無人駕駛感知系統的案例
無人駕駛汽車環境感知技術綜述
2014年寶馬在德國展示了其最新的無人駕駛技術，車輛在將出現碰撞時，系統會警告駕駛員，并在必要時自動停車。
1.2 國內無人駕駛汽車發展現狀
我國在無人駕駛技術的研究上則稍晚一些，在1980年，由哈爾濱工業大學、自動化研究所與國防科技大學三家單位組成的研發團體開始啟動“遙控駕駛的防核化偵察車”項目。在1985年研制出我國第一輛無人駕駛汽車ATB-1。
在國內，國防科技大學的無人駕駛技術研究水平處在最前列。2002年成功研制出一輛可以在行駛過程中自主檢測道路障礙物并自行換車道的無人駕駛汽車“紅旗CA7460”，其最高車速為100 km/h。清華大學也于2006年研制出可以分為高速和城區兩種環境下不同駕駛模式的無人駕駛汽車，其最高時速為100 km/h[2]。
從2009年起到2016年，我國每年舉辦一次無人駕駛汽車比賽，至今已經舉辦了八屆。此項比賽大大推進了我國無人駕駛技術的發展，但是仍與西方發達國家存在較大的差距。
2 無人駕駛汽車環境感知系統研究現狀
2.1 Boss無人駕駛汽車的環境感知系統
Boss無人駕駛汽車的感知系統是由兩個相機，九個激光雷達和兩個IBEO組成。其中九個雷達又分為一個三維激光雷達，六個二維激光雷達和兩個毫米波雷達。雷達主要用來檢測靜態的障礙，當道路前存在障礙物時，首先由雷達檢測并生成相應的障礙物地圖，如果障礙物為移動障礙物時，會自動從障礙物地圖中剔除。
2.2 Junior無人駕駛汽車的環境感知系統
Junior無人駕駛汽車的感知系統是先由一個測量單元通過與衛星系統相連接感知車輛當前的具體位置。在車輛兩邊安裝兩個傳感器，通過激光感知車輛前方路面情況，并生成車輛周圍路面的3D結構。在車頂、尾部和保險杠處分別安裝2個激光傳感器，感知車輛周邊的障礙物。
展開 行業應用方案 | 面向無人駕駛感知系統的仿真驗證技術
Ansys 行業應用方案連載 | 面向無人駕駛感知系統的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發蓬勃地發展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統需要在給定的運行區域內，除了完成車輛橫向和縱向的控制外，還需要實現目標事件的檢查和響應。所以對于L3+的自動駕駛系統，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是當前傳統的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規模的要求，尤其是現實中偶有發生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統的感知和決策控制。數字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現大規模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發流程。
Ansys解決方案
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 行業應用方案 | 面向無人駕駛感知系統的仿真驗證技術
Ansys 行業應用方案連載 | 面向無人駕駛感知系統的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發蓬勃地發展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統需要在給定的運行區域內，除了完成車輛橫向和縱向的控制外，還需要實現目標事件的檢查和響應。所以對于L3+的自動駕駛系統，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是當前傳統的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規模的要求，尤其是現實中偶有發生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統的感知和決策控制。數字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現大規模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發流程。
Ansys解決方案
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 行業應用方案 | 面向無人駕駛感知系統的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發蓬勃地發展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統需要在給定的運行區域內，除了完成車輛橫向和縱向的控制外，還需要實現目標事件的檢查和響應。所以對于L3+的自動駕駛系統，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是當前傳統的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規模的要求，尤其是現實中偶有發生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統的感知和決策控制。數字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現大規模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發流程。
Ansys解決方案
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 
一文了解面向無人駕駛感知系統的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發蓬勃地發展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統需要在給定的運行區域內，除了完成車輛橫向和縱向的控制外，還需要實現目標事件的檢查和響應。所以對于L3+的自動駕駛系統，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是，當前傳統的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規模的要求，尤其是現實中偶有發生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統的感知和決策控制。數字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現大規模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發流程。
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術，可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 一文詳解無人駕駛中的各種感知傳感器
來源 | CV研習社
導讀：本文介紹無人駕駛中幾種主流的環境感知傳感器，包括視覺攝像機、毫米波雷達、超聲波雷達、激光雷達。通過分析對比每種傳感器的原理和優缺點，進一步理解不同場景下如何構建感知方案。
1、感知傳感器
在無人駕駛中，傳感器負責感知車輛行駛過程中周圍的環境信息，包括周圍的車輛、行人、交通信號燈、交通標志物、所處的場景等。為無人駕駛汽車的安全行駛提供及時、可靠的決策依據。目前常用的車載傳感器包括相機、毫米波雷達、超聲波雷達、激光雷達等。根據各個傳感器的特性，在實際應用中往往采用多種傳感器功能互補的方式進行環境感知。
2、視覺攝像機
傳感器原理
攝像頭屬于被動觸發式傳感器，被攝物體反射光線，傳播到鏡頭，經鏡頭聚焦到CCD/CMOS芯片上，CCD/CMOS根據光的強弱積聚相應的電荷，經周期性放電，產生表示一幅幅畫面的電信號，經過預中放電路放大、AGC自動增益控制，經模數轉換由圖像處理芯片處理成數字信號。
其中感光元器件一般分為CCD和CMOS兩種：CCD的靈敏度高，噪聲低，成像質量好，具有低功耗的特點，但是制作工藝復雜，成本高，應用在工業相機中居多；CMOS價格便宜，性價比很高，應用在消費電子中居多。
展開 ANSYS定制禮免費送丨報名ANSYS無人駕駛感知仿真與驗證系列課
ANSYS官方將特別推出一系列ANSYS網絡研討會，不僅包含ANSYS 2019 R3 新版本功能介紹，同時也包括最新的行業熱點解決方案，ANSYS將與各位深入探討行業熱點趨勢，諸如無人駕駛、PCB結構可靠性、天線設計、數字孿生等等。
自動駕駛是未來的趨勢，ANSYS自動駕駛系列Webinar，結合自動駕駛系統的研發講述ANSYS工具如何助力自動駕駛的開發驗證。接下來，我們將有多場無人駕駛的
主題直播：
11/21《無人駕駛的功能安全，SOTIF，信息安全分析方法及應用》 （錄播回放）
11/26 《無人駕駛感知仿真與驗證之攝像頭與激光雷達》
12/19 《無人駕駛感知仿真與驗證之毫米波雷達》
報名本系列課程，聯系微信客服jishulink555，可免費贏取ANSYS官方定制真空保溫杯、小夜燈、餐具套裝、手機支架、話費等精美紀念品！此外，在此系列網絡研討會結束后，ANSYS將官方抽取1名幸運者，TA將獲得華為最新發布的Mate 30 1臺（報名多場幾率疊加）！
本期直播主題
仿真技術之自動駕駛感知視界-ANSYS傳感器仿真（攝像頭和激光雷達）
日期/時間
2019年11月26日
20:00 – 21:00
課程受眾
所有自動駕駛相關的行業人士（汽車整車廠，傳感器供應商）
講師簡介
周錚
ANSYS SBU光學產品高級應用工程師，熟悉自動駕駛行業攝像頭和激光雷達的系統性應用。目前負責ANSYS自動駕駛業務開發和仿真技術咨詢工作，對ANSYS自動駕駛平臺產品和方案應用有全面的了解。
展開 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 博聞馭識 U-Logue百科丨無人駕駛車輛感知和理解世界的兩個基本問題
無人車的定位感知能力如何持續進化？
無人駕駛系統幾個最核心的要素：算力+傳感器、算法、數據。
算力+傳感器主要依賴硬件持續升級驅動，其中包括車載控制芯片（每一代新的芯片誕生，算力都有數量級提升）、激光雷達（激光雷達性能越來越強，成本也逐步降低，進而推動定位感知能力的提升）、攝像頭（分辨率不斷提升，進而為算法提升奠定基礎）。
算法主要依賴人腦驅動演進，從第一個角度看，深度學習依然是目前最重要的方法，但是我們在繼續演進的路上也面臨很多挑戰，后續網絡規模還會變得更大、更復雜（現在最大的網絡已經在接近小型哺乳動物的神經元個數），從而具有更高精度和更強功能；從第二個角度看，在工業界的實踐中，深度學習方法需要和其他的機器學習方法、非學習方法結合，以得到實際可用的、功能邊界清晰的、可靠的系統；從第三個角度看，需要持續擴展“運行設計域”（ODD）。
運行設計域簡單來說就是可正常運行的范圍，包含以下幾個要素：天氣（雨、雪、霧等極端天氣）、光照（黃昏、夜晚、陰天等）、道路（隧道、機坪、高架）、區域（園區、城區、高速），無人駕駛車輛需要在這些要素范圍內，從易到難進行持續擴展。
數據主要通過數據驅動系統演進驅動，數據驅動要解決的第一個問題就是長尾問題（長尾問題概念來自于互聯網，指個性化、零散的總和卻又比較大的客戶需求，在無人駕駛領域指很少見的場景，但是總和同樣較大）。長尾問題之所以難解決，算法能力不夠強大是一個維度，這需要工業界和學術界進行持續提升，另一個維度是在先有算法能力范圍內，需要通過無人駕駛系統來收集到最有價值的數據，用數據驅動的方式來迭代和提升系統能力。
數據驅動是如何解決長尾問題的？
展開 ANSYS定制禮免費送丨ANSYS無人駕駛感知仿真與驗證系列課
ANSYS官方將特別推出一系列ANSYS網絡研討會，不僅包含ANSYS 2019 R3 新版本功能介紹，同時也包括最新的行業熱點解決方案，ANSYS將與各位深入探討行業熱點趨勢，諸如無人駕駛、PCB結構可靠性、天線設計、數字孿生等等。
自動駕駛是未來的趨勢，ANSYS自動駕駛系列Webinar，結合自動駕駛系統的研發講述ANSYS工具如何助力自動駕駛的開發驗證。接下來，我們將有多場無人駕駛的
主題直播：
11/21《無人駕駛的功能安全，SOTIF，信息安全分析方法及應用》 （錄播回放）
11/26 《無人駕駛感知仿真與驗證之攝像頭與激光雷達》
12/19 《無人駕駛感知仿真與驗證之毫米波雷達》
報名本系列課程，聯系微信客服jishulink555，可免費贏取ANSYS官方定制真空保溫杯、小夜燈、餐具套裝、手機支架、話費等精美紀念品！此外，在此系列網絡研討會結束后，ANSYS將官方抽取1名幸運者，TA將獲得華為最新發布的Mate 30 1臺（報名多場幾率疊加）！
本期直播主題
仿真技術之自動駕駛感知視界-ANSYS傳感器仿真（攝像頭和激光雷達）
日期/時間
2019年11月26日
20:00 – 21:00
課程受眾
所有自動駕駛相關的行業人士（汽車整車廠，傳感器供應商）
講師簡介
周錚
ANSYS SBU光學產品高級應用工程師，熟悉自動駕駛行業攝像頭和激光雷達的系統性應用。目前負責ANSYS自動駕駛業務開發和仿真技術咨詢工作，對ANSYS自動駕駛平臺產品和方案應用有全面的了解。
展開 自動駕駛汽車感知系統關鍵技術綜述
公安部道路交通安全研究中心 王藝帆
自動駕駛汽車是汽車電子、智能控制以及互聯網等技術發展融合的產物，其原理為自動駕駛系統利用感知系統，獲取車輛自身以及外界環境信息，經過計算系統分析信息、做出決策，控制執行系統實現車輛加速、減速或轉向，從而在無需駕駛員介入的情況下，完成自動行駛。2013年，美國國家公路交通安全管理局（NHTSA）根據輔助控制系統的自動化功能，將自動駕駛技術分為0~4級，如表1所示。從表1可了解到，自動駕駛的發展升級是從輔助駕駛到主宰駕駛，從提供單一功能、應對簡單場景，到可掌控所有場合，完全解放駕駛人。期間，感知系統需不斷提高獲取周邊環境信息的全面性、準確性和高效性，它是自動駕駛的基礎，也是貫穿升級的核心部分。本文將介紹自動駕駛感知系統常用方案，及其各自技術方法、特點和應用情況。
1 系統框架
自動駕駛汽車首先應有一套完整的感知系統，代替駕駛人的感知，提供周圍環境信息；其次應有一套集智能算法、高性能硬件于一體的控制系統，代替駕駛人的大腦，制定駕駛指令、規劃行駛路徑；最后還需一套完善縝密的執行系統，可以代替駕駛員的手腳動作，執行駕駛指令、控制車輛狀態。其中，感知系統應包括環境感知、內部感知、駕駛人感知。其中內部感知主要是通過CAN總線采集車內各電子控制單元信息，以及裝載在車上的各類傳感器實時產生的數據信息，來獲取車輛狀態，包括車體（車內外溫度、空氣流量、胎壓），動力（油壓、轉速、機油），車輛安全（安全帶、氣囊、門窗鎖）等；駕駛人感知是通過人機交互界面或傳感器獲取駕駛人操控、手勢、語音等控制指令，以及面部表情等檢測信息，用來接收控制命令、檢測駕駛人狀態。本文介紹的感知系統針對環境感知、自動駕駛感知系統的關鍵點和難點，其功能是實時獲取周邊物體、行駛路況、導航定位、天氣、停車場等信息。
展開 
高階自動駕駛系統的感知模組如何選擇
作者 | Aimme
出品 | 焉知
眾所周知，從分布式架構向集中式域控制器架構演進已經成為下一代自動駕駛系統不可逆轉的趨勢。對于下一代集中式域控架構下到的自動駕駛系統來說，域控制器因為有強大的硬件計算能力與豐富的軟件接口支持，使得更多核心功能模塊集中于域控制器內，系統功能集成度大大提高，這樣對于功能的感知與執行的硬件要求降低
。但是，
域控制器的出現并不代表底層硬件 ECU 的大規模消失
，很多 ECU 的功能會被弱化（軟件和處理功能降級，執行層面功能保留），大部分傳感器也可以直接傳輸數據給域控制器，或把數據初步處理后給域控制器，很多復雜計算都可以在域控制器里完成，甚至大部分控制功能也在域控制器里完成，原有 ECU 很多只需執行域控制器的命令，也就是說，外圍零件只關注本身基本功能，而中央域控制器關注系統級功能實現。此外，數據交互的接口標準化，會讓這些零部件變成標準零件，從而降低這部分零部件開發/制造成本。
作為自動駕駛之眼的攝像頭尤其是這樣，在L2階段，整個智能駕駛的視覺感知單元一般都是放在被稱之為攝像頭總成的零部件中，這種總成零部件都是包含了
攝像頭模組本身，也包含了處理攝像頭感知的環境信息的軟件算法模塊
，比如ISP、encode、神經網絡、深度學習單元等AI算法。然而，在下一代高階自動駕駛系統中，這些原本由攝像頭模組處理的感知能力將會被放到域控制器端的AI芯片進行集中式處理。那么，問題來了，對于這類型的自動駕駛系統架構模式，攝像頭模組本身的需求將會發生哪些變化，又會帶來哪些新的需求呢？
本文主要介紹車載攝像頭基礎知識，包含攝像頭模組成像的基本原理、攝像頭類型、攝像頭選型方法、攝像頭安裝方式、攝像頭安裝過程中的常見問題等。
展開 一文詳解智能駕駛感知系統測試技術
摘要
隨著人工智能、邊緣計算、無線通信和車載傳感器等關鍵技術的進步和突破，自動駕駛系統迎來了新一輪的發展。交通應用的安全攸關場景給自動駕駛系統提出了更高的質量保障要求。感知系統是自動駕駛的核心，圍繞感知能力的測試驗證工作是保障自動駕駛軟件系統安全可靠的有效且必要途徑。本文簡要分析了國內外自動駕駛感知系統測試的研究現狀，并對圖像、激光雷達、以及感知融合測試方法和技術發展進行了討論。
前言
隨著人工智能及其軟硬件技術的進步，近年來自動駕駛獲得了快速發展。自動駕駛系統已經被應用于民用汽車輔助駕駛器、自動物流機器人、無人機等領域。感知組件是自動駕駛系統的核心，它使得車輛能夠分析并理解內外交通環境信息。然而，與其他軟件系統一樣，自動駕駛感知系統困擾于軟件缺陷。并且，自動駕駛系統運行于安全攸關場景，其軟件缺陷可能導致災難性后果。近年來，已經發生多起自動駕駛系統缺陷導致的人員傷亡事故。自動駕駛系統測試技術受到學術界和工業界的廣泛重視。企業與研究機構提出了一系列包括虛擬仿真測試、實景道路測試和虛實結合測試等在內的技術和環境。然而，由于自動駕駛系統輸入數據類型的特殊性和運行環境的多樣性，這類測試技術的實施過程需要消耗過多資源，并需要承擔較大風險。本文簡要分析當前自動駕駛感知系統測試方法的研究和應用現狀。
1 自動駕駛感知系統測試
自動駕駛感知系統的質量保障越來越重要。感知系統需要幫助車輛自動分析和理解路況信息，其構成非常復雜，需要充分檢驗待測系統在眾多交通場景下的可靠性和安全性。當前自動駕駛感知測試主要分為三大類。無論何種測試方法，都表現出了一個區別于傳統測試的重要特征，即對于測試數據的強依賴性。
第一類測試主要基于軟件工程理論和形式化方法等，以感知系統實現的模型結構機理為切入點的測試。
展開 無人系統態勢感知系列課程教學設計與實踐
《無人系統綜合路線圖（2017-2042）》指出無人系統自主能力和魯棒性的提高，能夠改進對環境的感知，提高目標定位的速度和精度，支持無縫、敏捷、自主的人機協作和機器相互之間的協作，預計到2034年實現在線態勢感知，具有完全自主能力[3]。
無人系統技術以人工智能、自動控制等學科為基礎，具體體現在無人系統的四大核心部分：感知、導航、規劃、控制 [4]。無人系統態勢感知技術是無人系統平臺的重要支撐技術，交叉融合很多學科的研究，除了高性能傳感器、嵌入式計算機等硬件設備和相關技術外，更需要包括模式識別、載荷控制、機器視覺、機器學習等在內的核心關鍵技術支撐，使無人系統具有像人一樣感知、認知外界環境的能力，并與外界環境進行交互，完成偵察、監視甚至作戰攻擊任務。目前，全國有多所大學開設了無人系統技術相關專業[5]，如國防科技大學、空軍工程大學、海軍工程大學等設置了無人裝備工程專業，北京理工大學、中北大學等大學設置了智能無人系統技術專業，還有很多高校設置機器人、無人飛行器或者無人駕駛車輛等與無人系統技術相關的專業。如何構建滿足無人系統相關專業建設需要的無人系統態勢感知系列課程，探索針對性的教學模式和實踐教學方法，是需要解決的重要教學問題。
二 無人系統專業態勢感知系列教學課程建設——以國防科技大學智能科學學院無人裝備工程專業無人系統態勢感知系列課程為例
（一） 態勢感知系列課程建設思路
基于無人裝備工程專業創新型、復合型人才培養模式的定位，需要制定出相應的多學科交叉的課程體系，包括規劃理論課程體系和綜合實踐教學。強化創新實踐能力培養，實踐教學環節累計學時不少于總學時30%。
展開 首輛常態化運營快遞無人駕駛貨車亮相，行進中可感知150米外障礙物
11月14日中午，一輛無人駕駛貨車——“德邦快遞麒麟號”載著包裹，從德邦快遞杭州下沙樞紐場行駛至杭州西湖區三墩鎮振華路營業部，隨后抵達杭州數字信息產業園，完成了一件重約16.4kg的一箱服裝包裹的配送服務。
據悉，這是快遞行業首臺能夠實現常態化運營的無人載重貨車。過去，適用于支線運輸與派送環節的無人載重貨車尚處于園區實驗或者路測階段。
從外觀來看，除了在車頭部分安裝了一個雷達傳感器，車身周圍裝有幾個攝像頭，“德邦快遞麒麟號”看上去和普通的卡車并沒有太大差異。
受到政策限制，目前該款無人駕駛貨車處于國內目前最高級別的自動駕駛技術——L4級別，其核心技術在于地圖定位、環境感知、規劃控制等方面。它能利用車載傳感器來感知車輛周圍環境，并根據感知所獲得道路、車輛位置和障礙物信息，控制車輛的轉向和速度，從而使車輛能夠安全、可靠地在道路上行駛。
據記者實際體驗，行駛途中司機可以讓雙手離開方向盤，并且交由系統啟動、剎車與轉彎。
據途中同行技術人員介紹，該無人駕駛貨車的障礙物感知算法在200米范圍內的檢測精度能夠達到93%。在障礙物定位方面，達到了60米之內2cm的定位誤差，60-120米內5cm定位誤差，120-200米10cm定位誤差，在行業內處于技術領先水準。在車道線檢測方面，無人貨車算法檢測距離達150米，并能解決彎道，阻礙物遮擋，車道線磨損等問題。
德邦科技大數據研發中心高級總監劉偉介紹，德邦的無人駕駛貨車由德邦快遞旗下大數據研發中心與杭州飛步科技公司共同研發。除此之外，德邦快遞與飛步科技合力計劃推出的第二代自動駕駛貨車，其系統已可以支持包括在暴雨、隧道、夜晚等多場景下，最高時速達90公里/小時的無人駕駛。
未來，德邦從輕型卡車開始，預計年底推出中型無人駕駛卡車車型，下一步再和沃爾沃等國內外廠商合作，將無人駕駛技術應用到大型掛車領域。
展開 