车联网助力自动驾驶发展

单车智能决策难点

芯片,成为自动驾驶的最大瓶颈

自动驾驶对芯片算力要求极高。要求自动驾驶处理器在每秒能够处理数百万亿次的计算;

自动驾驶对计算的实时性要求极高。任何一点时延,都有可能造成车毁人亡;

对低能耗有极大的要求。自动驾驶AI芯片要处理的数据量极大,对芯片能效要求极高;

对高可靠性的要求。芯片需要无论在多么恶劣的条件下,严寒酷暑、刮风下雨,都有非常稳定的计算表现。

什么样的汽车才是好的L3

安全且人性化的人机接管,或者少接管

冗余,冗余,冗余

什么样的汽车才是好的L4

L4自动驾驶规划

智能驾驶技术规划Intelligent Driving Technology Planning

以产业化为目标逐步实现智能驾驶技术的量产,制定了M-partner(Mobility Partner)技术发展路线,已计划2020

年实现L3级高速公路自动驾驶,同时实现全自动泊车功能;并规划2022年实现最后一公里和城市快速路。

HD Map+Lidar

高精度地图助力L4级高级自动驾驶

拓展视野:视野更加开阔、长远,提前预判并作出相应的反应。

特定情况下的信息补充:雨雪雾等极端天气、黑夜、遮挡等引起的信息获取受限;车辆上方、两侧物体引发的传感器失锁;传感器故障。

提升自车位精度:GPS定位,精度在数米。结合高精度地图及相应算法,定位精度得到提升。

增强经济驾驶:高精度的道路坡度、曲率等信息,辅助车辆科学调整速度。

辅助传感器更有效获取有用数据:摄像头角度根据地图中标识的要素位置实时调整。

V2X-应用场景

群体智慧

发展趋势

V2X技术成熟化、标准化、商业化的快速推进。

近些年,国内外车企、互联网公司等对V2X技术的研发等大力投入,使V2X技术得到快速发展,国际上已初步形成两条标准化路线:DSRC (802.11P)和5G。

美国、欧洲、日本、中国等都在大力推动V2X的技术发展和推广应用,并相继推出相关的交规、政策,美国更是把网联汽车放在了国家战略的高度。

5G是V2X发展的主要方向,将成为自动驾驶的主要通信手段。

5G技术在近几年实现了重大突破,并陆续开展了实车应用和环境测试,即将实现商业化。

5G技术形成了端到端的生态系统,增强了移动带宽,峰值速率可达20Gb/s,支持更低的延时(≤10ms),更高的可靠性(>99.99%)以及更大的带宽(每平方公里可连接100万个终端)。

从华为等厂商的测试结果来看,基于5G的V2X在覆盖距离、网络延时方面都要优于DSRC。

基于V2X的自动驾驶系统是实现L4、L5的最佳选择。

V2X技术在自动驾驶系统的应用,可有效的解决当前自动驾驶车辆在车载传感器限制、行为预测及场景理解算法瓶颈、人-车-路发展闭环等方面的缺陷,有助于提高安全性,并降低成本、尾气排放等。

相关推荐
2401_883041081 分钟前
新锐品牌电商代运营公司都有哪些?
大数据·人工智能
AI极客菌1 小时前
Controlnet作者新作IC-light V2:基于FLUX训练,支持处理风格化图像,细节远高于SD1.5。
人工智能·计算机视觉·ai作画·stable diffusion·aigc·flux·人工智能作画
阿_旭1 小时前
一文读懂| 自注意力与交叉注意力机制在计算机视觉中作用与基本原理
人工智能·深度学习·计算机视觉·cross-attention·self-attention
王哈哈^_^1 小时前
【数据集】【YOLO】【目标检测】交通事故识别数据集 8939 张,YOLO道路事故目标检测实战训练教程!
前端·人工智能·深度学习·yolo·目标检测·计算机视觉·pyqt
Power20246662 小时前
NLP论文速读|LongReward:基于AI反馈来提升长上下文大语言模型
人工智能·深度学习·机器学习·自然语言处理·nlp
数据猎手小k2 小时前
AIDOVECL数据集:包含超过15000张AI生成的车辆图像数据集,目的解决旨在解决眼水平分类和定位问题。
人工智能·分类·数据挖掘
好奇龙猫2 小时前
【学习AI-相关路程-mnist手写数字分类-win-硬件:windows-自我学习AI-实验步骤-全连接神经网络(BPnetwork)-操作流程(3) 】
人工智能·算法
沉下心来学鲁班2 小时前
复现LLM:带你从零认识语言模型
人工智能·语言模型
数据猎手小k2 小时前
AndroidLab:一个系统化的Android代理框架,包含操作环境和可复现的基准测试,支持大型语言模型和多模态模型。
android·人工智能·机器学习·语言模型
YRr YRr3 小时前
深度学习:循环神经网络(RNN)详解
人工智能·rnn·深度学习