自動駕駛系統
關注創建者：?？怂箍翟O計與仿真 創建時間：2021-03-01
自動駕駛系統的視頻教程
Ansys面向自動駕駛的設計探索和魯棒性分析技術
會議簡介： 自動駕駛車輛必須要駕駛數億英里，有時甚至數千億英里才能證明其在防止死亡率和受傷方面的可靠性。但由于失效事件比較罕見，因此僅憑實際駕駛數據不能對自動駕駛系統在預防傷亡方面的安全性提供高置信度。為此，Ansys提供了靈活的樣本生成策略，可以生成最小的有效樣本，從而構建自動駕駛系統關鍵參數間的響應關系。
免費 30分鐘 91播放
查看
CES 2020自動駕駛演講
MobileyeCEO Amnon Shashua教授 在CES 2020上關于自動駕駛的主題演講完整版 視頻內容 1. 2019年業務表現、訂單量披露； 2. Mobileye五大業務支柱詳解，包括：ADAS、REM地圖（ADAS和自動駕駛）、智慧城市數據、移動即服務（MaaS)、全棧自動駕駛系統（乘用車）。
免費 57分鐘 86播放
查看
自動駕駛系統的實例教程
此外，美國聯邦公路管理局還更廣泛地向道路基礎設施的規劃、開發、養護和運行單位征求意見，了解需要地方各相關機構為支持自動駕駛系統所需要做的工作和相關的實施成本細節。
更能充分發揮車燈作用的水下反光標線與傳統標線的對比照片（網絡圖片），以改善人眼和機器視覺對標線的夜間視認性，這都屬于為自動駕駛系統提供服務的努力（目前自動駕駛系統最快的技術進展之一，就是標線的自動識別和車道保持警示系統的開發，已在很多車上得以實現）。
公開征詢意見的重點
征詢意見的范圍，主要包括以下10個問題：
1、道路的什么特征對自動駕駛系統的安全、效率和性能表現重要？何種基礎設施的物理元素（如車道標識標線、信號等）對自動駕駛系統是必須的？如果有，自動駕駛系統解讀這些設施，目前有什么樣的挑戰？這些特征是對所有級別的自動系統都重要，還是只對特定級別的系統才重要？
2、不符合統一標準的交通控制設施，對自動駕駛系統技術的挑戰是什么，對自動駕駛系統的成本有什么影響？
3、對自動駕駛系統來說，設施維護水平（如標線質量和路面質量）會有什么影響，包括技術或安全成本？
4、聯邦公路管理局應如何參與行業和自動駕駛技術開發者的工作以理解潛在的對基礎設施的要求？有什么特殊的行業問題，需要聯邦公路管理局直接參與？
5、要使自動駕駛系統和路側基礎設施之間，就需要的信息進行交換，數字化基礎設施和數據的角色是什么？
展開 從長遠來看，最先進的自動駕駛系統將反映在交通事故統計中，并將不斷提高新的自動駕駛系統的驗證目標值。
本文的目標是提出一種解決自動車輛帶來的風險的通用方法。
此通用方法可以作為安全自動駕駛的基準，但不包含完整且安全的特定產品。預期功能的安全性，功能安全性和網絡安全性如何一起工作，以及如何將它們組合在一起以創建一個可靠的系統。
自動駕駛的安全分析能力推導
自動駕駛系統具有一組基本的系統屬性，此處將這些屬性指定為功能。這些功能分為故障安全功能（FS）和故障降級功能（FD）。故障安全功能可提供并實現客戶價值，但是它們還可以使系統在發生故障時達到最小風險狀態。故障安全功能可能會中斷，因為其不可用時的安全相關性較低，也可能被故障降級功能所覆蓋。
在系統正常運行期間，可以使用機器人技術和自動駕駛控制中經典的軟件架構 — “感知-規劃-決策執行”設計范式來理解系統運行。在此模型中，感測、規劃、控制以及制動和穩定性執行策略為自動駕駛系統提供了與實現無關的一般視圖。如下圖展示了這種常用模型：
該模型中顯示的感知端詳細闡述了包含如下幾個分類信息：
1）V2x：包括V2V、V2I、V2P等；
2）環境感知傳感器：Radar、Camera、Lidar等；
3）先驗環境感知：HD-Map；
4）車輛狀態：車身信息（如速度、加速度、橫擺率、轉向角等）；
5）駕駛員狀態：疲勞、注意力狀態等；
6）交通規則、人機交互接口；
功能目標分解——故障安全功能
基于自動駕駛系統功能對感知，規劃和決策的基本功能分配，可以為自動駕駛車輛合理安全且與要素分配相關功能安全需求，如下圖所示。
展開 摘要
近年來,基于深度學習的視覺感知技術的發展極大地促進了車聯網領域中自動駕駛的繁榮,然而自動駕駛系統的安全問題頻出引發了人們對自動駕駛未來的擔憂．由于深度學習系統的行為缺乏可解釋性,測試基于深度學習的自動駕駛系統的安全性極具挑戰性．目前已有針對自動駕駛場景的安全性測試工作被提出,但這些方法在測試場景生成、安全問題檢測和安全問題解釋等方面仍存在不足之處．針對基于視覺感知的自動駕駛系統,設計開發了一種場景驅動的、可解釋強的、運行高效的安全性測試系統．提出了一種能夠平衡真實性與豐富度的場景描述方法,并利用實時渲染引擎生成可以用于駕駛系統安全性測試的場景;設計了一種高效的針對非線性系統的場景搜索算法,其可以針對不同的待測試系統動態調整搜索方案;同時,還設計了一個故障分析器,自動化分析定位待測試系統的安全性缺陷成因．復現了現有基于實時渲染引擎的動態自動駕駛測試系統,并同時使用本系統和復現系統對CILRS系統和CIL系統進行安全測試,實驗結果表明相同時間下本工作的安全問題發現率是復現的場景驅動的動態測試方法的1.4倍．進一步的實驗表明,可以分別為具有代表性的深度學習自動駕駛系統CIL和CILRS,從曠野、鄉村與城市的３類環境中動態生成的共3000個場景中,搜索到1939和1671個造成故障的場景,并且每個故障場景的搜索時間平均為16.86s．分析器從統計的角度判斷出CILRS系統容易造成故障的區域在道路兩側,雨天和紅色或黃色物體更易造成該自動駕駛系統發生故障．
展開 近年來，伴隨著智慧化港口的大潮流，經緯恒潤L4高級別智能駕駛業務產品也陸續扎根港口自動駕駛多個項目中，幫助港口實現無人水平運輸自動化，達到降本增效的效果，助力客戶實現智慧化綠色港口。
在整個港口水平運輸場景中，經緯恒潤提供了端到端的車、路、網、云、圖全棧式自研解決方案，包含自動駕駛系統、路側車路協同、基于5G網絡的遠程遙控駕駛、車隊調度管理平臺、數字孿生、仿真系統、高精地圖等專業模塊，組成了一套完整的智慧港口解決方案。本篇專門介紹其中的自動駕駛系統。
▎系統介紹
經緯恒潤自動駕駛系統作為L4高級別自動駕駛的核心組成部分，結合經緯恒潤自主研發的HAV平板車、車隊調度管理平臺、高性能車規級計算平臺、感知系統、遠程駕駛系統、智能交通系統、智能場端系統、高精度地圖等，部署經緯恒潤自主設計生產的車規級量產域控制器和計算單元，保障自動駕駛水平運輸設備在不同的環境、工況場景下，高效、穩定、安全地運行。
▎高效可靠，已在多個港口園區常態化運營的無人駕駛解決方案
經緯恒潤自2015年開始布局園區類無人駕駛領域，經過不斷錘煉相關技術，于2021年在日照港正式將無人駕駛技術投入商業運營，實現了真正的無人駕駛。該技術方案基于經緯恒潤多年以來在自動駕駛算法商業化落地積累的多項技術突破，不斷挑戰升級，確保系統足夠的安全和高效可靠。
全局導航算法
經緯恒潤的全局導航算法，結合了港口園區運營環境和實際生產需求，根據車隊調度管理平臺基于系統均衡理論下發的路線信息、任務信息，并參考高精地圖和場地內實時識別的障礙物信息規劃出滿足車輛動力學要求、避開障礙物的車端導航全局路徑。
展開 為了將理論和實際相結合，我們有必要也來了解一下在自動駕駛行業里各家公司都采用什么樣的感知方案。
自動駕駛公司大致可以分為兩類。一類是主機廠，包括傳統的車企以及所謂的造車新勢力。前者以燃油車為主，比如奔馳，寶馬，通用等，后者主打新能源汽車，比如特斯拉，以及國內的“蔚小理”。另外一類是方案供應商，包括汽車行業傳統的Tier1和一些高科技公司。前者主要為主機廠提供一體化的解決方案，包括但不限于自動駕駛系統，比如博世，大陸，安波福等，后者與主機廠和Tier1合作，提供自動駕駛系統中不同模塊的解決方案，也有的直接與主機廠合作造車，或者聯合打造RoboTaxi的方案，這里典型的公司包括百度，Waymo，Mobileye等。
在這篇文章里，我會按照以上分類來介紹不同公司設計開發自動駕駛系統的策略和近期的發展狀況，尤其會重點介紹其系統在環境感知方面的配置方案。
2. 主機廠
2.1 傳統車企
奔馳
2021年底，一條消息在自動駕駛圈子里開始刷屏，那就是德國聯邦汽車運輸管理局 （KBA） 批準了奔馳的L3級自動駕駛系統。這是繼今年本田的量產L3系統以后，L3級自動駕駛領域的又一個突破。由于L3是限定場景的自動駕駛，奔馳也給出了明確的應用場景定義：智能領航系統（Drive Pilot）能夠在交通高峰或擁堵期間，在寬度適宜的德國高速路段，以最高60公里/小時的速度啟用L3級有條件自動駕駛模式。模式開啟以后，駕駛員可以松手松腳，視線也可以離開道路。奔馳允許駕駛員操作中控屏幕，使用車載辦公室、瀏覽器或者看視頻。不過，在車內看書看報，玩手機目前還不被允許。
展開 
自動駕駛系統的相關專題、標簽、搜索
自動駕駛系統的最新內容
當生產線已實現自動化，當ERP/MES系統已打通，您的實驗室檢測數據，是否還在靠人工記錄？每一筆抄錄，都可能是一次誤差；每一次查找，都可能耗費半小時。測迅達智能檢測設備，讓檢測數據從源頭數字化，與LIMS系統無縫對接，真正實現"數據不落地，管理零誤差"。
一、檢測的"最后一公里"，卡在了哪里？
走進今天的大多數材料實驗室，你會發現一個有趣的現象：
生產車間里，機械臂精準運轉，MES
當生產線已實現自動化，當ERP/MES系統已打通，您的實驗室檢測數據，是否還在靠人工記錄？每一筆抄錄，都可能是一次誤差；每一次查找，都可能耗費半小時。測迅達智能檢測設備，讓檢測數據從源頭數字化，與LIMS系統無縫對接，真正實現"數據不落地，管理零誤差"。
一、檢測的"最后一公里"，卡在了哪里？
走進今天的大多數材料實驗室，你會發現一個有趣的現象：
生產車間里，機械臂精準運轉，MES
在近期發布的"Ansys 應用類系列網絡研討會全面上線"中，涵蓋4場AVxcelerate專題內容，系統解讀自動駕駛仿真的核心能力與最新進展。
這些行業需要將多個攝像頭和其他傳感器用于：
消費類產品
醫療設備
攝影
計量
光通信
制造自動化
物聯網（IoT）
地球觀測
航空航天與國防應用
汽車傳感器
自動駕駛系統的激光雷達和光學攝像頭
科學儀器
天文學
制造方法的新進展、材料科學的改進、微型化以及更強大的計算資源（能夠處理和存儲光學信息）在推動光學機械應用不斷擴展
其同步算法支持獨立的時間步長，以實現快速、準確的多物理場驗證，從而提高互操作性，并在系統仿真、MBSE和自動駕駛開發中加速系統級分析。
Ansys HFSS?PI引入了全新的寬帶3D電源完整性仿真功能，其性能足以應對當今的IC、封裝和電路板供電挑戰。
什么是CMOS圖像傳感器？2個月前
另一個增長領域是百萬像素攝像頭在汽車應用中的普及，其能夠使駕駛員更好地了解周圍環境，并為自動駕駛系統提供信息。
專家預測，傳感器芯片上的數字圖像處理工作將進一步加強，以產生更優質的數字圖像。人們也正在研究光電二極管的不同幾何結構，從光電探測器上的紅綠藍（RGB）濾光片切換到青黃品紅（CYM）濾光片，以獲得更高的敏感度和更強的電信號。
CMOS圖像傳感器的設計2個月前
另一個增長領域是百萬像素攝像頭在汽車應用中的普及，其能夠使駕駛員更好地了解周圍環境，并為自動駕駛系統提供信息。
專家預測，傳感器芯片上的數字圖像處理工作將進一步加強，以產生更優質的數字圖像。人們也正在研究光電二極管的不同幾何結構，從光電探測器上的紅綠藍（RGB）濾光片切換到青黃品紅（CYM）濾光片，以獲得更高的敏感度和更強的電信號。
面向上述背景的下一代自動駕駛開發范式，aiSim 6 針對端到端模型訓練與驗證的核心痛點，進行了非常規版本迭代，而是在神經渲染、AI 場景工作流、物理仿真三大領域進行系統性重構，并計劃于2026 年上半年正式發布
02 全新aiSim 6即將發布
這不是一次常規版本迭代——aiSim 6 是針對下一代自動駕駛開發范式的系統性重構，在神經渲染、AI 原生工作流、物理仿真三個維度同步推進。
另一個增長領域是百萬像素攝像頭在汽車應用中的普及，其能夠使駕駛員更好地了解周圍環境，并為自動駕駛系統提供信息。
專家預測，傳感器芯片上的數字圖像處理工作將進一步加強，以產生更優質的數字圖像。人們也正在研究光電二極管的不同幾何結構，從光電探測器上的紅綠藍（RGB）濾光片切換到青黃品紅（CYM）濾光片，以獲得更高的敏感度和更強的電信號。
多向陣列天線系統可實現：
現代4G和5G電信網絡
未來的6G電信網絡
最新的WiFi接入點
自動駕駛汽車雷達系統
治療性醫療器械
仿真如何實現相控陣列天線設計
如果沒有仿真，即使是設計小型相控陣天線陣列也會十分困難。因此，對于擁有數千個天線單元的系統來說，仿真更是至關重要。
