汽車自動駕駛輔助系統的案例
汽車自動駕駛輔助系統電磁安全性研究
從現有研究成果來看，智能網聯汽車自動駕駛輔助系統的電磁安全不容忽視。從推動智能網聯汽車產業落地和保護人民生命財產安全的角度來看，行業需要投入更多的資源對汽車自動駕駛輔助系統的電磁安全性進行深入研究，從而發現和解決安全風險，助力中國汽車工業“新四化”發展進程。
豐田發布Guardian輔助系統 自動駕駛/安全性并舉
據英國《每日郵報》報道，豐田公司7日在2019年CES展會上Guardian駕駛輔助系統，旨在輔助駕駛員操作，提高駕車安全，防止事故的發生。
豐田在CES展會上重現了最近發生在加州的三起車禍。通過對Guardian系統的展示，闡述了該系統可以避免類似事故的發生。豐田表示，Guardian的設計宗旨是“增強人對汽車的控制，而不是取代人工操作”。系統可以識別潛在的事故并提醒司機，或者在必要時自動做出正確的反應。
豐田研究院(TRI)首席執行官、豐田汽車公司研究員Gill Pratt博士在發布會上表示，“我們都有道義上的責任，應用自動駕駛技術來盡可能、盡快地挽救更多生命。這就是為什么在過去的一年里，TRI的主要精力都集中在豐田Guardian系統上。”
Gill Pratt說，這個系統“結合并協調了人與機器的技能和優勢”。該公司解釋說，該系統的工作原理很像飛行員和戰斗機的協作。
豐田還計劃在未來推出Chauffeur全自動駕駛系統，可以完全取代駕駛員。豐田展示了自動駕駛功能如何與雷克薩斯的TRI-P4研究車型配合使用。雖然從目前來看，這項技術還有很長的路要走。
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 一文解析自動駕駛汽車決策控制系統技術
* 來源：智駕最前沿
自動駕駛系統是一個集環境感知、決策控制和動作執行等功能于一體的綜合系統，是充分考慮車輛與交通環境協調規劃的系統，也是未來智能交通系統的重要組成部分。本文著重分析自動駕駛決策控制的相關技術，探索未來的發展方向。
自動駕駛系統簡介
通常意義上，自動駕駛系統可以分為感知層、決策層、執行層。
感知層
感知層
被定義為環境信息和車內信息的采集與處理，涉及道路邊界檢測、車輛檢測、行人檢測等多項技術，可認為是一種先進的傳感器技術，所采用的傳感器包括激光雷達、攝像頭、毫米波雷達、超聲波雷達、速度和加速度傳感器等。由于單一傳感器存在感知的局限性，并不能滿足各種工況下的精確感知，自動駕駛汽車要實現在各種環境下平穩運行，需要運用多傳感器融合技術，該技術也是感知層的關鍵技術。
決策層
決策層
可以理解為依據感知信息來進行決策判斷，確定適當工作模型，制定相應控制策略，替代人類駕駛員做出駕駛決策。這部分的功能類似于給自動駕駛汽車下達相應的任務。例如在車道保持、車道偏離預警、車距保持、障礙物警告等系統中，需要預測本車及相遇的其他車輛、車道、行人等在未來一段時間內的狀態。先進的決策理論包括模糊推理、強化學習、神經網絡和貝葉斯網絡技術等。由于人類駕駛過程中所面臨的路況與場景多種多樣，且不同人對不同情況所做出的駕駛策略應對也有所不同，因此類人的駕駛決策算法的優化需要非常完善高效的人工智能模型以及大量的有效數據。這些數據需要盡可能地覆蓋到各種罕見的路況，而這也是駕駛決策發展的最大瓶頸所在。
執行層
執行層
是指系統在做出決策后，按照決策結果對車輛進行控制。
展開 
一文讀懂智能汽車的ADAS高級駕駛輔助系統發展水平
ADAS（Advanced Driver Assistance System）即高級駕駛輔助系統。是利用安裝在車上的各式各樣傳感器（雷達，攝像頭，衛星定位等一系列裝置），該系統是在汽車駕駛中隨時來獲取周圍的環境，收集數據，進行靜態、動態物體的辨識、偵測與追蹤，并結合導航地圖數據，進行系統的運算與分析，從而預先讓駕駛者察覺到可 能發生的危險，有效增加汽車駕駛的舒適性和安全性。 即自動駕駛的感知、決策、執行等技術實現。
近年來，隨著智能網聯汽車的廣泛普及，ADAS市場增長迅速，這類系統從一開始局限于高端市場，到現在正在進入中低端市場，經過改進的新型傳感器技術也在為系統布署創造新的機會與策略。
ADAS技術的應用關鍵
后視攝像頭
后視攝像頭系統可以幫助駕駛員發現車后的物體或人員，以便在確保安全的情況下倒車并順利停車入位。高級系統中部署100萬像素的高動態范圍（HDR）攝像頭，并通過非屏蔽雙絞線實現高性價比的高速以太網連接和視頻壓縮。其他系統要求包括適當的物理層接口和電源。智能后視攝像頭可在本地對視頻內容進行分析，以實現物體與行人偵測。智能后視攝像頭與簡易型模擬攝像頭使用相同的接口，提供了一種極具吸引力的升級換代途徑。它能讓駕駛員實時在車內監控車外兩側及車后視頻畫面的情況，避免意外及偷盜事件發生，倒車時更是駕駛員的第三只眼睛，車后所有情況駕駛員都能在顯示器上看得很清楚，避免了倒車時因駕駛員看不到車后情況而發生車禍，讓駕駛員更安全的倒好車，從此不再需要多人協助倒車的“熱鬧”情況。
前視攝像頭
高級駕駛員輔助系統中的攝像頭系統可以分析視頻內容，以便提供車道偏離警告（LDW）、自動車道保持輔助（LKA）、遠光燈/近光燈控制和交通標志識別（TSR）。
展開 一文解析自動駕駛汽車決策控制系統技術
自動駕駛系統是一個集環境感知、決策控制和動作執行等功能于一體的綜合系統，是充分考慮車輛與交通環境協調規劃的系統，也是未來智能交通系統的重要組成部分。本文著重分析自動駕駛決策控制的相關技術，探索未來的發展方向。
自動駕駛系統簡介
通常意義上，自動駕駛系統可以分為感知層、決策層、執行層。
感知層
感知層被定義為環境信息和車內信息的采集與處理，涉及道路邊界檢測、車輛檢測、行人檢測等多項技術，可認為是一種先進的傳感器技術，所采用的傳感器包括激光雷達、攝像頭、毫米波雷達、超聲波雷達、速度和加速度傳感器等。由于單一傳感器存在感知的局限性，并不能滿足各種工況下的精確感知，自動駕駛汽車要實現在各種環境下平穩運行，需要運用多傳感器融合技術，該技術也是感知層的關鍵技術。
決策層
決策層可以理解為依據感知信息來進行決策判斷，確定適當工作模型，制定相應控制策略，替代人類駕駛員做出駕駛決策。這部分的功能類似于給自動駕駛汽車下達相應的任務。
展開 日產自動駕駛汽車將部署NASA技術 讓人類遠程駕駛自動駕駛汽車
蓋世汽車訊 據外媒報道，日本汽車制造商日產（Nissan）將部署美國國家航空航天局（NASA）研發的技術，利用人類的幫助，遠程駕駛其自動駕駛汽車，該公司承認，真正的L5自動駕駛汽車可能是無法實現的。
日產表示其“人機回圈”（human-in-the-loop）系統受NASA的火星漫游者（Mars Rover）項目的啟發，由日產首席技術主管與在航天局工作了13年的老員工Maarten Sierhuis合作研發，該系統解決了自動駕駛汽車面臨的最大問題之一，即汽車如何對道路狀況的突然變化做出反應。
日產的該消息在日產未來峰會（Nissan Future summit）上發布，該消息與汽車行業原先設想的真正的自動駕駛截然不同，真正的汽車駕駛是未來有一天，汽車可以在沒有人類互動的情況下，在每天道路上行駛，處理每一種可能出現的情況。
現在有越來越多的人表示，真正的無人干預的自動駕駛可能永遠不會成為現實，而日產現在可承認該觀點。現在，日產的目標主要還是自動駕駛汽車，但是此類汽車仍有人工控制室相連，如果遇到封閉道路、私人地方或是將乘客送至機場等汽車無法處理的情況時，控制室可向車輛發出指令。
然后，人工控制室可接入汽車的外部攝像頭，幫助汽車擺脫棘手的局面。日產將其技術稱為SAM（無縫自動駕駛移動出行），最早的版本旨在實現無人駕駛機器人出租車以及自動駕駛快遞服務。
來源：無人駕駛
展開 蘋果自動駕駛汽車每行駛1英里系統會脫離一次
據外媒報道，自2018年12月至2019年11月期間，蘋果公司將大量改裝雷克薩斯RX450h SUV車型，因為該車型每行駛1000英里就會發生871.65次自動駕駛系統脫離狀況，因此導致在加州公路上測試自動駕駛汽車的28家公司中，蘋果排名最后。該公司表示，2018年時一共有62輛自動駕駛汽車在進行測試，但該公司在2018年6月份時曾報告擁有66輛自動駕駛汽車，意味著有幾輛車已經停止了服務。
據加州機動車管理局所說，自動駕駛汽車自動駕駛系統脫離指的是自動駕駛系統無法處理當前狀況，迫使其將汽車控制權交還給人類駕駛員。因此，當人類人工操作方向盤或是凌駕于自動駕駛汽車的決策時，也被認為是自動駕駛系統脫離狀態。
而谷歌旗下Waymo的自動駕駛汽車每行駛1000英里，自動駕駛系統會脫離0.09次，或是每行駛11,154英里，會脫離一次。通用汽車Cruise自動駕駛汽車在兩次脫離之間，平均可行駛5,204英里，而Zoox自動駕駛汽車每行駛2,000英里會將控制權交還給人類駕駛員。
而高通（Qualcomm）、本田（Honda）、梅賽德斯-奔馳（Mercedes-Benz）和上汽集團（SAIC）的自動駕駛汽車排在后面，分別為每2.4、2.2、1.5和1.2英里脫離一次。
展開 技術探秘 | 自動駕駛汽車傳感器融合系統，及多傳感器數據融合算法淺析
自動泊車、公路巡航控制和自動緊急制動等自動駕駛汽車功能在很大程度上是依靠傳感器來實現的。重要的不僅僅是傳感器的數量或種類，它們的使用方式也同樣重要。目前，大多數路面上行駛車輛內的ADAS都是獨立工作的，這意味著它們彼此之間幾乎不交換信息。只有把多個傳感器信息融合起來，才是實現自動駕駛的關鍵。
現在路面上的很多汽車，甚至是展廳內的很多新車，內部都配備有基于攝像頭、雷達、超聲波或LIDAR等不同傳感器的先進駕駛員輔助系統（ADAS）。
這些系統的數量將會隨著新法案的通過而不斷增加，例如在美國，就有強制要求安裝后視攝像頭的法案。此外，諸如車險打折優惠和美國公路交通安全管理局（NHTSA）、歐洲新車安全評鑒協會（Euro-NCAP）等機構做出的汽車安全評級正在使某些系統成為汽車的強制功能；另一方面，這也助長了消費者對它們的需求。
諸如自動泊車、公路巡航控制和自動緊急制動的自動駕駛汽車功能也在很大程度上依靠傳感器來實現。重要的不僅僅是傳感器的數量或種類，它們的使用方式也同樣重要。目前，大多數路面上行駛車輛內的ADAS都是獨立工作的，這意味著它們彼此之間幾乎不交換信息。（沒錯，某些高端車輛具有非常先進的自動駕駛功能，不過這些功能還未普及）。后視攝像頭、環視系統、雷達和前方攝像頭都有它們各自的用途。通過將這些獨立的系統添加到車輛當中，可以為駕駛員提供更多信息，并且實現自動駕駛功能。不過，你還可以突破限制，實現更多功能——參見圖1。
圖1：ADAS以汽車內單個、獨立的功能存在。
傳感器融合
僅僅通過多次使用相同種類的傳感器無法克服每種傳感器的缺點。反之，我們需要將來自不同種類傳感器的信息組合在一起。工作在可見光譜范圍內的攝像頭CMOS芯片在濃霧、下雨、刺眼陽光和光照不足的情況下會遇到麻煩。而雷達缺少目前成像傳感器所具有的高分辨率。
展開 自動駕駛行業觀察 | 自動駕駛汽車如何「看到」紅綠燈？
紅綠燈識別是實現城區自動駕駛能力最為關鍵的一環，現實世界的紅綠燈的位置、朝向并無規律可言，想在圖像中找到隨機懸掛在路口的紅綠燈卻并不是一件容易的事情。那么紅綠燈識別究竟有哪些難點，我們又有哪些技術方案能夠實現紅綠燈檢測呢？
紅綠燈識別的技術難點
1、小物體檢測
紅綠燈檢測屬于小物體檢測問題，在一副圖像上所占的像素比極小，并且不同于車輛，行人的檢測，紅綠燈所能提取的特征有限，基本上是顏色特征，這個對設計神經網絡的特征提取提出極大的挑戰。還需從其它角度考慮，如紅綠燈的位置始終在高處，紅綠燈的時序信息等去判斷。
另外對于相機的選型也有要求，選擇FOV（field Of View，視野）小的，聚焦功能好，所檢測的距離遠，但視野范圍小；選擇FOV大的，視野范圍大，但檢測距離近，所以可能會配合兩個甚至多個不同FOV大小的相機來檢測紅綠燈，這又會涉及到多個相機融合的難點問題。
2、紅綠燈實時變化
雖然跟交通標志牌類似，都屬于靜態物體檢測，但紅綠燈的狀態是實時發生變化的，這提升了檢測的難度。此外，在不同光照條件下，紅燈和黃燈的相似度很接近，甚至人眼都難以區分，只能根據燈的位置信息來區分。
另外，不同地區的紅綠燈設計方式，展現形式不一樣，如天津地區的條形展現形式，這就對紅綠燈的數據采集提出更多的挑戰，要覆蓋更多場景，增加了采集成本，同時對檢測網絡提出了更高的要求，具備更強的泛化性。
展開 摯途科技向一汽解放供應 L3 自動駕駛系統，實現自動駕駛的商業化落地
2021 年 7 月 21 日，全球首臺前裝車規級 L3 自動駕駛重卡 —— J7 L3 超級卡車在一汽解放定制化小批量生產下線。
兩個月前，摯途科技和一汽解放簽訂協議，摯途成為一汽解放定點供應商，并正式以 Tier1 角色向一汽解放供應 L3 自動駕駛系統！伴隨著第一輛前裝 J7 L3 超級重卡下線，摯途科技成為國內自動駕駛行業中第一個向主機廠前裝供貨的企業，也是業界第一個實現自動駕駛產品商業化落地的企業。
一汽解放作為中國最具價值的商用車品牌，于 2020 年 9 月發布了全球首款前裝 J7 L3 超級卡車，今年，這款產品正式搭載著摯途的 L3 自動駕駛系統上市。這標志著一汽解放在商用車自動駕駛領域依然走在世界最前列，其「頭雁」地位不可撼動。
率先落地，摯途 L3 書寫中國速度
與國內大部分自動駕駛項目進行后裝改造不同，J7 L3 超級重卡是一汽解放與摯途科技聯合立項，并嚴格按照解放流程開發的產品，這款車從設計之初就充分收集了物流客戶需求，開發上嚴格按照商用車法規和車規要求，在產品策劃、設計驗證、生產準備以及前裝交付的各階段全部嚴格遵循解放要求執行。
摯途 L3 級智能駕駛系統采用車規級零部件，應用異構感知融合技術、三層節油架構、信息與網絡安全技術，能夠在高速公路場景下實現全天候的自動駕駛功能，其中包括定速巡航、自適應巡航、碰撞預警、緊急停車、疲勞檢測、車道保持、手離檢測等功能，同時還增加了諸如超車、變道以及靠邊停車和人工接管的功能，實現了車輛在安全、舒適和經濟性三方面的顯著提升。
綜合考慮到重卡的使用效率，結合地圖、動態規劃和車輛控制，這款產品能給客戶帶來 10% 左右的燃油節省。
展開 
自動駕駛汽車真的比人駕駛汽車更安全嗎?
但自動駕駛汽車真的會更安全嗎？
汽車行業面對的最大挑戰主要是邊緣情況引發的意外狀況。事實上有兩個新的汽車安全標準，ISO 26262 和 UL 4600，就試圖解決這些邊緣情況。
然而這些標準不是強制性的，監管機構不要求自動駕駛汽車遵守這些或其他任何自動駕駛行業專屬標準。更糟糕的是，正如我將在下面解釋的那樣，有充分的理由相信某些類型的自動駕駛汽車可能無法處理這些邊緣情況。
自動化水平
首先，我們來定義“自動駕駛”的含義。汽車工程師協會定義了自動駕駛技術的六個級別，如下所示：
L0：人類司機掌控所有駕駛功能
L1：某種程度的駕駛輔助（可以是自適應巡航或路線保持 / 居中）
L2 ：部分自動駕駛（同時具備自適應巡航和路線居中），但司機必須保持控制狀態（手放在方向盤上，雙眼注視路線，或者兩者皆有）
L3：有條件的自動駕駛（特定條件下司機可以雙手離開方向盤做自己的事情，但收到車輛提示時必須介入控制）
L4：高度自動駕駛（在特定場景下，如指定城市街道和 / 或校園道路上，司機不需要介入控制）
L5：完全自動駕駛（不需要人類介入控制）
L3-5 被視為自動駕駛系統（ADS），其中司機無需注意道路。在第 3 級別，司機可以看書或看電影，但如果車輛要求，司機必須能夠在 10-60 秒內接管車輛操控。
展開 【自動駕駛】Waymo自動駕駛汽車公共道路行駛里程已超過1600萬公里
10月11日，據國外媒體報道，谷歌母公司Alphabet旗下自動駕駛部門Waymo的CEO約翰·科拉菲克（John Krafcik）透露，他們的自動駕駛汽車在公共道路上的行駛里程已經超過了1600萬公里。
Waymo自動駕駛汽車公共道路行駛里程已超過1600萬公里
科拉菲克在當地時間周三，在公司官網撰文宣布Waymo自動駕駛汽車在公共道路上的行駛里程已經超過了1000萬英里（約1609萬公里）。
科拉菲克在官網還透露，Waymo自動駕駛汽車在公共道路上的行駛里程達到1000萬英里，是在美國的25座城市達到的，這其中包括加利福利亞州、亞利桑那走和密歇根州等多個個自然環境不同的城市，道路也包括了鳳凰城的高速公路和舊金山密集的城市街道。
對于下一個1000萬英里，科拉菲克也表示將致力于將他們現金的技術轉化成供人們使用的服務。為了更好的服務乘客，讓更多的人從他們的技術中受益，他們需要自動駕駛技術更安全、舒適和方便。
除了在公共道路上進行測試，Waymo也在對自動駕駛汽車進行模擬測試， 而且測試里程遠超公共道路，科拉菲克在官網上就透露，模擬測試的里程在本月將會超過70億英里。在模擬測試中，他們可以道路上出現的各種情況，并且可以使面臨的情況更具挑戰性，通過模擬測試，他們能夠測試各種新技能并對現有技能進行完善，也能模擬各種罕見的情況，驗證他們的軟件。
展開 高級別智能駕駛業務系列：自動駕駛系統
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 美大學安裝高保真駕駛模擬器 助力自動駕駛系統研究
據外媒報道，美國德克薩斯大學奧斯汀分校（UT-Austin）安裝了一個完全集成式的高保真Cruden駕駛模擬器，以對自動駕駛系統學術研究提供協助。
德克薩斯大學奧斯汀分校的一個汽車駕駛員在環（driver-in-the-loop）模擬器上已經安裝了Cruden。奧斯汀分校的Walker機械工程系是北美最知名的研究機構之一，該系將利用Cruden AS1基于動作的系統，在其硬件在環（HIL）測試設置中添加人類駕駛員輸入，以研究自動駕駛汽車控制系統的性能。
德克薩斯大學奧斯汀分校需要一個結合了HIL和駕駛員在環（DIL）系統的汽車模擬器，即一個定制裝置，可輕松、無縫地呈現多種駕駛環境和車輛類型，并且盡可能地接近現實。
該Cruden模擬器集成了奧斯汀分校現有的dSpace Scalexio模塊化實時硬件仿真系統以及dSpace ASM車輛和交通模型。該系統可用于多智能體模擬，以評估智能車輛的交通情境，包括評估復雜的車輛動力學。
將多智能體模擬與DIL模擬結合是業界首創，可實現在主客觀場景進行車輛測試，以及研究未來移動出行項目，可以呈現真實現實場景，但是有人類在模擬器后面進行操作。
展開 