新闻中心

关于智能驾驶舱及无人驾驶技术核心的深度解析

作者:华一汽车科技    来源:www.itas-hk.com    发布时间:2017-08-08 11:36    阅读:

无人驾驶


什么是无人驾驶?

无人驾驶,主要原理是利用计算机系统来实现几乎不用人工干预就可以自动行驶的状态。这一概念首先出现在美国国防部高级研究计划局的“大挑战”科研项目中。早在1939 年的纽约世博会上,通用汽车就在“未来奇观”展馆中展示了一款电动无人驾驶汽车,它由镶嵌在道路上的闭合电路提供动力,并可以用无线电进行控制。
 

尽管技术了无新意,但这毕竟是展示了无人驾驶的概念。20 世纪70 年代开始,美国、英国等发达国家就开始进行这方面的研究并且取得了突破性的进展。中国也于20 世纪80 年代开始试水,直到1992 年国防科技大学才研制出真正意义上的第一辆无人驾驶汽车。
 

智能驾驶舱
2035年无人驾驶汽车销量预测
 

根据BCG的预测,无人驾驶在汽车的智能硬件和软件的增量就超过500亿美元,而未来围绕无人驾驶诞生的新的商业模式的新经济市场规模更会超出人们想象。麦肯锡预测,无人驾驶汽车到2025年可以产生2000 亿至1.9 万亿美元的产值。根据NHTSA预测,到2035年北美将会成为无人驾驶汽车最大的市场,销量约有3500万辆,占全球销量的29%。中国人口众多,很有可能会成为第二大市场,约占全球销量的24%,未来市场广阔。

 

仪表盘、中控显示屏、车载信息及娱乐终端等功能分区形成汽车座舱的驾驶操作和信息交互环境,将行车信息呈现给驾驶者。但是,这样功能布局碎片化和复杂操作环境可能造成驾驶者注意力分散,降低驾驶体验。同时,传统座舱UI设计老旧,当前汽车的人机交互正如智能手机前夜的“诺基亚”。

 

多屏互动在未来有望由一颗芯片提供运算能力输出,以UI创新设计和CAN总线协议打通为基础,通过液晶仪表、HUD、中控屏及中控车载信息终端、后座HMI娱乐屏、车内外后视镜等载体,实现语音控制、手势操作等更智能化的交互方式。这背后是新科技时代人工智能、AR、ADAS、等技术融入,更是产业IT创新力的释放。
 

ADAS

*智能驾驶舱核心在多屏融合,由一颗芯片提供运算能力(图片来源:日经技术在线)
 

未来汽车智能驾驶舱的发展方向是人车交互智能化,智能驾驶舱将为驾驶者提供更高效更便捷的信息操作和交互方式,提升行车驾乘体验,有望成为未来汽车设计寻求突破的重要差异化亮点之一。无人驾驶汽车先行者特斯拉最早对汽车驾驶舱进行大刀阔斧的革新,如配有17 英寸中控触摸屏、数字化组合仪表盘等。智能驾驶舱所定义的多屏融合交互体验下,汽车人机入口价值回归。

 

智能驾驶舱本质在于硬件虚拟化,GPU加速助力。将车内一切硬件实现虚拟化,集成于嵌入式操作系统,形成智能驾驶舱统一的交互平台和界面,比如液晶仪表增强图像渲染,引入GPU芯片进行加速处理。智能驾驶舱HMI上显示的信息来自车体通信系统CAN/LIN 总线上的各个电子控制单元ECU,形成整车电子系统集成运算能力的智能交互接口和主节点。新型图形处理架构能够为一系列应用提供高分辨率和高帧率的仿真模拟图像,包括多屏联动与后座娱乐系统,摄像系统的集成虚拟加速,高级音频接口和数字仪表图形处理,车舱内自然语言处理,交互式驾驶舱控制,以及具有直观可视化显示的3D导航应用。
 

智能驾驶
 

液晶仪表有望成为智能驾驶舱首先落地环节,HUD、后座娱乐等顺次先后落地。仪表盘是驾驶者行车过程中的重要关注点,成为汽车智能驾驶舱人车交互的关键窗口之一。传统的物理指针仪表盘正在经历数字化升级革新,如今液晶仪表已经应用在一些高端车型,将行车数据、导航信息、娱乐功能等全部集成在了一块高分辨率的智能TFT液晶显示屏上,简化了界面布局。普通视图可以模拟成原有的圆形仪表盘,红色的指针和白色的数字显示行车数据,而多媒体视图可切换到信息覆盖更全面的车载导航信息娱乐模式。

 

实现无人驾驶有两条基本路径:一是单车智能化实现无人驾驶。就是车辆本身通过感知、传递与分析、控制来对环境进行反应。二是通过车与车、车与交通联网智慧交通规划来实现无人驾驶。前者是以ADAS 的使用为基础,后者是以车联网为基础的。
 

液晶仪表盘

*智能驾驶舱产业链全景图,基于中控又高于中控(图片来源:国泰君安证券研究)

 

下面带大家仔细阅读关于无人驾驶技术都是由哪些核心部分组成的。

 

ADAS

 

高级驾驶辅助系统(Advanced Driver Assistant System),简称ADAS,是利用安装于车上的各式各样的传感器, 实时收集车内外的环境数据, 进行静、动态物体的辨识、侦测与追踪等技术上的处理, 从而能够让驾驶者在最快的时间察觉可能发生的危险,以引起注意和提高安全性。我们认为,ADAS 是实现单车智能化的一个必要环节。

 

高级驾驶辅助系统

(图片来源天风证券研究所)
 

高级辅助驾驶系统(ADAS)先行,加上车联网(V2X)将共同实现智能网联汽车。在行驶过程中,智能网联汽车不仅要实现智能驾驶,而且还要与周围环境、车辆、路况进行实时交互;因此,单车智能化与网联化的结合成为实现智能网联汽车的技术路线。单车智能化主要依靠高级辅助驾驶系统(ADAS)来逐步提高汽车智能化,博世、大陆和德尔福已经开始为高端汽车提供可靠性产品,具备产业化基础。最近产业催化剂不断,工信部即将发布智能网联汽车发展技术路线图;3GPP 加快车联网LET-V 通讯标准统一,消除V2X 推广最大障碍;4G 网络的快速推广,5G 网络通讯技术快速实现突破,我们预计V2X 将迎来产业变革拐点。

 

高精度地图

高精度地图

*HERE的HD LIVE地图能实现20cm以内的精确度(图片来源车云网、海通证券研究)

 

高精度地图:厘米级精确度。

(1)传统ADAS 地图(精确度只有1-10m 的级别):只记录高精道路级别的数据:道路形状、坡度、曲率、铺设、方向等。

(2)高精度地图(精确度厘米级别):不仅增加了车道属性相关(车道线类型、车道宽度等)数据,更有诸如高架物体、防护栏、树、道路边缘类型、路边地标等大量目标数据。高精度地图能够明确区分车道线类型、路边地标等细节。在它的帮助下,即使是十分恶劣的天气,无人汽车也能完成高速行进中的变道超车、上下匝道等“高难度动作”。我们认为高精度地图将成为无人驾驶汽车的必备与传感器互相补充,为无人驾驶提供安全保障。

 

环境感知

 

*打破车身传感的局限性,感知能力的无限延伸

 

感知技术作为智能驾驶的核心技术之一,就像是智能驾驶汽车的眼睛一样,能够为智能驾驶汽车提供实时的环境状况。完善的环境感知以高精度地图为技术基础,通过各类传感器对当前行驶的环境状况(包括行驶路径、天气因素、周边物体等)进行捕捉。只有在对环境状况的正确感知的基础上才能进一步进行分析并作出相应的反应,因此可见,环境感知是无人驾驶技术的起点,亦是其发展过程中极为重要的一环。

 

车载传感器是环境感知技术最为重要的实现设备。在实际运用过程中,无人汽车通常通过使用和组合不同类别的传感器,对各自所擅长的环境及方位进行探测感知,从而实现绝大部分环境下的感知解决方案。目前主流的无人车载传感器包括毫米波雷达、激光雷达以及视觉传感器等几种类型。

 

视觉传感器
 

视觉传感器

 

视觉传感器主要指车载摄像头,市场上产品的具体应用包括前视、后视、侧视以及车内监控四个方面。

 

后视、侧视与内部主要采用广视角像头,而前视摄像头则分为单目视觉以及立体视觉,单目摄像头主要原理是将捕获的信息与地图数据进行比对、识别,而立体摄像头则是利用双目实时深度计算得出物体与摄像头的距离。相比之下立体摄像头不需要大量的数据训练,而且具有更低的错误率,但由于需要处理多个摄像头的数据,因此计算量较大,同时成本也更加高。

 

激光雷达

激光雷达

*百度及谷歌所采用的激光雷达

 

激光雷达主要通过对外部环境进行扫描,从而为车辆提供精准的三维实时信息,以便无人汽车作出相应的反应。相比于以上两种传感器,激光雷达采用专门的脉冲压缩技术,将脉冲宽度压缩到纳秒级别,大大提高了数字测量识别的精确度。由于激光雷达的极佳性能,目前绝大多数无人驾驶汽车都配备有激光雷达。

 

夜视系统

夜视系统

*第二代微光夜视技术

 

夜视系统:夜间驾驶的第二双眼。根据交管部门的统计,我国有55%的交通事故都发生在夜间,夜间驾驶的安全性问题一直是司机的最大困扰之一,而夜视系统则致力于提高夜间行车的安全性。汽车驾驶的夜视系统是从军用技术演变而来,至今已形成了微光、主动红外先以及热成像(被动红外)三种夜视技术,其中热成像和微光技术属于被动夜视,主动红线外属于主动夜视。

 

主动红外夜视技术

主动夜视技术

*主动夜视技术原理

 

这种技术需要通过红外大灯主动发射红外线,通过滤光镜后,发出波长约0.8~1.2 微米的近红外光,然后利用红外变像管,根据目标反射的红外光将其转换成一定亮度增强的可见光图像呈现出来。

 

决策层

 

决策层解决的是一个路径规划的问题。关于路径规划的概念,可以解释为:在一定的障碍物环境下,按照一定评价标准和决策算法,来寻找从起点到终点的最优化的路径。按照路径规划的范围,可以分为全路径规划(即不考虑运动细节的全局路径规划)和局部路径规划(具体到运动轨迹)。

 

路径规划算法

 

路径规划看似简单,实际需要考虑到很多复杂情形。如下图,在车辆从起始地向目的方向行驶过程中,面对前方凹形的障碍物,如果直到接近障碍物时才给出路径改变的提示,这样的路径规划显然不是最优的。路径规划算法应该将凹形的障碍物的区域识别扩大,在车辆进入凹形障碍物之前处发出改变路径的提示。

 

自动驾驶

 

路径规划算法的分类。路径规划算法可以分为静态路径规划算法和动态路径规划算法。静态路径规划指的是根据静态的物理地理信息和固定的交通规则来规划最优路径,该算法相对简单比较容易实现;动态路径规划是指在静态路径规划的基础上,结合实时动态的交通信息,对预先规划好的路径进行实时修正。

 

深度学习算法

液晶仪表

*深度卷积神经网络在智能驾驶图像识别中的应用

 

深度学习的概念。深度学习的概念源于对人工神经网络的研究,属于机器学习的细分领域。深度学习可以建立、模拟人脑进行分析学习的神经网,通过组合低层特征形成更抽象的高层特征,从而实现自动的学习特征,其动机建立、模拟人脑进行分析的精神网络,模仿人脑机制来介绍数据,例如图像、声音和文本。

 

文章转载请保留原文网址:http://www.itas-hk.com/news/hyzx/41.html


上一篇:人机交互系统现阶段的发展状况以及未来发展方向

下一篇:盘点已拿下新能源汽车牌照的十四家车企


液晶仪表 返回列表