自動駕駛系統(tǒng)工程的案例
摯途科技向一汽解放供應(yīng) L3 自動駕駛系統(tǒng)，實現(xiàn)自動駕駛的商業(yè)化落地
2021 年 7 月 21 日，全球首臺前裝車規(guī)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(chǎn)下線。
兩個月前，摯途科技和一汽解放簽訂協(xié)議，摯途成為一汽解放定點供應(yīng)商，并正式以 Tier1 角色向一汽解放供應(yīng) L3 自動駕駛系統(tǒng)！伴隨著第一輛前裝 J7 L3 超級重卡下線，摯途科技成為國內(nèi)自動駕駛行業(yè)中第一個向主機廠前裝供貨的企業(yè)，也是業(yè)界第一個實現(xiàn)自動駕駛產(chǎn)品商業(yè)化落地的企業(yè)。
一汽解放作為中國最具價值的商用車品牌，于 2020 年 9 月發(fā)布了全球首款前裝 J7 L3 超級卡車，今年，這款產(chǎn)品正式搭載著摯途的 L3 自動駕駛系統(tǒng)上市。這標志著一汽解放在商用車自動駕駛領(lǐng)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(nèi)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(lián)合立項，并嚴格按照解放流程開發(fā)的產(chǎn)品，這款車從設(shè)計之初就充分收集了物流客戶需求，開發(fā)上嚴格按照商用車法規(guī)和車規(guī)要求，在產(chǎn)品策劃、設(shè)計驗證、生產(chǎn)準備以及前裝交付的各階段全部嚴格遵循解放要求執(zhí)行。
摯途 L3 級智能駕駛系統(tǒng)采用車規(guī)級零部件，應(yīng)用異構(gòu)感知融合技術(shù)、三層節(jié)油架構(gòu)、信息與網(wǎng)絡(luò)安全技術(shù)，能夠在高速公路場景下實現(xiàn)全天候的自動駕駛功能，其中包括定速巡航、自適應(yīng)巡航、碰撞預(yù)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(xiàn)了車輛在安全、舒適和經(jīng)濟性三方面的顯著提升。
綜合考慮到重卡的使用效率，結(jié)合地圖、動態(tài)規(guī)劃和車輛控制，這款產(chǎn)品能給客戶帶來 10% 左右的燃油節(jié)省。
展開 高級別智能駕駛業(yè)務(wù)系列：自動駕駛系統(tǒng)
近年來，伴隨著智慧化港口的大潮流，經(jīng)緯恒潤L4高級別智能駕駛業(yè)務(wù)產(chǎn)品也陸續(xù)扎根港口自動駕駛多個項目中，幫助港口實現(xiàn)無人水平運輸自動化，達到降本增效的效果，助力客戶實現(xiàn)智慧化綠色港口。
在整個港口水平運輸場景中，經(jīng)緯恒潤提供了端到端的車、路、網(wǎng)、云、圖全棧式自研解決方案，包含自動駕駛系統(tǒng)、路側(cè)車路協(xié)同、基于5G網(wǎng)絡(luò)的遠程遙控駕駛、車隊調(diào)度管理平臺、數(shù)字孿生、仿真系統(tǒng)、高精地圖等專業(yè)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(tǒng)。
▎系統(tǒng)介紹
經(jīng)緯恒潤自動駕駛系統(tǒng)作為L4高級別自動駕駛的核心組成部分，結(jié)合經(jīng)緯恒潤自主研發(fā)的HAV平板車、車隊調(diào)度管理平臺、高性能車規(guī)級計算平臺、感知系統(tǒng)、遠程駕駛系統(tǒng)、智能交通系統(tǒng)、智能場端系統(tǒng)、高精度地圖等，部署經(jīng)緯恒潤自主設(shè)計生產(chǎn)的車規(guī)級量產(chǎn)域控制器和計算單元，保障自動駕駛水平運輸設(shè)備在不同的環(huán)境、工況場景下，高效、穩(wěn)定、安全地運行。
▎高效可靠，已在多個港口園區(qū)常態(tài)化運營的無人駕駛解決方案
經(jīng)緯恒潤自2015年開始布局園區(qū)類無人駕駛領(lǐng)域，經(jīng)過不斷錘煉相關(guān)技術(shù)，于2021年在日照港正式將無人駕駛技術(shù)投入商業(yè)運營，實現(xiàn)了真正的無人駕駛。該技術(shù)方案基于經(jīng)緯恒潤多年以來在自動駕駛算法商業(yè)化落地積累的多項技術(shù)突破，不斷挑戰(zhàn)升級，確保系統(tǒng)足夠的安全和高效可靠。
全局導(dǎo)航算法
經(jīng)緯恒潤的全局導(dǎo)航算法，結(jié)合了港口園區(qū)運營環(huán)境和實際生產(chǎn)需求，根據(jù)車隊調(diào)度管理平臺基于系統(tǒng)均衡理論下發(fā)的路線信息、任務(wù)信息，并參考高精地圖和場地內(nèi)實時識別的障礙物信息規(guī)劃出滿足車輛動力學(xué)要求、避開障礙物的車端導(dǎo)航全局路徑。
展開 美大學(xué)安裝高保真駕駛模擬器 助力自動駕駛系統(tǒng)研究
據(jù)外媒報道，美國德克薩斯大學(xué)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(tǒng)學(xué)術(shù)研究提供協(xié)助。
德克薩斯大學(xué)奧斯汀分校的一個汽車駕駛員在環(huán)（driver-in-the-loop）模擬器上已經(jīng)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(gòu)之一，該系將利用Cruden AS1基于動作的系統(tǒng)，在其硬件在環(huán)（HIL）測試設(shè)置中添加人類駕駛員輸入，以研究自動駕駛汽車控制系統(tǒng)的性能。
德克薩斯大學(xué)奧斯汀分校需要一個結(jié)合了HIL和駕駛員在環(huán)（DIL）系統(tǒng)的汽車模擬器，即一個定制裝置，可輕松、無縫地呈現(xiàn)多種駕駛環(huán)境和車輛類型，并且盡可能地接近現(xiàn)實。
該Cruden模擬器集成了奧斯汀分校現(xiàn)有的dSpace Scalexio模塊化實時硬件仿真系統(tǒng)以及dSpace ASM車輛和交通模型。該系統(tǒng)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(fù)雜的車輛動力學(xué)。
將多智能體模擬與DIL模擬結(jié)合是業(yè)界首創(chuàng)，可實現(xiàn)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(xiàn)真實現(xiàn)實場景，但是有人類在模擬器后面進行操作。
展開 我國農(nóng)機自動駕駛系統(tǒng)需求日益增長，北斗系統(tǒng)賦能精準農(nóng)業(yè)
中國現(xiàn)代農(nóng)業(yè)的發(fā)展，離不開智能化、自動化設(shè)備，迫切需要自動駕駛系統(tǒng)與農(nóng)用機械的密切結(jié)合。自動駕駛農(nóng)機不僅能夠緩解勞動力短缺問題，提升勞作生產(chǎn)效率，同時還能對農(nóng)業(yè)進行智慧化升級，成為解決當下農(nóng)業(yè)痛點的有效手段之一。
北斗衛(wèi)星導(dǎo)航系統(tǒng)，是我國自主研發(fā)的全球?qū)Ш?em>系統(tǒng)，也是我國農(nóng)機自動駕駛系統(tǒng)的關(guān)鍵組成部分。通過北斗系統(tǒng)，農(nóng)業(yè)機械可以精確地執(zhí)行任務(wù)，大大提高農(nóng)業(yè)生產(chǎn)效率。
農(nóng)機自動駕駛應(yīng)用北斗衛(wèi)星導(dǎo)航技術(shù)，使得農(nóng)業(yè)生產(chǎn)變得更加高效和智能化。通過精細化施肥、施藥、播種與收割，實時獲取位置信息，避免了夜間和大霧天氣對農(nóng)機在田間作業(yè)時長的限制，大大提高了作業(yè)精度。同時，農(nóng)機自動駕駛可以減少作業(yè)重復(fù)和遺漏，提高作業(yè)效率，節(jié)省成本投入，產(chǎn)生更佳的產(chǎn)出效益。此外，農(nóng)機自動駕駛還能解放人力，使駕駛員從繁重的操作中解放出來，對于農(nóng)場、農(nóng)機合作社和農(nóng)民均可以提高其經(jīng)濟效益。因此，農(nóng)機自動駕駛的需求將持續(xù)增長，成為廣大農(nóng)業(yè)生產(chǎn)經(jīng)營者的迫切需求。
然而，在一些偏遠地區(qū)，因為信號較差，大部分農(nóng)機自動駕駛系統(tǒng)難以正常工作。為解決這一難題，千尋位置推出搭載了其自研的北斗“星地一體”高精度定位能力的“千耘北斗導(dǎo)航農(nóng)機自動駕駛系統(tǒng)”，助力農(nóng)機實現(xiàn)更高精度、更遠范圍的自動駕駛。
所謂“星地一體”，即指“星基增強”+“地基增強”的兩種方式結(jié)合，其中的星基增強系統(tǒng)，可以讓農(nóng)機自動駕駛系統(tǒng)在戈壁灘、山區(qū)等難以建立地面基站或者通信信號不足的地方，繼續(xù)獲得高精度定位服務(wù)。
不僅如此，千耘農(nóng)機導(dǎo)航還提供直線、圓圈、曲線、測畝等多種作業(yè)模式，滿足各地域的不同作業(yè)需求，另外，系統(tǒng)還可以擴展全程無干預(yù)對角線耙地模式和直線超低速作業(yè)模式。
展開 
自動駕駛系統(tǒng)測試詳談
自動駕駛系統(tǒng)級測試的基礎(chǔ)理論
1.1 自動駕駛測試場景的構(gòu)成
1.1.1 構(gòu)成框架
該圖引用國汽智聯(lián)材料
1.1.2 場景來源
真實駕駛記錄場景
專家經(jīng)驗構(gòu)建場景（先驗知識）
1.1.3 真實駕駛場景來源
真實駕駛場景處理流程：
該圖引用國汽智聯(lián)材料
自動駕駛系統(tǒng)安全隱患分析
發(fā)現(xiàn)2:不正確的配置導(dǎo)致大量AV錯誤，即27.25%的自動駕駛錯誤。
發(fā)現(xiàn)3:涉及相對較少行代碼的錯誤的根本原因，即20行或更少的代碼，導(dǎo)致25.25%的錯誤。
3.AV系統(tǒng)bug的現(xiàn)象（后果）
問題2:不同的自動駕駛錯誤癥狀會在多大程度上發(fā)生？
在駕駛錯誤中，最常見的癥狀包括速度和速度控制、軌跡和車道定位和導(dǎo)航。
Crashes -不正確的終止
Hangs-系統(tǒng)或組件在其進程仍在運行時無法對輸入作出響應(yīng)。
淺談自動駕駛系統(tǒng)測試
來源 | ADS智庫
一、自動駕駛系統(tǒng)級測試的基礎(chǔ)理論
1.1 自動駕駛測試場景的構(gòu)成
1.1.1 構(gòu)成框架
*該圖引用國汽智聯(lián)材料
1.1.2 場景來源
真實駕駛記錄場景
專家經(jīng)驗構(gòu)建場景（先驗知識）
1.1.3 真實駕駛場景來源
真實駕駛場景處理流程：
*該圖引用國汽智聯(lián)材料
車端記錄場景：
*該圖引用國汽智聯(lián)材料
場景記錄場景：
*該圖引用國汽智聯(lián)材料
專家經(jīng)驗構(gòu)建：
1.2 通過多個分析維度構(gòu)建自動泊車測試用例框架
*該圖引用論文《智能汽車自主泊車系統(tǒng)測試方法》蒙昊藍等
1.3 由測試場景演變出具體的測試用例
*該圖引用豐田研究員會議材料
1.4 整車系統(tǒng)級測試工作的開展
由對的人，在對的地點，對待測試的車輛，使用準確的測試工具，安全的開展測試，詳細的記錄測試過程。
展開 自動駕駛系統(tǒng)的傳感器標定方法
來源 | 自動駕駛之心、計算機視覺life
導(dǎo)讀：傳感器標定是自動駕駛的基本需求，一個車上裝了多個/多種傳感器，而它們之間的坐標關(guān)系是需要確定的。灣區(qū)自動駕駛創(chuàng)業(yè)公司ZooX的co-founder和CTO是Sebastia Thrun的學(xué)生Jesse Levinson，他的博士論文就是傳感器標定。
這個工作可分成兩部分：內(nèi)參標定和外參標定，內(nèi)參是決定傳感器內(nèi)部的映射關(guān)系，比如攝像頭的焦距，偏心和像素橫縱比（+畸變系數(shù)），而外參是決定傳感器和外部某個坐標系的轉(zhuǎn)換關(guān)系，比如姿態(tài)參數(shù)（旋轉(zhuǎn)和平移6自由度）。
攝像頭的標定曾經(jīng)是計算機視覺中3-D重建的前提，張正友老師著名的的Zhang氏標定法，利用Absolute Conic不變性得到的平面標定算法簡化了控制場。
這里重點是，討論不同傳感器之間的外參標定，特別是激光雷達和攝像頭之間的標定。
另外在自動駕駛研發(fā)中，GPS/IMU和攝像頭或者激光雷達的標定，雷達和攝像頭之間的標定也是常見的。不同傳感器之間標定最大的問題是如何衡量最佳，因為獲取的數(shù)據(jù)類型不一樣：
攝像頭是RGB圖像的像素陣列；
激光雷達是3-D點云距離信息（有可能帶反射值的灰度值）；
GPS-IMU給的是車身位置姿態(tài)信息；
雷達是2-D反射圖。
這樣的話，實現(xiàn)標定誤差最小化的目標函數(shù)會因為不同傳感器配對而不同。
另外，標定方法分targetless和target兩種，前者在自然環(huán)境中進行，約束條件少，不需要用專門的target；后者則需要專門的控制場，有g(shù)round truth的target，比如典型的棋盤格平面板。
這里僅限于targetless方法的討論，依次給出標定的若干算法。
展開 自動駕駛汽車感知系統(tǒng)關(guān)鍵技術(shù)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(lián)網(wǎng)等技術(shù)發(fā)展融合的產(chǎn)物，其原理為自動駕駛系統(tǒng)利用感知系統(tǒng)，獲取車輛自身以及外界環(huán)境信息，經(jīng)過計算系統(tǒng)分析信息、做出決策，控制執(zhí)行系統(tǒng)實現(xiàn)車輛加速、減速或轉(zhuǎn)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(jù)輔助控制系統(tǒng)的自動化功能，將自動駕駛技術(shù)分為0~4級，如表1所示。從表1可了解到，自動駕駛的發(fā)展升級是從輔助駕駛到主宰駕駛，從提供單一功能、應(yīng)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(tǒng)需不斷提高獲取周邊環(huán)境信息的全面性、準確性和高效性，它是自動駕駛的基礎(chǔ)，也是貫穿升級的核心部分。本文將介紹自動駕駛感知系統(tǒng)常用方案，及其各自技術(shù)方法、特點和應(yīng)用情況。
1 系統(tǒng)框架
自動駕駛汽車首先應(yīng)有一套完整的感知系統(tǒng)，代替駕駛人的感知，提供周圍環(huán)境信息；其次應(yīng)有一套集智能算法、高性能硬件于一體的控制系統(tǒng)，代替駕駛人的大腦，制定駕駛指令、規(guī)劃行駛路徑；最后還需一套完善縝密的執(zhí)行系統(tǒng)，可以代替駕駛員的手腳動作，執(zhí)行駕駛指令、控制車輛狀態(tài)。其中，感知系統(tǒng)應(yīng)包括環(huán)境感知、內(nèi)部感知、駕駛人感知。其中內(nèi)部感知主要是通過CAN總線采集車內(nèi)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(chǎn)生的數(shù)據(jù)信息，來獲取車輛狀態(tài)，包括車體（車內(nèi)外溫度、空氣流量、胎壓），動力（油壓、轉(zhuǎn)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(tài)。本文介紹的感知系統(tǒng)針對環(huán)境感知、自動駕駛感知系統(tǒng)的關(guān)鍵點和難點，其功能是實時獲取周邊物體、行駛路況、導(dǎo)航定位、天氣、停車場等信息。
展開 什么是北斗導(dǎo)航農(nóng)機自動駕駛系統(tǒng)
北斗導(dǎo)航農(nóng)機自動駕駛系統(tǒng)，通常指農(nóng)機自動駕駛2.0階段導(dǎo)航控制系統(tǒng)，系統(tǒng)集成衛(wèi)星定位、慣性導(dǎo)航、機械控制、人機交互等關(guān)鍵技術(shù)，以農(nóng)機為載體，對農(nóng)機轉(zhuǎn)向裝置進行精準控制，使車輛嚴格按既定路線行駛，滿足農(nóng)業(yè)場景的作業(yè)需求。給客戶提供便利，降低勞動強度，改善作業(yè)質(zhì)量，增加客戶收益。
農(nóng)機導(dǎo)航系統(tǒng)，按照控制方式，分為液壓控制自動輔助駕駛系統(tǒng)、電動方向盤控制自動輔助駕駛系統(tǒng)。因性價比高、安裝便捷、適配簡單等原因，當前電動方向盤控制自動駕駛系統(tǒng)占主導(dǎo)地位，該系統(tǒng)原理如下圖所示：
農(nóng)機自動駕駛系統(tǒng)通常具備以下特征：
1.橫向控制：只控制車輛左右轉(zhuǎn)向，不控制加速、減速、剎車、換擋、農(nóng)具起降等操作
2.精度要求：農(nóng)機自動輔助駕駛系統(tǒng)的精度，通常指直線精準度、交接行精準度，并非天線相位中心的經(jīng)緯度、高程。
3.載體：可用于方向盤式自走農(nóng)業(yè)機械（拖拉機、噴霧機、收獲機等），通常不用于推桿式轉(zhuǎn)向車輛。
做為北斗產(chǎn)業(yè)國家級力量的千尋位置，推出的千耘導(dǎo)航系列，屬于目前國內(nèi)常見的電動方向盤控制自動輔助駕駛系統(tǒng)。不僅安裝便捷，操作簡單，而且精度高，作業(yè)期間穩(wěn)定性好。
掃描下方二維碼或點此查看更多北斗產(chǎn)業(yè)相關(guān)資訊、產(chǎn)品及解決方案。
展開 高階自動駕駛系統(tǒng)的通信存儲技術(shù)
作者 | Jessie
出品 | 焉知
高階自動駕駛汽車需要通過高帶寬和低延遲的網(wǎng)絡(luò)來連接所有傳感器、攝像頭、診斷工具、通信系統(tǒng)以及中央人工智能。這些技術(shù)會產(chǎn)生、發(fā)送、接收、存儲和處理海量數(shù)據(jù)。
對于下一代自動駕駛域控制器來說，常用車載網(wǎng)絡(luò)有CAN、LIN、FlexRay、MOST和LVDS等。除LVDS外，其他都是專門為汽車行業(yè)設(shè)計的通信網(wǎng)絡(luò)。當前，大部分汽車通過 CAN 或 LIN 聯(lián)網(wǎng)，但隨著數(shù)據(jù)傳輸速度和數(shù)據(jù)量的增加，這些總線因為帶寬較低、體積較大而不太適合。CAN/LIN總線仍然會有一席之地，但它不會成為通信系統(tǒng)的骨干。
如上圖表示了一種集中式域控制器的內(nèi)部通用連接形式，對于下一代自動駕駛系統(tǒng)通信網(wǎng)絡(luò)連接而言，主要涉及中央域控制器單元中的芯片連接，傳感器接口輸入連接，調(diào)試接口連接，存儲連接等。
在中央域控制器中，通常需要設(shè)計一定大小的存儲單元進行數(shù)據(jù)、程序、文件、圖像等信息的存取。設(shè)計的存儲單元包括Flash、EMMC、LDDR等。其中，F(xiàn)lash一般存放驅(qū)動程序文件，大小為32MB-64MB，EMMC主要用于存儲高精地圖數(shù)據(jù)，眾包建圖，自動駕駛數(shù)據(jù)記錄，影子模式、大數(shù)據(jù)等信息，大小需求大致為96GB-128GB。LDDR主要用于程序運行緩存。這里我們需要講解一下幾種典型的通信鏈路硬件形式，其中包含SPI、UART、GPIO、PCIe、CanFD、FlexRay以及ethernet等。
展開 
BEV圖像處理對自動駕駛系統(tǒng)的性能優(yōu)化
總結(jié)
自動駕駛系統(tǒng)感知算法應(yīng)用中，基于BEV的圖像感知算法是應(yīng)用得十分廣泛的。特別是基于傳感器融合的BEV算法可以很好的解決整個感知定位過程中的環(huán)境整體探測能力，更能生成如偽高精地圖用于進行形式態(tài)勢評估。特別針對自動駕駛之前的極端場景（如鬼影、大曲率彎道、不
確定的3D障礙物等）的解決可以起到很好的規(guī)避作用。本文以BEV圖像處理原理說明其在自動駕駛感知能力上能解決的場景應(yīng)用，相信在機器視覺這一領(lǐng)域，BEV的研究成果也可以很好的應(yīng)用在自動駕駛研究過程中。
自動駕駛研發(fā)模擬仿真系統(tǒng)的工作介紹
再加一個，韓國LG公司的，不過是和兩個開源自動駕駛軟件捆綁的，即Autoware和Baidu Apollo。
LGSVL Simulator: An Autonomous Vehicle Simulator
大多數(shù)VR和模擬仿真系統(tǒng)用Unreal Engine，這里介紹一下Unity最近開發(fā)的SimViz工具。
傳感器模型包括：
RGB-D Camera
LiDAR
Radar*
IMU
GPS
參考場景包括:
城市街道
高速公路
住宅區(qū)
系統(tǒng)框圖：
看看生成的自動駕駛場景：INDAGO公司用了這個工具。
展開 高階自動駕駛系統(tǒng)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(gòu)向集中式域控制器架構(gòu)演進已經(jīng)成為下一代自動駕駛系統(tǒng)不可逆轉(zhuǎn)的趨勢。對于下一代集中式域控架構(gòu)下到的自動駕駛系統(tǒng)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(nèi)，系統(tǒng)功能集成度大大提高，這樣對于功能的感知與執(zhí)行的硬件要求降低
。但是，
域控制器的出現(xiàn)并不代表底層硬件 ECU 的大規(guī)模消失
，很多 ECU 的功能會被弱化（軟件和處理功能降級，執(zhí)行層面功能保留），大部分傳感器也可以直接傳輸數(shù)據(jù)給域控制器，或把數(shù)據(jù)初步處理后給域控制器，很多復(fù)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(zhí)行域控制器的命令，也就是說，外圍零件只關(guān)注本身基本功能，而中央域控制器關(guān)注系統(tǒng)級功能實現(xiàn)。此外，數(shù)據(jù)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(fā)/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(huán)境信息的軟件算法模塊
，比如ISP、encode、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)單元等AI算法。然而，在下一代高階自動駕駛系統(tǒng)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(tǒng)架構(gòu)模式，攝像頭模組本身的需求將會發(fā)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(chǔ)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 一文解析自動駕駛汽車決策控制系統(tǒng)技術(shù)
圖2 環(huán)境預(yù)測示意圖
行為決策模塊
行為決策模塊在整個自動駕駛決策規(guī)劃控制軟件系統(tǒng)中扮演著“副駕駛”的角色。這個層面匯集了所有重要的車輛周邊信息，不僅包括了自動駕駛汽車本身的實時位置、速度、方向，還包括車輛周邊一定距離以內(nèi)所有的相關(guān)障礙物信息以及預(yù)測的軌跡。行為決策層需要解決的問題，就是在知曉這些信息的基礎(chǔ)上，決定自動駕駛汽車的行駛策略。
由于需要考慮多種不同類型的信息，行為決策問題往往很難用單一的數(shù)學(xué)模型來求解，而是要利用一些軟件工程的先進理念來設(shè)計規(guī)則引擎系統(tǒng)。例如在DARPA挑戰(zhàn)賽中，Stanford的無人車系統(tǒng)利用一系列cost設(shè)計和有限狀態(tài)機來設(shè)計無人車的軌跡和操控指令。現(xiàn)階段馬爾可夫決策過程的模型也開始被越來越多的應(yīng)用于自動駕駛系統(tǒng)行為層面的決策算法實現(xiàn)當中。簡而言之，行為決策層面需要結(jié)合環(huán)境預(yù)測模塊的結(jié)果，輸出宏觀的決策指令供后續(xù)的規(guī)劃模塊去更具體地執(zhí)行。
動作規(guī)劃模塊
自動駕駛汽車規(guī)劃模塊包括動作規(guī)劃和路徑規(guī)劃兩部分。動作規(guī)劃模塊主要是對短期甚至是瞬時的動作進行規(guī)劃，例如轉(zhuǎn)彎、避障、超車等動作；而路徑規(guī)劃模塊是對較長時間內(nèi)車輛行駛路徑的規(guī)劃，例如從出發(fā)地到目的地之間的路線設(shè)計或選擇。
自動駕駛系統(tǒng)的設(shè)計思路是建立若干個行駛狀態(tài)，通過不同的條件觸發(fā)行駛狀態(tài)切換。這種設(shè)計思路存在切換過程平順性較差問題。在實際的系統(tǒng)設(shè)計過程中主要采用將道路中的真實目標和非真實目標都描述成虛擬質(zhì)點的方法來強化車輛行駛的平順性。其中，真實目標主要是指車輛、行人等因素；非真實目標包括限速、紅燈、停車點、道路曲率、天氣條件等。
展開 