首页 > 自动驾驶 > 正文

行业 | 自动驾驶和你想的 “不一样”

2018-11-15 22:42:09·  来源:Imagination Technologies
   
在未来20 - 30年中,自动驾驶汽车(AV)将改变我们的驾驶习惯、运输行业并更广泛地影响社会。我们不仅能够将汽车召唤到我们的家门口并在使用后将其送走,自动驾驶汽车还将挑战个人拥有汽车的想法,并对环境和拥堵产生积极影响。市场调研
在未来20 - 30年中,自动驾驶汽车(AV)将改变我们的驾驶习惯、运输行业并更广泛地影响社会。 
我们不仅能够将汽车召唤到我们的家门口并在使用后将其送走,自动驾驶汽车还将挑战个人拥有汽车的想法,并对环境和拥堵产生积极影响。
 
市场调研公司ABI Research预测:到2030年,道路上四分之一的汽车将会是自动驾驶汽车。
 
行业专家已经为自动驾驶的发展定义了五个级别。 每个级别分别描述了汽车从驾驶员那里接管各项任务和责任的程度,以及汽车和驾驶员之间如何互动。
 
 诸如自适应巡航控制这类功能是先进驾驶员辅助系统(ADAS)的示例,并且可以被认为是第1级的能力。 
 
目前,市场上出现的一些新车正在实现第2级功能;但作为一个行业,我们仅仅是才触及ADAS系统的表面,更不用说完全自主驾驶了。
自动驾驶的五个级别
 
自动驾驶的级别
 
当我们去逐级实现自动驾驶的不同级别时,处理能力对于实现完全自动化这一愿景至关重要,此时驾驶员可以“放开方向盘、移开目光和放飞心灵”。 
 
在这个级别上,车内的人只是乘客;同时因为没有司机,所以也不需要方向盘。 然而,在我们实现该目标之前,我们应该首先了解从非自动驾驶到完全自动驾驶之间的各种级别。
 
ADAS/AV有三个主要元素:传感、计算和执行。
用感知去捕捉车辆周围环境的现状。 这是靠使用一组传感器来完成的:雷达(长距离和中距离),激光雷达(长距离),摄像头(短距离/中距离),以及红外线和超声波。
 这些“感官”中的每一种都能捕捉到它所“看到”的周围环境的变体。 它在此视图中定位感兴趣的和重要的对象,例如汽车、行人、道路标识、动物和道路拐弯。
 
汽车从激光雷达、雷达和摄像头中看到的视图
 
计算阶段是决策阶段。 在这个阶段中,来自这些不同视图的信息被拼合在一起,以更好地理解汽车“看到”的内容。
 例如,场景中到底发生了什么? 移动物体在哪里? 预计的动作是什么?以及汽车应该采取哪些修正措施? 是否需要制动和/或是否需要转入另一条车道以确保安全?
 
执行即最后阶段是汽车应用这一决策并采取行动,汽车可能会取代驾驶员。
 
它可能是制动、加速或转向更安全的路径;这可能是因为驾驶员没有注意到警告,及时采取行动并且即将发生碰撞,或者它可能是完全自主系统的标准操作。
 
第2级实际上是ADAS路径的起点,其中可能在安全解决方案包中制定多种单独的功能,例如自动紧急制动、车道偏离警告或辅助保持在车道中行驶。
 
第3级是驾驶员可以“移开目光”一段时间,但必须能够在出现问题时立即接管。
 
第4级和第5级两者都可提供基本上是完全的自动驾驶。 它们之间的区别在于:第4级驾驶将限于诸如主要高速公路和智慧城市这样的具有地理缓冲的区域,因为它们会重度依靠路边的基础设施来维持其所在位置的毫米级精度画面。
 
第5级车辆将可在任何地点实现自动驾驶。在这个级别,汽车甚至可能没有方向盘,并且座椅可以不是都面向前方。
自动驾驶所需要的能力
 
在自动驾驶的每个级别上,应对所有数据所需的处理能力随级别的提升而迅速增加。根据经验,可以预计从一个级别到下一个级别的数据处理量将增加10倍。
 
 对于完全自动驾驶的第4级和第5级,我们将看到数十万亿次浮点运算的处理量。
 
从传感器的角度来看,下表为您提供了其需求量的一个指引。 第4级和第5级将需要多达八个摄像头,尽管人们甚至已经提出了需要更高的摄像头数量。
 
自动驾驶和应用的不同级别
 
展望未来
 
随着我们走向采用无人驾驶汽车的未来,所需的计算能力将随着传感器的数量、帧速和分辨率而扩展。 
 
从性能和功率两个角度来看,卷积神经网络正在成为解释图像数据的最有效方式。 
 
这将引领在网络的边缘放置更多处理资源的趋势,例如在汽车案例中,计算资源是在汽车自身内部,而不是将该处理能力卸载到云并且依赖于始终在线的蜂窝连接。 
 
对于那些提供处理能力、算法和训练数据的人来说,自动驾驶潜藏着巨大的机会并将成为现实。