低速自動駕駛的案例
解鎖園區交通新模式：園區低速自動駕駛
北斗園區低速自動駕駛解決方案技術架構
北斗園區低速自動駕駛解決方案集合千尋知寸、千尋云蹤、千尋途靈時空智能RSU等獨家特色產品服務，可廣泛應用于多種場景：無人接駁、編隊行駛、分時租賃、無人清掃、無人配送、無人物流、無人售賣、無人巡檢等。從安全提效、智能管理、服務升級等層面助力園區交通系統智能化升級。
上千尋位置官網，查看更多北斗資訊、產品、解決方案。
北斗+低速自動駕駛機器人來襲，在線發布會精彩搶先看
千尋位置北斗智能市場新品情報局在線沙龍第一期，聚焦低速自動駕駛領域新物種。3月16日15點在線發布3款北斗+機器人，1款高精度組合導航，覆蓋農業、零售、環衛、港口多個場景。
本期在線沙龍邀請了4位優秀的合作伙伴，為我們解答：北斗高精度定位技術如何賦能讓這些新物種提高效能、推動變革，在助力構建時空智能城市中成為必不可缺的一環。
掃描下方二維碼或點此查看更多北斗產業相關資訊、產品及解決方案。
低速自動駕駛技術：APA
圖18
總結一下
泊車場景作為用戶痛點感受最深，技術實現相對容易，客戶最愿買單且最有機會率先落地的場景，是乘用車L4自動駕駛企業兵家必爭之地。
之前看過一篇文章，里面列舉了汽車十大最沒用的配置，自動泊車位列其中。而隨著自動泊車從半自動到全自動發展，我們看到了自動泊車作為低速自動駕駛更多的閃光點。自動泊車也逐漸從“雞肋”變成了“真香”。
低速配送無人駕駛技術的機遇到來了嗎
自動駕駛系統主要由感知系統、決策規劃和控制系統與控制執行幾部分構成，在低速車輛下面也是融合了硬件、軟件、算法、通信等多種技術。
美國低速自動駕駛在公共交通應用詳解
這些服務可作為無人駕駛出租車或叫車服務預訂或按需提供，可作為共享服務部署，將朝同一方向行駛的人集中到一輛車上。
當達到閾值人數或指定的等待時間時，可以調度LSAV，無論是作為輔助客運系統還是作為一般通行。
美國已完成的各種LSAV項目中車輛存在一些性能限制，包括：
某些車輛的速度范圍有限（9至11 mph）。
存在無保護左轉的限制（通過車輛技術、手動控制或兩者兼而有之）。
天氣對電池壽命（極熱/極冷）、空調、自動模式下的運行（大雨）以及線控機電系統（雪）性能的影響。
d) 輕拋灑物或缺少硬邊，干擾自主模式。
e) 對觸發突然停止的物體過于敏感。
LSAV車輛演進方向包括：
載客量越來越大或者越來越小，包括全尺寸電動客車和吊艙車；
更高的運行速度；
開發符合聯邦自動車安全標準FMVSS（Federal Motor Vehicle Safety Standard）的低速和中速車輛；
在傳統上不用于公共交通的車輛上安裝輪椅固定裝置和坡道；
改進人工智能和車輛設計。
展開 這家高精定位巨頭，為何拼命盤活「北斗＋」生態？
可以預見的是，隨著L4級自動駕駛在多個低速場景的落地應用，整個產業鏈的發展脈絡變得更加清晰。在低速自動駕駛管理規范持續完善，以及相關技術不斷提升的背景下，將會有越來越多的機器人伙伴走入大眾視野，并滲透至人們的日常生活。
而北斗智能市場，作為由千尋位置發起的北斗時空產業生態整合平臺，匯聚了各類面向低速自動駕駛領域的產品，可提供完整的低速自動駕駛領域北斗高精度定位解決方案；其核心能力——北斗高精度定位技術，作為加速L4級自動駕駛在各個應用場景落地的背后力量，將持續提供強有力的基礎支撐。
掃描下方二維碼或點此查看北斗智能市場共創計劃，了解更多詳情
展開 盤點自動駕駛相關的國內外高校（亞洲篇）
2018年上海交大-青飛聯合實驗室共同開發校園無人小巴系統，聚焦低速園區無人車技術，并與2018年4月在徐家匯校區進行試運行。
北京理工大學
北京理工大學設有汽車研究所，覆蓋自動駕駛、智能底盤等領域，主要由智能車輛研究團隊、汽車總體及底盤控制團隊組成，由龔建偉教授主導。2013年與比亞迪合作推出中國首輛實現線控轉向、油門和檔位控制功能的無人駕駛汽車Ray，并獲得2013年中國智能車未來挑戰賽總冠軍。
香港科技大學
香港科技大學設有機器人研究所，并于2017年11月宣布已開發出香港第一臺高爾夫球車式自動駕駛汽車。機器人研究所主要有狀態估計，繪圖，軌跡規劃，多機器人協調以及使用低成本傳感和計算組件的測試平臺開發。電子和計算機工程學院的劉明教授是自動駕駛的核心人物，于2019年5月研發了一種自動駕駛電動輪椅。此外，眾所周知香港科技大學的很多工程師活躍于商湯科技，商湯以AI圖像分析為主，近年也致力于自動駕駛技術的開發，過去曾公開其支持阿里巴巴和日本本田的技術開發。
以上是筆者總結的全部內容，僅供參考。歡迎留言和補充。
展開 大唐高鴻全國率先實現無人駕駛“協作式交叉口通行” 場景，助力低速無人駕駛場景落地花湖機場
隨著自動駕駛技術的逐步發展和成熟，應用于封閉或半封閉場地的低速無人駕駛技術，最有可能成為落地商用的重點場景之一。
作為推動C-V2X產業發展的核心力量，大唐高鴻在車路協同、助力自動駕駛技術發展和商用落地方面一直走在前列。通過積極探索，先行先試，已經實現C-V2X全系列產品規模化生產。伴隨著城市、園區、高速、港口、礦山、機場等各場景下越來越多的項目落地，大唐高鴻將持續發力低速無人駕駛領域，為智慧機場建設賦能，推動我國交通運輸業高質量發展、助力交通強國目標的實現。
近萬字闡述：智能駕駛系統功能如何定義
第1類，L3有條件自動交通擁堵駕駛功能
L3交通擁堵駕駛功能是為走走停停的交通提供自主行駛。如果可以跟蹤前面的汽車，它允許車輛在較慢的速度下不需要人類操作員的輸入就可以行動。人類操作員是DDT的退路。奧迪交通擁堵試點（奧迪，2015年）使用自適應巡航控制和LKA，允許在交通堵塞中緩慢行駛。2017年的奧迪A4和Q7，包含了這個功能的早期版本（SAE國際L2），跟隨前面的車輛，在系統的限制范圍內自動操作油門和剎車，使車輛保持在車道上。汽車自動轉向、加速和剎車，并允許司機在慢速行駛的交通中雙手離開方向盤，每次15秒（Jaynes, 2016），該功能的未來版本有望實現L3級自動駕駛，并在2019年的奧迪A8上投入商業使用。
福特已經宣布，該公司正在敲定他們自己的交通擁堵輔助系統；然而，他們沒有提供其首次亮相的時間表。交通擁堵輔助系統將是一個結合了ACC和LKA的自動駕駛系統，協助司機進行轉向、制動和加速（福特汽車公司，2015）。結合相關行業信息，福特L3量產預計在2022年，其自動駕駛控制器具備L3系統冗余和自動泊車駕駛功能的系統。
表3. L3有條件的自動交通擁堵駕駛功能
第2類，L3有條件的高速公路自動駕駛功能
L3高速公路駕駛功能允許車輛在高速公路上不需要人類操作員的輸入就能采取行動（例如，ACC和近距離排隊）。該功能使車輛能夠以理想的速度行駛，并根據周圍的交通情況調整速度。該系統還能超越較慢的車輛或在高速公路路口并線。
表4. L3有條件的高速公路自動駕駛功能
第3類，L4高度自動化低速自動駕駛功能
L4高度自動化低速自動駕駛車是一種沿著預定路線行駛的自動駕駛車輛。該系統不需要車載駕駛員控制界面，而且速度限制在25英里/小時以下。
展開 2020年自動駕駛汽車成熟度指數
各國家和地區在建設自動駕駛相關數字基礎設施方面仍存在分歧。在特定條件下，4 級自動駕駛車輛可能會受限于具有適當數字基礎設施的區域。建設允許車輛連接基礎設施（V2I）通信的數字基礎設施可能是重要的解決途徑。V2I系統使用集中式交通管理系統，通過協調車輛的運行方式來優化所有用戶的權益，從而優化該地區高速公路的使用。在道路通行不受限制的地區，例如農村地區，自動駕駛汽車可以更多地依賴系統運行。而在城市間高速公路等受限地區，政府對數字基礎設施進行投資，實現自動駕駛汽車與系統對接則尤為重要。
4、對運輸系統的影響。
美國在自動駕駛開發方面處于領先地位，重點發展自動駕駛私家車和出租車服務。其他多數國家和地區則通過使用自動駕駛汽車來增加共享交通工具的便利性和普及性，例如智利、丹麥、芬蘭和挪威等國正在測試低速自動駕駛小巴，新加坡、西班牙和英國的運營商正在測試全自動駕駛公交車，從而減少對專業駕駛員的需求。鑒于自動駕駛汽車將削減勞動力成本，到2022 年，偏遠社區的服務能夠更加便捷，并緩解了城市擁擠的公共交通。另外，新冠肺炎疫情也可能推動自動駕駛汽車的普及。疫情使共享車輛對用戶的吸引力降低，但是定期清潔的公共管理自動駕駛小巴獲得青睞。
5、跨境旅行。
盡管各國和地區為自動駕駛汽車部署的數字基礎架構有所不同，但是，為確保跨境車輛正常運行，制定自動駕駛車輛運行的國際標準十分必要。歐盟規定，從2022 年開始，所有新車在高級駕駛員輔助系統（ADAS）下，都必須具備自動緊急制動和保持在同一車道的協助功能，保險也是如此。一些國家和地區已經通過立法來明確與自動駕駛汽車有關的責任，例如英國的《自動和電動汽車法》。但是，由于這類車輛具有跨境自動駕駛的可能性，因此各國在相關法律法規中保持一定程度的一致性將大有裨益。
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 
2023CES自動駕駛盤點——卡車自動駕駛篇
Vueron展示自動駕駛送貨卡車
LiDAR自動駕駛初創公司Vueron展示了其環保型自動駕駛送貨卡車，這是一種基于Vueron先進技術的安全自動駕駛系統。利用Vueron技術推出環保型自主驅動冷鏈配送。該公司已經獲批加州和內華達州DMV頒發的公司自動駕駛許可證， 2023CES期間還在展會現場演示了其自動駕駛解決方案。
Vueron Technology成立于2019年，專注于LiDAR解決方案和自動駕駛技術的開發。Vueron基于自主開發的感知算法提供“VueOne”（汽車激光雷達解決方案）和“VueTwo”（智能基礎設施激光雷達解決解決方案）。
通過使用最新的LiDAR解決方案，Vueron能夠實現安全高效的自動駕駛，其目標是與Teamfresh合作，在冷鏈市場提供環保的自動駕駛配送服務，從而提供可持續的物流解決方案。為了在物流領域成為基于技術的問題解決者，Vueron表示，他們將繼續努力在化妝品、酒類和當地生鮮食品等不同行業開展合作業務。通過提供定制形式的自動駕駛解決方案，并根據每個客戶的需求進行調整，Vueron希望解決全球不同客戶面臨的最具挑戰性的問題。
Mars Auto卡車自動駕駛系統“Mars Pilot”
Mars Auto在CES 2023上推出了卡車自動駕駛系統“Mars Pilot”，旨在實現物流中心運輸的完全自動化。Mars Pilot在平均97%的客戶貨運路線上執行3級自動駕駛，獲得了CES 2023“車輛技術和先進移動性”類別的創新獎。
Mars Auto成立于2017年，是一家開發“Mars Pilot”的公司，這是一種為卡車設計的自動駕駛系統，旨在實現物流中心運輸的完全自動化。
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 自動駕駛前沿綜述：基于深度強化學習的自動駕駛算法
自動駕駛任務中的強化學習
在自動駕駛中，RL 可以完成的任務有：控制器優化、路徑規劃和軌跡優化、運動規劃和動態路徑規劃、為復雜導航任務開發高級駕駛策略、高速公路、交叉路口、合并和拆分的基于場景的策略學習，預測行人、車輛等交通參與者的意圖，并最終找到確保安全和執行風險估計的策略。
4.1 狀態空間、動作空間和獎勵
為了成功地將 DRL 應用于自動駕駛任務，設計適當的狀態空間、動作空間和獎勵函數非常重要。
4.1.2 狀態空間
自動駕駛汽車常用的狀態空間特征包括：本車的位置、航向和速度，以及本車的傳感器視野范圍內的其他障礙物。此外，我們通常使用一個以自主車輛為中心的坐標系，并在其中增強車道信息，路徑曲率、自主的過去和未來軌跡、縱向信息等。我們通常會使用一個鳥瞰圖來展示這些信息。
鳥瞰圖
4.1.3 動作空間
自主車輛的控制策略需要操縱一系列執行器，比如方向盤，油門和剎車（暫時不考慮其他的執行器）。有一點需要注意的是，這些控制器都是在連續空間中運行的，而大多數 DRL 控制器屬于離散空間。因此我們需要選擇合適的時間步長。
獎勵
為自動駕駛的 DRL 代理設計獎勵函數仍然是一個懸而未決的問題。AD 任務的標準示例包括：向目的地行駛的距離 、本車的速度、使本車保持靜止、與其他道路使用者或場景對象的碰撞，人行道上的違規行為，保持在車道上，保持舒適和穩定性，同時避免極端加速、制動或轉向，并遵守交通規則。
4.2 運動規劃和軌跡優化
運動規劃是確保目標點和目的地點之間存在路徑的任務。但是動態環境和變化的車輛動力學中的路徑規劃是自動駕駛中的一個難題，比如通過十字路口，或者并入高速公路。
展開 無線充電技術為低速無人駕駛清掃車注入無限動力
這種靈活性和擴展能力，使得在構建智慧城市的過程中，無人駕駛清掃機器人的部署更加簡單、經濟且高效。
青島魯渝能源公司新推出的無線充電器專為低速無人駕駛車而設計，具備多項先進特性。靠近即充，實現自動化充電，同時通過IP67防水認證，確保各種天氣條件下的穩定性。大功率設計使其充電快速而高效，并具備多重安全機制，確保充電過程安全無憂。智能化、無人化的特點使設備能自主優化充電，無需人工干預，為無人駕駛車輛的續航提供了可靠保障。
隨著對智能城市、智慧交通的需求增加，無人駕駛清掃機器人將逐漸在更多領域展現其價值，而無線充電技術無疑為其提供了堅實的后盾。隨著研究的深入，未來的無線充電技術能進一步優化充電速度和能源轉換率，從而為城市環境的可持續發展貢獻更大的力量。
展開 