0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

視覺系統(tǒng)對自動駕駛至關(guān)重要|數(shù)據(jù)堂

BJ數(shù)據(jù)堂 ? 來源:BJ數(shù)據(jù)堂 ? 作者:BJ數(shù)據(jù)堂 ? 2023-06-26 17:23 ? 次閱讀

自動駕駛汽車(AV)的承諾是,其將比人為控制的車輛安全得多,并大幅減少事故的發(fā)生。它需要眾多技術(shù)的支持,才能在沒有駕駛員駕駛的情況下運行,這些技術(shù)包括攝像頭、激光雷達、雷達、超聲波、車輛對一切(V2X)和全球定位系統(tǒng)(GPS)等。自動駕駛汽車的最終目標是提供一輛無需人為干預(yù)的,可以在所有道路類型、所有環(huán)境(城市、鄉(xiāng)村)和所有天氣條件中行駛的全自動汽車——但實現(xiàn)這一目標還需要一些時間。在此之前,先進駕駛輔助系統(tǒng)(ADAS)和自動駕駛汽車將橫跨整個技術(shù)領(lǐng)域不斷演進,沿著國際自動機工程師學(xué)會(SAE International)規(guī)定的自動駕駛級別一步步向上發(fā)展,從L1級一直提升到L5級。


自動駕駛汽車發(fā)展的關(guān)鍵因素之一是車載傳感器,它使汽車能“看清”道路,并幫助汽車了解周圍發(fā)生的事情——在大多數(shù)情況下,這種感測能力比任何人所能做到的都要好。自動駕駛汽車需要能分辨其前進途中出現(xiàn)的人或物,并識別出道路系統(tǒng)的各項特征,同時要不斷去應(yīng)對各種交通問題和我們每天在路上要處理的其他挑戰(zhàn)。為了邁過這些發(fā)展障礙,自動駕駛汽車需要用到攝像頭、雷達、激光雷達和紅外線等一系列技術(shù)。


隨著我們從L1級向L5級自動駕駛發(fā)展,傳感器的數(shù)量會大規(guī)模增長,為了處理傳感器所帶來的不斷增加的數(shù)據(jù)帶寬,我們需要大幅提升處理能力。這將確??梢詫θ澜缃煌I(lǐng)域內(nèi)正在發(fā)生的事情進行實時的信息提取和更新。處理能力是自動駕駛汽車一個至關(guān)重要的組成部分,它的重要性不容低估,當我們討論傳感器及其在自動駕駛汽車中的應(yīng)用時,也應(yīng)該將處理能力考慮在其中。

強大的功能帶來出色的處理能力
當一輛新車面世時,許多人都想知道引擎蓋下面有什么。對于自動駕駛汽車來說,更重要的是要知道后備箱里有什么,因為如今處理能力往往內(nèi)置于后備箱中。整車廠(OEM)必須為其車輛配備必要的技術(shù),以確保所有ADAS和自動駕駛功能都能按照其設(shè)計來執(zhí)行。圖形處理器GPU)和神經(jīng)網(wǎng)絡(luò)加速器(NNA)將在這一發(fā)展過程中扮演關(guān)鍵的角色。


GPU已經(jīng)允許汽車制造商將多個攝像頭的數(shù)據(jù)流拼接在一起,以創(chuàng)建360度汽車環(huán)繞視圖。NNA則可以支持多核人工智能AI芯片進行大規(guī)模并行計算,實現(xiàn)道路標志識別、行人檢測和自動駕駛等功能。隨著開始整合大量的傳感器,移動出行將在未來10到20年迅速向自動駕駛邁進。下面讓我們來了解一些傳感器系統(tǒng),它們將助力全自動駕駛汽車成為現(xiàn)實。


攝像頭
多年來,攝像頭一直是汽車中的主要設(shè)備,其首要功能就是在倒車時提供更好的視野。除了現(xiàn)在各地區(qū)的行業(yè)機構(gòu)強制要求的倒車攝像頭之外,攝像頭也正在成為強化ADAS功能的基本要求,以及自動駕駛汽車的關(guān)鍵要素。攝像頭可以作為汽車的眼睛,以類似人眼的方式觀察道路上的各種細節(jié)。更高的分辨率意味著可以從更遠的距離探測目標,并了解其情況。由于攝像頭是唯一能夠檢測顏色的傳感器,因此它們是實現(xiàn)交通信號燈檢測、道路標志讀取等功能的基本要素。它們可以輔助自適應(yīng)巡航控制和緊急制動功能,也可以作為自動化解決方案中的主傳感器。


激光雷達
激光雷達(LIDAR,Light Detection and Ranging,光探測和測距)幾乎在每一輛進行測試的自動駕駛汽車上都可以找到。激光雷達旨在提供一個完整的360度全景視圖,它使用激光脈沖以三維“點云”的形式實現(xiàn)車輛周邊環(huán)境的可視化。該技術(shù)已經(jīng)極為成功地幫助許多整車廠將自己在自動駕駛汽車方面的雄心壯志付諸實踐。它的功能足夠強大,可以獨立工作;它的功能也非常全面,可以與其他傳感器配合使用。還可以使用多個激光來實現(xiàn)更強大的自動駕駛汽車功能。目前在自動駕駛汽車系統(tǒng)中,激光雷達還是一個昂貴的選擇,許多公司正致力于降低其成本,從而使汽車制造商可以在中檔和高檔車型中使用。


雷達
雷達已經(jīng)在飛機上使用了數(shù)十年,不過它很快就會成為未來移動出行領(lǐng)域一項必不可少的技術(shù)。攝像頭和激光雷達很適合觀察汽車的周邊環(huán)境,而雷達在檢測被自然或人造障礙物阻擋的運動物體方面則格外有用。例如,當鹿隱藏在樹的后面時,肉眼是無法看到的,但是雷達可以探測到鹿的存在,并顯示警告或自動減速以防止發(fā)生碰撞。雷達往往采用窄聚焦的遠程波束或大面積的低頻波束,來探測汽車前方周邊區(qū)域中的物體。雷達的優(yōu)勢在于能及早地探測到物體并了解其速度和方向。這對于預(yù)測車輛視野中其他交通參與者的移動路徑至關(guān)重要。


聲吶
潛艇依靠聲吶技術(shù)來探測海洋,并避免與船只、動物及其他潛艇發(fā)生碰撞?,F(xiàn)在,這項技術(shù)以傳感器的形式進入了移動出行領(lǐng)域,該傳感器可以通過檢測反射聲波來確定物體相對于車輛的位置。這對于確定行人在人行橫道上的位置非常有用,甚至可以發(fā)現(xiàn)潛藏在附近的小動物。和雷達一樣,該技術(shù)也可以在各種環(huán)境條件下檢測運動物體。


紅外線
紅外傳感器在手機和其他電子產(chǎn)品中很常見,可以提高圖像質(zhì)量、人臉識別能力,以及其他多項特性。自動駕駛汽車也可以使用紅外傳感器,而且很可能是與其他技術(shù)結(jié)合使用。例如,如果用紅外傳感器構(gòu)建一個熱成像攝像頭,那么紅外線就可以幫助車輛在雨、霧、塵土和煙霧等環(huán)境中看得更清楚。這一功能幾乎可以使路上行駛的每一輛汽車在雨天和霧天受益,而且還可以造就令人難以置信的機會使自動駕駛汽車不受塵土或煙霧的干擾。請想象一下,當急救人員使用這種車輛時將擁有多么大的優(yōu)勢。


移動出行的未來
Imagination的嵌入式GPU可以提供市場領(lǐng)先的性能、低功耗和小尺寸等優(yōu)勢,同時可以支持行業(yè)最新的應(yīng)用編程接口(API)。這些優(yōu)勢使我們的IP非常適合于滿足汽車行業(yè)所需的高性能,即使是支持多個屏幕。我們的GPU還可以為未來基于ADAS的計算應(yīng)用提供其所需的GFlops(每秒十億次浮點運算)級別的處理能力。

數(shù)據(jù)堂自有數(shù)據(jù)集的“智能駕駛數(shù)據(jù)解決方案”中掌握著駕乘人群的行為數(shù)據(jù),不僅包含駕駛員行為標注數(shù)據(jù)50種動態(tài)手勢識別數(shù)據(jù),103282張駕駛員行為標注數(shù)據(jù)等,還包1300萬組人機對話交互文本數(shù)據(jù),245小時車載環(huán)境普通話手機采集語音數(shù)據(jù)。不管是街景場景數(shù)據(jù),駕駛員行為數(shù)據(jù),還是車載語音數(shù)據(jù),數(shù)據(jù)堂基于Human-in-the-loop智能輔助標注技術(shù)”和豐富的AI數(shù)據(jù)項目實施經(jīng)驗及完善的項目管理流程,支持智能駕駛場景下駕駛艙內(nèi)、艙外的圖像、語音數(shù)據(jù)采集任務(wù),輔助智能駕駛技術(shù)在復(fù)雜多樣的環(huán)境下更好的感知實際道路、車輛位置和障礙物信息等,實時感知駕駛風(fēng)險,實現(xiàn)智能行車、自動泊車等預(yù)定目標。對于智能駕駛而言將是其他企業(yè)難以企及的優(yōu)勢。


無論是為了避免與另一輛突然停住的汽車相撞而剎車,還是防止駕駛員偏離車道,視覺系統(tǒng)都可以挽救生命,并避免產(chǎn)生高昂的維修費用。但它們也需要足夠的處理能力,以確保所有車載傳感器的功能都得到充分利用

審核編輯黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 雷達
    +關(guān)注

    關(guān)注

    50

    文章

    2847

    瀏覽量

    117049
  • 視覺系統(tǒng)
    +關(guān)注

    關(guān)注

    3

    文章

    329

    瀏覽量

    30658
  • 自動駕駛
    +關(guān)注

    關(guān)注

    782

    文章

    13548

    瀏覽量

    165771
收藏 人收藏

    評論

    相關(guān)推薦

    基于場景的自動駕駛驗證策略

    自動駕駛功能的出現(xiàn)可以很大地降低由人為因素造成的交通事故,隨之如何檢驗和驗證自動駕駛系統(tǒng)及車輛的可靠性變得至關(guān)重要。但常見的測試驗證手段通常伴隨著高昂的投入成本,因此使得驗證過程變得十
    的頭像 發(fā)表于 10-22 16:14 ?96次閱讀
    基于場景的<b class='flag-5'>自動駕駛</b>驗證策略

    自動駕駛HiL測試方案案例分析--ADS HiL測試系統(tǒng)#ADAS #自動駕駛 #VTHiL

    自動駕駛
    北匯信息POLELINK
    發(fā)布于 :2024年10月22日 15:20:19

    激光雷達與純視覺方案,哪個才是自動駕駛最優(yōu)選?

    自動駕駛技術(shù)作為現(xiàn)代交通領(lǐng)域的顛覆性創(chuàng)新,已經(jīng)成為全球汽車制造商和技術(shù)公司的戰(zhàn)略重點。自動駕駛技術(shù)的核心在于車輛感知環(huán)境的能力,這決定了系統(tǒng)能否在復(fù)雜的道路條件下做出安全、有效的決策。當前,感知技術(shù)
    的頭像 發(fā)表于 09-29 10:47 ?313次閱讀

    FPGA在自動駕駛領(lǐng)域有哪些優(yōu)勢?

    。 硬件級安全: 自動駕駛系統(tǒng)對安全性有極高的要求。FPGA的硬件級安全性使其能夠在硬件層面實現(xiàn)數(shù)據(jù)加密、防篡改和防攻擊等安全功能,確保自動駕駛
    發(fā)表于 07-29 17:11

    FPGA在自動駕駛領(lǐng)域有哪些應(yīng)用?

    數(shù)據(jù)的實時處理和反饋,為自動駕駛汽車的決策提供實時、準確的數(shù)據(jù)支持。 三、控制系統(tǒng)優(yōu)化自動駕駛汽車的控制
    發(fā)表于 07-29 17:09

    自動駕駛識別技術(shù)有哪些

    自動駕駛的識別技術(shù)是自動駕駛系統(tǒng)中的重要組成部分,它使車輛能夠感知并理解周圍環(huán)境,從而做出智能決策。自動駕駛識別技術(shù)主要包括多種傳感器及其融
    的頭像 發(fā)表于 07-23 16:16 ?426次閱讀

    深度學(xué)習(xí)在自動駕駛中的關(guān)鍵技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,自動駕駛技術(shù)作為其中的重要分支,正逐漸走向成熟。在自動駕駛系統(tǒng)中,深度學(xué)習(xí)技術(shù)發(fā)揮著至關(guān)重要的作用。它通過模擬人
    的頭像 發(fā)表于 07-01 11:40 ?579次閱讀

    特斯拉擬在華建數(shù)據(jù)中心,加速自動駕駛發(fā)展

    據(jù)知情人士透露,特斯拉正計劃在中國境內(nèi)建立數(shù)據(jù)中心,此舉是埃隆·馬斯克全球自動駕駛戰(zhàn)略的重要一環(huán)。新數(shù)據(jù)中心將專門用于訓(xùn)練自動駕駛車輛所需的
    的頭像 發(fā)表于 05-20 10:12 ?386次閱讀

    未來已來,多傳感器融合感知是自動駕駛破局的關(guān)鍵

    巨大的進展;自動駕駛開始摒棄手動編碼規(guī)則和機器學(xué)習(xí)模型的方法,轉(zhuǎn)向全面采用端到端的神經(jīng)網(wǎng)絡(luò)AI系統(tǒng),它能模仿學(xué)習(xí)人類司機的駕駛,遇到場景直接輸入傳感器數(shù)據(jù),再直接輸出轉(zhuǎn)向、制動和加速信
    發(fā)表于 04-11 10:26

    自動駕駛數(shù)據(jù)集的生成模型之WoVoGen框架原理

    生成多攝像頭的街景視頻對于增加自動駕駛數(shù)據(jù)至關(guān)重要,解決了對廣泛而多樣的數(shù)據(jù)的迫切需求。由于多樣性的限制和處理光照條件的挑戰(zhàn),傳統(tǒng)的基于渲染的方法越來越多的被基于擴散的方法所取代。
    發(fā)表于 01-25 15:26 ?492次閱讀
    <b class='flag-5'>自動駕駛</b><b class='flag-5'>數(shù)據(jù)</b>集的生成模型之WoVoGen框架原理

    語音數(shù)據(jù)集在自動駕駛中的應(yīng)用與挑戰(zhàn)

    隨著人工智能技術(shù)的快速發(fā)展,自動駕駛汽車已經(jīng)成為交通領(lǐng)域的研究熱點。語音數(shù)據(jù)集在自動駕駛中發(fā)揮著重要的作用,為駕駛員和乘客提供了更加便捷和安
    的頭像 發(fā)表于 12-25 09:48 ?472次閱讀

    LabVIEW開發(fā)自動駕駛的雙目測距系統(tǒng)

    LabVIEW開發(fā)自動駕駛的雙目測距系統(tǒng) 隨著車輛駕駛技術(shù)的不斷發(fā)展,自動駕駛技術(shù)正日益成為現(xiàn)實。從L2級別的輔助駕駛技術(shù)到L3級別的受條件
    發(fā)表于 12-19 18:02

    自動駕駛的新寵:毫米波雷達技術(shù)的探索與挑戰(zhàn)

    隨著科技的不斷進步,自動駕駛汽車的發(fā)展已經(jīng)成為交通產(chǎn)業(yè)的一大趨勢。在這個過程中,毫米波雷達技術(shù)的應(yīng)用發(fā)揮著至關(guān)重要的作用。本文將對毫米波雷達技術(shù)進行詳細介紹,并分析其在自動駕駛領(lǐng)域的應(yīng)用,最后探討該技術(shù)的發(fā)展趨勢和挑戰(zhàn)。
    的頭像 發(fā)表于 12-07 11:32 ?1556次閱讀
    <b class='flag-5'>自動駕駛</b>的新寵:毫米波雷達技術(shù)的探索與挑戰(zhàn)

    EmerNeRF:全面基于NeRF的自動駕駛仿真框架,無需分割

    自動駕駛中,感知、表示和重建動態(tài)場景對于代理程序理解并與其環(huán)境進行交互至關(guān)重要。
    的頭像 發(fā)表于 11-21 10:23 ?3271次閱讀
    EmerNeRF:全面基于NeRF的<b class='flag-5'>自動駕駛</b>仿真框架,無需分割

    自動駕駛公開數(shù)據(jù)集的現(xiàn)狀與挑戰(zhàn)

    一方面,自動駕駛技術(shù)需要大量數(shù)據(jù)來訓(xùn)練算法模型,以識別和理解道路環(huán)境,從而做出正確的決策和行動,實現(xiàn)準確、穩(wěn)定和安全的駕駛體驗,數(shù)據(jù)的建設(shè)對于自動駕
    發(fā)表于 11-08 11:23 ?539次閱讀
    <b class='flag-5'>自動駕駛</b>公開<b class='flag-5'>數(shù)據(jù)</b>集的現(xiàn)狀與挑戰(zhàn)