datasheet

未来的自动驾驶汽车会是什么样?

2018-09-04来源: 互联网关键字:自动驾驶

作者:Imagination Technologies汽车应用总监Bryce Johnstone

  

在未来20 - 30年中,自动驾驶汽车(AV)将改变我们的驾驶习惯、运输行业并更广泛地影响社会。 我们不仅能够将汽车召唤到我们的家门口并在使用后将其送走,自动驾驶汽车还将挑战个人拥有汽车的想法,并对环境和拥堵产生积极影响。市场调研公司ABI Research预测:到2030年,道路上四分之一的汽车将会是自动驾驶汽车。


行业专家已经为自动驾驶的发展定义了五个级别。 每个级别分别描述了汽车从驾驶员那里接管各项任务和责任的程度,以及汽车和驾驶员之间如何互动。 诸如自适应巡航控制这类功能是先进驾驶员辅助系统(ADAS)的示例,并且可以被认为是第1级的能力。 目前,市场上出现的一些新车正在实现第2级功能;但作为一个行业,我们仅仅是才触及ADAS系统的表面,更不用说完全自主驾驶了。


image.png


示意图:自动驾驶的五个级别

 

自动驾驶的级别

 

当我们去逐级实现自动驾驶的不同级别时,处理能力对于实现完全自动化这一愿景至关重要,此时驾驶员可以“放开方向盘、移开目光和放飞心灵”。 在这个级别上,车内的人只是乘客;同时因为没有司机,所以也不需要方向盘。 然而,在我们实现该目标之前,我们应该首先了解从非自动驾驶到完全自动驾驶之间的各种级别。

 

ADAS/AV有三个主要元素:传感、计算和执行。

 

 

用感知去捕捉车辆周围环境的现状。 这是靠使用一组传感器来完成的:雷达(长距离和中距离),激光雷达(长距离),摄像头(短距离/中距离),以及红外线和超声波。 这些“感官”中的每一种都能捕捉到它所“看到”的周围环境的变体。 它在此视图中定位感兴趣的和重要的对象,例如汽车、行人、道路标识、动物和道路拐弯。

 

  

 image.png

示意图:汽车从激光雷达、雷达和摄像头中看到的视图

 

计算阶段是决策阶段。 在这个阶段中,来自这些不同视图的信息被拼合在一起,以更好地理解汽车“看到”的内容。 例如,场景中到底发生了什么? 移动物体在哪里? 预计的动作是什么?以及汽车应该采取哪些修正措施? 是否需要制动和/或是否需要转入另一条车道以确保安全?

 

执行即最后阶段是汽车应用这一决策并采取行动,汽车可能会取代驾驶员。 它可能是制动、加速或转向更安全的路径;这可能是因为驾驶员没有注意到警告,及时采取行动并且即将发生碰撞,或者它可能是完全自主系统的标准操作。

第2级实际上是ADAS路径的起点,其中可能在安全解决方案包中制定多种单独的功能,例如自动紧急制动、车道偏离警告或辅助保持在车道中行驶。


第3级是诸如2018款奥迪A8等目前已量产汽车的最前沿,这意味着驾驶员可以“移开目光”一段时间,但必须能够在出现问题时立即接管。

 

第4级和第5级两者都可提供基本上是完全的自动驾驶。 它们之间的区别在于:第4级驾驶将限于诸如主要高速公路和智慧城市这样的具有地理缓冲的区域,因为它们会重度依靠路边的基础设施来维持其所在位置的毫米级精度画面。

 

第5级车辆将可在任何地点实现自动驾驶。在这个级别,汽车甚至可能没有方向盘,并且座椅可以不是都面向前方。

 

自动驾驶所需的处理能力

 

在自动驾驶的每个级别上,应对所有数据所需的处理能力随级别的提升而迅速增加。根据经验,可以预计从一个级别到下一个级别的数据处理量将增加10倍。 对于完全自动驾驶的第4级和第5级,我们将看到数十万亿次浮点运算的处理量。

 

从传感器的角度来看,下表为您提供了其需求量的一个指引。 第4级和第5级将需要多达八个摄像头,尽管人们甚至已经提出了需要更高的摄像头数量。 图像捕获装置的分辨率为2百万像素,帧速为30-60帧/秒,所以要实时处理所有这些信息是一项巨大的处理任务。对于车上的雷达,其数量可能需要多达10台以上,这是因为需要在22GHz和77GHz之间搭配使用短距离、中距离和长距离(100m 以上)的雷达。即使在第2级,仍然需要对从摄像头和雷达捕获的数据进行大量处理。

 

 

 image.png

示意图:自动驾驶和应用的不同级别

 

对于处理能力,我们将关注摄像头需要做什么,这是因为它与前置雷达一起是支撑诸如在特斯拉中使用的自动驾驶仪的主要传感器。

  

摄像头系统通常是广角单摄或立体双摄,在车上呈前向或以环绕视场(360°)配置。 与雷达和激光雷达不同,摄像头感应设备取决于处理输入的软件的功能;摄像头的分辨率很重要,但没有达到你想象的程度。

 

为简化处理过程,我们使用了一种被称为卷积神经网络(CNN)的重要算法。CNN是从摄像头源中提取和分辨信息的一种高度专业化和高效的方法。在我们的汽车案例中,它从摄像头获取输入并识别车道标记、障碍物和动物等。CNN不仅能够完成雷达和激光雷达所能做的所有事情,而且能够在更多方面发挥作用,例如阅读交通标识、检测交通灯信号和道路的组成等。事实上,某些一级供应商(Tier 1)和汽车原始设备制造商(OEM)正在研究通过摄像头和雷达组合来降低成本。

 

CNN将机器学习的元素带入汽车。神经网络的结构都普遍基于我们自己大脑的连线结构。人们首先必须选择想要实现的网络类型,以及其按照层数来决定的深度。 每层实际上是前一层和后一层之间的一组互连节点。为了实现神经网络,大量的智能训练数据将被应用于它;这是一种高度计算密集型的操作,大多数情况下是离线进行的。对于诸如一种道路情况的图像和视频这样的每一次通过,网络通过调整各层内的相关因素来进行学习。当训练数据通过它时,这些相关因素可以从数百万次数据分析中得到提升。 一旦完成训练,就可以将网络和相关因素加载到诸如CPU或GPU计算或特定CNN加速器之类的结构中。

 

这种类型的算法和网络的优点之一是它可以用更新的或更好的相关因素去升级,因此它总是在不断改进。经过广泛的比较,我们发现在GPU计算模式上运行的CNN比在当前高端嵌入式多核CPU上快20倍且功耗也低得多。同样,伴随着CNN向硬件加速方向发展,我们也已看到性能还可进一步提高20倍,而且在功耗上也可进一步改善。

 

展望未来

 

随着我们走向采用无人驾驶汽车的未来,所需的计算能力将随着传感器的数量、帧速和分辨率而扩展。 从性能和功率两个角度来看,卷积神经网络正在成为解释图像数据的最有效方式。 这将引领在网络的边缘放置更多处理资源的趋势,例如在汽车案例中,计算资源是在汽车自身内部,而不是将该处理能力卸载到云并且依赖于始终在线的蜂窝连接。 对于那些提供处理能力、算法和训练数据的人来说,自动驾驶潜藏着巨大的机会并将成为现实。

 


关键字:自动驾驶

编辑:muyan 引用地址:http://www.eeworld.com.cn/qcdz/2018/ic-news090423671.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:汽车半导体制造要求将愈发苛刻,随机缺陷率尤为重要
下一篇:恩智浦推出新一代毫米波雷达解决方案

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

自动驾驶已在来路上,汽车芯片“零缺陷”的根基在哪里?

半导体技术正在推动百年汽车产业的革命。随着ADAS系统的升级,向无人驾驶的无限接近,越来越多的CMOS传感器、MEMS传感器以及探测雷达被用来感知周围环境。同时,新能源汽车动力系统的电气化使得功率器件使用量大幅增加,而由于其动力结构发生改变,也为电源管理芯片带来了新的发展机会……在自动驾驶和新能源的“双驱力”下,半导体正在颠覆传统汽车产业的路上高歌猛进。根据普华永道数据,到2030年,一辆电动车和L5级别的无人驾驶汽车中,电子元器件成本约占整车成本的50%。技术是把双刃剑。半导体在驱动汽车革命前进的同时,也带来了一定的风险。统计显示,47%的零公里故障源于电子元器件缺陷。这其中包括随机故障(18%),系统故障(29%)和测试覆盖率
发表于 2019-04-15
自动驾驶已在来路上,汽车芯片“零缺陷”的根基在哪里?

完成近亿美元B轮融资,黑芝麻如何成为自动驾驶芯片破局者

成立3年,获三轮融资,200名员工中15年产业经验技术团队占95%,打造“算法+芯片”这一软硬结合路线。这只是黑芝麻智能科技的基本面。4月12日,黑芝麻宣布完成B轮融资。这一轮是君联资本旗下专业半导体基金君海创芯领投,上汽集团,SK中国,招商局集团旗下招商局创投,达泰资本,风和资本,北极光创投等跟投。黑芝麻创始人兼 CEO 单记章告诉新智驾,本轮融资将用于自动驾驶域控制器参考设计开发,车规级软件集成等,扩大与主机厂客户的合作,加速其量产落地。目前,他们与包括上汽、一汽、比亚迪、蔚来在内的多家主机厂达成合作,此外还和滴滴、博世确定战略合作。把一件事“做深做透”:自动驾驶芯片在多传感器融合逐渐成为共识之后,自动驾驶
发表于 2019-04-15
完成近亿美元B轮融资,黑芝麻如何成为自动驾驶芯片破局者

上汽公布5G战略!发布L4级自动驾驶+5G车联网概念车

车东西4月15日消息,上汽在上海车展开幕前夕举办了2019汽车创行者大会,上汽集团总裁陈志鑫为现场观众和媒体讲述了上汽集团面向5G的战略规划并展出了上汽集团最新的5G无人驾驶概念车Vision I以及搭载了L3级自动驾驶系统的Marvel X Pro的渲染图。  Vision I概念车以及活动现场  Vision I是一款融合了SUV高通过性与MPV多功能性的全新车型SPV,这一车型结合5G通信技术与智能网联技术,完成了汽车从出行工具到移动空间的角色转化,让用户可以在座舱这一空间内进行社交、娱乐、工作等一系列行为。  在人机交互方面,Vision I首次将智能语音识别装置集成到了车顶中央,前排座椅可以向后旋转,增强了整个车舱
发表于 2019-04-15
上汽公布5G战略!发布L4级自动驾驶+5G车联网概念车

D字型扫地机—格兰博CH350D-G的评测:各项性能都挺好!

的设计,同时机身材质还使用了磨砂处理,手感相当不错。尘盒盖则采用镜面材质,进行区分。  除了整体造型外,格兰博CH350D-G最引人注意的还有机身上方传感器所在的顶盖。天蓝色的五金金属搭配上磨砂处理,在外观上给扫地机增添了一分活力同时也显得非常坚固耐用。 顶盖内也是激光雷达以及雷达接收器的位置。格兰博CH360D-G采用的是业内目前最先进的LDS激光导航技术,LDS激光导航技术与硅谷无人车自动驾驶技术同源 ,而neatovison则是LDS技术的开创者,格兰博首先将这项技术应用在扫地机器人上,而市面上其它使用LDS激光导航技术的都是后来者。格兰博扫地机CH350D-G能够凭借LDS激光导航技术的每秒
发表于 2019-04-13
D字型扫地机—格兰博CH350D-G的评测:各项性能都挺好!

自动驾驶汽车上路的最大障碍是需要超级庞大的路况地图

  现在自动驾驶汽车已经越来越成为一种趋势,在汽车行业掀起了一股热潮,世界各地的汽车制造商都在进行实际测试。但自动驾驶技术毕竟还未成熟,这项技术要成为主流之前仍然面临着一些挑战,尤其是在构建高质量和精度地图方面,这对与自动驾驶系统的驾驶安全性很重要。  许多汽车制造商都在开发自己的地图系统,或者使用不同供应商的地图系统,但如果能汇集并且整合所有这些信息,地图系统就会更加完善,也提升了安全性。  HERE Technologies公司专门从事地图绘制,并希望将这一目标变为现实,准确地绘制地图,为未来的自动驾驶技术做准备。有媒体采访了该公司负责高度自动化驾驶的副总裁Sanjay Sood,采访他们是如何做到这一点的。  HERE
发表于 2019-04-13
自动驾驶汽车上路的最大障碍是需要超级庞大的路况地图

万字深度报告:全面解读汽车电子产业机遇!

并购不断,在新技术驱动下,行业整体升级。  国内汽车市场高速增长,单车电子系统价值量不断提升,汽车电子市场量价齐升,一些细分领域如ADAS,Telematics将会实现超高速成长;5G时代,针对V2X的特殊场景,新型的通信技术需要被提出,商用规划逐步明确,云、管、端三层架构,运营商、设备商、整车厂多方参与。  高阶自动驾驶需要催生越多传感器需求,毫米波雷达和摄像头数量摄像头陡升,激光雷达逐步应用,CMOS图像传感器、镜头、马达、柔性电路板等主要器件再度升级行业集中度仍较高,门槛较高,验证周期长,国内厂商已在细分行业逐步突破,能够构建更稳定的竞争格局。  ADAS是无人驾驶的前奏,也是现阶段市场的核心所在。当无人驾驶持续不断抢占头条时
发表于 2019-04-12
万字深度报告:全面解读汽车电子产业机遇!

小广播

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 EEWORLD.com.cn, Inc. All rights reserved