电动汽车自动驾驶
电动汽车 & 自动驾驶
电动汽车相对于传统燃油汽车在自动驾驶方面有先天优势,一方面是汽车的电动化和智能化刚好碰在一起发展,另一方面是电动机作为执行器,系统可以直接通过电信号来控制车辆的转向、加速、减速等过程,同时有更高的控制精度、更快的响应,以及更好的准确性和稳定性。
自动驾驶系统的基本组成部分包括感知(Perception)、决策(Planning)和执行(Control)。感知主要依靠传感器,包括摄像头、毫米波雷达、激光雷达(LiDAR)、超声波雷达等多种传感器。自动驾驶系统利用这些传感器采集路况信息,经计算机处理后实现对车辆周围状况的感知。
自动驾驶实现方式
经过长时间的探索,对于自动驾驶技术的落地方式,行业的共 识是“单车智能 + 车路协同”,两者相辅相成。
激光雷达 + 摄像头 + 毫米波雷达
简单来说,激光雷达由激光发射器、光学接收器、信息处理系统 3 部分组成。激光雷达向外界发射激光脉冲,并通过内部旋转装置,对周围环境进行旋转扫描,每一次扫描都可以获得巨量的空间信息点,这些空间信息点的集合就被称作“点云”数据(Point Cloud)。由点云数据构成的三维图也就称作点云图,从而绘制出环境地图,达到环境感知的目的。
与摄像头相比,激光雷达的优势在于测距距离远、速度分辨率高、能创建出目标清晰的 3D 图像,基本可以实现所见即所得的特点。同时,还具备抗干扰能力强、全天候工作等摄像头难以实现的优点。
激光雷达 | 摄像头 | |
---|---|---|
测距距离 | 200 米左右 | 100 米左右 |
分辨率 | 高 | 较高 |
维度 | 3D | 2D |
特点 | 所见即所得 | 图像识别 |
感知、决策与执行
自动驾驶实现路径上来看,最核心的是解决三个问题:“我在哪?”、“我要去哪”、“我要如何去”。
按照行话来说就是:感知、决策与执行。更形象的来说,感知层就相当于人的五官,感知周围的环境,搜集数据传输到决策层;决策层相当于人的大脑,处理感知层传输的数据,输出相应的操作指令给执行层;执行层相当于人的四肢,执行大脑给出的指令。
激光雷达,因为具有可准确获取目标的三维信息、分辨率高、 抗干扰能力强、探测范围广、近全天候工作等优点,在智能驾驶环境感知系统中占据了重要地位。但激光雷达仅仅只是一个数据收集的传感器,并不具备决策和执行的能力。换句话说,激光雷达只是承担了“眼睛”的角色。
**有了千里眼还不够,关键还得靠利用好激光雷达所产生的数据,也就是靠算法。**本质上,各类自动驾驶功能均依靠特定的应用算法开发实现。自动驾驶的环境复杂多变,从庞杂的激光雷达点云数据中准确快速地提取有效数据,并正确理解与分析有用信息是激光雷达应用算法开发的终极目标。
但还是会有不少问题。比如目前,自动驾驶激光雷达应用算法尚没有统一的框架和评判标准,具有较强的针对性和一定的特殊性。往往是精度越高、适应性越差,使用范围相当有限。面对各类复杂多变的自动驾驶场景,使算法具有扩展性和可移植性,提升算法的自适应性尤为必要。
另外还有数据驱动的功能迭代,也是考验车企的一道坎。
感知和规划全都是由数据驱动。数据驱动的优势在于,智能驾驶系统中,遇到的 corner case 的数量级是超过百万级,这仅靠工程师去优化是不可能的。因此真正强大的智能驾驶一定要靠数据驱动,把大量概率小但会碰到的场景,通过数据化的方式去迭代和优化。
感知层
感知模型是基于概率的弱推理产出最小化误差的强决策模型,因此误差的产生无法避免,而 ISO 21448 SOTIF 标准则是为了将误差的出现概率将至可接受风险范围内而设立的标准,目的是减小自动驾驶系统由于传感器的局限性和驾驶员的误用而产生的风险。