自动驾驶汽车关键技术 主要包括环境感知 、精准定位 、决策与规划 、控制与执行 、高精地图 与车联网V2X 以及自动驾驶汽车测试 与验证技术等。
🐓 自动驾驶技术
这是AI在汽车行业中应用最广泛的领域之一。自动驾驶技术 利用AI算法 和传感器 来感知环境 、识别障碍物 ,并进行自主决策 和驾驶操作。通过实现车辆的自动驾驶,可以提高行车安全性、减少交通事故的发生,同时降低驾驶员的工作负担。
自动驾驶,在21世纪已有数十年的历史,但自动驾驶行业在当时还没有受到广泛关注。1999年,美国卡耐基梅隆大学研制的无人驾驶汽车Naclab-V完成了第一次无人驾驶试验,许多为无人车开放道路实验的法律法规也相继出台。经过开发研制, 自动驾驶在后续几年被推广,2009年,自动驾驶汽车的雏形图片被曝光,自动驾驶开始受到关注。
自动监视应用的不同级别
无人驾驶技术级别通常按照SAE国际标准分为6个级别,从级别0到级别5,分别代表了不同程度的自动化水平。这些级别包括:
级别0 :无自动化,完全由人类驾驶
级别1 :辅助驾驶,车辆可以执行某些任务,但仍需要人类驾驶员监控
级别2 :部分自动化,车辆可以执行加速、刹车、转向等任务,但驾驶员需要保持警惕并随时准备接管控制
级别3 :有条件自动化,车辆可以在特定条件下执行所有驾驶任务,但需要在需要时要求驾驶员接管控制
级别4 :高度自动化,车辆可以在大多数情况下自主执行驾驶任务,但在某些特殊情况下需要人类介入
级别5 :完全自动化,车辆能够在所有情况下自主执行驾驶任务,无需人类干预
🐓 汽车组成
控制电脑自动驾驶技术的内容包括定位与路径规划、环境感知、行为决策与控制。即通过CPS与计算机技术的协作,进行航线的确定,并通过传感器感知环境,由控制电脑处理具体事件与总体航行。
在道路行驶中,电脑的功能就是依据庞大的数据库来辨识出周围的环境元素,再做出相应的对策。电脑由此可以像人类驾驶员一样,在适当的时候发出指令来提速、减速、转向,以做到躲避障碍,保持在车道内行驶,识别出道路上的交通指示信号如限速牌指示、红绿信号灯等。
过往的自动驾驶技术突破困难,重要的因素就是人工智能的发展速度过慢,过去人们以为是算法的落后,现在人工智能深度学习法其实更早就已经提出了,比如现在其中以Dijkstra算法为代表的图搜索法在各种优化问题中得到了较为广泛的应用,且这种算法是全局最优的 。但过去的计算机由于容量小,运行速度慢,这种穷举式的算法又需要大量数据的运算,现在计算机本身的性能得到大幅度提高,大数据技术的发展,深度学习的高效性才得以体现。
高性能计算机的重要性不仅体现在实际应用阶段,也体现载实验阶段借此来推动人工智能技术的进步。
中央处理器
中央处理器包括运算器、控制部件和寄存器等,是整个自动驾驶汽车的核心组成部分,对收集到的各种信息进行汇总与处理,包括信息的输入,信息处理与信息的输出。
视频采集器
视频采集器是将收集到的视频信号混合输入电脑,并转换成电脑可识别的数字数据,储存于电脑中。
雷达传感器
雷达传感器是一种用于测量距离的仪器,通过测量参数距离,利用发射频率与时间的相关函数,得到平均值,根据计算公式可以得到与物体间的距离。
🐓 技术难题
如何改善精度
IMU是一种惯性测量手段,通过计算加速度和速度获得准确定位,这项技术的更新频率较高,但是实时定位会存在误差积累
处理数据时间
如果自动驾驶汽车以100千米/时的速度高速行驶时,留给中央处理器处理数据的时间极短,这需要中央处理器有极高的性能,目前的激光雷达也尚无成熟的量产产品,这就会使自动驾驶汽车不能在遇到危险的情况下快速反应,有造成事故的概率。
法律问题
随着自动驾驶汽车的上路普及,事故责任界定是重要课题,世界范围内既有法律对该问题均没有明文规定 。想要自动驾驶汽车真正在路上行驶,还要公安部、交通部等各个部门一致,不断完善法律
🐓 互联网技术不断促进自动驾驶技术
一方面,在人工智能、大数据等新一代信息技术领域的先天技术优势,能够快速应用到自动驾驶中,促进技术升级;
另一方面,其能够更加快速整合跨行业信息、金融、人才等资源,促进自动驾驶的快速推广与创新应用
未来一定会在互联网技术的发展会更加完善