智能駕駛的案例
經緯恒潤智能駕駛開發、測試評估平臺—智能駕駛測評工具系列（ICVT）
工具組中還有其他多種工具，未來還會根據市場的需求增加更多的產品，以滿足智能駕駛測試中的不同需求。
經緯恒潤智能駕駛開發、測試評估平臺——智能駕駛全量數據感知及分析系統
上一期給大家介紹了平臺的總體方案，本期從“單車智能”開發及測試的角度，為各位看官帶來智能駕駛全量數據感知及分析系統。
智能駕駛全量感知數據實時可視化系統，可實時展示車端各類傳感器數據，可實現感知系統自動對標，并可感知端獲取各類極限場景。包括以下幾部分組成：
智能駕駛數據采集分析及可視化系統
提供一套智能駕駛傳感器全量數據采集及分析軟硬件系統，傳感器數據同步，可實時在可視化界面展示各傳感器數據。
? 全量數據采集
? 定制化傳感器接入
? 遠程事件監控/數據傳輸
? 數據同步
? 數據可視化
? 定制化場景提取
? ADAS功能/測試信號分析
真值系統
真值系統，通過量化真值系統和本車系統的感知結果差異可以評價標注過程，軟件和模型訓練過程。
展開 智能駕駛需求的智能座艙升級方案
作者 |
Aimee
出品 |
焉知
知圈 |
進“電子電氣群”請加微13636581676,備注架構
當前汽車智能化應用大部分能與之關聯的是智能駕駛。實際上，真正的智能化有三大發展方向：駕駛自動化、座艙智能化、網聯智能化。要實現真正的無人駕駛汽車，既需要在智能網聯的幫助下，將人從動態駕駛任務中釋放出來，又需要促成座艙數字化、信息化、多功能化。即從自動駕駛到無人駕駛階段，娛樂域內部的ECU需要完成融合，將與自動駕駛域進行高速通信。智能座艙將完成對外部環境的可視化、完成對駕駛艙內人員的狀態、情緒的感知。同時，車載人機交互系統逐步整合，組成“電子座艙域”，并形成系統分層。
如上三個功能都是無人駕駛重點落地功能。實際上，真正的無人駕駛體驗感并不僅僅在于其駕駛本身，而是更多的傾注于對駕駛自動化實現之后的座艙智能化。數字座艙相對智能駕駛最大的不同在于：前者重點在于人機交互和信息服務體驗，安全風險較小；后者要控制車輛行駛，責任重大，落地難度也成倍增加。在新E/E架構幫助下，座艙域ADAS/AD最終會整合在一起，真正實現車輛的智能化控制。這個過程的意思是自動駕駛所實現的目標是完全解析駕駛員意圖，實現集通勤、辦公、休閑、娛樂于一體的“移動辦公休息室”。屆時，自動駕駛過程將不再加持下各種傳統汽車駕駛設備（方向盤、剎車、油門、甚至儀表也完全做到虛擬化），這時設備可以完全做到智能化折疊，并支持移動座椅的隨意布局，為乘員提供更舒適更靈活的空間提供保障。
整個駕駛座艙域的發展主要分為如下四個階段：
①.本地娛樂導航階段
這階段主要是原始的車機交互系統，各交互單元獨立運行。
展開 面向智能駕駛測試的仿真場景構建技術綜述
隨著汽車智能化程度的不斷提高，智能汽車通過環境傳感器與周邊行駛環境的信息交互與互聯更為密切，需應對的行駛環境狀況也越來越復雜，包括行駛道路、周邊交通和氣象條件等諸多因素，具有較強的不確定性、難以重復、不可預測和不可窮盡。限于研發周期和成本、工況復雜多樣性，特別是安全因素的考慮，傳統的開放道路測試試驗或基于封閉試驗場的測試難以滿足智能駕駛系統可靠性與魯棒性的測試要求。因此，借助數字虛擬技術的仿真測試成為智能駕駛測試驗證一種新的手段，仿真場景的構建作為模擬仿真的重要組成部分，是實現智能駕駛測試中大樣本、極限邊界小概率樣本測試驗證的關鍵技術，這對提升智能駕駛系統的壓力和加速測評水平顯得尤為重要。面向智能駕駛測試的仿真場景構建技術已成為當前汽車智能化新的研究課題和世界性的研究熱點，作為一種新興技術仍面臨許多挑戰。
隨著汽車智能化和共享化程度的不斷提高，智能駕駛汽車通過環境感知與周邊行駛環境的交互也在不斷增多，行駛環境已成為智能駕駛不可分割的重要組成部分。汽車的行駛環境涉及道路、氣象條件和交通狀況，其復雜性和動態變化是影響汽車智能駕駛系統性能最為關鍵的因素。因此，建立一種模擬和重現復雜開放行駛環境的仿真測試方法和系統，實現對汽車智能駕駛有效的測試驗證，是汽車智能駕駛技術與產品開發的關鍵技術，對于提升汽車智能化水平尤為重要。
汽車行駛環境包括行駛道路、周邊交通和氣象條件等諸多因素，其高逼真的重現和構建面臨諸多挑戰。隨著智能駕駛功能的不斷增強，汽車需應對的行駛環境越來越復雜，環境高度的不確定性、難以重復、不可預測和不可窮盡等特征使得有限的場地和道路測試遠遠無法復制、重現或窮舉行駛環境對智能駕駛系統的影響。一方面，限于研發周期和成本，現有的封閉場地測試和開放道路測試不僅周期長、成本高，無法滿足對系統數十億公里行程的大樣本和可靠性測試要求。
展開 
如何構建智能駕駛泛場景數據體系？
智能駕駛是中國未來十年科技發展面臨的最重要的機遇之一。駕駛場景數據是智能駕駛技術產品研發、測試驗證及落地應用的關鍵基礎數據。中國有全球最大的交通路網、最大的人口基數，中國的實際交通狀況紛繁復雜，適用于中國環境的駕駛場景數據更需要從真實世界數據出發，建立豐富和全面的駕駛場景庫，從而解決智能駕駛面臨的長尾問題。從企業側及行業側的迫切需求及海量數據的實踐應用出發，智能駕駛泛場景數據體系的建立迫在眉睫。
中汽數據有限公司（以下簡稱“中汽數據”）圍繞智能駕駛泛場景的應用與推廣，聚焦行業共性難題，從數據、場景、標準、評價多個維度展開研究及實踐，完成智能駕駛泛場景數據體系架構構建、跨仿真器通用場景數據驅動引擎工具鏈開發，并以標準及白皮書等形式面向國際持續輸出“中國經驗”，全方位促進智能駕駛技術研發落地。2022年3月4日，中汽數據面向全行業發布“智能駕駛場景數據體系”系列成果。
成果一：首次發布面向智能駕駛的泛場景數據體系架構
相對于傳統的“場景”概念，“泛場景”的概念是從基礎數據拓展到了業務應用，從智能駕駛系統核心安全理念出發，覆蓋智能駕駛全生命周期應用范疇。其中，泛場景數據不僅支持智駕系統研發及驗證，而且貫穿從設計、研發、驗證，并將場景延續到智能駕駛多個上下游領域，支持智能網聯汽車全生命周期生產研發。
中汽數據發布的“面向智能駕駛的泛場景數據體系架構”，是以基礎數據及行業需求為出發點，通過場景環境數據、車輛信息及駕駛人員信息等數據采集，數據清洗、數據標注、數據融合及數據分析等數據處理，打造包含功能場景庫、測試用例庫及訓練數據集的基礎場景庫，完善并豐富智能駕駛場景的現有理論。
展開 經緯恒潤全鏈路測試平臺，助力智能駕駛技術落地應用
汽車智能化浪潮洶涌而來，但智能駕駛汽車在真正商業化應用前，需要經歷大量的道路測試才能達到商用要求。作為新興事物，智能駕駛汽車仍面臨著大量問題需要克服，如道路測試的時間成本、各國對于自動駕駛的法律法規容忍度、極端場景及危險工況的測試安全性等問題，都給智能駕駛系統研發測試帶來諸多困難。經緯恒潤圍繞智能駕駛汽車開發，推出支撐全周期測試的仿真平臺，助力智能駕駛技術更高效地落地應用。
仿真環境
經緯恒潤自主研發INTEWORK系列工具軟件，ModelBase系列模型軟件，能夠針對智能駕駛感知規控算法進行集成測試，在算法開發階段即可開展測試工作，更早得發現問題。考慮到智能駕駛的長尾問題，經緯恒潤提供基于法規、經驗、典型事故的場景庫，豐富測試場景。同時，結合仿真云平臺，經緯恒潤還能夠實現多測試場景并發、超實時運行，提高開發測試效率。
虛實結合
模型代碼經過測試后，刷寫到智駕域控或中央計算單元中，進行硬件在環測試，可以結合真實的硬件響應，確保代碼在特定的硬件平臺下能夠高效穩定運行。智能駕駛是汽車電子最具前景的技術之一，作為國內汽車電子硬件在環設備先行者，經緯恒潤提供滿足L2-L4級別的智能駕駛算法驗證解決方案，擁有高渲染精度的仿真場景，針對攝像頭、超聲波、毫米波、激光雷達、高精定位、高精地圖等智能駕駛傳感器均有不同等級得解決方案，滿足客戶定制化的需求。近年來恒潤也支持一汽、上汽、長安、北汽、東風、江淮、蔚來、小鵬、車和家、清華、西安交大、北航等OEM和高?？蛻艚⑵鹱约旱?em>智能駕駛仿真系統，承接和交付不同級別智能駕駛仿真系統上百套，協助他們進行智能駕駛算法快速開發及驗證。
展開 進入“量產”深水區，智能駕駛將何去何從？
他提到，在智能駕駛的諸多挑戰中，目前最大的挑戰莫過于前裝量產。
從L2過渡到L3是一個重構突變，需要使用域控器架構、異構傳感器、異構芯片，甚至是大算力芯片，走向域控器架構所帶來的軟件架構、軟硬一體的挑戰和技術升級面對的挑戰首先是量產。
為此，國汽智控一直在推動操作系統適應域控的變化，提供完善領先的架構和標準開放的接口，實現架構和基礎軟件的工程化。
「真正的藍海應該是前裝量產市場。」他認為，Robotaxi或L4屬于場景降維、技術升維，但它以攻克某個場景為目標，并不注重車規級產品的流程、架構和設計。Robotaxi的很多技術積累對于量產沒有用，或有用的比較少。所以，對前裝量產市場來說，好的Robotaxi公司將優質資產剝離出來，變成一個to B產品，可能會找到一個位置。
他表示，下一步實踐的重點：一，滿足車規級產品量產落地，讓關鍵技術上車，實現高效迭代；二，重點平臺技術上車，搭載智能駕駛操作系統、域控制器，讓汽車產品真正數字化并支撐其持續升級；三，智能網聯始于智能駕駛，但不止于智能駕駛，將走向智能汽車全面的數字化。目前階段，仍圍繞智能駕駛技術核心進行研發，但不再限于L1、L2級，而是繼續突破高速領航、城市領航、行泊一體等高階智能駕駛功能。
作為智能駕駛操作系統的定義者和引領者，國汽智控一直致力于推動平臺化、高實時、高安全的智能網聯“中國方案”創新和落地。最近的2022年“智行杯”智能網聯汽車C-V2X應用示范活動暨車路云一體化實踐活動中，國汽智控攜手五大主機廠首次展示基于車云協同計算架構的智能網聯汽車“中國方案”，利用車車協同、車云協同，用1個攝像頭實現了ACC（自適應巡航控制）功能。這不僅證明了其方案跨平臺適配性及賦能智能駕駛快速落地的能力，更證明了產業各方對國汽智控方案的認可。
展開 上汽五菱與大疆“聯合造車”，打造“人民的智能駕駛”
在智能化的風口上，車企紛紛尋找自己的“意中人”，比亞迪、北汽找到了華為，吉利、長安選擇了百度，但不論如何選擇，車企向智能化方向邁進的步伐會越來越大、越來越快。一個是無人機巨頭，一個是為人民造車的五菱，兩者為何能組合在一起，如何實現共贏的？
大疆是跨界智能駕駛的黑馬
大疆主業是無人機，但一直在默默投入資本研究智能駕駛技術。
2016年，拿到了深圳第一批智能網聯汽車測試牌照，并開始各種道路場景的常態化、大規模測試。2019 年，大疆車載品牌正式成立，把自己定位于Teri1，并建設了首座車規級制造工廠，涉及智能駕駛系統及其核心零部件的研發、生產、銷售，目前相關的專利也已經超過了 1000 項。
無人機也涉及自動駕駛視覺感知定位等，所以大疆在對汽車智能化功能上的研究，可以說輕車熟路。既有針對量產車型的智能駕駛和智能座艙方案，又有針對更高階自動駕駛的前瞻性布局。
本次上海車展上，大疆車載帶來了城市、快速路、高速、泊車四個場景下的智能駕駛解決方案，分別是智能駕駛 D80/D80+、智能駕駛 D130/D130+、智能泊車 P100/P1000，并且都有了相應的 SOP 的規劃。
展開 針對智能駕駛的預期安全系統架構
作者 |
符永樂
來源 | 軒轅實驗室
本文來自軒轅實驗室符永樂的研究成果和學習筆記
作為未來智能駕駛的發展方向，關鍵技術的研究取得了重大進展。然而，由于近期無人駕駛事故頻發，安全性能令人擔憂。為了解決安全問題，提出了一種智能駕駛安全系統。該系統針對智能汽車感知、決策和控制方面的預期問題，實時提供安全分析和監控服務模塊?；陬A期功能安全的概念，對駕駛場景和系統安全進行分析和評估，以提高智能駕駛的安全性，有助于智能駕駛的發展。
1. 介紹
智能駕駛汽車的駕駛行為高度依賴于操作系統的穩定性、智能性、安全性。
安全風險主要來源于以下三類：
硬件安全
與傳統汽車相比，智能駕駛汽車不要求駕駛員直接控制車輛，而是將部分或者是全部的控制權限交由自動控制系統。硬件架構設置是否科學合理；各無人計算控制單元和控制器的設置是否完善；無人駕駛的傳感器是否完善；車輛能夠快速準確地獲取道路環境信息，車輛運動感知和信息融合功能在無人駕駛車輛中起著決定性作用。
軟件安全
與傳統汽車相比，自動駕駛汽車的開發時間較短，技術開發仍不成熟，軟件系統仍需要長期的可靠性分析。例如，著名的無人駕駛汽車制造商谷歌已經在無人駕駛汽車平臺上進行了9年的封閉式測試，但測試時間不夠，因素也相對很簡單。因此，其安全性和穩定性仍需要長期監測。
環境安全
在人工智能算法的基礎上，智能駕駛汽車能夠實現自動避障和完成自動駕駛在一些較為復雜的道路上。然而，無人駕駛汽車仍然需要其他的交通參與者的正確駕駛來駕駛。
展開 前沿 | 針對智能駕駛的預期安全系統架構
來源 |
軒轅實驗室
作為未來智能駕駛的發展方向，關鍵技術的研究取得了重大進展。然而，由于近期無人駕駛事故頻發，安全性能令人擔憂。為了解決安全問題，提出了一種智能駕駛安全系統。該系統針對智能汽車感知、決策和控制方面的預期問題，實時提供安全分析和監控服務模塊。基于預期功能安全的概念，對駕駛場景和系統安全進行分析和評估，以提高智能駕駛的安全性，有助于智能駕駛的發展。
1.介紹
智能駕駛汽車的駕駛行為高度依賴于操作系統的穩定性、智能性、安全性。
安全風險主要來源于以下三類：
硬件安全
與傳統汽車相比，智能駕駛汽車不要求駕駛員直接控制車輛，而是將部分或者是全部的控制權限交由自動控制系統。硬件架構設置是否科學合理；各無人計算控制單元和控制器的設置是否完善；無人駕駛的傳感器是否完善；車輛能夠快速準確地獲取道路環境信息，車輛運動感知和信息融合功能在無人駕駛車輛中起著決定性作用。
軟件安全
與傳統汽車相比，自動駕駛汽車的開發時間較短，技術開發仍不成熟，軟件系統仍需要長期的可靠性分析。例如，著名的無人駕駛汽車制造商谷歌已經在無人駕駛汽車平臺上進行了9年的封閉式測試，但測試時間不夠，因素也相對很簡單。因此，其安全性和穩定性仍需要長期監測。
環境安全
在人工智能算法的基礎上，智能駕駛汽車能夠實現自動避障和完成自動駕駛在一些較為復雜的道路上。然而，無人駕駛汽車仍然需要其他的交通參與者的正確駕駛來駕駛。只有當其他駕駛員做出正確駕駛的判斷時，無人駕駛汽車的測試才會相應做出正確、合理的判斷。
該論文在對無人駕駛事故和安全隱患的分析基礎上，提出了自動駕駛汽車的預期安全系統。
展開 抬頭顯示系統HUD（四）：AR-HUD與智能駕駛
作者 | HYZY
出品 | 焉知
一智能駕駛人機交互的設計原則
對于L3及L3以下的智能駕駛汽車來說，人和車需要協同合作，共同完成駕駛任務。在這個過程中，車和人之間主要的交互方式就是人機界面HMI。智能駕駛的人機界面需要使車了解駕駛員的命令和意圖，同時還要為用戶提供一個清晰的系統運行狀態，最終使用戶增強對系統的信任。
圖 1 自動駕駛交互界面
智能駕駛人機交互設計應遵循以下三條原則：
建立用戶信心：通過“你見即我見”及“決策預告”設計，將智駕系統感知信息及規劃、預測信息以視覺形式實時顯示給用戶，增強用戶使用信心；
明確駕駛責任分配：需通過視覺等形式清晰告知用戶，當前自己與系統所承擔的任務及擔負的責任；
駕駛接管：無論是系統接管用戶，還是用戶接管系統，交互設計都必須保證雙方對駕駛權的更替進行反饋認可。
二.AR-HUD的應用場景
智能駕駛人機界面中所有需要通過視覺顯示的內容，AR-HUD無疑都是一個理想選項。因為AR-HUD讓用戶得以和周圍環境直接互動，而不只是注意車前的位置。用戶可通過AR-HUD準確掌握自己的車在干什么。以下為具體的AR-HUD的應用場景：
1. 車道輔助
AR-HUD可根據智能駕駛系統輸入的車道線信息，將圖像直接顯示在真實的車道線上，可增強車道輔助類智能駕駛功能體驗效果。
圖 2 AR-HUD車道輔助
2.
展開 
智能駕駛中的底盤控制技術優化設計方案
下一代智能駕駛想要將智能駕駛業務充分納入到頂層控制單元中，就必須考慮重新對智能駕駛團結隊進行分工。建議可以從如下圖的方式進行。
智能駕駛中的底盤控制技術優化設計方案
下一代智能駕駛想要將智能駕駛業務充分納入到頂層控制單元中，就必須考慮重新對智能駕駛團結隊進行分工。建議可以從如下圖的方式進行。
由“滴滴”事件引發的智能駕駛思考
而除此以外，這些數據本身對于智能駕駛的研發來說也彌足珍貴，可以作為讓產業彎道超車的資源。新能源汽車上采用永磁同步電機效率更高，國內廠家大多使用，然而國外廠家常用異步感應電機。這是因為永磁同步電機的永磁體需要稀土材料，而中國是世界上稀土資源最多的國家。類似地，中國有廣闊的土地，充足的用戶，足夠復雜的道路使用場景，這些都是智能駕駛研發的關鍵數據。對這些數據實行相應的本土保護，也可以助力本地車企在智能駕駛領域進一步超車。這對汽車行業來說具有戰略意義。
外資企業在中國研發智能駕駛的難點
其實目前汽車行業中已經存在不少外資企業在中國研發智能駕駛的難點。
圖：高精地圖示意圖
在具備相應傳感器硬件能力的條件下，常規的ACC（自適應巡航）和LKA（車道保持）等功能與HWP（高速功能輔助）和TJP（交通擁堵輔助）等功能的ODD差別就是是否具備高精地圖信息。目前高精地圖的接口沒有標準化定義，地理采集也需要國家資質。這就導致許多外資企業研發針對中國市場的智能駕駛方案時必須使用國內圖商提供的地圖，無法直接復制國外算法。
而這對傳感器感知算法研究的影響更加大。
按照國家法律法規要求，只有具備相應資質才能采集地理信息，更不能隨便把地理信息發到國外。下圖是典型的傳感器感知算法工程師電腦屏幕截圖。感知算法一般需要視頻或圖片等數據采集確認實際場景，同時需要傳感器的原始數據 (raw data) 來判斷數據特征。比如激光雷達以及4D成像雷達等原始數據都會包含道路環境高度信息。
圖：常見的感知算法調試界面
對于外資企業來說，其核心感知算法研發一般也在國外。
展開 一個中央處理器的智能駕駛以及座艙解決方案
來源 | Vehicle
相信大家都聽軟件定義汽車，智能駕駛座艙和駕駛的概念很久了，但如何才能實現，到底牽扯哪些技術和供應鏈支持呢？可能鮮有人能夠指出和說明。其中軟件定義汽車智能駕駛座艙和自動駕駛他需要的根本是所有信息的融合以及統一處理再發布執行輔助以豐富的人機交互，顯然他的高效方式是需要一個中央處理器進行統一處理。
本文將就英偉達等發布的技術資料進行整理分享
什么是一個中央處理器的智能駕駛以及座艙解決方案？
未來以及當前采用的企業有哪些呢？
需要哪些技術和供應鏈支持
希望能給你一些認識和啟發
什么是一個中央處理器的智能駕駛以及座艙解決方案？
展開 