无人驾驶智行者获北京自动驾驶路测牌照

2018年,中国无人驾驶迎来高速发展的阶段,自动驾驶车辆产品纷纷脱离“概念”而实现了真正落地,无人驾驶技术的逐渐成熟,让无人车产品给传统交通带来了巨大的机遇和挑战,如何规范无人驾驶实现真正“路行”,也因此成为了国家政策法规中极为重要的部分。为此,北京在2018 ...查看全部
2018年,中国无人驾驶迎来高速发展的阶段,自动驾驶车辆产品纷纷脱离“概念”而实现了真正落地,无人驾驶技术的逐渐成熟,让无人车产品给传统交通带来了巨大的机遇和挑战,如何规范无人驾驶实现真正“路行”,也因此成为了国家政策法规中极为重要的部分。为此,北京在2018年推行了国内最高级别、最严格的T3级自动驾驶路测牌照,能够通过该测试的无人驾驶企业屈指可数。
1月17日,“智行者”旗下星骥无人驾驶获得了北京市政府颁发的T3级自动驾驶车辆道路测试许可资格(业界称之为“路测牌照”)。

智行者CEO张德兆表示:“智行者能够顺利通过本次国内最高级的自动驾驶测试,源于智行者团队对无人驾驶汽车的‘大脑’有着极其深入的研究,智行者拥有自主研发的AVOS软件操作系统和AVCU硬件控制平台,为无人驾驶车辆提供环境精准识别和智能决策算法,让无人驾驶产品能够实现快速、灵活地进行相应部署。因此,北京T3级路测对于我们而言并非是一种考验,其中更大的意义在于,让社会对智行者的无人驾驶技术产生信任与认可。”
在通过此次测试之前,智行者在低速无人车领域已经取得行业首肯的成就,其自主研发的“蜗”系列无人驾驶清扫车“蜗小白”及无人驾驶物流车“蜗必达”在2018年10月底实现规模量产,成为国内首家实现低速无人车量产的企业。因此,基于智行者安全、高效、先进的自动驾驶技术,智行者未来的研究必然是朝着“可上路”的方向前行,这次通过T3牌照测试,成为智行者实现无人驾驶乘用车量产的重要发展基垫。

2017年12月份起,北京市交通委、北京市公安交管局、北京市经济信息委等部门,联合制定发布了《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见(试行)》、《北京市自动驾驶车辆道路测试管理实施细则(试行)》,以及2018年2月份发布了《北京市自动驾驶车辆道路测试能力评估内容与方法(试行)》和《北京市自动驾驶车辆封闭测试场地技术要求(试行)》文件,表明了北京政府对自动驾驶汽车的鼓励与革新态度。

北京智能车联产业创新中心作为北京市级自动驾驶与车辆网试验测试与示范创新中心,共开放了44条测试道路,长达123公里,覆盖京冀地区(包括城市、乡村、高速)85%交通场景。但同时也避开了住宅区、办公区、医院、学校等人流量、车流量集中的区域。为参与路测牌照的无人驾驶产品提供交通安全考察、车辆变道、自动行驶、自动刹车、自动转向、自动监视周围环境等功能测试环境,以测试无人驾驶汽车的安全性和路况认知识别能力,智行者在测试过程中表现优异,最终成功荣获北京T3级自动驾驶路测牌照。
智行者在无人驾驶领域的发展能够实现从无到有,从创新到创造,得益于企业始终坚持初心和愿景,智行者以低速无人车作为无人驾驶领域的敲门砖,让无人驾驶技术能够首先服务于人类的各大生活领域,成功构建了无人驾驶的智慧生活圈。因此可以相信,智行者在收获了T3级自动驾驶路测牌照后,全面实现自动驾驶商业化落地的局面已经不远了。

T3路测牌照怎么获得?
T3路测牌照也是国内目前颁出的最高级别路测牌照——代表自动驾驶汽车具有认知与交通法遵守、路线执行、应急处置等多项综合能力。路测牌照的获得需要经过封闭测试场训练、自动驾驶能力评估和专家评估等一系列程序。
以交通安全法规为依据,考察车辆对道路、标志标线及附属设施的认知,审查指定行驶场景下正确操纵车辆的能力,包括但不限于自动行驶、自动变速、自动刹车、自动监视周围环境、自动变道、自动转向、自动信号提醒等功能。第三方授权机构还要审查驾驶员能否能随时随地介入并接管车辆驾驶行为,以确保驾驶员具备操控与接管能力,保障自动驾驶道路测试安全。

  1. ​​

北京是国内首个要求无人驾驶企业在封闭场地内训练满5000公里后参加能力评估考试的城市。封闭场地训练不仅使得企业能够充分的认识道路中的各种交通设施,以及易于发生交通事故的场景,同时也是对自动驾驶系统稳定性的一个考验。
星骥无人驾驶整体解决方案
『星骥』系列是智行者推出的 L3/L4级别的自动驾驶解决方案,关键技术包括多源传感器融合感知、高精度地图与定位定姿、目标行为识别与轨迹预测、自主决策与轨迹规划、多目标纵横协同控制等。『星骥』系列定位于实现高速道路及复杂城市道路的自动驾驶。

知识讲堂 betty19920416

LV5
2019-01-19 10:50
258

使能自动驾驶解决方案的大规模应用解决方案

Enabling Autonomous Automotive Solutions at Scale 使能自动驾驶解决方案的大规模 应用 Intelligent Vehicle Compute Platform Workshop Beij ...查看全部
Enabling Autonomous Automotive Solutions at Scale
使能自动驾驶解决方案的大规模 应用
Intelligent Vehicle Compute Platform Workshop Beijing  December 2018
 

知识讲堂 tututu

LV5
2019-01-19 10:36
268

帮你理解无人驾驶的环境感知和路径规划

  据业内专家估计,无人驾驶汽车,2020年将可能达到技术成熟,大规模上路运营。今年的9月6日,美国众议院为全球第一部自动驾驶法案投票,让人们进一步看到了,无人驾驶临近的曙光。 作为一个技术控,忍不住想知道,在车来人往的 ...查看全部

 
据业内专家估计,无人驾驶汽车,2020年将可能达到技术成熟,大规模上路运营。今年的9月6日,美国众议院为全球第一部自动驾驶法案投票,让人们进一步看到了,无人驾驶临近的曙光。
作为一个技术控,忍不住想知道,在车来人往的繁华都市里,在崎岖不平的乡村小路上,如果都能无人驾驶,它是怎样做到的?
闭上眼睛,按照我们熟悉的驾车过程设想一下, 开车上路这件事,涉及到四个方面:驾驶员,汽车,道路,行人和车辆等“共路人”。处理好无人车与这些主体之间的关系,无人车应该可以畅行无阻,指哪打哪了吧。
无人驾驶汽车,让汽车除了做好自己本职工作,还要做好“人”的工作。
我们通常对驾驶员的要求:会开车,会认路。
分解会开车技能,包括知道什么时候加油;什么时候刹车;有车同向或者相对开过来,怎样处理;有行人出现在路上,怎样处理;路上突然出现了大石头或者大水坑,怎样处理;下雨下雪,要不要处理。
分解会认路技能,从张庄到李庄,一共有几条路,怎么走;走在路上,知道自己现在在哪里,大约还要多久能够到达李庄。
无人驾驶系统就是代替人,做好开车和认路这两件事。

1环境感知
环境感知,认路能力的一部分,通过传感器,采集周边和自身信息,实时发送给处理器,形成对周边环境的认知模型。从尺度上划分,环境感知包括定位和环境扫描两个层次。环境感知是无人驾驶系统其它技术的数据基础,为路径规划、实时决策和行车控制提供依据。
按照前文所述的两个层次,选择适用的传感器。
定位,需要在大尺度上确定自己所处的位置,这个数据一般从GPS或者斗导航系统获得。环境扫描,选择的传感器,按照远近不同,环境不同,同时使用激光雷达,视觉识别系统和毫米波雷达,形成组合,共同完成。
1.1定位
定位主要依靠全球卫星定位系统,获得经纬坐标。GPS,每个智能手机都自带的功能,我们自然不陌生。北斗导航系统,是我天朝的骄傲。另外还有两个常见导航系统: Glonass,俄罗斯;伽利略,欧盟 。
定位系统的工作原理,不再赘述,自行百度。
在无人车上使用导航系统,获得车辆实时位置坐标,结合车辆管理系统内置的离线地图,可以直接调用以往积累的环境信息。比如Google拥有自己的3D地图,可以调用详细的街景信息。
我们常用的高德地图、百度地图,能够用于导航,都是这个道理。
1.2 环境扫描
按照适用距离,适用环境,精度,抗干扰能力要求不同去选择环境扫描传感器。目前常用的类型包括激光雷达,照相机,毫米波雷达,此外还有超声波传感器,红外线传感器等。

激光雷达
激光的发散度极小,可以远距离传播,在无人车上,激光雷达一般被用于远程扫描,发现需要分析的区域。
激光雷达按照光源数量不同,分成单线激光雷达和多线激光雷达。其中,多线激光雷达水平360°扫描,垂直方向,具备一个俯仰角,因此不但可以测量物体距离,还可以扫描障碍物三维尺寸。
激光雷达安装到无人车上以后,需要校准坐标系,才能获得正确的测量结果。
相机
把相机安置在无人车上,对周围环境拍照,以获得环境的图像信息,这就是应用在无人车上的机器视觉技术。为了适应无人车上天气变化,车体震动等造成的干扰,相机需要经过特别设计。
相机的种类主要有,单目相机,双目相机,全景相机三大类。
其中,单目相机造价低廉,应用较广,是机器视觉行业翘楚以色列Mobileye 公司的主打产品。
双目相机,由于在运动的无人车上,成像精度不高,并没有被特别广泛的应用。
全景相机,是利用多台相机同时拍照,再经过计算机图像处理,合成再现环境图景,是应用在无人车上进行目标识别的先进武器。但也有一个小问题,计算量比较大。
毫米波雷达
其功能与激光雷达近似,只是传播距离比较短。之所以还有用武之地,在于它的抗天气影响能力非常好。在大雾,大雨天气也能正常工作。
 
 
2 路径规划
路径规划,是解决无人车从起点到终点,走怎样路径的问题。规划的总体要求是不要撞到障碍物,保证自身的安全和可能相遇的车辆和行人的安全。在此基础上,再去依次追求下列目标:车体平稳,乘坐舒适,寻求路径最短等等。
路径规划问题可以分成两类,总体路径规划和局部路径规划。前者是指,给无人车设定目的地,从出发地到目的地,走哪条路最好。后者指,在行进过程中,遇到障碍、行人、车辆、甚至小动物等,怎样获得理想的行进路径。


2.1局部路径规划
目前使用比较多的路径规划算法有四种。
Dijkstra‘s算法,在起点周围不会遇到障碍的所有可能点中,寻找最短路径,规划结果比较优越,但在没有足够约束条件情况下,计算量巨大;
随机采样算法,是在Dijkstra‘s算法基础上改良的。为了减少计算量,加入了启发式算法,配合随机采样,只计算样本中的最短路径。解决了计算量的问题,但路径可能不连续。
基于差值曲线的路径规划,降低了计算量,同时解决了路径不连续的问题,是比较有优势的一种算法。
基于数值最优,把无人车姿态和环境约束条件都加入模型的一种算法,可以得到较好的规划结果,但对计算能力依赖性强。
2.2整体路径规划
整体路径规划,在结构化道路上,一般由卫星定位和导航系统来完成。利用卫星定位和自身保存的离线地图,规划出理想路径,过程与我们用手机导航去一个地方非常类似。这里的结构化道路,指的是边缘比较清晰规则,路面平坦,有明显的车道线及其它人工标记的行车道路。
 
环境感知就如同人的眼睛,这个类比,我们不难认同。
路径规划呢,其实也是对人类的模仿。只要移动身体,我们都在路径规划,但为什么我们没感觉呢?
从我们的老祖先到我们自己,路径规划这个动作延续了太长时间,为了节约大脑的运算资源,规划过程早已内化到本能当中,不需要经过左脑,就能做出正确规划。没有刻意的思考,就没有进入我们的意识。
试想,你在黑暗中行进,伸手不见五指山,你的精神状态是怎样的,你的内心戏是怎样的?
你一定是全身紧绷,一边在脑袋里单曲循环:前面有没有坑,有没有坑,一边用脚慢慢试探着前进。
在不能采用熟悉的方式(用眼睛观察周边)感知环境时,我们刻意规划路线的意识才显现出来。
环境感知,路径规划的方式就是人类的翻版。
最后,你认为,无人驾驶汽车,会在什么时间点真正进入我们的生活呢?
 
参考:
基于凸近似的避障原理及无人驾驶车辆路径规划模型预测算法
霄无人驾驶汽车环境感知与导航定位技术应用综述
无人驾驶汽车环境感知技术综述

知识讲堂 赛迪网技术中心

企业
2019-01-18 16:26
252