线展现出来,辅助自动驾驶车辆实现车道级的路径规划,支持并线超车等高等级的驾驶决策。

1.jpg

高精度地图是实现自动驾驶的必要条件吗?——Level3 及以上是必选项。基于美国 SAE 协会对自动驾驶技术等级的划分,在 Level 2 以下的辅助驾驶阶段(ADAS 阶段),高精度地图对整个辅助驾驶系统来说是一个可选项。当自动驾驶技术发展到 Level3 及以上时,要求车辆在高速公路、停车场泊车等特殊场景中实现自动驾驶,高精度地图的重要性开始凸显。业内公认要想实现 Level3 级别的自动驾驶,高精度地图将成为必选项。理由在于 Level3 的自动驾驶就意味着机器将完全取代人对于环境的监控,考虑到现有的传感器的性能边界尚不足以完全替代,引入高精度地图作为感知端的安全冗余增强整个系统的鲁棒性就成为了必然的选择。观察目前自动驾驶行业实践,无论是车厂推出的奥迪 A8(参数|图片)、凯迪拉克 Super Cruise 等已经量产的 Level3 车型还是百度、谷歌等互联网厂商的 Level4 自动驾驶方案都引入了高精度地图,进一步验证了上述观点。

2.JPG

3.2.5 自动驾驶OS

自动驾驶任务复杂需要稳定的实时 OS 支持。如果将自动驾驶汽车视为一个电子终端产品,那么除了组成的硬件、用来执行命令的算法(程序)之外,底层操作系统也必不可少。操作系统的价值在于可以更好的分配、调度运算和存储资源。一个汽车驾驶系统运行的软件包括感知、控制、决策、定位等一系列高计算消耗,逻辑十分复杂,对安全可靠性要求特别高的程序,简单的单片机无法实现,需要建立在一个成熟的五脏俱全的通用操作系统基础上,同时要满足实时性、分布式、可靠性、安全性、通用性等要求。从上述的要求可见,自动驾驶的操作系统与 PC 端、移动端操作系统的最大差别在于实时性。实际上,自动驾驶操作系统又称为实时操作系统(RTOS),可确保在给定时间内完成特定任务,「实时」是指无人车的操作系统,能够及时进行计算,分析并执行相应的操作,是在车辆传感器收集到外界数据后的短时间内完成的。实时性能是确保系统稳定性和驾驶安全性的重要要求。

3.JPG

3.2.6 HMI(人机交互)

自动驾驶时代,HMI 是连接用户与外部互联服务的重要入口。HMI 是驾驶员与车辆交互的桥梁,驾驶员可以方便快捷地在 HMI 中查询、设置和切换车辆系统的各种信息,在增强驾驶乐趣的同时,提升驾驶安全性。HMI 由中控、仪表、抬头显示、ADAS 系统等多个组件构成。传统汽车的人机界面 HMI 也被称作驾驭员界面(Driver Interface),驾驭员的首要使命(Primary Task)是驾驭,因此支撑和辅佐驾驭就天然成为 HMI 的中心功能,信息娱乐等作为次要功能(Secondary Task)。而在自动驾驶时代,随着驾驶员的注意力逐步释放出来,汽车从生产工具进化为家庭、办公场所之外的第三生活空间,HMI 将成为连接用户与外部互联服务的重要入口,产业地位将显著提升,HMI 的设计理念也将被颠覆。

4.JPG
5.jpg


3.3 5G+AI黑科技打通自动驾驶技术的「任督二脉」

5G+AI 是解锁高等级自动驾驶技术的关键所在。L2 升级到 L3、L3 升级到 L4,每一个自动驾驶级别的升级,都是一个质的飞跃。其中:

L2 过渡到 L3。L3 的主要升级在于实时监测环境并作出反应,其主要难点在于机器的感知能力能否达到要求。驾驶这种等级的车辆,司机只需要在系统提示的时候接管系车辆的掌控权或者完成判断,正常加减速、转弯等操作基本可以交给系统来处理。这一过渡需要解决的问题是,机器如何代替人进行可靠的周边行车环境感知?特别是在极端环境下仍然可以做到可靠感知,确保行车安全;

L3 过渡到 L4。L4 的主要升级在于完全交由机器来进行自主决策(即使是在紧急情况、激烈的驾驶情况下)。这意味着机器的认知智能要有实质性进步。上述问题的关键所在正是 5G+AI。

6.jpg

以深度学习为代表的 AI 机器视觉崛起,成功突破 L3 的技术瓶颈。以 Mobileye 的 L2 级别辅助驾驶为例,仍然是基于后端规则库的传统机器视觉,通过匹配后端规则库与前端摄像头的输入数据,进行物体的识别和跟踪。传统机器视觉最大的问题是,规则库是有限的,而汽车面对的环境是无限的。而在深度学习的框架引进并发扬光大后,AI 处理图像分类任务的能力大幅提升,错误率直接下降。以 ImageNet 机器视觉大赛为例,深度学习技术框架下的机器视觉和传统的机器视觉有着明显的量级的提升。我们认为,不断成熟完善的 AI 机器视觉配合高精度地图作为安全冗余,对于突破 L3 的技术瓶颈起到了关键的作用。

引入以强化学习为代表的 AI 技术,5G 打通外部「大脑」,助力 L4 自动驾驶场景的实现。传统基于搜索或者规则引擎的驾驶决策系统,往往只能采取非常保守的驾驶策略,即遇到障碍物立即刹停。而变道超车,加塞卡位等等在日常驾驶中经常需要面对的情况,目前的系统需要人为设计各种精妙的策略进行应对,在设计策略时一旦有所疏忽,后果很可能是车毁人亡。如何让机器真正像人一样的开车,学会自主的决策,是 L4 的关键所在。谷歌 AlphaGo 在围棋领域的成功是一个重要的标志性事件,其创新的引入了强化学习等全新的 AI 学习框架,模拟了人的思考方式,标志着机器智能的重要突破。引入强化学习的框架后,自动驾驶车辆可以像 AlphaGo 一样思考学习,进行自主决策。此外,以 5G 为代表的 V2X 的引入,相当于打通了自动驾驶的外部「大脑」,可以为自动驾驶车辆提供更实时、更全面的外部信息,更好的实现多车的协同、交互,突破单车智能的技术瓶颈,助力 L4 自动驾驶场景的实现。


0 个评论

要回复文章请先登录注册