高級別自動駕駛智能駕駛 港口的案例
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 高級別智能駕駛業務系列：港口作業仿真系統
</strong></p><p class="ql-align-center"><strong>應用案例</strong></p><p> 經緯恒潤數字孿生及仿真系統已在山東濟寧港航龍拱港、河北港口集團京唐港布局應用，為客戶提高集裝箱碼頭生產運營效率提供了強大的工具。未來，數字孿生及仿真系統還會擴展到礦山、園區自動駕駛等場景，為更多的行業客戶創造價值。科技發展日新月異，經緯恒潤將繼續堅持自主創新，為客戶提供更高質量、更好體驗、更具有市場競爭力的產品和服務，為實現客戶場景數字化、自動化、智能化目標而努力！</p>
展開 經緯恒潤高級別智能駕駛業務系列之新一代遠程駕駛臺
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，包含了車端自動駕駛、路側車路協同、基于5G網絡的遠程遙控駕駛、后臺云端調度、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
新一代遠程遙控駕駛產品作為車云互聯的融合應用，可在L4高級別智能駕駛業務中作為自動駕駛系統的有力補充，通過遠程駕駛操作臺上全方位的車輛視頻和豐富的信息顯示，準確判斷出車輛狀態、預知車輛異常。在一些自動駕駛無法處理的極端、異常場景下，通過修改作業指令或直接駕駛車輛的方式，使車輛繼續生產作業或返回安全區域維修，有效地提高了車端無人情況下車輛應對特殊邊緣工況的能力，保證了在各類異常情況下擁有處理手段完成港口的生產任務，使生產作業能夠連續不間斷地運行。
▎系統介紹
遠程遙控駕駛系統主要由車端、云端及遠程駕駛臺這三個部分構成。
車端
遠駕車端模塊包含新一代高性能車規級嵌入式控制器、大視場高保真彩色攝像頭及5G通訊模塊。攝像頭將圖像傳輸到車載控制器后，通過5G通訊模塊向云上傳輸。同時，車載控制器通過5G通訊模塊下載到來自云端的車輛控制指令，運行相應車輛運動控制算法。
展開 高級別智能駕駛業務系列：V2X車路協同系統
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，包含了車端自動駕駛、路側V2X車路協同、基于5G網絡的遠程遙控駕駛、后臺云端調度、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。
V2X車路協同系統作為L4高級別智能駕駛業務自動駕駛系統的有力支撐，實現了對無人駕駛車輛運行區域內交通情況的實時感知以及V2X通信。一方面將感知對象的狀態參數（包括絕對位置、速度、航向角、尺寸、類型等）實時上報到后臺調度系統，另一方面基于C-V2X路側通信單元（RSU），可以通過PC5通信接口與車載通信單元（OBU）直接通信，將感知到的目標結果發送到智能駕駛車輛，使車輛獲得局部實時交通狀況，以增強智能車輛的感知能力，從而減小交通事故發生概率。
▎系統介紹
V2X車路協同系統主要由5合1融合感知單元(FPU)、路側通信單元(RSU)和車載通信單元(OBU)三部分組成。
5合1融合感知單元(FPU)
針對傳統的傳感器分散部署方案需要定期相互校準以及傳感器環境適應性、功能安全和使用壽命滿足不了港口環境要求等問題，經緯恒潤研發了5合1路側融合感知單元（FPU），將車規級量產的激光雷達、毫米波雷達、攝像頭以及HPC高性能計算單元布置于同一設備內，實現了各傳感器的同視軸一體化安裝，并可對光學器件表面進行高壓氣流自動清潔，大大減少了設備初次安裝部署、定期清潔和標定的維護時間，保障了感知功能長期可靠運行，提升了港口運維效率。
展開 
高級別智能駕駛業務系列：自研CPS車輛精準對位系統
系統特點
除了傳統的車輛定位及引導功能，經緯恒潤CPS系統還依托公司自動駕駛系統的平臺優勢，針對現場作業的痛點問題，形成了以下的特色功能。
▎ 性能穩定，快速響應
由于無人集卡作業對于CPS系統的檢測精度要求更高，同時受CPS系統的作業環境限制（往往只能安裝在橋吊的部分位置上），計算單元只能使用嵌入式設備。經緯恒潤CPS系統的檢測算法進行針對性優化，既滿足在有限算力平臺上長時間穩定運行，又保證自動駕駛車輛引導任務的性能要求。
同時，針對現場作業異常場景出現概率低、難復現的問題，經緯恒潤CPS可以實時對異常場景數據進行存儲和記錄，快速定位和解決問題，提高生產效率。
▎ 自動清洗，便捷維護
經緯恒潤CPS針對港口散貨裝卸等多沙塵場景，提供了選配的自動清洗裝置，可以完成對于雷達設備泥土、污漬的自動化清洗，降低日常維護保養的成本。
應用案例
目前，經緯恒潤CPS產品已在京唐港集裝箱碼頭部署運營，為港口L4智能駕駛業務自動駕駛系統提供了有力支撐，已經可以很好地實現無人智能集卡全自動裝卸箱的整體流程，裝卸箱過程的作業效率相對人工更高。同時，無人作業也為安全性提供了保障。
岸橋部署如下圖所示，設備安裝于岸橋的聯系梁上。岸橋需要檢測的車道數量更多，經緯恒潤CPS系統的檢測算法做了相應調整，可同時覆蓋橋下各個作業車道。
岸橋部署
場橋部署如下圖所示，設備安裝于靠近作業車道一側的橋梁上，結合雷達FOV視場角計算確保可以對有人/無人集卡兩條車道的檢測及精確引導。
場橋部署
展開 經緯恒潤高級別智能駕駛業務新產品系列之數字孿生系統
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，包含車端自動駕駛、路側車路協同、基于 5G 網絡的遠程遙控駕駛、后臺云端調度、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。
數字孿生系統作為智慧港口整體解決方案的一個重要組成部分，具備 “回溯既往、掌控當下、預測未來” 的場景效果和應用價值，并且在港口規劃階段、開發測試階段、生產階段等不同階段發揮作用。
數字孿生系統支持建立集裝箱碼頭岸橋、場橋、HAV、碼頭面、堆場、道路、道閘、門架等設備和設施的三維模型，與碼頭操作系統（TOS）、設備控制系統（ECS）、任務調度系統等港口真實信息物理系統進行對接，接收實時生產數據，對集裝箱碼頭實時動態的生產場景和生產運營數據進行可視化，實現對碼頭的生產運營實時監控和分析。
經緯恒潤數字孿生系統可視化
▎ 系統介紹
經緯恒潤數字孿生系統包括三維場景、生產場景可視化、數據看板、數據服務等幾個模塊。
三維場景
數字孿生系統建立了整個集裝箱碼頭的高逼真度三維模型，包括碼頭面、道路、堆場、交通標志、護欄、辦公區域等靜態實體模型，以及岸橋、場橋、車輛、道閘、紅綠燈等動態實體模型。
展開 活動 | 激光雷達種類那么多，究竟誰才是高級別自動駕駛的終極解決方案
大會議題包含：
自動駕駛所需的車規級激光雷達及感知融合
激光雷達上車加速實現城市內自動駕駛
車路協同激光雷達解決方案助力智能交通新基建快速發展
車載激光雷達主要參數測試方法標準化研究
激光雷達傳感器封裝 / 測試技術
可量產全固態激光雷達在自動駕駛領域的應用
高級別自動駕駛對車載激光雷達的要求
激光雷達核心元器件的研發與應用
高性能車規級固態激光雷達賦能自動駕駛
車規級激光雷達激光器解決方案
激光雷達前裝量產的準備
激光雷達在無人車中的應用
…
歡迎掃碼注冊報名！
展開 安謀推首個自動駕駛級別汽車處理器 保證安全
據外媒報道，日本軟銀（Softbank）旗下的英國半導體和軟件公司安謀國際科技股份有限公司（Arm Holdings）在設計全球銷售的數十億智能手機、平板電腦和智能手表芯片方面最知名。基于安謀體系架構的片上系統在智能手機處理器市場的份額預估為90%至95%，而且安謀的圖形處理器（GPU）Mali也是移動設備三大受歡迎產品之一。
安謀在汽車方面的工作往往很少受到關注。但是，自1996年以來，其已經以某種形式獲得了汽車硬件生產授權，并且表示前15名的汽車芯片制造商都利用其IP驅動85%的車載信息娛樂系統（IVI）和65%的高級駕駛員輔助功能（如自適應續航控制和防撞功能）。
當地時間9月26日，為了進一步鞏固其在車載設備方面的主導地位，該公司推出了針對自動駕駛技術的新版解決方案陣容。安謀推出三項新產品和服務-安謀Safety Ready，Cortex-A76AE以及Split-Lock，強調安全性高于一切。
安謀汽車部副總裁Lakshmi Mandyam表示：“車載信息娛樂系統駕駛艙和高級駕駛員輔助系統將發生關鍵的電子創新。對于汽車制造商來說，不管是與控制駕駛各個方面的自動駕駛系統相關的技術因素，還是確保人類乘客信任自動駕駛員的技術，安全是最重要的。如果消費者不相信汽車內的自動駕駛系統是安全的，大眾市場對該技術的接受過程就會很慢。”
據安謀所說，其Cortex-A76AE產品是世界上首個“自動駕駛級別處理器”，可專門用于處理激光雷達傳感器、攝像頭，自動駕駛處理、存儲控制器、網絡網關以及其他自動駕駛汽車支架生成的大量數據，此外還能處理百度、Linaro、AutoWare以及其他生態系統合作伙伴的軟件程序。
來源：蓋世汽車
展開 低延遲高精度 地平線頂尖自動駕駛算法實力解析｜Waymo自動駕駛算法挑戰賽
引言
近年來，自動駕駛技術和應用已經成為了科技界和工業界非常火熱的話題。全球每年因交通事故大約會造成相當于6000億美金的經濟損失，而自動駕駛技術可以提升安全系數，提高交通系統的效率，為用戶帶來更為安全和高效的駕駛體驗。除了這些需求的推動，自動駕駛技術這些年的飛速發展也離不開另一項關鍵技術的成熟，那就是人工智能，再具體一些就是深度學習（Deep Learning）。自動駕駛是一項復雜的技術，其核心包括傳感器感知、行為決策、高清地圖、海量數據、高性能計算平臺等等。深度學習首先在傳感器感知方面取得了突破性的進展，并因此極大的推動了自動駕駛技術的發展。
深度學習是機器學習領域的一個分支。在機器學習領域，有一個不成文的法則：數據為王（Data is King）。沒有一定規模的高質量數據，再好的模型也是巧婦難為無米之炊，但是究竟需要多少數據，這個對于研究者來說也是一個很難回答的問題。隨著深度學習技術的崛起，我們對這個問題有了更為清晰的認識。回想一下，如果沒有當年的ImageNet大規模圖像數據庫，沒有以ImageNet為基礎的圖像識別競賽，可能就不會有AlexNet算法的驚艷表現，也就不會有近些年深度神經網絡在計算機視覺感知領域的統治性地位，更不會有現在人工智能應用的遍地開花。所以說，大規模高質量的數據對于目前的人工智能應用來說非常的重要。
那么，對于以人工智能為依托的自動駕駛技術來說，數據自然也是成功的核心因素之一。海量數據的收集和整理是一項浩大的工程，如果每個研究機構都建立自己的數據庫，那勢必會耗費大量的時間和資金，也不利于各種技術的橫向和縱向對比。因此，構建一個公開的大規模數據集，并以此為基礎進行標準化測試（benchmarking），也就成為了業界的共識。
展開 滴滴高管接受調查;智能汽車新風口;中國品牌新能源“一邊倒”;自動駕駛升級新規;百度吉利商議碳積分
01
工信部：不得擅自升級新增汽車自動駕駛功能
汽車行業關注 近日，工信部發布了《關于加強智能網聯汽車生產企業及產品準入管理的意見》。其要求企業實施在線升級活動前，應當確保汽車產品符合國家法律法規、技術標準及技術規范等相關要求并向工業和信息化部備案。涉及安全、節能、環保、防盜等技術參數變更的應提前向工業和信息化部申報，保證汽車產品生產一致性。未經審批，不得通過在線等軟件升級方式新增或更新汽車自動駕駛功能。值得一提的是，該意見明確管理范圍為智能網聯汽車生產企業及其產品。在完善保障措施上，《意見》指出，發現產品存在數據安全、網絡安全、在線升級安全、駕駛輔助和自動駕駛安全等嚴重問題的，車企應當依法依規立即停止相關產品的生產、銷售，采取措施進行整改，并及時報告。
02
中國品牌迎來新機遇，新能源市場“一邊倒”
??????
汽車信息網 中汽協發布的7月車市數據顯示，產銷同比和環比都出現下滑。其中乘用車產銷量分別為154.8萬輛和155.1萬輛，環比分別下降0.5%和1.1%，同比分別下降10.7%和7.0%。根據中汽協數據統計，7月中國品牌乘用車銷量達到72萬輛，同比增長22.2%，市場份額達到46.4%，上升11.1個百分點。今年1-7月，中國品牌乘用車銷量492萬輛，同比增長42.8%，市場份額42.6%，上升6.5個百分點。
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 
智能座艙已來，自動駕駛還遠嗎？
ANSYS VRXPERIENCE 讓車輛系統的設計驗證實現新高度
“未來駕駛艙”
VRXPERIENCE HMI + SCADE Display
眾所周知，智能座艙的概念很大程度都是靠人機交互系統來實現，視頻展現了如何通過ANSYS工程仿真解決方案，探索未來飛機人機界面（HMI）完整的駕駛艙設計。在極具未來感的定制駕駛艙內執行起飛程序，正如視頻中飛行員所操作的，完美實現與飛行控制和駕駛艙執行器的互動。
而就在今年6月，ANSYS 宣布與AVSimulation達成戰略合作，通過虛擬測試加快自動駕駛汽車的設計與驗證，實現在1周內就完成數百萬英里的模擬路測，這將帶來更快、更安全、成本更低的新一代自動駕駛汽車（AV）設計，進而幫助tier1, tier2 客戶推動自動駕駛L3和L4-L5技術的發展，也讓汽車制造商加速將自動駕駛汽車推向市場。
ANSYS VRXPERIENCE在這當中功不可沒，這款虛擬駕駛模擬器為汽車客戶提供極為逼真的虛擬駕駛模擬平臺，包括實時場景，交通和車輛動力，通過開放且可擴展的自動駕駛汽車(AV) 模擬解決方案實現數千種駕駛場景的虛擬測試。覆蓋各種實際交通狀況，諸如多變的天氣、對向車輛和行人場景，預測車輛對任何危急情況的反應，確保在未來輕松駕駛汽車。
展開 中國自動駕駛-單車智能還是車路協同？
例如德勤按照兩個維度（區域的開放和速度方面）給自動駕駛應用場景分類，車路協同在封閉特定例如礦卡，港口，無人接駁方面應該是有廣闊的前景。
給我們什么啟示
首先，單車智能屬于歐美的強項，所以當前我們的芯片，軟件例如
智能自動駕駛六大主流車載芯片及其方案
中講到的，從乘用車進攻目前從市場角度看是有難度，當前當前的應用趨勢也表明了。所以可以選擇從商用車，封閉特定場景專用車進攻然后農村包圍城市推入乘用車市場。另外國產傳感器，芯片，軟件多關注車路協同。
外資車企應該考慮“兩條腿走路”，全球化方案單車智能路線，同時在中國本土部署本地化車路協同方案，關注中國市場動向，緊跟政府導向，利用“新基建”帶來新機遇。
最后回歸到車路協同，我覺得他的未來會是整合進入高精地圖，成為高精地圖的一個數據層。單車要使用這個層只需要接入把數據做為車輛運動決策的信號輸入。最終對于車路協同可能技術方面問題少，但是未來安全以及運營職責商業模式會有很多爭議點。
參考文章
單車智能和車路協同之爭 - 德勤
*未經準許嚴禁轉載和摘錄-獲取參考資料方式：
加入我們的知識星球
Vehicle
可以下載公眾號海量參考資料包含以上參考資料。
>>>>
相關推薦
2021DMV自動駕駛公司KPI排行榜
透過2021全球自動駕駛成績單 -看哪家豪橫，勤奮，介入少，自動駕駛主要問題
從比亞迪年報看比亞迪為什么不錯
從比亞迪停售純油車看國內混動技術
智能座艙系列文一，他到底是什么？
展開 用于自動駕駛的實時車道線檢測和智能告警
代碼：https://github.com/MaybeShewill-CV/lanenet-lane-detection
來自模型的車道線預測
介紹
自動駕駛將在未來十年給旅行帶來革命性的變化。目前，自動駕駛應用正在進行各種應用案例的測試，包括乘用車、機器人出租車、自動商業送貨卡車、智能叉車和用于農業的自動拖拉機。
自動駕駛需要一個計算機視覺感知模塊來理解和導航環境。感知模塊的作用包括：
檢測車道線
檢測其他物體：車輛、人、環境中的動物
跟蹤檢測到的對象
預測他們可能的運動
一個好的感知系統應該能夠在各種駕駛條件下 —— 白天/晚上，夏天/冬天，雨雪等等，實時做到這一點。在這篇博客中，我們著眼于一個實時模型，用于檢測車道線、其他車輛等，并生成警報。
訓練一個實時的車道線檢測器
車道檢測問題通常被定義為語義或實例分割問題，目標是識別屬于車道類別的像素。
TUSimple是車道檢測任務常用的數據集。該數據集包含3626個道路場景的標注視頻剪輯。每個剪輯有20幀。這些數據是通過安裝在車上的攝像頭捕捉到的。下面分享了一個示例圖像及其標注。
來自TUSimple 數據集的示例圖像以及車道線掩碼
在這個數據集上，我們可以訓練一個語義分割模型來分割出屬于lane類的像素。U-Net model非常適合做這個，因為它是一個具有實時推理速度的輕量級模型。U-Net是一種帶有跳躍連接的編譯碼器和解碼器模塊的編譯碼器模型。模型架構如下所示。
展開 新科工程在以色列研發智能交通及自動駕駛技術
據外媒報道，新加坡科技工程有限公司（新科工程，ST Engineering）與阿什杜德自治市（municipality of Ashdod）簽訂了合作協議，將在以色列研發智能交通系統及自動駕駛車輛的車載功能，該協議涵蓋了道路智能交通系統及客車車隊管理系統。
新科工程想要啟用一家研發中心，幫助該項目團隊共享先進傳感器的專業知識及人工智能技術，上述技術可用于自動駕駛平臺。該設施將為公司的自動駕駛客車提供測試場地。
此外，新科工程的智能鐵軌套件及道路交通方案可提供實時交通感知并傳送服務中斷警示。
大眾也在以色列測試自動駕駛出租車服務，該項計劃長達四年，與Mobileye和Champion Motors簽訂了合作協議。
該項目以“以色列新移動出行（New Mobility in Israel）”的名義進行，作為移動出行即服務（Mobility as a Service）模式的重要一環，該服務正在經受測試，該模式通常會通過自動駕駛車輛來實現。
Mobileye也配置了大眾的電動車，提供四級自動駕駛套件，該款無人駕駛方案由硬件、駕駛策略、安全軟件及地圖數據組成。而Champion Motors是以色列的汽車進口商，負責運行車隊運用及控制中心。
來源：蓋世汽車網
展開 