无人驾驶

无人驾驶

百度:从测试到运营,无人驾驶之路还有多长?

博客飞奔的蜗牛 发表了文章 • 0 个评论 • 244 次浏览 • 2019-10-29 14:40 • 来自相关话题

《北京市自动驾驶车辆道路测试2018年度工作报告》显示,2018年有来自于8家不同公司的54辆自动驾驶汽车,在北京市3片不同的开放道路区域进行了自动驾驶测试。其中,百度的测试车辆数量占全部测试车辆数量的83%,测试里程达到15万公里占总里程 ...查看全部

《北京市自动驾驶车辆道路测试2018年度工作报告》显示,2018年有来自于8家不同公司的54辆自动驾驶汽车,在北京市3片不同的开放道路区域进行了自动驾驶测试。

其中,百度的测试车辆数量占全部测试车辆数量的83%,测试里程达到15万公里占总里程的91%,覆盖的测试道路从最简单的城市道路到普通城市道路,再到具备V2X车路协同功能的智能网联道路,都进行了覆盖,全年的测试是零事故的安全测试。

百度智能驾驶事业群组自动驾驶技术部副总经理陶吉认为,通过长时间的测试积累,从自身对于车辆能力的观察角度出发,把L4级别自动驾驶车辆的发展归为六个小阶段、两个大阶段。简单来说,第一阶段是测试,第二阶段是运营,涵盖了从一辆单车开始做研发,到未来将这样的车队部署到商业化落地的全生命周期。

1.jpg

从测试到运营

第一阶段是测试,测试阶段简单来说就是通过在车库里面改装的车,拆了之后再改,车上只搭载测试和研发人员,在限定的少量区域内可能跑的是固定路线的测试方式,在这个阶段主要关注的是车辆的技术指标,其中核心的是MPI,每两次干预之间的自动驾驶里程。这个阶段我们认为是测试、研发,关注车辆核心能力提升的阶段。

第二阶段是运营,运营最重要的变化是什么?首先需要更大规模的车队,意味着不能用过去的改装车,需要用定制化的量产车辆,部署在区域路网,很有可能是有真实运营需求,跑的方式不再是类似公交的固定路线,而是点到点的方式。除了搭载测试人员之外,还会搭载有真实需求的乘客,听取他们的意见和反馈。

所以在运营阶段,我们主要关注运营效率这个核心指标,每英里或者是公里要花多少钱。这个效率可能包含非常多的方面,一方面是整车的成本,现在无人驾驶汽车主要的成本来自于自动驾驶相关的成本,激光雷达、计算成本等等都是成倍的。另一个成本是运维成本,这些车辆出故障的时候需要有多大的技术团队支持,维持平常的运营,当然车越稳定、质量越好、成本越低,另一个更大的成本来自于驾驶员或者是司机,当未来有一天商业模式形成闭环的时候,一定会去掉驾驶员,能够节省一笔很大的费用。当做到这几点之后,我们每天可以跑更多的里程,这样能进一步降低每英里的成本,到那一天可以真正实现商业化的运营。

当然,这两大阶段内还有三个不同的小阶段。目前,百度从过去的测试阶段,已经跨越到了运营阶段的测试运营阶段,但是会持续非常长的时间,直到有一天有把握去掉安全员。从测试到运营是L4级的必经之路呢。未来,更大的车队需要更高的稳定性,同时需要搭载乘客,还要舒适性。最后,真实用户反馈的真实意见,可以帮助你全流程打磨技术,更重要的是打磨产品,使得它向商业化落地。

三位一体促转变

陶吉指出,如果想要做到从测试到运营的转变,需要科技公司、政府、OEM(原始设备制造商)做到三位一体,测试阶段可能不需要更多的合作,科技公司可以找到改装厂改装,但是做到运营需要三位一体。

在三个顶点上,每个角色都有自己很多的问题、顾虑、思考,比如科技公司能否给我提供更大的路网?能够允许搭载真实乘客吗?政府可能会想,无人驾驶汽车上路的安全标准是什么?什么时候去掉安全员?无人驾驶汽车在路上会不会影响正常的道路交通?OEM会想,造出来了谁来买?研发成本谁来分摊?当运营的时候,传统的主机厂以什么样的身份和角色参与到未来的无人驾驶汽车出行的运营服务当中?核心问题就是大家都在想,如何保证测试运营安全进行?

科技公司和主机厂两方的合作关系,简单来说,在这样的合作中科技公司更多的是提供全套的解决方案,软硬件的能力,主机厂和OEM提供的是车辆定制化的设计和生产,以及整个质量保证的服务。这里面并不是简单说主机厂成为一个代工,它需要深刻理解目前自动驾驶涉及到的软件和硬件到底有什么需求,有什么样的长处和不足,需要通过什么样的设计方法克服它带来的问题。所以划分为从产品定义、研发、量产、运营四个阶段,双方要各自贡献出长处。

到科技公司和政府之间的合作,以百度为例。首先,百度提供一批自动驾驶车辆到长沙去,通过自动驾驶车辆的牌照考试,长沙现在有中国智能网联的测试示范道路,但缺乏的经验是,如何给一辆无人驾驶汽车发放符合国家标准的牌照。当车辆测试完获得牌照上路之后,百度要提供全套方案。作为政府来说,一方面要把合规牌照发放出来,同时要制定车辆测试多久之后可以真正进行运营载客测试的标准规范。

中国的自动驾驶一定是走在聪明的车驾、智慧的路这样一条有特色的道路上,政府有责任和义务把基础设施进行智能化升级改造,提供具备车路协同功能的测试道路。


强警护军运!爱上集团AIMO无人巡逻警车严阵力守护航“军人奥运”

博客gaohong 发表了文章 • 0 个评论 • 247 次浏览 • 2019-10-23 15:50 • 来自相关话题

10月18日,第七届世界军人运动会(以下简称“军运会”)在武汉隆重开幕。爱上集团AIMO无人巡逻警车在军运会期间率先在武汉各个要地实现规模投放运营,作为安防保障的亮点、重点设备提前入驻,以领先的公安未来出行场景能力保障军运会,守护城市安全,其国际级安保巡 ...查看全部

10月18日,第七届世界军人运动会(以下简称“军运会”)在武汉隆重开幕。爱上集团AIMO无人巡逻警车在军运会期间率先在武汉各个要地实现规模投放运营,作为安防保障的亮点、重点设备提前入驻,以领先的公安未来出行场景能力保障军运会,守护城市安全,其国际级安保巡逻服务能力获行业重点关注与好评。AIMO无人巡逻警车的首次规模落地,正式开启无人驾驶车辆服务化与规模化运营模式,由近百辆AIMO无人巡逻警车所组成的AIMO一体化智能车队也正在武汉逐渐落地成型,强势引领L4级无人驾驶商业化进程。

1571816564274840.jpg

AIMO无人巡逻警车亮相军运会

“创军人荣耀 筑世界和平”,军运会是全球军人最高规格大型综合性运动会,本届军运会不仅是我国第一次承办综合性国际军事赛事,更是历史上规模最大、影响力最广、参赛人员最多的一次,吸引了来自109个国家近万名现役军人同台竞技。

为保障此国际性大型赛事顺利举行,举办高水平“平安军运”,武汉公安军运会期间全力借助科技力量提升警务水平,全新启用由爱上集团自主研发的AIMO无人巡逻警车。目前,经过前期严格的安全测试与试运行,首批AIMO无人巡逻警车已正式投入运营,在军运会各主要场馆、军运村、火车站等军运会相关人流密集度高、安保压力大的重点位置上岗执勤,帮助公安构建7×24小时立体巡防力量,为赛事顺利举行提供全方位保障。

2.jpg

AIMO无人巡逻警车在军运会相关各要地实现规模应用

本次落地的AIMO无人巡逻警车是爱上集团推出的首款模块化设计的无人驾驶作业车,专为公安领域打造,成为国内L4级无人驾驶、V2X车路协同、5G等技术在未来出行场景的首个落地成果,标志着无人驾驶正式切入公安警务实际应用。武汉公安值此国际性赛事期间率先批量试点引进AIMO无人巡逻警车,爱上集团以服务模式提供车辆落地运营与技术支持,在为期十天的赛事中为军运会顺利举行提供诸多安全保障,展现出国际级的安保巡逻服务能力。

3.JPG

AIMO无人巡逻警车在武汉体育中心上岗执勤

军运会现场公安警官表示,该无人巡逻警车所具备的人脸识别、车牌识别、一键报警、AI语音交互智能对话、交通违法行为自动识别、警务信息宣传播报等巡逻能力,可以实现迅速响应,守护群众安全,助力武汉公安实现“智慧警务”,全面提升军运会安全系数。

4.JPG

AIMO无人巡逻警车在军运村上岗执勤

爱上集团相关人员介绍,这些功能得益于AIMO无人巡逻警车所配备的丰富的自驾装备与十余种前端感知警务装备,充分保证无人驾驶的安全性与公安巡逻业务能力,同时通过智能车指挥大脑对接公安指挥中心,实现警务远程指挥调度,能够实现3-5名警员的实际巡逻效能,有效提升城市见警率300%、压降发案率。

5.jpg

AIMO无人巡逻警车在汉口火车站安防巡逻

事实上,这并不是AIMO无人巡逻警车首次成为行业焦点。据了解,AIMO无人巡逻警车自今年4月发布以来,以其创新先进性迅速获得行业高度关注。8月,在武汉公安举行的“保大庆、护民安”专项活动中,公安部副部长孙力军与来自全国各省、直辖市、自治区的公安领导参观AIMO无人巡逻警车实地巡逻与警务指挥决策演示,并给予高度评价。

不止于保障军运会,爱上集团还将在武汉加速落地近百辆规模AIMO无人巡逻警车一体化智能车队,以无人驾驶、人工智能等核心技术赋能更多公安未来出行场景升级,以此全面构建立体化巡逻防控模式,形成震慑、打击违法犯罪分子的强大合力,使城市、街道成为“24小时安全区”,全面提升群众的安全感、幸福感。

目前,AIMO无人巡逻警车除在武汉规模落地应用外,还在重庆、北京、广西、山东、浙江、西藏等地稳步有序推进试点测试,在全国范围推动智慧城市、安防立体进化升级。

公安巡逻场景是未来出行创新的代表性场景之一,未来出行产业必将是前景巨大的社会新产业。爱上集团将继续推动无人驾驶在更多领域未来出行场景中的应用,变革性地升级产业模式,重塑产业生态,极大地助推全社会整体效率的提升,开辟全新的未来出行新商业版图。

------------------------------------

关于爱上集团

爱上集团是未来出行场景设计师,专注利用无人驾驶、V2X车路协同、5G等人工智能、物联网高科技技术,加速未来出行场景应用落地与生态共建,高效实现未来工作及生活的出行场景进化,推动智慧城市建设。



明确无人驾驶乘车人资质

博客飞奔的蜗牛 发表了文章 • 0 个评论 • 221 次浏览 • 2019-10-05 10:21 • 来自相关话题

目前,有关无人驾驶的法律政策研究主要集中于车辆本身,少有对于乘车人资质方面的要求。虽然无人驾驶更为智能,能为乘客带来更多便利。但在可预测的范围内,无人车并不能代办所有事 情,一些发生在驾驶过程中却与驾驶无关的事情仍需要乘客自己处理,因此,不是所有人都能够 ...查看全部

目前,有关无人驾驶的法律政策研究主要集中于车辆本身,少有对于乘车人资质方面的要求。虽然无人驾驶更为智能,能为乘客带来更多便利。但在可预测的范围内,无人车并不能代办所有事 情,一些发生在驾驶过程中却与驾驶无关的事情仍需要乘客自己处理,因此,不是所有人都能够乘 坐无人驾驶汽车。

首先,对无人驾驶汽车的乘车人资质条件不能完全没有限制。在传统驾驶时代,司机要承担大部分法律规定的义务,少部分由乘客承担。在自动驾驶时代,无人汽车承担人类司机原有义务的比例会随着智能化水平的提高而不断加大,但其不可能完全继受所有法定义务,比如救助义务等。所以这些无人汽车无法胜任,但又必须存在的义务就转移给乘车人担负。为确保乘车人能够担负起这些法定义务,有必要对其资质条件进行一定的限制。

虽然乘车人应当继受部分传统司机的法定义务,且有对乘车人资质作出制度设计的必要,但智能驾驶时代的乘车人仅需要继受少部分义务。直接套用限制司机整体资质条件的“驾照”制度明显过于严苛,反而缩小了无人驾驶的服务对象范围。

目前各地出台的无人驾驶汽车路测指导意见普遍要求测试车辆具备自动和手动两种模式,在切换为手动操作模式后,乘客转换为司机,履行驾驶职责。但乘客与司机所担负的义务有相当大的差距,这种身份转换的不确定性为明确无人车乘客的资质条件增加了难度。

其次,存在影响规定无人驾驶汽车乘车人资质条件的决定性因素,分别是无人驾驶车辆的最终技术路线和乘客的数量。无人驾驶车辆的发展趋向将直接决定乘客的资质条件。目前各地要求自动驾驶车辆保留手动模式,主要是安抚公众对自动驾驶技术不信任的情绪。未来,如果公众能更为顺畅地接受自动驾驶,是否保留驾驶模式切换功能应当交由技术发展的正常逻辑决定。若保留,则资质限制要相对趋严。若取消,则可降低对乘客资质的条件限制。

在传统驾驶时代,乘车人数量和特性大多不影响司机履行驾驶及相关义务。在自动驾驶时代,

乘客的数量可分为“一人”和“多人”。当在驾驶过程中发生了与驾驶本身无关的特殊情况,如乘客需要救助等,传统意义上的司机义务就转移到乘客身上。如乘客本身就是受害者又欠缺“自救”能力时,是否存在第三人乘客则非常关键。所以,单独乘车时,应当对乘车人规定较为齐备的资质条件。多人乘车时,可以只要求其中部分人具备完整的资质条件。

最后,谈谈无人驾驶汽车乘车人应当排除的禁止性条件。上述影响因素导致现阶段难以直接规定明确、完备的乘车人资质条件。但是可以先划定无人驾驶乘车人不得违背的禁止性条件,即凡是具备某类条件的人就不能乘坐无人驾驶车辆。不过,禁止性条件的使用前提还需要进一步细分,可区分为:是单独一人不可乘坐还是即使有同行者亦不可乘坐,是不可乘坐所有无人驾驶车辆还是仅不能乘坐用于公共运输的无人驾驶车辆。

单独一人不可乘坐无人驾驶汽车的类型包括:低龄儿童;不能辨认或不能完全辨认自己行为的成年人;无单独行动能力者;存在突发性重大致危疾病的人士;醉酒及服用安眠药物者。这些人虽拥有乘坐无人驾驶车辆的权利,通常也无社会危害性,但由于各种心理、生理等原因,可能导致其无法准确下达行车指令或者难以应付乘车途中可能出现的突发状况。出于保证乘车人的安全健康和行动便利,以及公共交通的安全秩序之考虑,应当规定此类人士需要其他具备相应能力的自然人陪同才能乘坐无人驾驶汽车。

无论是否有人陪同皆不可乘坐无人驾驶汽车的类型包括吸食毒品等违禁药品者和被监视居住者。这一类型的人自身原本具备乘坐无人驾驶汽车的资格,但是出于公共安全和维护法治的现实需要,防止其造成严重安全事故和破坏法律权威性,必须禁止其乘坐无人驾驶汽车。

有些人乘坐无人驾驶汽车会受到具体条件限制,这一部分人受限于法律规定,仅可以在一定限制的范围内乘坐,超出法律限制范围,则无权乘坐。被列入失信联合惩戒对象名单的人,应限制其仅可乘坐私有而不可乘坐公共无人驾驶汽车。还有被取保候审者,其乘坐车辆的行驶范围会受到严格限制。(来源:赛迪智库政策法规研究所)


无人驾驶:驰骋在希望的田野上

博客飞奔的蜗牛 发表了文章 • 0 个评论 • 203 次浏览 • 2019-10-05 10:21 • 来自相关话题

在湖北鄂州,湖北国际物流机场建设正紧锣密鼓地施工中,烈日骄阳下无人驾驶碾压机正在紧张有序地按规划要求进行碾压施工。通常在8月38℃、39℃的高温下,人在室外只要待上一小会儿就汗流浃背,更何况是好几个小时持续在烈日下施工,其难受程度可想而知。但现在因为使用 ...查看全部

在湖北鄂州,湖北国际物流机场建设正紧锣密鼓地施工中,烈日骄阳下无人驾驶碾压机正在紧张有序地按规划要求进行碾压施工。通常在8月38℃、39℃的高温下,人在室外只要待上一小会儿就汗流浃背,更何况是好几个小时持续在烈日下施工,其难受程度可想而知。但现在因为使用高精度数字工程地图加上数字化施工技术,在技术人员的远程操控下,碾压机可以实现无人化自动驾驶,碾压工可以不再饱受烈日的暴晒,而其施工质量、施工效率、施工成本大大提高。

山东四维卓识信息科技有限公司总经理刘磊在接受《中国电子报》记者采访时表示,不仅仅是在湖北鄂州,在四川的天府机场、新疆的吐鲁番大河沿水库大坝等众多基础设施施工现场,都有无人驾驶的碾压机在风雨无阻加班加点干活的“身影”。

除了在机场、铁路、水利大坝等基础设施的施工现场,无人驾驶的碾压机挥舞“铁滚筒”碾压,在农村同样有许多无人驾驶收割机在忙碌。今年5月,在山东济宁嘉祥的金黄色麦浪里,雷沃谷神收割机正在雷沃阿波斯集团工作人员的遥控指挥下,自动收割作业,无人驾驶收割机收割完毕后,无人驾驶雷沃欧豹拖拉机又牵引旋耕机对收割完的地块进行耕整作业,随后,安装了自动导航驾驶系统的阿波斯拖拉机牵引播种机将玉米种播下,在卫星导航的指引下,按照既定路线实现自动作业。

不仅是在山东,事实上雷沃农机导航及自动驾驶作业系统从2016年就开始批量投放新疆市场,连年实现了翻番增长。新疆地域辽阔,田园广袤,有很大的市场需求,是应用农机导航及自动驾驶作业系统的理想市场。

雷沃农机是2010年前后开始意识到农机导航系统及自动作业系统未来有很大机会,开始进行相关的研发以及实验验证,然后不断完善。就像刘磊所言,这些自动施工、自动收割、自动播种系统与高精度导航系统结合,最大的好处是提升质量、提升效率和降低成本。雷沃的自动导航系统用于播种作业,土地的利用率至少提高0.5%~1%,棉花的采净率提高2%~3%,使用导航系统引导农田覆膜作业,能使残膜回收率提高8%~10%,累计每亩增加收入60~90元,自动导航系统不受光线、昼夜的限制,速度快,至少提高作业效率20%。

除了农机应用,无人驾驶在物流行业也开始普及。2018年,香港国际机场开始启用无人驾驶电动物流拖车进行行李货物的运送,驭势科技提供的无人电动物流拖车,即Autonomous Electric Tractor(简称AET),配备多种传感器,可以360°探测和感知周围的环境情况,并按照指定的区域和路线,在场景内自主驾驶并完成行李货物的运送。

数据显示,我国物流行业规模为12万亿元,占GDP的16%。目前,有500万辆大货车用于500公里半径的干线运输;1000万辆货车用于50公里半径区域运输;而在5公里半径的毛细物流领域,则有3000万辆微型车、三轮和两轮车在为电商物流和外卖市场服务。

到目前为止,包括阿里巴巴、京东等都发布了无人驾驶的智慧物流车,目标是打通城市物流的“毛细血管”。截至目前,京东物流末端配送机器人已经在北京、西安、雄安等全国20多个城市实现了常态化运营,在长沙和呼和浩特同步创立了全球首个机器人智能配送站。“随着配送机器人智能配送站示范效应的逐步放大,京东物流将开创全国‘最后一公里’物流配送崭新模式,用无人科技拓展出更加广阔的服务空间,让更多消费者享受京东智能物流带来的全新生活方式。”京东物流X事业部自动驾驶中心运营总监刘向东说。

每当我们提及无人驾驶、谈及无人车,大家的眼光往往是紧盯着L4/L5的开放道路高速无人驾驶的这些“理想目标”,而这样的目标至少要10年之后才能真正实现。就像驭势科技创始人兼CEO吴甘沙在接受《中国电子报》记者采访时所说,这是一个长期目标,我们不能只盯着一个目标来“十年磨一剑”,而事实上在工厂、农场、园区、郊区、矿山等很多应用场景都需要智能驾驶来助力,这里有刚需、有购买力,需要自动驾驶、人工智能等各个领域企业参与进来,破解这些行业难题,让这些技术尽快赋能传统产业的升级。

如何找到可落地的无人驾驶应用场景?吴甘沙认为需要考量三个问题。其一是否真的解决了客户的痛点,是否真的贴近了需求。其二是否能够无人化。比如在矿区,在潮湿、粉尘等恶劣条件下,设备的抗湿、抗尘能力等。三是成本问题。如果成本非常高,无法承受,那么还不如请一个人或雇佣一个人来得合算。

赛迪顾问人工智能产业研究中心高级分析师李振此前在接受《中国电子报》记者采访时表示,在机场、园区等封闭环境的专用车辆应用,在港口集装箱等短时间固定区域运输等,需求和场景大量存在,最大的优势在于减少人力成本与时间成本,同时还可以减少人为操作风险所带来的不良后果。在危险矿区,山区等区域还可以减少人员的人身安全问题。

李振进一步表示,事实上,多场景应用是技术成熟度最直接的表现方式,同时预示着自动驾驶的广阔市场发展前景与多元化应用领域,而且是对技术进步与相关法规进行完善的一种直接推动方式。

“2019年中国无人驾驶市场规模大概在720亿元左右,随着技术的不断成熟和法规的不断完善,该技术的衍生应用场景市场将呈现高速增长态势。”李振说。


关注 | 全球首批商用牌照发放 无人驾驶须谨防跑偏脱轨

博客gaohong 发表了文章 • 0 个评论 • 273 次浏览 • 2019-09-26 10:12 • 来自相关话题

可以预期的是,无人驾驶会让交通出行更安全、更便捷,引领人们步入一个崭新的出行时代,这个趋势不会改变。2019年的车市,可以用“一半是海水、一半是火焰”来形容。一方面,传统汽车销量持续下滑,不断传出车企裁员、工人降薪、经销商倒闭的消息;另一方 ...查看全部

可以预期的是,无人驾驶会让交通出行更安全、更便捷,引领人们步入一个崭新的出行时代,这个趋势不会改变。

2019年的车市,可以用“一半是海水、一半是火焰”来形容。一方面,传统汽车销量持续下滑,不断传出车企裁员、工人降薪、经销商倒闭的消息;另一方面,无人驾驶领域捷报频传,武汉率先在全国迈出无人驾驶商业化应用的关键一步。据长江网9月22日消息,当日上午,国家智能网联汽车(武汉)测试示范区正式揭牌,百度、海梁科技、深兰科技等企业获得武汉市交通运输部门颁发的全球首张自动驾驶车辆商用牌照。这意味着,无人驾驶汽车不仅可以在公开道路上进行载人测试,也可以进行商业化运营了。

一周前的9月16日,上海建立的国内首个国家级智能网联汽车试点示范区,也只给上汽、宝马、滴滴等三家公司颁发了“示范应用”牌照,在满足一定条件的前提下,可以尝试一定数量级自动驾驶车辆的功能化载人运用。虽然与乘用车、商用车市场相比,试点示范区与人们日常的生活距离仍比较远,但该消息还是刺激了一大批相关上市公司股价的集体大涨。此次商用牌照的发放,令无人驾驶离我们的距离更近了。

如果说,新能源汽车动摇了内燃机汽车的地位,滴滴打车、共享单车彻底改变了大众出行方式与出行市场格局,那么,移动车联网将成为下一个汽车时代的新主题。自动驾驶所蕴含的改变未来商业模式、就业、城市基础设施的能量,绝对不可小觑。自动驾驶可以提升社会效率,降低越来越昂贵的人工成本,在物联网时代不再仅仅是代步工具,而是被赋予更大的内涵。有朝一日,无人驾驶完全可以像智能手机一样,取代电脑成为新的互联网终端。不同领域的商界巨头(BAT、滴滴、美团、华为等)争相进入无人驾驶领域,看中的不仅仅是围绕无人驾驶技术本身形成的一条产业链,背后将是诸多万亿级规模市场的叠加。

提及无人驾驶,人们更关心的是其安全性。在此之前,部分发达国家的著名车企(包括Uber、特斯拉等)对无人驾驶汽车进行了上路测试,发生了一连串事故,并出现致人死亡事件,一度为无人驾驶的商业化进程蒙上阴影。

其实,无人驾驶的内核就是车辆能够发现行人、并能及时采取措施避免发生事故。这个功能并非是多添几个摄像头就能解决的,在安全行驶的背后,是芯片、传感器、AI算法、处理系统、高精地图以及车辆零部件高质量运行的一个系统工程。这相当于一个算法“黑箱”,我们只能看到它导致的结果,却无法看到它运作的过程。因此,要想在无人驾驶领域取得成功,不仅要具备足够的技术积累,还要有敬畏生命的信仰和底线,只有这样的玩家才有资格进入这一领域,否则,无人驾驶难免会跑偏脱轨,成为一场灾难。

与层出不穷的真人版“马路杀手”相比,无人驾驶一旦出现事故,将是人们更加难以容忍和接受的。真人出现失误,可以理解为疏忽、大意,但无人驾驶一旦出现故障,就是大事故,甚至会引发人们对科幻片中机器对人类的无差别“屠戮”画面产生联想。

“万事开头难”,再难的创新也有开始的一天,就像当年人类为航空事业付出的代价一样。无人驾驶技术的研发进程,不会因几次事故就停止前进的步伐,但无人驾驶技术的成熟也绝非一蹴而就。可以预期的是,无人驾驶会让交通出行更安全、更便捷,引领人们步入一个崭新的出行时代,这个趋势不会改变。我们憧憬这一天早日到来,但也要为实现梦想需要经历的艰辛过程做好心理准备和应对方案。(来源:新京报)

明确无人驾驶乘车人资质

博客gaohong 发表了文章 • 0 个评论 • 382 次浏览 • 2019-09-02 11:49 • 来自相关话题

目前,有关无人驾驶的法律政策研究主要集中于车辆本身,少有对于乘车人资质方面的要求。虽然无人驾驶更为智能,能为乘客带来更多便利。但在可预测的范围内,无人车并不能代办所有事 情,一些发生在驾驶过程中却与驾驶无关的事情仍需要乘客自己处理,因此,不是所有人都能够 ...查看全部

目前,有关无人驾驶的法律政策研究主要集中于车辆本身,少有对于乘车人资质方面的要求。虽然无人驾驶更为智能,能为乘客带来更多便利。但在可预测的范围内,无人车并不能代办所有事 情,一些发生在驾驶过程中却与驾驶无关的事情仍需要乘客自己处理,因此,不是所有人都能够乘 坐无人驾驶汽车。

首先,对无人驾驶汽车的乘车人资质条件不能完全没有限制。在传统驾驶时代,司机要承担大部分法律规定的义务,少部分由乘客承担。在自动驾驶时代,无人汽车承担人类司机原有义务的比例会随着智能化水平的提高而不断加大,但其不可能完全继受所有法定义务,比如救助义务等。所以这些无人汽车无法胜任,但又必须存在的义务就转移给乘车人担负。为确保乘车人能够担负起这些法定义务,有必要对其资质条件进行一定的限制。

虽然乘车人应当继受部分传统司机的法定义务,且有对乘车人资质作出制度设计的必要,但智能驾驶时代的乘车人仅需要继受少部分义务。直接套用限制司机整体资质条件的“驾照”制度明显过于严苛,反而缩小了无人驾驶的服务对象范围。

目前各地出台的无人驾驶汽车路测指导意见普遍要求测试车辆具备自动和手动两种模式,在切换为手动操作模式后,乘客转换为司机,履行驾驶职责。但乘客与司机所担负的义务有相当大的差距,这种身份转换的不确定性为明确无人车乘客的资质条件增加了难度。

其次,存在影响规定无人驾驶汽车乘车人资质条件的决定性因素,分别是无人驾驶车辆的最终技术路线和乘客的数量。无人驾驶车辆的发展趋向将直接决定乘客的资质条件。目前各地要求自动驾驶车辆保留手动模式,主要是安抚公众对自动驾驶技术不信任的情绪。未来,如果公众能更为顺畅地接受自动驾驶,是否保留驾驶模式切换功能应当交由技术发展的正常逻辑决定。若保留,则资质限制要相对趋严。若取消,则可降低对乘客资质的条件限制。

在传统驾驶时代,乘车人数量和特性大多不影响司机履行驾驶及相关义务。在自动驾驶时代,

乘客的数量可分为“一人”和“多人”。当在驾驶过程中发生了与驾驶本身无关的特殊情况,如乘客需要救助等,传统意义上的司机义务就转移到乘客身上。如乘客本身就是受害者又欠缺“自救”能力时,是否存在第三人乘客则非常关键。所以,单独乘车时,应当对乘车人规定较为齐备的资质条件。多人乘车时,可以只要求其中部分人具备完整的资质条件。

最后,谈谈无人驾驶汽车乘车人应当排除的禁止性条件。上述影响因素导致现阶段难以直接规定明确、完备的乘车人资质条件。但是可以先划定无人驾驶乘车人不得违背的禁止性条件,即凡是具备某类条件的人就不能乘坐无人驾驶车辆。不过,禁止性条件的使用前提还需要进一步细分,可区分为:是单独一人不可乘坐还是即使有同行者亦不可乘坐,是不可乘坐所有无人驾驶车辆还是仅不能乘坐用于公共运输的无人驾驶车辆。

单独一人不可乘坐无人驾驶汽车的类型包括:低龄儿童;不能辨认或不能完全辨认自己行为的成年人;无单独行动能力者;存在突发性重大致危疾病的人士;醉酒及服用安眠药物者。这些人虽拥有乘坐无人驾驶车辆的权利,通常也无社会危害性,但由于各种心理、生理等原因,可能导致其无法准确下达行车指令或者难以应付乘车途中可能出现的突发状况。出于保证乘车人的安全健康和行动便利,以及公共交通的安全秩序之考虑,应当规定此类人士需要其他具备相应能力的自然人陪同才能乘坐无人驾驶汽车。

无论是否有人陪同皆不可乘坐无人驾驶汽车的类型包括吸食毒品等违禁药品者和被监视居住者。这一类型的人自身原本具备乘坐无人驾驶汽车的资格,但是出于公共安全和维护法治的现实需要,防止其造成严重安全事故和破坏法律权威性,必须禁止其乘坐无人驾驶汽车。

有些人乘坐无人驾驶汽车会受到具体条件限制,这一部分人受限于法律规定,仅可以在一定限制的范围内乘坐,超出法律限制范围,则无权乘坐。被列入失信联合惩戒对象名单的人,应限制其仅可乘坐私有而不可乘坐公共无人驾驶汽车。还有被取保候审者,其乘坐车辆的行驶范围会受到严格限制。(来源:赛迪智库政策法规研究所)


无人驾驶:驰骋在希望的田野上

博客gaohong 发表了文章 • 0 个评论 • 356 次浏览 • 2019-08-29 11:23 • 来自相关话题

在湖北鄂州,湖北国际物流机场建设正紧锣密鼓地施工中,烈日骄阳下无人驾驶碾压机正在紧张有序地按规划要求进行碾压施工。通常在8月38℃、39℃的高温下,人在室外只要待上一小会儿就汗流浃背,更何况是好几个小时持续在烈日下施工,其难受程度可想而知。但现在因为使用 ...查看全部

在湖北鄂州,湖北国际物流机场建设正紧锣密鼓地施工中,烈日骄阳下无人驾驶碾压机正在紧张有序地按规划要求进行碾压施工。通常在8月38℃、39℃的高温下,人在室外只要待上一小会儿就汗流浃背,更何况是好几个小时持续在烈日下施工,其难受程度可想而知。但现在因为使用高精度数字工程地图加上数字化施工技术,在技术人员的远程操控下,碾压机可以实现无人化自动驾驶,碾压工可以不再饱受烈日的暴晒,而其施工质量、施工效率、施工成本大大提高。

山东四维卓识信息科技有限公司总经理刘磊在接受《中国电子报》记者采访时表示,不仅仅是在湖北鄂州,在四川的天府机场、新疆的吐鲁番大河沿水库大坝等众多基础设施施工现场,都有无人驾驶的碾压机在风雨无阻加班加点干活的“身影”。

除了在机场、铁路、水利大坝等基础设施的施工现场,无人驾驶的碾压机挥舞“铁滚筒”碾压,在农村同样有许多无人驾驶收割机在忙碌。今年5月,在山东济宁嘉祥的金黄色麦浪里,雷沃谷神收割机正在雷沃阿波斯集团工作人员的遥控指挥下,自动收割作业,无人驾驶收割机收割完毕后,无人驾驶雷沃欧豹拖拉机又牵引旋耕机对收割完的地块进行耕整作业,随后,安装了自动导航驾驶系统的阿波斯拖拉机牵引播种机将玉米种播下,在卫星导航的指引下,按照既定路线实现自动作业。

不仅是在山东,事实上雷沃农机导航及自动驾驶作业系统从2016年就开始批量投放新疆市场,连年实现了翻番增长。新疆地域辽阔,田园广袤,有很大的市场需求,是应用农机导航及自动驾驶作业系统的理想市场。

雷沃农机是2010年前后开始意识到农机导航系统及自动作业系统未来有很大机会,开始进行相关的研发以及实验验证,然后不断完善。就像刘磊所言,这些自动施工、自动收割、自动播种系统与高精度导航系统结合,最大的好处是提升质量、提升效率和降低成本。雷沃的自动导航系统用于播种作业,土地的利用率至少提高0.5%~1%,棉花的采净率提高2%~3%,使用导航系统引导农田覆膜作业,能使残膜回收率提高8%~10%,累计每亩增加收入60~90元,自动导航系统不受光线、昼夜的限制,速度快,至少提高作业效率20%。

除了农机应用,无人驾驶在物流行业也开始普及。2017年3月,广州白云机场开始启用无人驾驶电动物流拖车进行行李货物的运送,驭势科技提供的无人电动物流拖车,即Autonomous Electric Tractor(简称AET),配备多种传感器,可以360°探测和感知周围的环境情况,并按照指定的区域和路线,在场景内自主驾驶并完成行李货物的运送。

数据显示,我国物流行业规模为12万亿元,占GDP的16%。目前,有500万辆大货车用于500公里半径的干线运输;1000万辆货车用于50公里半径区域运输;而在5公里半径的毛细物流领域,则有3000万辆微型车、三轮和两轮车在为电商物流和外卖市场服务。

到目前为止,包括阿里巴巴、京东等都发布了无人驾驶的智慧物流车,目标是打通城市物流的“毛细血管”。截至目前,京东物流末端配送机器人已经在北京、西安、雄安等全国20多个城市实现了常态化运营,在长沙和呼和浩特同步创立了全球首个机器人智能配送站。“随着配送机器人智能配送站示范效应的逐步放大,京东物流将开创全国‘最后一公里’物流配送崭新模式,用无人科技拓展出更加广阔的服务空间,让更多消费者享受京东智能物流带来的全新生活方式。”京东物流X事业部自动驾驶中心运营总监刘向东说。

每当我们提及无人驾驶、谈及无人车,大家的眼光往往是紧盯着L4/L5的开放道路高速无人驾驶的这些“理想目标”,而这样的目标至少要10年之后才能真正实现。就像驭势科技创始人兼CEO吴甘沙在接受《中国电子报》记者采访时所说,这是一个长期目标,我们不能只盯着一个目标来“十年磨一剑”,而事实上在工厂、农场、园区、郊区、矿山等很多应用场景都需要智能驾驶来助力,这里有刚需、有购买力,需要自动驾驶、人工智能等各个领域企业参与进来,破解这些行业难题,让这些技术尽快赋能传统产业的升级。

如何找到可落地的无人驾驶应用场景?吴甘沙认为需要考量三个问题。其一是否真的解决了客户的痛点,是否真的贴近了需求。其二是否能够无人化。比如在矿区,在潮湿、粉尘等恶劣条件下,设备的抗湿、抗尘能力等。三是成本问题。如果成本非常高,无法承受,那么还不如请一个人或雇佣一个人来得合算。

赛迪顾问人工智能产业研究中心高级分析师李振此前在接受《中国电子报》记者采访时表示,在机场、园区等封闭环境的专用车辆应用,在港口集装箱等短时间固定区域运输等,需求和场景大量存在,最大的优势在于减少人力成本与时间成本,同时还可以减少人为操作风险所带来的不良后果。在危险矿区,山区等区域还可以减少人员的人身安全问题。

李振进一步表示,事实上,多场景应用是技术成熟度最直接的表现方式,同时预示着自动驾驶的广阔市场发展前景与多元化应用领域,而且是对技术进步与相关法规进行完善的一种直接推动方式。

“2019年中国无人驾驶市场规模大概在720亿元左右,随着技术的不断成熟和法规的不断完善,该技术的衍生应用场景市场将呈现高速增长态势。”李振说。


无人驾驶汽车核心技术(报告)(七)

博客gaohong 发表了文章 • 0 个评论 • 347 次浏览 • 2019-08-26 15:08 • 来自相关话题

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、 《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达 ...查看全部

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、
《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达探测技术)、导航定位(惯性导航、GPS/北斗导航、智能组合导航)、控制、操作系统。对著名车企无人车商用化前沿也进行了较为全面的介绍。最后对无人车系统技术在物流、出租车、安全、养老等领域的定制化开发应用用实例进行说明。希望为无人车技术的进一步发展带来启发,为促进无人系统技术的市场化和产业化发展做出贡献。

引言:

无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶技术是多个技术的集成,包括传感器、定位与深度学习、高精地图、路径规划、障碍物检测与规避、机械控制、系统集成与优化、能耗与散热管理等。2018年4月12日,工信部、公安部、交通运输部联合制定的《智能网联汽车道路测试管理规范(试行)》对外发布,对测试主体、测试驾驶人、测试车辆等提出要求,明确省、市级政府相关主管部门可自主选择测试路段、受理申请和发放测试号牌。这表明无人驾驶汽车在往商用化迈进的道路上又加快了步伐。


1.jpg

2.JPG


3.JPG


4.JPG


7.JPG


8.JPG

无人驾驶汽车核心技术(报告)(六)

博客gaohong 发表了文章 • 0 个评论 • 357 次浏览 • 2019-08-26 15:08 • 来自相关话题

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、 《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达 ...查看全部

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、
《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达探测技术)、导航定位(惯性导航、GPS/北斗导航、智能组合导航)、控制、操作系统。对著名车企无人车商用化前沿也进行了较为全面的介绍。最后对无人车系统技术在物流、出租车、安全、养老等领域的定制化开发应用用实例进行说明。希望为无人车技术的进一步发展带来启发,为促进无人系统技术的市场化和产业化发展做出贡献。

引言:

无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶技术是多个技术的集成,包括传感器、定位与深度学习、高精地图、路径规划、障碍物检测与规避、机械控制、系统集成与优化、能耗与散热管理等。2018年4月12日,工信部、公安部、交通运输部联合制定的《智能网联汽车道路测试管理规范(试行)》对外发布,对测试主体、测试驾驶人、测试车辆等提出要求,明确省、市级政府相关主管部门可自主选择测试路段、受理申请和发放测试号牌。这表明无人驾驶汽车在往商用化迈进的道路上又加快了步伐。

1.jpg


2.JPG


3.JPG


4.JPG


5.jpg


6.jpg


7.JPG


8.JPG

激光雷达传感器在无人驾驶中的作用及市场趋势

博客isweek工采网 发表了文章 • 0 个评论 • 364 次浏览 • 2019-08-26 10:29 • 来自相关话题

随着科技的发展,时代的进步 ...查看全部

随着科技的发展,时代的进步,无人驾驶技术逐渐兴起,传感器的融合成了无人驾驶领域的趋势。同时无人驾驶的发展热潮,拉动了诸多技术创业者的纷纷涉足。近段时间以来,国内车企关于无人驾驶汽车的研发和测试捷报频传。先是吉利汽车宣布将在2022年亚运举办期间,在特定区域内使用完全无人驾驶的车辆。随后再有报道称,百度宣称其新一代无人巴士车阿波龙二代将很快推出。而就在不久前,百度与中国一汽红旗共同打造的国内首批量产自动驾驶出租车在湖南长沙展开了上路测试。有消息称,长沙市民有望在年底之前率先体验到中国首批自动驾驶出租车。 无疑无人驾驶技术是一种解放人类双手和提高生产力效率的科技创新

 图片1.png

 

本文工釆网小编将着重介绍激光雷达传感器在无人驾驶中的作用及市场趋势

 

无人驾驶的底层支撑可以分为三部分,即:传感器、高精地图和计算平台。在传感器方面,主流的传感器分为:毫米波雷达、激光雷达和摄像头。其作用如下:

 

摄像头:直接识别可见光,价格适中,技术成熟,可以识别行人、车辆、路标等物体,但易受视野、夜晚暗光、雨雪天气等因素影响。

 

激光雷达:探测角度广,精度高,厘米级精度的激光雷达结合高精地图可以实现高精度自定位和物体识别跟踪,定位可以精确到具体车道,但是价格昂贵,使用寿命较短。

 

毫米波雷达:测距离远,可以在雨雪天气等各种恶劣环境中稳定工作,但是精度不高。

 

无人驾驶用于控制的传感器要么是摄像头,要么是激光雷达,这是业界已经达成的共识。那何谓激光雷达?在无人机驾驶中的作用是什么?

 

激光雷达的工作原理是利用可见和近红外光波(多为950nm波段附近的红外光)发射、反射和接收来探测物体。激光雷达可以探测白天或黑夜下的特定物体与车之间的距离。由于反射度的不同,也可以区分开车道线和路面,但是无法探测被遮挡的物体、光束无法达到的物体,在雨雪雾天气下性能较差。

 

激光雷达在无人驾驶运用中拥有两个核心作用。3D建模进行环境感知。通过雷射扫描可以得到汽车周围环境的3D模型,运用相关算法比对上一帧和下一帧环境的变化可以较为容易的探测出周围的车辆和行人。

 

激光雷达在无人驾驶中的具体应用

 

1.定位

 

定位在无人驾驶中十分钟重要,只有有了实时的位置信息,系统才能做出下一步判读,决定向何处进发,以及如何前往。现在定位的方式有许多种。如载波相位差分技术(RTK),但 RTK 还是会受信号的干扰。特别是在一些城市、建筑和树比较多的地方,以及进隧道、出隧道,它的信号容易中断。同时,也有用摄像头等传感器感知外部环境、构建环境模型并利用该模型确定车辆所在的位置的方式,但其对环境的依赖比较强,比如逆光或雨雪天气下,这种定位容易失效。而激光雷达是依靠将车辆的初始位置与高精地图信息进行比对来获得精确位置。首先,GPSIMU和轮速等传感器给出一个初始(大概)的位置。其次,将激光雷达的局部点云信息进行特征提取,并结合初始位置获得全局坐标系下的矢量特征。最后,将上一步的矢量特征跟高精地图的特征信息进行匹配,得出精确的全球定位。所以,在定位方面,无论是从精度上还是稳定性上来说,运用激光雷达都有无可比拟的优势。而其唯一的缺点便在于目前激光雷达的生产成本较高,另一方面往固态方向上进行技术创新,朝着固态的低成本和可量产化的方向去发展,许多国内外厂家都在加速创新,在不久的将来成本将不会成为一个十分棘手的问题。

 

2. 障碍物的检测和分类

 

对于障碍物检测和分类来讲,目前有应用视觉和激光雷达,这两者并没有冲突。激光雷达不依赖光照,它的视角是 360 度,计算量比较小,可以实时扫描,目前普遍用的是 100 毫秒以内的。激光雷达在扫描的过程中,先识别障碍物,知道这个障碍物在空间中的位置,再根据存在的障碍物做分类。比如车、人,我们将这些障碍物分割成为独立的个体,通过分割出来独立的个体再去匹配,从而进行障碍物的分类和物体的跟踪。而跟踪的过程,首先是分割点云,通过点云做关联目标,我们知道上一桢和下一桢是否属于同一个物体,再进行目标跟踪,输出目标跟踪信息。

 

3.用于先进驾驶辅助系统(ADAS

 

先进驾驶辅助系统(Advanced Driver Assistance System),简称ADAS,是利用安装于车上的各式各样的传感器, 在第一时间收集车内外的环境数据, 进行静、动态物体的辨识、侦测与追踪等技术上的处理, 从而能够让驾驶者在最快的时间察觉可能发生的危险, 以引起注意和提高安全性的主动安全技术。如果激光雷达能有效控制成本,ADAS等级数较低的驾驶辅助功能也需要用激光雷达。其原因在于,基于摄像头的ADAS和无人驾驶系统,或者单独使用毫米波的局限性很大。首先是视场角的问题,为了保证足够的探测距离,视场角的角度不可太大,而这就导致车辆有非常大的横向盲区。对此现象,有些公司设计了多摄像头来解决此类问题,但效果并不理想,同样的多目摄像头会有重叠区域,还会增加处理数据的难度。其次是低速问题,事实证明,在低速情况下,摄像头的表现不尽人意,甚至对一下移动缓慢或静止的目标都很难识别。所以激光雷达在ADAS方面有着很大的潜力。

 

激光雷达的行业趋势

 

市场需求:L3级以上无人驾驶的必备传感器

 

激光雷达是高精度的传感器,但是有与过于昂贵,无人驾驶业界对激光雷达的存废之争一直没有停止过。非激光雷达阵营主要是以特斯拉为代表的的传统车企,他们倾向于渐进式路线,从ADAS辅助驾驶逐渐升级过度到自动驾驶,以端到端的深度学习砍掉传统的激光雷=雷达,激光雷大阵营主要是以谷歌为代表的科技公司,他们倾向于一步到位路线,以激光雷达为主传感器,等技术方案成熟成本下降后,再大规模商用。

 

未来发展方向:固态激光雷达

 

Velodyne是激光雷达的鼻祖,先后推出了64线、32线机械式激光雷达和16线混合固态激光雷达。“混合固”为Velodyne首创概念,是指外形上不存在可见的旋转部件,但为了360全视角其内部实际上仍然存在一些机械式旋转部件,只是做的非常小巧可以内藏而已。下面工釆网小编简单介绍一下固态激光雷达探测原理:TOF飞行时间法原理如下图:

图片2.png

 

激光雷达常用的探测原理是飞行时间法,就是通过给目标连续发送光脉冲,然后用传感器接收从物体返回的光,通过探测光脉冲的飞行往返时间来得到目标物距离。

 5d5b5b1185592.png

 

对于固态激光雷达产品的应用工采网提供一款固态面阵激光雷达测距传感器 - CE30-ACE30 使用时间飞行法(TOF, Time of Flight)进行测距,它会发射出经过调制的近红外光,光线遇物体后反射并再次被 CE30 接收。CE30 通过计算光线发射和接收的相位差与时间差,来换算被拍摄景物的距离。

 

固态面阵激光雷达 测距传感器 CE30-A 参数:


 图片3.png


无人驾驶汽车核心技术(报告)(五)

博客飞奔的蜗牛 发表了文章 • 0 个评论 • 424 次浏览 • 2019-08-21 10:17 • 来自相关话题

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、 《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达探测技术)、导航 ...查看全部

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、 《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达探测技术)、导航定位(惯性导航、GPS/北斗导航、智能组合导航)、控制、操作系统。对著名车企无人车商用化前沿也进行了较为全面的介绍。最后对无人车系统技术在物流、出租车、安全、养老等领域的定制化开发应用用实例进行说明。希望为无人车技术的进一步发展带来启发,为促进无人系统技术的市场化和产业化发展做出贡献。

引言:

无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶技术是多个技术的集成,包括传感器、定位与深度学习、高精地图、路径规划、障碍物检测与规避、机械控制、系统集成与优化、能耗与散热管理等。2018年4月12日,工信部、公安部、交通运输部联合制定的《智能网联汽车道路测试管理规范(试行)》对外发布,对测试主体、测试驾驶人、测试车辆等提出要求,明确省、市级政府相关主管部门可自主选择测试路段、受理申请和发放测试号牌。这表明无人驾驶汽车在往商用化迈进的道路上又加快了步伐。

1.jpg

2.JPG

3.JPG

4.JPG

5.jpg

6.jpg


7.JPG

8.JPG

无人驾驶汽车核心技术(报告)(四)

博客飞奔的蜗牛 发表了文章 • 0 个评论 • 428 次浏览 • 2019-08-21 10:17 • 来自相关话题

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、 《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达探测技术)、导航 ...查看全部

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、 《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达探测技术)、导航定位(惯性导航、GPS/北斗导航、智能组合导航)、控制、操作系统。对著名车企无人车商用化前沿也进行了较为全面的介绍。最后对无人车系统技术在物流、出租车、安全、养老等领域的定制化开发应用用实例进行说明。希望为无人车技术的进一步发展带来启发,为促进无人系统技术的市场化和产业化发展做出贡献。

引言:

无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶技术是多个技术的集成,包括传感器、定位与深度学习、高精地图、路径规划、障碍物检测与规避、机械控制、系统集成与优化、能耗与散热管理等。2018年4月12日,工信部、公安部、交通运输部联合制定的《智能网联汽车道路测试管理规范(试行)》对外发布,对测试主体、测试驾驶人、测试车辆等提出要求,明确省、市级政府相关主管部门可自主选择测试路段、受理申请和发放测试号牌。这表明无人驾驶汽车在往商用化迈进的道路上又加快了步伐。

1.jpg

2.JPG

3.JPG

4.JPG

5.jpg

6.jpg

7.JPG

面向结果的自动驾驶功能评价

博客别碰我的刘海 发表了文章 • 0 个评论 • 884 次浏览 • 2019-04-23 10:34 • 来自相关话题

1引言 自动驾驶功能的重要性日益凸显,但仍没有统一的方法评价其性能。因为道路测试需要投入过多的时间和费用,因此当前业界普遍认为需要一种仿真测试方法。用于测试的仿真环境通常包括3个关键部分:车辆模型(本车)、被测系统模型(system under t ...查看全部
1引言
自动驾驶功能的重要性日益凸显,但仍没有统一的方法评价其性能。因为道路测试需要投入过多的时间和费用,因此当前业界普遍认为需要一种仿真测试方法。用于测试的仿真环境通常包括3个关键部分:车辆模型(本车)、被测系统模型(system under test , SUT, 此处即指ADF)和系统预期运行环境条件模型。环境条件通常概述于“场景”中,包括但不限于道路属性(车道数、坡度、出口、路障、道路条件等)、交通属性(其他交通参与者的数量和速度、其他驾驶员的可能模型)和总体环境条件(能见度、天气条件等)。典型的基于场景的ADF评价首先通过对真实数据分析识别得到相关交通状况,然后对场景进行建模并用于ADF的仿真和评价。
tu1.png
图1 总体评价结构
随着ADF功能性提高和运行持续时间延长,很难找到一组先验定义的相关场景。例如为了评价自适应巡航控制器(Adaptive Cruise Controller, ACC)的燃油节省量,场景中必须包括实际交通中经常出现的“正常工况”(normal cases);而对于安全性评价,导致事故的“极限工况”(limit cases)至关重要。目前为止,对于同一功能的使用场景并没有唯一的定义,以ACC为例,根据关注点是燃油经济性还是安全性,可以使用完全不同的场景进行评价。考虑到这一情况,献中推荐使用连续交通微观仿真环境,而不是纯粹基于场景进行测试,这些仿真环境包括旨在反映真实驾驶情况的交通模型。
仿真测试存在一些局限性。首先,仿真结果不是先验正确的,因为没有模型是完美的并且可以无限精确地表示真实行为。其次,重要特征可能在建模阶段受到人为影响,或者在仿真运行中表现不足或过多,导致评价结果出现偏差。此外,尽管相比于道路测试,仿真测试速度更快且重复性好,但若考虑所有工况,仿真仍需要大量时间。在实践中经常使用先验停止标准(a priori stopping criteria)来执行测试,例如每种工况的最长仿真时间或固定重复次数,由此得到的最终结果通常是无需进一步分析的某些绩效指标的平均值。
已有研究显示,在不评价统计特性的条件下使用和比较仿真结果可能会产生误导,因此我们建议将结果的统计显著性评价与仿真运行相关联,这可以为所有仿真运行确定先验显著性水平,以使结果有可比性或可用于其他方案的评价。
 
2评价方法
2.1 ADF目标确定
每个ADF具有至少有一个必须满足的关键功能,例如ACC的速度跟踪功能和制动辅助的紧急情况减速功能等,通常用与控制器任务直接相关的可测变量来量化其性能。如果我们用变量x表示本车状态,则控制器目标可用目标集X*进行识别。以ACC为例,目标集是本车的期望速度。在评价已定义的ADF质量,即实际数据与目标集之间的差距时,对于ACC,这可以是由周围交通的扰动引起的与期望速度的偏差。
[b]2.2 与目标一致的KPI定义[/b]
评价过程的第二步是定义一个能够“观察”SUT与期望目标或行为间偏差的指数。若我们将SUT的状态视为随机过程X(t),则关键绩效指标(Key Performance Index,KPI)可定义为在系统状态下通过定义函数f(KPI)得到的另一个随机过程Y(t)。原则上,选定的函数f(KPI)既不能忽略SUT由于测试过程中的扰动而产生的与其期望行为的偏差,也不能突出这一偏差。对函数f(KPI)的最低要求是单边有界,并在X*处达到其最小值。为了清楚起见,我们指出,原则上,KPI可以同时评估多个目标但不能作为风险函数。只有在进行单一安全评价的情况下才可以用风险函数表示KPI。
2.3 KPI描述统计值选定
由于KPI是一个随机变量,我们感兴趣的是它在统计方面的表征(本文中指其统计特征参数)。因此,所研究参数的随机“时刻”(平均值、方差或等效标准偏差)、中位数以及形状参数(如偏度、峰度、所研究参数的置信区间)是出于这一目的考虑的自然统计参数。用通用统计数据值q(KPI)描述KPI,并假设由于实际原因,q(KPI)是有限的。
这些参数的估计只能通过在仿真期间收集KPI测量值来完成。应特别注意用于收集测量值和估计随机过程统计数据的方法,因为一般来说它会影响估计。                                       
2.4 仿真流程定义
对于随机过程,文献中提供了大量针对期望算子的估计方法。通常,不同的估计程序可导致对相同量估计的不同,这些结果既受基础随机过程的性质的影响,也受到用于评价的样本的代表性的影响。另外,抽样过程也取决于估计目标。
第一种期望估计方法称为遍历。这一方法假设在足够长的观察时间内,随机过程的每个轨迹都将在相同的评价时刻显示其样本几何的相同特征,即状态空间平均值可以用时间平均值代替。第二种期望估计方法称为蒙特卡洛方法,这一方法将随机过程Y中的N个互相独立的、时长足够的仿真中出现的极限值视为总体样本。
2.5 收敛准则定义
仿真运行期间,模拟器产生的场景(包括周围交通和本车的轨迹)会扰乱SUT,并通过估计KPI的值测量实际数据与控制器目标间的偏差。经过一定的仿真时间(或n个样本)后,将不再有新事件产生,即KPI的统计量不会随着仿真时间的增加而显著变化。收敛意味着随着仿真时间的增加,统计量的估计值会收敛到一个恒定值,并且值置信水平很高。一般而言,从统计角度来看,关键是有足够的样本量以确保KPI统计量具有一定的置信度。
 
3应用案例及结果
3.1 应用案例
ACC在跟踪期望速度的同时,还应确保不会对周围交通造成危险。在本文中,我们以ACC功能评价为例应用所提出的方法。控制器输入为纵向加速度a,并考虑到真实驾驶情况,将a的值限定在±2.5m/s^2之间。控制器则根据本车状态变量进行控制,周围交通环境中的所有相关信息在建模中视为本车状态扰动。ACC功能被认为是在两种行为模式之间转换:本车速度控制目标为期望速度的巡航模式;本车速度控制目标为前车速度的跟车模式。对于两种行为模式需要分别选取合适的KPI。
本文中用于评价SUT的仿真环境包括在贝叶斯网络图形模型基础上建立的随机交通环境模型,交通参与者的预期运动位置建模则使用的是叫作条件线性高斯模型的一类特殊贝叶斯网络,根据其前后驾驶行为对其状态进行分区,针对每个预定义的前后驾驶行为(巡航、跟车、向左换道、向右换道)提出合理假设,并在实际交通测量数据基础上进行训练。
tu222.png
图2 仿真环境示意图(红色为本车)
由于ACC有两种运行状态,故f(KPI)由两部分组成,计算定义如下:
tu2.png

当相对速度小于0时,即本车速度小于前车速度,计算式中两者均不为0,即ACC功能性能损失增加。因此,该参数的引入可以防止ACC功能产生过于保守的减速行为。
f(KPI)的值在本文研究中需要进行两次估计分析。第一次估计分析采用的是遍历方法,随后采用蒙特卡洛方法对第一次分析所得的f(KPI)估计值进行第二次估计。
3.2 仿真结果
tu22.png
图3 某次仿真过程所得结果
对于图3中的仿真过程,本车最初处于巡航模式下,并在ACC的控制下以期望速度行驶,在此阶段,不对f(KPI)进行评价。一旦安全距离内出现前车,ACC则切换到跟车模式,并开始对f(KPI)进行评价。本文共进行了200次仿真,f(KPI)值的分布如图4所示。
涂.png
图4 f(KPI)值分布直方图和拟合曲线
本文同时研究了样本大小n对f(KPI)值置信区间的影响。按图5所示,直方图分布服从Gamma分布,且随着n的增加,95%置信区间变窄。
tu5.png
图5 样本大小对f(KPI)值置信区间的影响
图5的结果表明,为了在随机仿真环境中评估ADF,应仔细选择仿真持续时间。较短的仿真(本文中小于1000或2000个样本)可能得到误导性的性能评价,其结果仅表征特定仿真下的ADF行为。而从一定的仿真长度开始(本文中为3000-4000个样本),测试中的ADF性能变得可靠,且几乎独立于随机模型生成的仿真条件。
 
4结论和展望
本文提出了一种在随机仿真环境中评价自动驾驶功能的整体方法。本文讨论的关键问题是如何确定必要的仿真时间以获得可靠的评价结果。基于ACC的应用案例表明,随机环境中较短的仿真可能导致对ADF性能评价做出错误的结论。另一方面,过长的仿真并不能提供有关ADF性能的额外信息,且计算成本大幅提高。
目前的研究是在对正常交通行为进行校准的交通随机模型上进行的。这项工作可扩展至探索在不同校准或甚至产生更危险的情景特定校准下,KPI估计值如何变化。我们还期望通过使用基于KPI的ADF性能统计分析,以实现不同交通场景之间的比较(例如对于测试中的ADF更具挑战性的场景)以及不同ADF之间的比较(执行相同的操作任务)。一旦成功,还可以进一步预选出对相应ADF的测试来说至关重要的场景,这将意味着显著减少评价ADF所需的时间和成本。

东风襄阳华为携手共拓智慧交通大市场

博客别碰我的刘海 发表了文章 • 0 个评论 • 220 次浏览 • 2019-04-15 09:09 • 来自相关话题

每天上下班,一辆无人驾驶微公交会按照预约时间准时在楼下等你;大型物流园区,无人驾驶货车穿梭其间,机器人正在对货物进行自动识别、分拣和调度;在看不见的“云端”,一个智慧的交通云平台正在实时采集信息、发出指令,确保一切秩序井然;在虚拟试车场,只需输入技术参数,就可 ...查看全部
每天上下班,一辆无人驾驶微公交会按照预约时间准时在楼下等你;大型物流园区,无人驾驶货车穿梭其间,机器人正在对货物进行自动识别、分拣和调度;在看不见的“云端”,一个智慧的交通云平台正在实时采集信息、发出指令,确保一切秩序井然;在虚拟试车场,只需输入技术参数,就可对车辆进行各类自动驾驶场景的测试……不远的将来,这些看似遥远的想象,都将得以实现。
《经济参考报》记者获悉,在智慧城市建设步伐加快的同时,以5G、AI、云端技术、大数据等技术形成的智慧交通体系也将加速成型。相关研究报告显示,到2024年,全球智能交通市场的市场价值将从目前的410多亿美元增长到1300多亿美元,中国将呈上升态势。地方政府和相关企业正加强合作共拓智慧交通大市场。
近日,东风汽车集团有限公司(以下简称“东风公司”)、湖北省襄阳市人民政府、华为技术有限公司(以下简称“华为”)在襄阳正式签署“智行隆中”项目战略合作框架协议。致力于把襄阳打造成为国家智能网联汽车示范区、智慧出行和智慧物流创新试验区和智慧交通标杆城市。

智慧城市建设开启智慧交通大市场
当前,在经济全球化、信息化的大格局下,在“创新、协调、绿色、开放、共享”发展理念的引领下,中国正在经历一场深刻变革。不断提速的智慧城市建设成为这场变革的一个缩影。
前瞻产业研究院发布的《智慧城市建设行业发展趋势与投资决策支持报告》显示,全国100%的副省级城市、89%的地级以上城市、49%的县级城市已经开展智慧城市建设,累计参与的地市级城市数量达到300余个,规划投资达到3万亿元,建设投资达到6000亿元。
智慧交通体系正在成为智慧城市的风向标。2017年,国务院印发《新一代人工智能发展规划》,明确提出研究建设营运车辆自动驾驶与车路协同的技术体系,研发交通信息综合大数据应用平台,检车智能交通监控、管理和服务系统。
交通运输部公路科学研究院研究员张纪升表示,近十年,中国智能交通市场稳定增长,2013年为720.9亿元,2017年为1413.81亿元,2018年预计超过1600亿元。
不少政府和企业都在加快智慧交通市场的布局。东风公司、湖北省襄阳市人民政府和华为的强强联手就是一例。据介绍,此次合作将充分发挥东风公司在汽车研发、制造、检测、出行等领域的雄厚实力,华为在云计算、大数据、物联网、5G、AI等方面的技术优势和华中大区云数据中心资源优势,以及襄阳市独特的区位优势和产业特点,共同把襄阳打造成为国家智能网联汽车示范区、智慧出行和智慧物流创新试验区和智慧交通标杆城市。

四大工程引领城市智慧交通新生态
东风公司、襄阳市、华为正式启动的“智行隆中”项目,旨在打造宜居的城市智慧交通新生态。而不断变革的汽车产品,优越的交通区位优势,以及大数据、物联网、AI等核心技术的强强联合成为三方合作的最大亮点。
业内人士指出,在汽车行业,“五化”(轻量化、电动化、智能化、网联化、共享化)趋势带来了汽车产品和技术的变革,出行形态正在被重构;顺应产业变革和科技浪潮,襄阳以建设“一极两中心”为契机,正在加快城市智慧交通布局;基于5G、AI、云端技术、大数据等形成的智慧交通体系,为智慧城市建设提供了技术支撑。
据介绍,未来,三方将共同推进“智行隆中”项目分阶段实施,打造智慧汽车谷、智慧出行、智慧物流和智慧交通云平台等四个工程,从产业智慧到城市智慧,构建一个万物互联的智能世界。
智慧汽车谷方面,将依托现有的汽车生产制造优势,检验检测优势和服务配套优势,依次建成智能网联汽车数字化试车场、虚拟仿真试车场和自动驾驶示范区、建立封闭半封闭和开放道路测试区,建设智能网联小镇,助推汽车生态产业链协调发展,最终实现集研发、生产、测试、体验、应用配套于一体的智慧汽车生态圈,聚集形成国内首个智慧汽车谷。
智慧出行方面,依托东风出行平台,将实现智能网联汽车商业化示范运营。车辆将搭载华为自主研发的新一代通讯模块。打造城市级5G及V2X车路协同基础设施,构建智慧交通神经网络。提供公交、出租、网约、分时租赁一站式出行服务;构建智慧充电、智慧停车、智慧救援出行生态圈,整合铁路客运、公路客运、民航、货运等资源,实现多式联运“一次支付”,打造国内领先的一站式多元化出行平台。
智慧物流方面,将依托智能网联和自动驾驶技术,从物流全价值链的可视可查到智能仓储,实现物流精细化管理,提升利用效率,并利用平台数据的分析能力实现在途车辆的动态规划最终实现全价值链定制化、高效化、无人化的运营布局,以商业模式创新打造襄阳城市智慧物流生态圈。
智慧交通云方面,将以襄阳云国际T3+标准的基础设施为基础,云上赋能AI+EI,不断提升SaaS服务能力,支撑智慧汽车谷、智慧出行、智慧物流完美落地,并带动产业、民生、政务“智能+”转型。

有望成智慧城市政企合作新典范
业内认为,未来的城市,联接无处不在,智能无所不及。东风公司、襄阳市、华为三方将在深化合作的基础上,发挥互补优势,把“智行隆中”项目打造成政企合作可复制推广的典范。
作为拥有30多年汽车产业发展史的汉江流域中心城市,襄阳是东风公司国内重要的整车生产基地、核心零部件生产基地、试验检测基地,同时也是华为华中地区数据中心所在地。当前,襄阳在政策法规、汽车产业、交通设施、通讯环境、能源配套、数据互联等方面不断发力,助力智慧城市落地。
而智慧交通城市的构建,离不开智慧交通体系,也离不开智慧出行载体。在发布会当天,现场展出了由东风公司自主研发的用于共享出行的东风风神全新一代AX7、东风风神E70,以及东风自动驾驶物流车等多款智能网联汽车产品。其中,首度亮相的全新Sharing-VAN移动出行服务平台圈粉无数,车内既没有驾驶座,也没有方向盘、油门和刹车,可供6人同时乘坐,也可用于智慧物流、移动零售等应用场景。
据了解,这款移动出行服务平台集LTE-V/5G、无人驾驶、新能源电动汽车、分时租赁、公共出行服务等最新技术成果于一身,旨在探索下一代公共出行服务新模式。未来,在越来越多的交通接驳区、风景园林区、科技产业园、郊外住宅区,都可能会出现它的身影。
东风公司相关负责人表示,通过本次战略合作,东风公司将充分发挥自身在智慧汽车、智慧出行、检验检测方面的优势,以及30年来在襄阳的产业积淀,为城市智慧交通赋能。同时,项目的加快落地,也将助力东风公司加速实现“三个领先、一个率先”战略目标。
此外,对于华为而言,将从车端(车载通信、车载计算)、路端(5G及C-V2X车路协同)、云端(华为襄阳云数据中心)等方面与襄阳和东风公司展开深度合作,助力打造城市交通的神经网络和智慧大脑,为华为探索智慧城市解决方案提供更多鲜活的样本。襄阳市则将通过加强项目服务、规划引领、产业集聚等举措,推动“智行隆中”项目早落地、早见效,从而加快打造智慧城市样本。
转自 新华网(记者 班娟娟)

解放双手,听听刘元盛教授和陈勇全博士如何看待无人驾驶

博客北京赛迪网信息技术有限公司 发表了文章 • 0 个评论 • 182 次浏览 • 2019-01-19 14:36 • 来自相关话题

2018年10月15日,由深圳市龙岗区机器人与智能制造产业协会、香港中文大学(深圳)计算机视觉实验室、香港中文大学(深圳)机器人与智能制造研究院、中国计算机学会青年计算机科技论坛深圳分论坛(以下简称YOCSEF)联合举办的“对话未来交通—探索无人驾驶技术”论坛 ...查看全部

2018年10月15日,由深圳市龙岗区机器人与智能制造产业协会、香港中文大学(深圳)计算机视觉实验室、香港中文大学(深圳)机器人与智能制造研究院、中国计算机学会青年计算机科技论坛深圳分论坛(以下简称YOCSEF)联合举办的“对话未来交通—探索无人驾驶技术”论坛在香港中文大学(深圳)举办。亿欧作为重要媒体受邀参加。
无人驾驶技术从提出到现阶段的发展已接近30年的时间,业内各大企业和高校也在紧锣密鼓地进行自动驾驶技术的研发,美国谷歌无人驾驶汽车的安全行驶距离已达到48万公里。而中国BAT巨头阿里、百度、腾讯自主研发的无人驾驶车也已相继成功进行测试。
本次交流会上,北京联合大学机器人学院轮式机器人系主任刘元盛教授和和香港中文大学(深圳)机器人研究院主任研究员陈勇全博士分别就《特定场景下无人驾驶技术的应用》、《自动驾驶的研究现状和方案分析》两大主题发表了主题演讲。
无人驾驶技术
无人驾驶汽车是室外轮式移动机器人的一种,它依靠人工智能、传感器、定位系统和导航系统的协同合作,让计算机在没有人类主动的操作下,做到自动安全地操作机动车辆,为人类的交通安全和效率带来全新体验。
按照美国自动车工程学会(SAE)对自动驾驶的五级分类,第一级至第三级为有人的自动驾驶,或称为辅助自动驾驶。第四级和第五级为无人自动驾驶,即可将人完全排除在驾驶决策之外,其中第四级为有限场景、第五级为无限场景下的无人驾驶。显然,第四级和第五级是真正意义上的无人驾驶。而无人驾驶的演进,是一个人类逐步交出操控权、提高安全系数的过程。

在自动驾驶研究领域,国外的车企、科技公司、高校早就抢先一步进入市场,如特斯拉、谷歌、Uber、AMU、Apple、MIT等。美国牢牢占据了第一梯队。日韩两国紧随其后,欧洲对无人驾驶则更为谨慎。我国传统的车企、通讯企业、互联网企业,也在加紧自动驾驶技术和新能源汽车的研发。
目前我国正处于研发L4高度自动化的阶段,自去年12月国内首个自动驾驶路测新规颁布后,百度、阿里、腾讯用了不足10个月的时间,分别拿下北京、深圳、杭州的首张自动驾驶测试牌照。
在交流会现场,刘元盛从无人驾驶技术的发展历程、现阶段各国对无人驾驶的法律法规要求等方面解读了自动驾驶技术发展历程及现状,以及解剖了无人驾驶技术的困境和发展方向。

总的来说,无人驾驶设计了感知、定位、规划、控制和线控五个方面。刘元盛表示,无人技术技术方面通过各类传感器的融合技术,感知车的位置、姿态、周边障碍物信息等进行感知系统,再通过处理器和算法以及由感知技术得到的周边信息进行决策,并通过制动控制进行控制。
无人驾驶的困境
尽管众多国家都纷纷投入到无人驾驶的研究中,但是离无人驾驶的真正上路或许还有一段很长的路要走。
在交流会现场,陈勇全表示无人驾驶当前面临的问题有三大方面:


在硬件方面,传感器感知系统尚未完全验证,整车传感器价格偏高;
在软件方面,无法应对复杂交通和突发交通状况,不能在所有的场景下做出重要的决策;
在法律方面,当前的法律法规还不健全,对自动驾驶的管控还未解决。


  • 昂贵与精准的抉择
据法国权威市场分析机构 Yole Développement的统计,无人驾驶主要通过摄像头(长距摄像头、环绕摄像头和立体摄像头)和雷达(超声波雷达、毫米波雷达、激光雷达)实现感知的。但是不同的传感器受限于其物理状态,各有利弊。激光雷达的优势在于其探测范围更广,探测精度更高,但是对于雨雾的穿透能力受到限制,对于黑色物体的反射率亦有限;毫米波雷达穿透力强,但探测距离受到频段损耗的直接制约并且对周边所有障碍物无法进行精准的建模。目前,以机器视觉能力为主的解决方案成本更容易被市场接受。但是只要有逆光、灰尘等不利因素影响,风中飞舞的塑料袋可能被系统误认为是障碍物,无法进行精准的建模。采用当前精准测距但是价格高昂的激光雷达,无人车的整体研发成本将大大增加,而市场上更小型更低成本的纯固态激光雷达还未能见到成熟产品。
  • 软件技术是瓶颈之一
无人驾驶汽车理论上或许是可实现的,但是对其软件程序的稳定性和逻辑完美程度提出了近乎严苛的要求。由于交通系统容量难以确定,汽车驾驶过程中每个场景复杂多变,在高速行驶中稍有差错就有付出生命代价的可能,所以要求无人驾驶在遇到不熟悉或突发场景时都能够主动地做出正确的判断和操作。当前汽车的ADAS系统不断地收集、分析数据,以及作出判断的过程是复杂而缓慢的,机器视觉还需要提升计算能力和感知能力。所以单从“生命安全”角度去了解背后的技术措施,就可以预测到软件技术必定是瓶颈之一。
  • 法律法规

实际上,刘元盛与陈勇全均提及到无人驾驶的法律法规问题。刘元盛介绍:世界各国均出台了一系列法律法规:美国从州政府到联邦政府均已出台了一系列自动驾驶政策;2018年,德国政府推出了关于自动驾驶技术的首套道德伦理标准,成为了世界上首个实施此类措施的政府;新加坡于2014年就发布了《新加坡自动驾驶车辆对策》,并于2017修订《道路交通法》允许在公共道路上测试自动驾驶汽车……
目前国内无人驾驶汽车测试仍然要配备驾驶员,而且驾驶员需要专门的“自动驾驶汽车”驾驶证。现阶段我国对于无人驾驶问题的法律法条,依然处于研究状态,而且在全世界都是一个难题。
陈勇全表示,无人驾驶的发展需要车企、交通部门等多方面的产业支撑和政策配合。在某些细分场景,如高级辅助驾驶、园区或港口,无人驾驶预计比较容易落地。
小结
虽然,刘元盛和陈勇全一致认为无人驾驶真正上路或许要到20年、30年后才能实现,但是目前业界推进有限场景下的无人驾驶有其重要的意义。因为这是走向无人驾驶的必经之路。
现阶段无人驾驶可以在人才培养、园区旅游、区域接驳、快速公交、安全巡逻、矿区作业、智慧农业等多个领域开展初期应用。
刘元盛是北京联合大学机器人学院轮式机器人系主任、硕士研究生导师,同时也是北京市高教学会电子线路研究会理事,北京电子学会教育专业委员会委员,北京市司法鉴定专家(知识产权)。近五年内,他主持了各类型号共40辆无人驾驶车辆的改造和示范运行工作,在国内率先提出低速园区无人驾驶的解决方案以及无人驾驶教学系统方案。
陈勇全任香港中文大学博士后研究员、香港中文大学(深圳)机器人与智能制造研究院常务副院长,主持和参与多项国家自然科学基金、国家发改委、深圳市发改委研究课题。目前主要参与综合管廊巡检机器人与智慧管控平台、物流服务机器人、自动引导AGV、园区物流车、园区自动驾驶电瓶车等项目研究。

百度:从测试到运营,无人驾驶之路还有多长?

博客飞奔的蜗牛 发表了文章 • 0 个评论 • 244 次浏览 • 2019-10-29 14:40 • 来自相关话题

《北京市自动驾驶车辆道路测试2018年度工作报告》显示,2018年有来自于8家不同公司的54辆自动驾驶汽车,在北京市3片不同的开放道路区域进行了自动驾驶测试。其中,百度的测试车辆数量占全部测试车辆数量的83%,测试里程达到15万公里占总里程 ...查看全部

《北京市自动驾驶车辆道路测试2018年度工作报告》显示,2018年有来自于8家不同公司的54辆自动驾驶汽车,在北京市3片不同的开放道路区域进行了自动驾驶测试。

其中,百度的测试车辆数量占全部测试车辆数量的83%,测试里程达到15万公里占总里程的91%,覆盖的测试道路从最简单的城市道路到普通城市道路,再到具备V2X车路协同功能的智能网联道路,都进行了覆盖,全年的测试是零事故的安全测试。

百度智能驾驶事业群组自动驾驶技术部副总经理陶吉认为,通过长时间的测试积累,从自身对于车辆能力的观察角度出发,把L4级别自动驾驶车辆的发展归为六个小阶段、两个大阶段。简单来说,第一阶段是测试,第二阶段是运营,涵盖了从一辆单车开始做研发,到未来将这样的车队部署到商业化落地的全生命周期。

1.jpg

从测试到运营

第一阶段是测试,测试阶段简单来说就是通过在车库里面改装的车,拆了之后再改,车上只搭载测试和研发人员,在限定的少量区域内可能跑的是固定路线的测试方式,在这个阶段主要关注的是车辆的技术指标,其中核心的是MPI,每两次干预之间的自动驾驶里程。这个阶段我们认为是测试、研发,关注车辆核心能力提升的阶段。

第二阶段是运营,运营最重要的变化是什么?首先需要更大规模的车队,意味着不能用过去的改装车,需要用定制化的量产车辆,部署在区域路网,很有可能是有真实运营需求,跑的方式不再是类似公交的固定路线,而是点到点的方式。除了搭载测试人员之外,还会搭载有真实需求的乘客,听取他们的意见和反馈。

所以在运营阶段,我们主要关注运营效率这个核心指标,每英里或者是公里要花多少钱。这个效率可能包含非常多的方面,一方面是整车的成本,现在无人驾驶汽车主要的成本来自于自动驾驶相关的成本,激光雷达、计算成本等等都是成倍的。另一个成本是运维成本,这些车辆出故障的时候需要有多大的技术团队支持,维持平常的运营,当然车越稳定、质量越好、成本越低,另一个更大的成本来自于驾驶员或者是司机,当未来有一天商业模式形成闭环的时候,一定会去掉驾驶员,能够节省一笔很大的费用。当做到这几点之后,我们每天可以跑更多的里程,这样能进一步降低每英里的成本,到那一天可以真正实现商业化的运营。

当然,这两大阶段内还有三个不同的小阶段。目前,百度从过去的测试阶段,已经跨越到了运营阶段的测试运营阶段,但是会持续非常长的时间,直到有一天有把握去掉安全员。从测试到运营是L4级的必经之路呢。未来,更大的车队需要更高的稳定性,同时需要搭载乘客,还要舒适性。最后,真实用户反馈的真实意见,可以帮助你全流程打磨技术,更重要的是打磨产品,使得它向商业化落地。

三位一体促转变

陶吉指出,如果想要做到从测试到运营的转变,需要科技公司、政府、OEM(原始设备制造商)做到三位一体,测试阶段可能不需要更多的合作,科技公司可以找到改装厂改装,但是做到运营需要三位一体。

在三个顶点上,每个角色都有自己很多的问题、顾虑、思考,比如科技公司能否给我提供更大的路网?能够允许搭载真实乘客吗?政府可能会想,无人驾驶汽车上路的安全标准是什么?什么时候去掉安全员?无人驾驶汽车在路上会不会影响正常的道路交通?OEM会想,造出来了谁来买?研发成本谁来分摊?当运营的时候,传统的主机厂以什么样的身份和角色参与到未来的无人驾驶汽车出行的运营服务当中?核心问题就是大家都在想,如何保证测试运营安全进行?

科技公司和主机厂两方的合作关系,简单来说,在这样的合作中科技公司更多的是提供全套的解决方案,软硬件的能力,主机厂和OEM提供的是车辆定制化的设计和生产,以及整个质量保证的服务。这里面并不是简单说主机厂成为一个代工,它需要深刻理解目前自动驾驶涉及到的软件和硬件到底有什么需求,有什么样的长处和不足,需要通过什么样的设计方法克服它带来的问题。所以划分为从产品定义、研发、量产、运营四个阶段,双方要各自贡献出长处。

到科技公司和政府之间的合作,以百度为例。首先,百度提供一批自动驾驶车辆到长沙去,通过自动驾驶车辆的牌照考试,长沙现在有中国智能网联的测试示范道路,但缺乏的经验是,如何给一辆无人驾驶汽车发放符合国家标准的牌照。当车辆测试完获得牌照上路之后,百度要提供全套方案。作为政府来说,一方面要把合规牌照发放出来,同时要制定车辆测试多久之后可以真正进行运营载客测试的标准规范。

中国的自动驾驶一定是走在聪明的车驾、智慧的路这样一条有特色的道路上,政府有责任和义务把基础设施进行智能化升级改造,提供具备车路协同功能的测试道路。


强警护军运!爱上集团AIMO无人巡逻警车严阵力守护航“军人奥运”

博客gaohong 发表了文章 • 0 个评论 • 247 次浏览 • 2019-10-23 15:50 • 来自相关话题

10月18日,第七届世界军人运动会(以下简称“军运会”)在武汉隆重开幕。爱上集团AIMO无人巡逻警车在军运会期间率先在武汉各个要地实现规模投放运营,作为安防保障的亮点、重点设备提前入驻,以领先的公安未来出行场景能力保障军运会,守护城市安全,其国际级安保巡 ...查看全部

10月18日,第七届世界军人运动会(以下简称“军运会”)在武汉隆重开幕。爱上集团AIMO无人巡逻警车在军运会期间率先在武汉各个要地实现规模投放运营,作为安防保障的亮点、重点设备提前入驻,以领先的公安未来出行场景能力保障军运会,守护城市安全,其国际级安保巡逻服务能力获行业重点关注与好评。AIMO无人巡逻警车的首次规模落地,正式开启无人驾驶车辆服务化与规模化运营模式,由近百辆AIMO无人巡逻警车所组成的AIMO一体化智能车队也正在武汉逐渐落地成型,强势引领L4级无人驾驶商业化进程。

1571816564274840.jpg

AIMO无人巡逻警车亮相军运会

“创军人荣耀 筑世界和平”,军运会是全球军人最高规格大型综合性运动会,本届军运会不仅是我国第一次承办综合性国际军事赛事,更是历史上规模最大、影响力最广、参赛人员最多的一次,吸引了来自109个国家近万名现役军人同台竞技。

为保障此国际性大型赛事顺利举行,举办高水平“平安军运”,武汉公安军运会期间全力借助科技力量提升警务水平,全新启用由爱上集团自主研发的AIMO无人巡逻警车。目前,经过前期严格的安全测试与试运行,首批AIMO无人巡逻警车已正式投入运营,在军运会各主要场馆、军运村、火车站等军运会相关人流密集度高、安保压力大的重点位置上岗执勤,帮助公安构建7×24小时立体巡防力量,为赛事顺利举行提供全方位保障。

2.jpg

AIMO无人巡逻警车在军运会相关各要地实现规模应用

本次落地的AIMO无人巡逻警车是爱上集团推出的首款模块化设计的无人驾驶作业车,专为公安领域打造,成为国内L4级无人驾驶、V2X车路协同、5G等技术在未来出行场景的首个落地成果,标志着无人驾驶正式切入公安警务实际应用。武汉公安值此国际性赛事期间率先批量试点引进AIMO无人巡逻警车,爱上集团以服务模式提供车辆落地运营与技术支持,在为期十天的赛事中为军运会顺利举行提供诸多安全保障,展现出国际级的安保巡逻服务能力。

3.JPG

AIMO无人巡逻警车在武汉体育中心上岗执勤

军运会现场公安警官表示,该无人巡逻警车所具备的人脸识别、车牌识别、一键报警、AI语音交互智能对话、交通违法行为自动识别、警务信息宣传播报等巡逻能力,可以实现迅速响应,守护群众安全,助力武汉公安实现“智慧警务”,全面提升军运会安全系数。

4.JPG

AIMO无人巡逻警车在军运村上岗执勤

爱上集团相关人员介绍,这些功能得益于AIMO无人巡逻警车所配备的丰富的自驾装备与十余种前端感知警务装备,充分保证无人驾驶的安全性与公安巡逻业务能力,同时通过智能车指挥大脑对接公安指挥中心,实现警务远程指挥调度,能够实现3-5名警员的实际巡逻效能,有效提升城市见警率300%、压降发案率。

5.jpg

AIMO无人巡逻警车在汉口火车站安防巡逻

事实上,这并不是AIMO无人巡逻警车首次成为行业焦点。据了解,AIMO无人巡逻警车自今年4月发布以来,以其创新先进性迅速获得行业高度关注。8月,在武汉公安举行的“保大庆、护民安”专项活动中,公安部副部长孙力军与来自全国各省、直辖市、自治区的公安领导参观AIMO无人巡逻警车实地巡逻与警务指挥决策演示,并给予高度评价。

不止于保障军运会,爱上集团还将在武汉加速落地近百辆规模AIMO无人巡逻警车一体化智能车队,以无人驾驶、人工智能等核心技术赋能更多公安未来出行场景升级,以此全面构建立体化巡逻防控模式,形成震慑、打击违法犯罪分子的强大合力,使城市、街道成为“24小时安全区”,全面提升群众的安全感、幸福感。

目前,AIMO无人巡逻警车除在武汉规模落地应用外,还在重庆、北京、广西、山东、浙江、西藏等地稳步有序推进试点测试,在全国范围推动智慧城市、安防立体进化升级。

公安巡逻场景是未来出行创新的代表性场景之一,未来出行产业必将是前景巨大的社会新产业。爱上集团将继续推动无人驾驶在更多领域未来出行场景中的应用,变革性地升级产业模式,重塑产业生态,极大地助推全社会整体效率的提升,开辟全新的未来出行新商业版图。

------------------------------------

关于爱上集团

爱上集团是未来出行场景设计师,专注利用无人驾驶、V2X车路协同、5G等人工智能、物联网高科技技术,加速未来出行场景应用落地与生态共建,高效实现未来工作及生活的出行场景进化,推动智慧城市建设。



明确无人驾驶乘车人资质

博客飞奔的蜗牛 发表了文章 • 0 个评论 • 221 次浏览 • 2019-10-05 10:21 • 来自相关话题

目前,有关无人驾驶的法律政策研究主要集中于车辆本身,少有对于乘车人资质方面的要求。虽然无人驾驶更为智能,能为乘客带来更多便利。但在可预测的范围内,无人车并不能代办所有事 情,一些发生在驾驶过程中却与驾驶无关的事情仍需要乘客自己处理,因此,不是所有人都能够 ...查看全部

目前,有关无人驾驶的法律政策研究主要集中于车辆本身,少有对于乘车人资质方面的要求。虽然无人驾驶更为智能,能为乘客带来更多便利。但在可预测的范围内,无人车并不能代办所有事 情,一些发生在驾驶过程中却与驾驶无关的事情仍需要乘客自己处理,因此,不是所有人都能够乘 坐无人驾驶汽车。

首先,对无人驾驶汽车的乘车人资质条件不能完全没有限制。在传统驾驶时代,司机要承担大部分法律规定的义务,少部分由乘客承担。在自动驾驶时代,无人汽车承担人类司机原有义务的比例会随着智能化水平的提高而不断加大,但其不可能完全继受所有法定义务,比如救助义务等。所以这些无人汽车无法胜任,但又必须存在的义务就转移给乘车人担负。为确保乘车人能够担负起这些法定义务,有必要对其资质条件进行一定的限制。

虽然乘车人应当继受部分传统司机的法定义务,且有对乘车人资质作出制度设计的必要,但智能驾驶时代的乘车人仅需要继受少部分义务。直接套用限制司机整体资质条件的“驾照”制度明显过于严苛,反而缩小了无人驾驶的服务对象范围。

目前各地出台的无人驾驶汽车路测指导意见普遍要求测试车辆具备自动和手动两种模式,在切换为手动操作模式后,乘客转换为司机,履行驾驶职责。但乘客与司机所担负的义务有相当大的差距,这种身份转换的不确定性为明确无人车乘客的资质条件增加了难度。

其次,存在影响规定无人驾驶汽车乘车人资质条件的决定性因素,分别是无人驾驶车辆的最终技术路线和乘客的数量。无人驾驶车辆的发展趋向将直接决定乘客的资质条件。目前各地要求自动驾驶车辆保留手动模式,主要是安抚公众对自动驾驶技术不信任的情绪。未来,如果公众能更为顺畅地接受自动驾驶,是否保留驾驶模式切换功能应当交由技术发展的正常逻辑决定。若保留,则资质限制要相对趋严。若取消,则可降低对乘客资质的条件限制。

在传统驾驶时代,乘车人数量和特性大多不影响司机履行驾驶及相关义务。在自动驾驶时代,

乘客的数量可分为“一人”和“多人”。当在驾驶过程中发生了与驾驶本身无关的特殊情况,如乘客需要救助等,传统意义上的司机义务就转移到乘客身上。如乘客本身就是受害者又欠缺“自救”能力时,是否存在第三人乘客则非常关键。所以,单独乘车时,应当对乘车人规定较为齐备的资质条件。多人乘车时,可以只要求其中部分人具备完整的资质条件。

最后,谈谈无人驾驶汽车乘车人应当排除的禁止性条件。上述影响因素导致现阶段难以直接规定明确、完备的乘车人资质条件。但是可以先划定无人驾驶乘车人不得违背的禁止性条件,即凡是具备某类条件的人就不能乘坐无人驾驶车辆。不过,禁止性条件的使用前提还需要进一步细分,可区分为:是单独一人不可乘坐还是即使有同行者亦不可乘坐,是不可乘坐所有无人驾驶车辆还是仅不能乘坐用于公共运输的无人驾驶车辆。

单独一人不可乘坐无人驾驶汽车的类型包括:低龄儿童;不能辨认或不能完全辨认自己行为的成年人;无单独行动能力者;存在突发性重大致危疾病的人士;醉酒及服用安眠药物者。这些人虽拥有乘坐无人驾驶车辆的权利,通常也无社会危害性,但由于各种心理、生理等原因,可能导致其无法准确下达行车指令或者难以应付乘车途中可能出现的突发状况。出于保证乘车人的安全健康和行动便利,以及公共交通的安全秩序之考虑,应当规定此类人士需要其他具备相应能力的自然人陪同才能乘坐无人驾驶汽车。

无论是否有人陪同皆不可乘坐无人驾驶汽车的类型包括吸食毒品等违禁药品者和被监视居住者。这一类型的人自身原本具备乘坐无人驾驶汽车的资格,但是出于公共安全和维护法治的现实需要,防止其造成严重安全事故和破坏法律权威性,必须禁止其乘坐无人驾驶汽车。

有些人乘坐无人驾驶汽车会受到具体条件限制,这一部分人受限于法律规定,仅可以在一定限制的范围内乘坐,超出法律限制范围,则无权乘坐。被列入失信联合惩戒对象名单的人,应限制其仅可乘坐私有而不可乘坐公共无人驾驶汽车。还有被取保候审者,其乘坐车辆的行驶范围会受到严格限制。(来源:赛迪智库政策法规研究所)


无人驾驶:驰骋在希望的田野上

博客飞奔的蜗牛 发表了文章 • 0 个评论 • 203 次浏览 • 2019-10-05 10:21 • 来自相关话题

在湖北鄂州,湖北国际物流机场建设正紧锣密鼓地施工中,烈日骄阳下无人驾驶碾压机正在紧张有序地按规划要求进行碾压施工。通常在8月38℃、39℃的高温下,人在室外只要待上一小会儿就汗流浃背,更何况是好几个小时持续在烈日下施工,其难受程度可想而知。但现在因为使用 ...查看全部

在湖北鄂州,湖北国际物流机场建设正紧锣密鼓地施工中,烈日骄阳下无人驾驶碾压机正在紧张有序地按规划要求进行碾压施工。通常在8月38℃、39℃的高温下,人在室外只要待上一小会儿就汗流浃背,更何况是好几个小时持续在烈日下施工,其难受程度可想而知。但现在因为使用高精度数字工程地图加上数字化施工技术,在技术人员的远程操控下,碾压机可以实现无人化自动驾驶,碾压工可以不再饱受烈日的暴晒,而其施工质量、施工效率、施工成本大大提高。

山东四维卓识信息科技有限公司总经理刘磊在接受《中国电子报》记者采访时表示,不仅仅是在湖北鄂州,在四川的天府机场、新疆的吐鲁番大河沿水库大坝等众多基础设施施工现场,都有无人驾驶的碾压机在风雨无阻加班加点干活的“身影”。

除了在机场、铁路、水利大坝等基础设施的施工现场,无人驾驶的碾压机挥舞“铁滚筒”碾压,在农村同样有许多无人驾驶收割机在忙碌。今年5月,在山东济宁嘉祥的金黄色麦浪里,雷沃谷神收割机正在雷沃阿波斯集团工作人员的遥控指挥下,自动收割作业,无人驾驶收割机收割完毕后,无人驾驶雷沃欧豹拖拉机又牵引旋耕机对收割完的地块进行耕整作业,随后,安装了自动导航驾驶系统的阿波斯拖拉机牵引播种机将玉米种播下,在卫星导航的指引下,按照既定路线实现自动作业。

不仅是在山东,事实上雷沃农机导航及自动驾驶作业系统从2016年就开始批量投放新疆市场,连年实现了翻番增长。新疆地域辽阔,田园广袤,有很大的市场需求,是应用农机导航及自动驾驶作业系统的理想市场。

雷沃农机是2010年前后开始意识到农机导航系统及自动作业系统未来有很大机会,开始进行相关的研发以及实验验证,然后不断完善。就像刘磊所言,这些自动施工、自动收割、自动播种系统与高精度导航系统结合,最大的好处是提升质量、提升效率和降低成本。雷沃的自动导航系统用于播种作业,土地的利用率至少提高0.5%~1%,棉花的采净率提高2%~3%,使用导航系统引导农田覆膜作业,能使残膜回收率提高8%~10%,累计每亩增加收入60~90元,自动导航系统不受光线、昼夜的限制,速度快,至少提高作业效率20%。

除了农机应用,无人驾驶在物流行业也开始普及。2018年,香港国际机场开始启用无人驾驶电动物流拖车进行行李货物的运送,驭势科技提供的无人电动物流拖车,即Autonomous Electric Tractor(简称AET),配备多种传感器,可以360°探测和感知周围的环境情况,并按照指定的区域和路线,在场景内自主驾驶并完成行李货物的运送。

数据显示,我国物流行业规模为12万亿元,占GDP的16%。目前,有500万辆大货车用于500公里半径的干线运输;1000万辆货车用于50公里半径区域运输;而在5公里半径的毛细物流领域,则有3000万辆微型车、三轮和两轮车在为电商物流和外卖市场服务。

到目前为止,包括阿里巴巴、京东等都发布了无人驾驶的智慧物流车,目标是打通城市物流的“毛细血管”。截至目前,京东物流末端配送机器人已经在北京、西安、雄安等全国20多个城市实现了常态化运营,在长沙和呼和浩特同步创立了全球首个机器人智能配送站。“随着配送机器人智能配送站示范效应的逐步放大,京东物流将开创全国‘最后一公里’物流配送崭新模式,用无人科技拓展出更加广阔的服务空间,让更多消费者享受京东智能物流带来的全新生活方式。”京东物流X事业部自动驾驶中心运营总监刘向东说。

每当我们提及无人驾驶、谈及无人车,大家的眼光往往是紧盯着L4/L5的开放道路高速无人驾驶的这些“理想目标”,而这样的目标至少要10年之后才能真正实现。就像驭势科技创始人兼CEO吴甘沙在接受《中国电子报》记者采访时所说,这是一个长期目标,我们不能只盯着一个目标来“十年磨一剑”,而事实上在工厂、农场、园区、郊区、矿山等很多应用场景都需要智能驾驶来助力,这里有刚需、有购买力,需要自动驾驶、人工智能等各个领域企业参与进来,破解这些行业难题,让这些技术尽快赋能传统产业的升级。

如何找到可落地的无人驾驶应用场景?吴甘沙认为需要考量三个问题。其一是否真的解决了客户的痛点,是否真的贴近了需求。其二是否能够无人化。比如在矿区,在潮湿、粉尘等恶劣条件下,设备的抗湿、抗尘能力等。三是成本问题。如果成本非常高,无法承受,那么还不如请一个人或雇佣一个人来得合算。

赛迪顾问人工智能产业研究中心高级分析师李振此前在接受《中国电子报》记者采访时表示,在机场、园区等封闭环境的专用车辆应用,在港口集装箱等短时间固定区域运输等,需求和场景大量存在,最大的优势在于减少人力成本与时间成本,同时还可以减少人为操作风险所带来的不良后果。在危险矿区,山区等区域还可以减少人员的人身安全问题。

李振进一步表示,事实上,多场景应用是技术成熟度最直接的表现方式,同时预示着自动驾驶的广阔市场发展前景与多元化应用领域,而且是对技术进步与相关法规进行完善的一种直接推动方式。

“2019年中国无人驾驶市场规模大概在720亿元左右,随着技术的不断成熟和法规的不断完善,该技术的衍生应用场景市场将呈现高速增长态势。”李振说。


关注 | 全球首批商用牌照发放 无人驾驶须谨防跑偏脱轨

博客gaohong 发表了文章 • 0 个评论 • 273 次浏览 • 2019-09-26 10:12 • 来自相关话题

可以预期的是,无人驾驶会让交通出行更安全、更便捷,引领人们步入一个崭新的出行时代,这个趋势不会改变。2019年的车市,可以用“一半是海水、一半是火焰”来形容。一方面,传统汽车销量持续下滑,不断传出车企裁员、工人降薪、经销商倒闭的消息;另一方 ...查看全部

可以预期的是,无人驾驶会让交通出行更安全、更便捷,引领人们步入一个崭新的出行时代,这个趋势不会改变。

2019年的车市,可以用“一半是海水、一半是火焰”来形容。一方面,传统汽车销量持续下滑,不断传出车企裁员、工人降薪、经销商倒闭的消息;另一方面,无人驾驶领域捷报频传,武汉率先在全国迈出无人驾驶商业化应用的关键一步。据长江网9月22日消息,当日上午,国家智能网联汽车(武汉)测试示范区正式揭牌,百度、海梁科技、深兰科技等企业获得武汉市交通运输部门颁发的全球首张自动驾驶车辆商用牌照。这意味着,无人驾驶汽车不仅可以在公开道路上进行载人测试,也可以进行商业化运营了。

一周前的9月16日,上海建立的国内首个国家级智能网联汽车试点示范区,也只给上汽、宝马、滴滴等三家公司颁发了“示范应用”牌照,在满足一定条件的前提下,可以尝试一定数量级自动驾驶车辆的功能化载人运用。虽然与乘用车、商用车市场相比,试点示范区与人们日常的生活距离仍比较远,但该消息还是刺激了一大批相关上市公司股价的集体大涨。此次商用牌照的发放,令无人驾驶离我们的距离更近了。

如果说,新能源汽车动摇了内燃机汽车的地位,滴滴打车、共享单车彻底改变了大众出行方式与出行市场格局,那么,移动车联网将成为下一个汽车时代的新主题。自动驾驶所蕴含的改变未来商业模式、就业、城市基础设施的能量,绝对不可小觑。自动驾驶可以提升社会效率,降低越来越昂贵的人工成本,在物联网时代不再仅仅是代步工具,而是被赋予更大的内涵。有朝一日,无人驾驶完全可以像智能手机一样,取代电脑成为新的互联网终端。不同领域的商界巨头(BAT、滴滴、美团、华为等)争相进入无人驾驶领域,看中的不仅仅是围绕无人驾驶技术本身形成的一条产业链,背后将是诸多万亿级规模市场的叠加。

提及无人驾驶,人们更关心的是其安全性。在此之前,部分发达国家的著名车企(包括Uber、特斯拉等)对无人驾驶汽车进行了上路测试,发生了一连串事故,并出现致人死亡事件,一度为无人驾驶的商业化进程蒙上阴影。

其实,无人驾驶的内核就是车辆能够发现行人、并能及时采取措施避免发生事故。这个功能并非是多添几个摄像头就能解决的,在安全行驶的背后,是芯片、传感器、AI算法、处理系统、高精地图以及车辆零部件高质量运行的一个系统工程。这相当于一个算法“黑箱”,我们只能看到它导致的结果,却无法看到它运作的过程。因此,要想在无人驾驶领域取得成功,不仅要具备足够的技术积累,还要有敬畏生命的信仰和底线,只有这样的玩家才有资格进入这一领域,否则,无人驾驶难免会跑偏脱轨,成为一场灾难。

与层出不穷的真人版“马路杀手”相比,无人驾驶一旦出现事故,将是人们更加难以容忍和接受的。真人出现失误,可以理解为疏忽、大意,但无人驾驶一旦出现故障,就是大事故,甚至会引发人们对科幻片中机器对人类的无差别“屠戮”画面产生联想。

“万事开头难”,再难的创新也有开始的一天,就像当年人类为航空事业付出的代价一样。无人驾驶技术的研发进程,不会因几次事故就停止前进的步伐,但无人驾驶技术的成熟也绝非一蹴而就。可以预期的是,无人驾驶会让交通出行更安全、更便捷,引领人们步入一个崭新的出行时代,这个趋势不会改变。我们憧憬这一天早日到来,但也要为实现梦想需要经历的艰辛过程做好心理准备和应对方案。(来源:新京报)

明确无人驾驶乘车人资质

博客gaohong 发表了文章 • 0 个评论 • 382 次浏览 • 2019-09-02 11:49 • 来自相关话题

目前,有关无人驾驶的法律政策研究主要集中于车辆本身,少有对于乘车人资质方面的要求。虽然无人驾驶更为智能,能为乘客带来更多便利。但在可预测的范围内,无人车并不能代办所有事 情,一些发生在驾驶过程中却与驾驶无关的事情仍需要乘客自己处理,因此,不是所有人都能够 ...查看全部

目前,有关无人驾驶的法律政策研究主要集中于车辆本身,少有对于乘车人资质方面的要求。虽然无人驾驶更为智能,能为乘客带来更多便利。但在可预测的范围内,无人车并不能代办所有事 情,一些发生在驾驶过程中却与驾驶无关的事情仍需要乘客自己处理,因此,不是所有人都能够乘 坐无人驾驶汽车。

首先,对无人驾驶汽车的乘车人资质条件不能完全没有限制。在传统驾驶时代,司机要承担大部分法律规定的义务,少部分由乘客承担。在自动驾驶时代,无人汽车承担人类司机原有义务的比例会随着智能化水平的提高而不断加大,但其不可能完全继受所有法定义务,比如救助义务等。所以这些无人汽车无法胜任,但又必须存在的义务就转移给乘车人担负。为确保乘车人能够担负起这些法定义务,有必要对其资质条件进行一定的限制。

虽然乘车人应当继受部分传统司机的法定义务,且有对乘车人资质作出制度设计的必要,但智能驾驶时代的乘车人仅需要继受少部分义务。直接套用限制司机整体资质条件的“驾照”制度明显过于严苛,反而缩小了无人驾驶的服务对象范围。

目前各地出台的无人驾驶汽车路测指导意见普遍要求测试车辆具备自动和手动两种模式,在切换为手动操作模式后,乘客转换为司机,履行驾驶职责。但乘客与司机所担负的义务有相当大的差距,这种身份转换的不确定性为明确无人车乘客的资质条件增加了难度。

其次,存在影响规定无人驾驶汽车乘车人资质条件的决定性因素,分别是无人驾驶车辆的最终技术路线和乘客的数量。无人驾驶车辆的发展趋向将直接决定乘客的资质条件。目前各地要求自动驾驶车辆保留手动模式,主要是安抚公众对自动驾驶技术不信任的情绪。未来,如果公众能更为顺畅地接受自动驾驶,是否保留驾驶模式切换功能应当交由技术发展的正常逻辑决定。若保留,则资质限制要相对趋严。若取消,则可降低对乘客资质的条件限制。

在传统驾驶时代,乘车人数量和特性大多不影响司机履行驾驶及相关义务。在自动驾驶时代,

乘客的数量可分为“一人”和“多人”。当在驾驶过程中发生了与驾驶本身无关的特殊情况,如乘客需要救助等,传统意义上的司机义务就转移到乘客身上。如乘客本身就是受害者又欠缺“自救”能力时,是否存在第三人乘客则非常关键。所以,单独乘车时,应当对乘车人规定较为齐备的资质条件。多人乘车时,可以只要求其中部分人具备完整的资质条件。

最后,谈谈无人驾驶汽车乘车人应当排除的禁止性条件。上述影响因素导致现阶段难以直接规定明确、完备的乘车人资质条件。但是可以先划定无人驾驶乘车人不得违背的禁止性条件,即凡是具备某类条件的人就不能乘坐无人驾驶车辆。不过,禁止性条件的使用前提还需要进一步细分,可区分为:是单独一人不可乘坐还是即使有同行者亦不可乘坐,是不可乘坐所有无人驾驶车辆还是仅不能乘坐用于公共运输的无人驾驶车辆。

单独一人不可乘坐无人驾驶汽车的类型包括:低龄儿童;不能辨认或不能完全辨认自己行为的成年人;无单独行动能力者;存在突发性重大致危疾病的人士;醉酒及服用安眠药物者。这些人虽拥有乘坐无人驾驶车辆的权利,通常也无社会危害性,但由于各种心理、生理等原因,可能导致其无法准确下达行车指令或者难以应付乘车途中可能出现的突发状况。出于保证乘车人的安全健康和行动便利,以及公共交通的安全秩序之考虑,应当规定此类人士需要其他具备相应能力的自然人陪同才能乘坐无人驾驶汽车。

无论是否有人陪同皆不可乘坐无人驾驶汽车的类型包括吸食毒品等违禁药品者和被监视居住者。这一类型的人自身原本具备乘坐无人驾驶汽车的资格,但是出于公共安全和维护法治的现实需要,防止其造成严重安全事故和破坏法律权威性,必须禁止其乘坐无人驾驶汽车。

有些人乘坐无人驾驶汽车会受到具体条件限制,这一部分人受限于法律规定,仅可以在一定限制的范围内乘坐,超出法律限制范围,则无权乘坐。被列入失信联合惩戒对象名单的人,应限制其仅可乘坐私有而不可乘坐公共无人驾驶汽车。还有被取保候审者,其乘坐车辆的行驶范围会受到严格限制。(来源:赛迪智库政策法规研究所)


无人驾驶:驰骋在希望的田野上

博客gaohong 发表了文章 • 0 个评论 • 356 次浏览 • 2019-08-29 11:23 • 来自相关话题

在湖北鄂州,湖北国际物流机场建设正紧锣密鼓地施工中,烈日骄阳下无人驾驶碾压机正在紧张有序地按规划要求进行碾压施工。通常在8月38℃、39℃的高温下,人在室外只要待上一小会儿就汗流浃背,更何况是好几个小时持续在烈日下施工,其难受程度可想而知。但现在因为使用 ...查看全部

在湖北鄂州,湖北国际物流机场建设正紧锣密鼓地施工中,烈日骄阳下无人驾驶碾压机正在紧张有序地按规划要求进行碾压施工。通常在8月38℃、39℃的高温下,人在室外只要待上一小会儿就汗流浃背,更何况是好几个小时持续在烈日下施工,其难受程度可想而知。但现在因为使用高精度数字工程地图加上数字化施工技术,在技术人员的远程操控下,碾压机可以实现无人化自动驾驶,碾压工可以不再饱受烈日的暴晒,而其施工质量、施工效率、施工成本大大提高。

山东四维卓识信息科技有限公司总经理刘磊在接受《中国电子报》记者采访时表示,不仅仅是在湖北鄂州,在四川的天府机场、新疆的吐鲁番大河沿水库大坝等众多基础设施施工现场,都有无人驾驶的碾压机在风雨无阻加班加点干活的“身影”。

除了在机场、铁路、水利大坝等基础设施的施工现场,无人驾驶的碾压机挥舞“铁滚筒”碾压,在农村同样有许多无人驾驶收割机在忙碌。今年5月,在山东济宁嘉祥的金黄色麦浪里,雷沃谷神收割机正在雷沃阿波斯集团工作人员的遥控指挥下,自动收割作业,无人驾驶收割机收割完毕后,无人驾驶雷沃欧豹拖拉机又牵引旋耕机对收割完的地块进行耕整作业,随后,安装了自动导航驾驶系统的阿波斯拖拉机牵引播种机将玉米种播下,在卫星导航的指引下,按照既定路线实现自动作业。

不仅是在山东,事实上雷沃农机导航及自动驾驶作业系统从2016年就开始批量投放新疆市场,连年实现了翻番增长。新疆地域辽阔,田园广袤,有很大的市场需求,是应用农机导航及自动驾驶作业系统的理想市场。

雷沃农机是2010年前后开始意识到农机导航系统及自动作业系统未来有很大机会,开始进行相关的研发以及实验验证,然后不断完善。就像刘磊所言,这些自动施工、自动收割、自动播种系统与高精度导航系统结合,最大的好处是提升质量、提升效率和降低成本。雷沃的自动导航系统用于播种作业,土地的利用率至少提高0.5%~1%,棉花的采净率提高2%~3%,使用导航系统引导农田覆膜作业,能使残膜回收率提高8%~10%,累计每亩增加收入60~90元,自动导航系统不受光线、昼夜的限制,速度快,至少提高作业效率20%。

除了农机应用,无人驾驶在物流行业也开始普及。2017年3月,广州白云机场开始启用无人驾驶电动物流拖车进行行李货物的运送,驭势科技提供的无人电动物流拖车,即Autonomous Electric Tractor(简称AET),配备多种传感器,可以360°探测和感知周围的环境情况,并按照指定的区域和路线,在场景内自主驾驶并完成行李货物的运送。

数据显示,我国物流行业规模为12万亿元,占GDP的16%。目前,有500万辆大货车用于500公里半径的干线运输;1000万辆货车用于50公里半径区域运输;而在5公里半径的毛细物流领域,则有3000万辆微型车、三轮和两轮车在为电商物流和外卖市场服务。

到目前为止,包括阿里巴巴、京东等都发布了无人驾驶的智慧物流车,目标是打通城市物流的“毛细血管”。截至目前,京东物流末端配送机器人已经在北京、西安、雄安等全国20多个城市实现了常态化运营,在长沙和呼和浩特同步创立了全球首个机器人智能配送站。“随着配送机器人智能配送站示范效应的逐步放大,京东物流将开创全国‘最后一公里’物流配送崭新模式,用无人科技拓展出更加广阔的服务空间,让更多消费者享受京东智能物流带来的全新生活方式。”京东物流X事业部自动驾驶中心运营总监刘向东说。

每当我们提及无人驾驶、谈及无人车,大家的眼光往往是紧盯着L4/L5的开放道路高速无人驾驶的这些“理想目标”,而这样的目标至少要10年之后才能真正实现。就像驭势科技创始人兼CEO吴甘沙在接受《中国电子报》记者采访时所说,这是一个长期目标,我们不能只盯着一个目标来“十年磨一剑”,而事实上在工厂、农场、园区、郊区、矿山等很多应用场景都需要智能驾驶来助力,这里有刚需、有购买力,需要自动驾驶、人工智能等各个领域企业参与进来,破解这些行业难题,让这些技术尽快赋能传统产业的升级。

如何找到可落地的无人驾驶应用场景?吴甘沙认为需要考量三个问题。其一是否真的解决了客户的痛点,是否真的贴近了需求。其二是否能够无人化。比如在矿区,在潮湿、粉尘等恶劣条件下,设备的抗湿、抗尘能力等。三是成本问题。如果成本非常高,无法承受,那么还不如请一个人或雇佣一个人来得合算。

赛迪顾问人工智能产业研究中心高级分析师李振此前在接受《中国电子报》记者采访时表示,在机场、园区等封闭环境的专用车辆应用,在港口集装箱等短时间固定区域运输等,需求和场景大量存在,最大的优势在于减少人力成本与时间成本,同时还可以减少人为操作风险所带来的不良后果。在危险矿区,山区等区域还可以减少人员的人身安全问题。

李振进一步表示,事实上,多场景应用是技术成熟度最直接的表现方式,同时预示着自动驾驶的广阔市场发展前景与多元化应用领域,而且是对技术进步与相关法规进行完善的一种直接推动方式。

“2019年中国无人驾驶市场规模大概在720亿元左右,随着技术的不断成熟和法规的不断完善,该技术的衍生应用场景市场将呈现高速增长态势。”李振说。


无人驾驶汽车核心技术(报告)(七)

博客gaohong 发表了文章 • 0 个评论 • 347 次浏览 • 2019-08-26 15:08 • 来自相关话题

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、 《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达 ...查看全部

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、
《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达探测技术)、导航定位(惯性导航、GPS/北斗导航、智能组合导航)、控制、操作系统。对著名车企无人车商用化前沿也进行了较为全面的介绍。最后对无人车系统技术在物流、出租车、安全、养老等领域的定制化开发应用用实例进行说明。希望为无人车技术的进一步发展带来启发,为促进无人系统技术的市场化和产业化发展做出贡献。

引言:

无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶技术是多个技术的集成,包括传感器、定位与深度学习、高精地图、路径规划、障碍物检测与规避、机械控制、系统集成与优化、能耗与散热管理等。2018年4月12日,工信部、公安部、交通运输部联合制定的《智能网联汽车道路测试管理规范(试行)》对外发布,对测试主体、测试驾驶人、测试车辆等提出要求,明确省、市级政府相关主管部门可自主选择测试路段、受理申请和发放测试号牌。这表明无人驾驶汽车在往商用化迈进的道路上又加快了步伐。


1.jpg

2.JPG


3.JPG


4.JPG


7.JPG


8.JPG

无人驾驶汽车核心技术(报告)(六)

博客gaohong 发表了文章 • 0 个评论 • 357 次浏览 • 2019-08-26 15:08 • 来自相关话题

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、 《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达 ...查看全部

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、
《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达探测技术)、导航定位(惯性导航、GPS/北斗导航、智能组合导航)、控制、操作系统。对著名车企无人车商用化前沿也进行了较为全面的介绍。最后对无人车系统技术在物流、出租车、安全、养老等领域的定制化开发应用用实例进行说明。希望为无人车技术的进一步发展带来启发,为促进无人系统技术的市场化和产业化发展做出贡献。

引言:

无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶技术是多个技术的集成,包括传感器、定位与深度学习、高精地图、路径规划、障碍物检测与规避、机械控制、系统集成与优化、能耗与散热管理等。2018年4月12日,工信部、公安部、交通运输部联合制定的《智能网联汽车道路测试管理规范(试行)》对外发布,对测试主体、测试驾驶人、测试车辆等提出要求,明确省、市级政府相关主管部门可自主选择测试路段、受理申请和发放测试号牌。这表明无人驾驶汽车在往商用化迈进的道路上又加快了步伐。

1.jpg


2.JPG


3.JPG


4.JPG


5.jpg


6.jpg


7.JPG


8.JPG

激光雷达传感器在无人驾驶中的作用及市场趋势

博客isweek工采网 发表了文章 • 0 个评论 • 364 次浏览 • 2019-08-26 10:29 • 来自相关话题

随着科技的发展,时代的进步 ...查看全部

随着科技的发展,时代的进步,无人驾驶技术逐渐兴起,传感器的融合成了无人驾驶领域的趋势。同时无人驾驶的发展热潮,拉动了诸多技术创业者的纷纷涉足。近段时间以来,国内车企关于无人驾驶汽车的研发和测试捷报频传。先是吉利汽车宣布将在2022年亚运举办期间,在特定区域内使用完全无人驾驶的车辆。随后再有报道称,百度宣称其新一代无人巴士车阿波龙二代将很快推出。而就在不久前,百度与中国一汽红旗共同打造的国内首批量产自动驾驶出租车在湖南长沙展开了上路测试。有消息称,长沙市民有望在年底之前率先体验到中国首批自动驾驶出租车。 无疑无人驾驶技术是一种解放人类双手和提高生产力效率的科技创新

 图片1.png

 

本文工釆网小编将着重介绍激光雷达传感器在无人驾驶中的作用及市场趋势

 

无人驾驶的底层支撑可以分为三部分,即:传感器、高精地图和计算平台。在传感器方面,主流的传感器分为:毫米波雷达、激光雷达和摄像头。其作用如下:

 

摄像头:直接识别可见光,价格适中,技术成熟,可以识别行人、车辆、路标等物体,但易受视野、夜晚暗光、雨雪天气等因素影响。

 

激光雷达:探测角度广,精度高,厘米级精度的激光雷达结合高精地图可以实现高精度自定位和物体识别跟踪,定位可以精确到具体车道,但是价格昂贵,使用寿命较短。

 

毫米波雷达:测距离远,可以在雨雪天气等各种恶劣环境中稳定工作,但是精度不高。

 

无人驾驶用于控制的传感器要么是摄像头,要么是激光雷达,这是业界已经达成的共识。那何谓激光雷达?在无人机驾驶中的作用是什么?

 

激光雷达的工作原理是利用可见和近红外光波(多为950nm波段附近的红外光)发射、反射和接收来探测物体。激光雷达可以探测白天或黑夜下的特定物体与车之间的距离。由于反射度的不同,也可以区分开车道线和路面,但是无法探测被遮挡的物体、光束无法达到的物体,在雨雪雾天气下性能较差。

 

激光雷达在无人驾驶运用中拥有两个核心作用。3D建模进行环境感知。通过雷射扫描可以得到汽车周围环境的3D模型,运用相关算法比对上一帧和下一帧环境的变化可以较为容易的探测出周围的车辆和行人。

 

激光雷达在无人驾驶中的具体应用

 

1.定位

 

定位在无人驾驶中十分钟重要,只有有了实时的位置信息,系统才能做出下一步判读,决定向何处进发,以及如何前往。现在定位的方式有许多种。如载波相位差分技术(RTK),但 RTK 还是会受信号的干扰。特别是在一些城市、建筑和树比较多的地方,以及进隧道、出隧道,它的信号容易中断。同时,也有用摄像头等传感器感知外部环境、构建环境模型并利用该模型确定车辆所在的位置的方式,但其对环境的依赖比较强,比如逆光或雨雪天气下,这种定位容易失效。而激光雷达是依靠将车辆的初始位置与高精地图信息进行比对来获得精确位置。首先,GPSIMU和轮速等传感器给出一个初始(大概)的位置。其次,将激光雷达的局部点云信息进行特征提取,并结合初始位置获得全局坐标系下的矢量特征。最后,将上一步的矢量特征跟高精地图的特征信息进行匹配,得出精确的全球定位。所以,在定位方面,无论是从精度上还是稳定性上来说,运用激光雷达都有无可比拟的优势。而其唯一的缺点便在于目前激光雷达的生产成本较高,另一方面往固态方向上进行技术创新,朝着固态的低成本和可量产化的方向去发展,许多国内外厂家都在加速创新,在不久的将来成本将不会成为一个十分棘手的问题。

 

2. 障碍物的检测和分类

 

对于障碍物检测和分类来讲,目前有应用视觉和激光雷达,这两者并没有冲突。激光雷达不依赖光照,它的视角是 360 度,计算量比较小,可以实时扫描,目前普遍用的是 100 毫秒以内的。激光雷达在扫描的过程中,先识别障碍物,知道这个障碍物在空间中的位置,再根据存在的障碍物做分类。比如车、人,我们将这些障碍物分割成为独立的个体,通过分割出来独立的个体再去匹配,从而进行障碍物的分类和物体的跟踪。而跟踪的过程,首先是分割点云,通过点云做关联目标,我们知道上一桢和下一桢是否属于同一个物体,再进行目标跟踪,输出目标跟踪信息。

 

3.用于先进驾驶辅助系统(ADAS

 

先进驾驶辅助系统(Advanced Driver Assistance System),简称ADAS,是利用安装于车上的各式各样的传感器, 在第一时间收集车内外的环境数据, 进行静、动态物体的辨识、侦测与追踪等技术上的处理, 从而能够让驾驶者在最快的时间察觉可能发生的危险, 以引起注意和提高安全性的主动安全技术。如果激光雷达能有效控制成本,ADAS等级数较低的驾驶辅助功能也需要用激光雷达。其原因在于,基于摄像头的ADAS和无人驾驶系统,或者单独使用毫米波的局限性很大。首先是视场角的问题,为了保证足够的探测距离,视场角的角度不可太大,而这就导致车辆有非常大的横向盲区。对此现象,有些公司设计了多摄像头来解决此类问题,但效果并不理想,同样的多目摄像头会有重叠区域,还会增加处理数据的难度。其次是低速问题,事实证明,在低速情况下,摄像头的表现不尽人意,甚至对一下移动缓慢或静止的目标都很难识别。所以激光雷达在ADAS方面有着很大的潜力。

 

激光雷达的行业趋势

 

市场需求:L3级以上无人驾驶的必备传感器

 

激光雷达是高精度的传感器,但是有与过于昂贵,无人驾驶业界对激光雷达的存废之争一直没有停止过。非激光雷达阵营主要是以特斯拉为代表的的传统车企,他们倾向于渐进式路线,从ADAS辅助驾驶逐渐升级过度到自动驾驶,以端到端的深度学习砍掉传统的激光雷=雷达,激光雷大阵营主要是以谷歌为代表的科技公司,他们倾向于一步到位路线,以激光雷达为主传感器,等技术方案成熟成本下降后,再大规模商用。

 

未来发展方向:固态激光雷达

 

Velodyne是激光雷达的鼻祖,先后推出了64线、32线机械式激光雷达和16线混合固态激光雷达。“混合固”为Velodyne首创概念,是指外形上不存在可见的旋转部件,但为了360全视角其内部实际上仍然存在一些机械式旋转部件,只是做的非常小巧可以内藏而已。下面工釆网小编简单介绍一下固态激光雷达探测原理:TOF飞行时间法原理如下图:

图片2.png

 

激光雷达常用的探测原理是飞行时间法,就是通过给目标连续发送光脉冲,然后用传感器接收从物体返回的光,通过探测光脉冲的飞行往返时间来得到目标物距离。

 5d5b5b1185592.png

 

对于固态激光雷达产品的应用工采网提供一款固态面阵激光雷达测距传感器 - CE30-ACE30 使用时间飞行法(TOF, Time of Flight)进行测距,它会发射出经过调制的近红外光,光线遇物体后反射并再次被 CE30 接收。CE30 通过计算光线发射和接收的相位差与时间差,来换算被拍摄景物的距离。

 

固态面阵激光雷达 测距传感器 CE30-A 参数:


 图片3.png


无人驾驶汽车核心技术(报告)(五)

博客飞奔的蜗牛 发表了文章 • 0 个评论 • 424 次浏览 • 2019-08-21 10:17 • 来自相关话题

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、 《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达探测技术)、导航 ...查看全部

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、 《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达探测技术)、导航定位(惯性导航、GPS/北斗导航、智能组合导航)、控制、操作系统。对著名车企无人车商用化前沿也进行了较为全面的介绍。最后对无人车系统技术在物流、出租车、安全、养老等领域的定制化开发应用用实例进行说明。希望为无人车技术的进一步发展带来启发,为促进无人系统技术的市场化和产业化发展做出贡献。

引言:

无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶技术是多个技术的集成,包括传感器、定位与深度学习、高精地图、路径规划、障碍物检测与规避、机械控制、系统集成与优化、能耗与散热管理等。2018年4月12日,工信部、公安部、交通运输部联合制定的《智能网联汽车道路测试管理规范(试行)》对外发布,对测试主体、测试驾驶人、测试车辆等提出要求,明确省、市级政府相关主管部门可自主选择测试路段、受理申请和发放测试号牌。这表明无人驾驶汽车在往商用化迈进的道路上又加快了步伐。

1.jpg

2.JPG

3.JPG

4.JPG

5.jpg

6.jpg


7.JPG

8.JPG

无人驾驶汽车核心技术(报告)(四)

博客飞奔的蜗牛 发表了文章 • 0 个评论 • 428 次浏览 • 2019-08-21 10:17 • 来自相关话题

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、 《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达探测技术)、导航 ...查看全部

本文结合《国家车联网产业标准体系建设指南(智能网联汽车)》、 《2018年智能网联汽车标准化工作要点》、《智能网联汽车道路测试管理规范(试行)》等最新国家政策,系统性讲述无人驾驶汽车包含的核心技术模块:感知(视觉及其深度学习技术、激光雷达探测技术)、导航定位(惯性导航、GPS/北斗导航、智能组合导航)、控制、操作系统。对著名车企无人车商用化前沿也进行了较为全面的介绍。最后对无人车系统技术在物流、出租车、安全、养老等领域的定制化开发应用用实例进行说明。希望为无人车技术的进一步发展带来启发,为促进无人系统技术的市场化和产业化发展做出贡献。

引言:

无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶技术是多个技术的集成,包括传感器、定位与深度学习、高精地图、路径规划、障碍物检测与规避、机械控制、系统集成与优化、能耗与散热管理等。2018年4月12日,工信部、公安部、交通运输部联合制定的《智能网联汽车道路测试管理规范(试行)》对外发布,对测试主体、测试驾驶人、测试车辆等提出要求,明确省、市级政府相关主管部门可自主选择测试路段、受理申请和发放测试号牌。这表明无人驾驶汽车在往商用化迈进的道路上又加快了步伐。

1.jpg

2.JPG

3.JPG

4.JPG

5.jpg

6.jpg

7.JPG

面向结果的自动驾驶功能评价

博客别碰我的刘海 发表了文章 • 0 个评论 • 884 次浏览 • 2019-04-23 10:34 • 来自相关话题

1引言 自动驾驶功能的重要性日益凸显,但仍没有统一的方法评价其性能。因为道路测试需要投入过多的时间和费用,因此当前业界普遍认为需要一种仿真测试方法。用于测试的仿真环境通常包括3个关键部分:车辆模型(本车)、被测系统模型(system under t ...查看全部
1引言
自动驾驶功能的重要性日益凸显,但仍没有统一的方法评价其性能。因为道路测试需要投入过多的时间和费用,因此当前业界普遍认为需要一种仿真测试方法。用于测试的仿真环境通常包括3个关键部分:车辆模型(本车)、被测系统模型(system under test , SUT, 此处即指ADF)和系统预期运行环境条件模型。环境条件通常概述于“场景”中,包括但不限于道路属性(车道数、坡度、出口、路障、道路条件等)、交通属性(其他交通参与者的数量和速度、其他驾驶员的可能模型)和总体环境条件(能见度、天气条件等)。典型的基于场景的ADF评价首先通过对真实数据分析识别得到相关交通状况,然后对场景进行建模并用于ADF的仿真和评价。
tu1.png
图1 总体评价结构
随着ADF功能性提高和运行持续时间延长,很难找到一组先验定义的相关场景。例如为了评价自适应巡航控制器(Adaptive Cruise Controller, ACC)的燃油节省量,场景中必须包括实际交通中经常出现的“正常工况”(normal cases);而对于安全性评价,导致事故的“极限工况”(limit cases)至关重要。目前为止,对于同一功能的使用场景并没有唯一的定义,以ACC为例,根据关注点是燃油经济性还是安全性,可以使用完全不同的场景进行评价。考虑到这一情况,献中推荐使用连续交通微观仿真环境,而不是纯粹基于场景进行测试,这些仿真环境包括旨在反映真实驾驶情况的交通模型。
仿真测试存在一些局限性。首先,仿真结果不是先验正确的,因为没有模型是完美的并且可以无限精确地表示真实行为。其次,重要特征可能在建模阶段受到人为影响,或者在仿真运行中表现不足或过多,导致评价结果出现偏差。此外,尽管相比于道路测试,仿真测试速度更快且重复性好,但若考虑所有工况,仿真仍需要大量时间。在实践中经常使用先验停止标准(a priori stopping criteria)来执行测试,例如每种工况的最长仿真时间或固定重复次数,由此得到的最终结果通常是无需进一步分析的某些绩效指标的平均值。
已有研究显示,在不评价统计特性的条件下使用和比较仿真结果可能会产生误导,因此我们建议将结果的统计显著性评价与仿真运行相关联,这可以为所有仿真运行确定先验显著性水平,以使结果有可比性或可用于其他方案的评价。
 
2评价方法
2.1 ADF目标确定
每个ADF具有至少有一个必须满足的关键功能,例如ACC的速度跟踪功能和制动辅助的紧急情况减速功能等,通常用与控制器任务直接相关的可测变量来量化其性能。如果我们用变量x表示本车状态,则控制器目标可用目标集X*进行识别。以ACC为例,目标集是本车的期望速度。在评价已定义的ADF质量,即实际数据与目标集之间的差距时,对于ACC,这可以是由周围交通的扰动引起的与期望速度的偏差。
[b]2.2 与目标一致的KPI定义[/b]
评价过程的第二步是定义一个能够“观察”SUT与期望目标或行为间偏差的指数。若我们将SUT的状态视为随机过程X(t),则关键绩效指标(Key Performance Index,KPI)可定义为在系统状态下通过定义函数f(KPI)得到的另一个随机过程Y(t)。原则上,选定的函数f(KPI)既不能忽略SUT由于测试过程中的扰动而产生的与其期望行为的偏差,也不能突出这一偏差。对函数f(KPI)的最低要求是单边有界,并在X*处达到其最小值。为了清楚起见,我们指出,原则上,KPI可以同时评估多个目标但不能作为风险函数。只有在进行单一安全评价的情况下才可以用风险函数表示KPI。
2.3 KPI描述统计值选定
由于KPI是一个随机变量,我们感兴趣的是它在统计方面的表征(本文中指其统计特征参数)。因此,所研究参数的随机“时刻”(平均值、方差或等效标准偏差)、中位数以及形状参数(如偏度、峰度、所研究参数的置信区间)是出于这一目的考虑的自然统计参数。用通用统计数据值q(KPI)描述KPI,并假设由于实际原因,q(KPI)是有限的。
这些参数的估计只能通过在仿真期间收集KPI测量值来完成。应特别注意用于收集测量值和估计随机过程统计数据的方法,因为一般来说它会影响估计。                                       
2.4 仿真流程定义
对于随机过程,文献中提供了大量针对期望算子的估计方法。通常,不同的估计程序可导致对相同量估计的不同,这些结果既受基础随机过程的性质的影响,也受到用于评价的样本的代表性的影响。另外,抽样过程也取决于估计目标。
第一种期望估计方法称为遍历。这一方法假设在足够长的观察时间内,随机过程的每个轨迹都将在相同的评价时刻显示其样本几何的相同特征,即状态空间平均值可以用时间平均值代替。第二种期望估计方法称为蒙特卡洛方法,这一方法将随机过程Y中的N个互相独立的、时长足够的仿真中出现的极限值视为总体样本。
2.5 收敛准则定义
仿真运行期间,模拟器产生的场景(包括周围交通和本车的轨迹)会扰乱SUT,并通过估计KPI的值测量实际数据与控制器目标间的偏差。经过一定的仿真时间(或n个样本)后,将不再有新事件产生,即KPI的统计量不会随着仿真时间的增加而显著变化。收敛意味着随着仿真时间的增加,统计量的估计值会收敛到一个恒定值,并且值置信水平很高。一般而言,从统计角度来看,关键是有足够的样本量以确保KPI统计量具有一定的置信度。
 
3应用案例及结果
3.1 应用案例
ACC在跟踪期望速度的同时,还应确保不会对周围交通造成危险。在本文中,我们以ACC功能评价为例应用所提出的方法。控制器输入为纵向加速度a,并考虑到真实驾驶情况,将a的值限定在±2.5m/s^2之间。控制器则根据本车状态变量进行控制,周围交通环境中的所有相关信息在建模中视为本车状态扰动。ACC功能被认为是在两种行为模式之间转换:本车速度控制目标为期望速度的巡航模式;本车速度控制目标为前车速度的跟车模式。对于两种行为模式需要分别选取合适的KPI。
本文中用于评价SUT的仿真环境包括在贝叶斯网络图形模型基础上建立的随机交通环境模型,交通参与者的预期运动位置建模则使用的是叫作条件线性高斯模型的一类特殊贝叶斯网络,根据其前后驾驶行为对其状态进行分区,针对每个预定义的前后驾驶行为(巡航、跟车、向左换道、向右换道)提出合理假设,并在实际交通测量数据基础上进行训练。
tu222.png
图2 仿真环境示意图(红色为本车)
由于ACC有两种运行状态,故f(KPI)由两部分组成,计算定义如下:
tu2.png

当相对速度小于0时,即本车速度小于前车速度,计算式中两者均不为0,即ACC功能性能损失增加。因此,该参数的引入可以防止ACC功能产生过于保守的减速行为。
f(KPI)的值在本文研究中需要进行两次估计分析。第一次估计分析采用的是遍历方法,随后采用蒙特卡洛方法对第一次分析所得的f(KPI)估计值进行第二次估计。
3.2 仿真结果
tu22.png
图3 某次仿真过程所得结果
对于图3中的仿真过程,本车最初处于巡航模式下,并在ACC的控制下以期望速度行驶,在此阶段,不对f(KPI)进行评价。一旦安全距离内出现前车,ACC则切换到跟车模式,并开始对f(KPI)进行评价。本文共进行了200次仿真,f(KPI)值的分布如图4所示。
涂.png
图4 f(KPI)值分布直方图和拟合曲线
本文同时研究了样本大小n对f(KPI)值置信区间的影响。按图5所示,直方图分布服从Gamma分布,且随着n的增加,95%置信区间变窄。
tu5.png
图5 样本大小对f(KPI)值置信区间的影响
图5的结果表明,为了在随机仿真环境中评估ADF,应仔细选择仿真持续时间。较短的仿真(本文中小于1000或2000个样本)可能得到误导性的性能评价,其结果仅表征特定仿真下的ADF行为。而从一定的仿真长度开始(本文中为3000-4000个样本),测试中的ADF性能变得可靠,且几乎独立于随机模型生成的仿真条件。
 
4结论和展望
本文提出了一种在随机仿真环境中评价自动驾驶功能的整体方法。本文讨论的关键问题是如何确定必要的仿真时间以获得可靠的评价结果。基于ACC的应用案例表明,随机环境中较短的仿真可能导致对ADF性能评价做出错误的结论。另一方面,过长的仿真并不能提供有关ADF性能的额外信息,且计算成本大幅提高。
目前的研究是在对正常交通行为进行校准的交通随机模型上进行的。这项工作可扩展至探索在不同校准或甚至产生更危险的情景特定校准下,KPI估计值如何变化。我们还期望通过使用基于KPI的ADF性能统计分析,以实现不同交通场景之间的比较(例如对于测试中的ADF更具挑战性的场景)以及不同ADF之间的比较(执行相同的操作任务)。一旦成功,还可以进一步预选出对相应ADF的测试来说至关重要的场景,这将意味着显著减少评价ADF所需的时间和成本。

东风襄阳华为携手共拓智慧交通大市场

博客别碰我的刘海 发表了文章 • 0 个评论 • 220 次浏览 • 2019-04-15 09:09 • 来自相关话题

每天上下班,一辆无人驾驶微公交会按照预约时间准时在楼下等你;大型物流园区,无人驾驶货车穿梭其间,机器人正在对货物进行自动识别、分拣和调度;在看不见的“云端”,一个智慧的交通云平台正在实时采集信息、发出指令,确保一切秩序井然;在虚拟试车场,只需输入技术参数,就可 ...查看全部
每天上下班,一辆无人驾驶微公交会按照预约时间准时在楼下等你;大型物流园区,无人驾驶货车穿梭其间,机器人正在对货物进行自动识别、分拣和调度;在看不见的“云端”,一个智慧的交通云平台正在实时采集信息、发出指令,确保一切秩序井然;在虚拟试车场,只需输入技术参数,就可对车辆进行各类自动驾驶场景的测试……不远的将来,这些看似遥远的想象,都将得以实现。
《经济参考报》记者获悉,在智慧城市建设步伐加快的同时,以5G、AI、云端技术、大数据等技术形成的智慧交通体系也将加速成型。相关研究报告显示,到2024年,全球智能交通市场的市场价值将从目前的410多亿美元增长到1300多亿美元,中国将呈上升态势。地方政府和相关企业正加强合作共拓智慧交通大市场。
近日,东风汽车集团有限公司(以下简称“东风公司”)、湖北省襄阳市人民政府、华为技术有限公司(以下简称“华为”)在襄阳正式签署“智行隆中”项目战略合作框架协议。致力于把襄阳打造成为国家智能网联汽车示范区、智慧出行和智慧物流创新试验区和智慧交通标杆城市。

智慧城市建设开启智慧交通大市场
当前,在经济全球化、信息化的大格局下,在“创新、协调、绿色、开放、共享”发展理念的引领下,中国正在经历一场深刻变革。不断提速的智慧城市建设成为这场变革的一个缩影。
前瞻产业研究院发布的《智慧城市建设行业发展趋势与投资决策支持报告》显示,全国100%的副省级城市、89%的地级以上城市、49%的县级城市已经开展智慧城市建设,累计参与的地市级城市数量达到300余个,规划投资达到3万亿元,建设投资达到6000亿元。
智慧交通体系正在成为智慧城市的风向标。2017年,国务院印发《新一代人工智能发展规划》,明确提出研究建设营运车辆自动驾驶与车路协同的技术体系,研发交通信息综合大数据应用平台,检车智能交通监控、管理和服务系统。
交通运输部公路科学研究院研究员张纪升表示,近十年,中国智能交通市场稳定增长,2013年为720.9亿元,2017年为1413.81亿元,2018年预计超过1600亿元。
不少政府和企业都在加快智慧交通市场的布局。东风公司、湖北省襄阳市人民政府和华为的强强联手就是一例。据介绍,此次合作将充分发挥东风公司在汽车研发、制造、检测、出行等领域的雄厚实力,华为在云计算、大数据、物联网、5G、AI等方面的技术优势和华中大区云数据中心资源优势,以及襄阳市独特的区位优势和产业特点,共同把襄阳打造成为国家智能网联汽车示范区、智慧出行和智慧物流创新试验区和智慧交通标杆城市。

四大工程引领城市智慧交通新生态
东风公司、襄阳市、华为正式启动的“智行隆中”项目,旨在打造宜居的城市智慧交通新生态。而不断变革的汽车产品,优越的交通区位优势,以及大数据、物联网、AI等核心技术的强强联合成为三方合作的最大亮点。
业内人士指出,在汽车行业,“五化”(轻量化、电动化、智能化、网联化、共享化)趋势带来了汽车产品和技术的变革,出行形态正在被重构;顺应产业变革和科技浪潮,襄阳以建设“一极两中心”为契机,正在加快城市智慧交通布局;基于5G、AI、云端技术、大数据等形成的智慧交通体系,为智慧城市建设提供了技术支撑。
据介绍,未来,三方将共同推进“智行隆中”项目分阶段实施,打造智慧汽车谷、智慧出行、智慧物流和智慧交通云平台等四个工程,从产业智慧到城市智慧,构建一个万物互联的智能世界。
智慧汽车谷方面,将依托现有的汽车生产制造优势,检验检测优势和服务配套优势,依次建成智能网联汽车数字化试车场、虚拟仿真试车场和自动驾驶示范区、建立封闭半封闭和开放道路测试区,建设智能网联小镇,助推汽车生态产业链协调发展,最终实现集研发、生产、测试、体验、应用配套于一体的智慧汽车生态圈,聚集形成国内首个智慧汽车谷。
智慧出行方面,依托东风出行平台,将实现智能网联汽车商业化示范运营。车辆将搭载华为自主研发的新一代通讯模块。打造城市级5G及V2X车路协同基础设施,构建智慧交通神经网络。提供公交、出租、网约、分时租赁一站式出行服务;构建智慧充电、智慧停车、智慧救援出行生态圈,整合铁路客运、公路客运、民航、货运等资源,实现多式联运“一次支付”,打造国内领先的一站式多元化出行平台。
智慧物流方面,将依托智能网联和自动驾驶技术,从物流全价值链的可视可查到智能仓储,实现物流精细化管理,提升利用效率,并利用平台数据的分析能力实现在途车辆的动态规划最终实现全价值链定制化、高效化、无人化的运营布局,以商业模式创新打造襄阳城市智慧物流生态圈。
智慧交通云方面,将以襄阳云国际T3+标准的基础设施为基础,云上赋能AI+EI,不断提升SaaS服务能力,支撑智慧汽车谷、智慧出行、智慧物流完美落地,并带动产业、民生、政务“智能+”转型。

有望成智慧城市政企合作新典范
业内认为,未来的城市,联接无处不在,智能无所不及。东风公司、襄阳市、华为三方将在深化合作的基础上,发挥互补优势,把“智行隆中”项目打造成政企合作可复制推广的典范。
作为拥有30多年汽车产业发展史的汉江流域中心城市,襄阳是东风公司国内重要的整车生产基地、核心零部件生产基地、试验检测基地,同时也是华为华中地区数据中心所在地。当前,襄阳在政策法规、汽车产业、交通设施、通讯环境、能源配套、数据互联等方面不断发力,助力智慧城市落地。
而智慧交通城市的构建,离不开智慧交通体系,也离不开智慧出行载体。在发布会当天,现场展出了由东风公司自主研发的用于共享出行的东风风神全新一代AX7、东风风神E70,以及东风自动驾驶物流车等多款智能网联汽车产品。其中,首度亮相的全新Sharing-VAN移动出行服务平台圈粉无数,车内既没有驾驶座,也没有方向盘、油门和刹车,可供6人同时乘坐,也可用于智慧物流、移动零售等应用场景。
据了解,这款移动出行服务平台集LTE-V/5G、无人驾驶、新能源电动汽车、分时租赁、公共出行服务等最新技术成果于一身,旨在探索下一代公共出行服务新模式。未来,在越来越多的交通接驳区、风景园林区、科技产业园、郊外住宅区,都可能会出现它的身影。
东风公司相关负责人表示,通过本次战略合作,东风公司将充分发挥自身在智慧汽车、智慧出行、检验检测方面的优势,以及30年来在襄阳的产业积淀,为城市智慧交通赋能。同时,项目的加快落地,也将助力东风公司加速实现“三个领先、一个率先”战略目标。
此外,对于华为而言,将从车端(车载通信、车载计算)、路端(5G及C-V2X车路协同)、云端(华为襄阳云数据中心)等方面与襄阳和东风公司展开深度合作,助力打造城市交通的神经网络和智慧大脑,为华为探索智慧城市解决方案提供更多鲜活的样本。襄阳市则将通过加强项目服务、规划引领、产业集聚等举措,推动“智行隆中”项目早落地、早见效,从而加快打造智慧城市样本。
转自 新华网(记者 班娟娟)

解放双手,听听刘元盛教授和陈勇全博士如何看待无人驾驶

博客北京赛迪网信息技术有限公司 发表了文章 • 0 个评论 • 182 次浏览 • 2019-01-19 14:36 • 来自相关话题

2018年10月15日,由深圳市龙岗区机器人与智能制造产业协会、香港中文大学(深圳)计算机视觉实验室、香港中文大学(深圳)机器人与智能制造研究院、中国计算机学会青年计算机科技论坛深圳分论坛(以下简称YOCSEF)联合举办的“对话未来交通—探索无人驾驶技术”论坛 ...查看全部

2018年10月15日,由深圳市龙岗区机器人与智能制造产业协会、香港中文大学(深圳)计算机视觉实验室、香港中文大学(深圳)机器人与智能制造研究院、中国计算机学会青年计算机科技论坛深圳分论坛(以下简称YOCSEF)联合举办的“对话未来交通—探索无人驾驶技术”论坛在香港中文大学(深圳)举办。亿欧作为重要媒体受邀参加。
无人驾驶技术从提出到现阶段的发展已接近30年的时间,业内各大企业和高校也在紧锣密鼓地进行自动驾驶技术的研发,美国谷歌无人驾驶汽车的安全行驶距离已达到48万公里。而中国BAT巨头阿里、百度、腾讯自主研发的无人驾驶车也已相继成功进行测试。
本次交流会上,北京联合大学机器人学院轮式机器人系主任刘元盛教授和和香港中文大学(深圳)机器人研究院主任研究员陈勇全博士分别就《特定场景下无人驾驶技术的应用》、《自动驾驶的研究现状和方案分析》两大主题发表了主题演讲。
无人驾驶技术
无人驾驶汽车是室外轮式移动机器人的一种,它依靠人工智能、传感器、定位系统和导航系统的协同合作,让计算机在没有人类主动的操作下,做到自动安全地操作机动车辆,为人类的交通安全和效率带来全新体验。
按照美国自动车工程学会(SAE)对自动驾驶的五级分类,第一级至第三级为有人的自动驾驶,或称为辅助自动驾驶。第四级和第五级为无人自动驾驶,即可将人完全排除在驾驶决策之外,其中第四级为有限场景、第五级为无限场景下的无人驾驶。显然,第四级和第五级是真正意义上的无人驾驶。而无人驾驶的演进,是一个人类逐步交出操控权、提高安全系数的过程。

在自动驾驶研究领域,国外的车企、科技公司、高校早就抢先一步进入市场,如特斯拉、谷歌、Uber、AMU、Apple、MIT等。美国牢牢占据了第一梯队。日韩两国紧随其后,欧洲对无人驾驶则更为谨慎。我国传统的车企、通讯企业、互联网企业,也在加紧自动驾驶技术和新能源汽车的研发。
目前我国正处于研发L4高度自动化的阶段,自去年12月国内首个自动驾驶路测新规颁布后,百度、阿里、腾讯用了不足10个月的时间,分别拿下北京、深圳、杭州的首张自动驾驶测试牌照。
在交流会现场,刘元盛从无人驾驶技术的发展历程、现阶段各国对无人驾驶的法律法规要求等方面解读了自动驾驶技术发展历程及现状,以及解剖了无人驾驶技术的困境和发展方向。

总的来说,无人驾驶设计了感知、定位、规划、控制和线控五个方面。刘元盛表示,无人技术技术方面通过各类传感器的融合技术,感知车的位置、姿态、周边障碍物信息等进行感知系统,再通过处理器和算法以及由感知技术得到的周边信息进行决策,并通过制动控制进行控制。
无人驾驶的困境
尽管众多国家都纷纷投入到无人驾驶的研究中,但是离无人驾驶的真正上路或许还有一段很长的路要走。
在交流会现场,陈勇全表示无人驾驶当前面临的问题有三大方面:


在硬件方面,传感器感知系统尚未完全验证,整车传感器价格偏高;
在软件方面,无法应对复杂交通和突发交通状况,不能在所有的场景下做出重要的决策;
在法律方面,当前的法律法规还不健全,对自动驾驶的管控还未解决。


  • 昂贵与精准的抉择
据法国权威市场分析机构 Yole Développement的统计,无人驾驶主要通过摄像头(长距摄像头、环绕摄像头和立体摄像头)和雷达(超声波雷达、毫米波雷达、激光雷达)实现感知的。但是不同的传感器受限于其物理状态,各有利弊。激光雷达的优势在于其探测范围更广,探测精度更高,但是对于雨雾的穿透能力受到限制,对于黑色物体的反射率亦有限;毫米波雷达穿透力强,但探测距离受到频段损耗的直接制约并且对周边所有障碍物无法进行精准的建模。目前,以机器视觉能力为主的解决方案成本更容易被市场接受。但是只要有逆光、灰尘等不利因素影响,风中飞舞的塑料袋可能被系统误认为是障碍物,无法进行精准的建模。采用当前精准测距但是价格高昂的激光雷达,无人车的整体研发成本将大大增加,而市场上更小型更低成本的纯固态激光雷达还未能见到成熟产品。
  • 软件技术是瓶颈之一
无人驾驶汽车理论上或许是可实现的,但是对其软件程序的稳定性和逻辑完美程度提出了近乎严苛的要求。由于交通系统容量难以确定,汽车驾驶过程中每个场景复杂多变,在高速行驶中稍有差错就有付出生命代价的可能,所以要求无人驾驶在遇到不熟悉或突发场景时都能够主动地做出正确的判断和操作。当前汽车的ADAS系统不断地收集、分析数据,以及作出判断的过程是复杂而缓慢的,机器视觉还需要提升计算能力和感知能力。所以单从“生命安全”角度去了解背后的技术措施,就可以预测到软件技术必定是瓶颈之一。
  • 法律法规

实际上,刘元盛与陈勇全均提及到无人驾驶的法律法规问题。刘元盛介绍:世界各国均出台了一系列法律法规:美国从州政府到联邦政府均已出台了一系列自动驾驶政策;2018年,德国政府推出了关于自动驾驶技术的首套道德伦理标准,成为了世界上首个实施此类措施的政府;新加坡于2014年就发布了《新加坡自动驾驶车辆对策》,并于2017修订《道路交通法》允许在公共道路上测试自动驾驶汽车……
目前国内无人驾驶汽车测试仍然要配备驾驶员,而且驾驶员需要专门的“自动驾驶汽车”驾驶证。现阶段我国对于无人驾驶问题的法律法条,依然处于研究状态,而且在全世界都是一个难题。
陈勇全表示,无人驾驶的发展需要车企、交通部门等多方面的产业支撑和政策配合。在某些细分场景,如高级辅助驾驶、园区或港口,无人驾驶预计比较容易落地。
小结
虽然,刘元盛和陈勇全一致认为无人驾驶真正上路或许要到20年、30年后才能实现,但是目前业界推进有限场景下的无人驾驶有其重要的意义。因为这是走向无人驾驶的必经之路。
现阶段无人驾驶可以在人才培养、园区旅游、区域接驳、快速公交、安全巡逻、矿区作业、智慧农业等多个领域开展初期应用。
刘元盛是北京联合大学机器人学院轮式机器人系主任、硕士研究生导师,同时也是北京市高教学会电子线路研究会理事,北京电子学会教育专业委员会委员,北京市司法鉴定专家(知识产权)。近五年内,他主持了各类型号共40辆无人驾驶车辆的改造和示范运行工作,在国内率先提出低速园区无人驾驶的解决方案以及无人驾驶教学系统方案。
陈勇全任香港中文大学博士后研究员、香港中文大学(深圳)机器人与智能制造研究院常务副院长,主持和参与多项国家自然科学基金、国家发改委、深圳市发改委研究课题。目前主要参与综合管廊巡检机器人与智慧管控平台、物流服务机器人、自动引导AGV、园区物流车、园区自动驾驶电瓶车等项目研究。