人工智慧潮流到來,使得無人駕駛近幾年在國內國外都特別火,國內外各大廠商都在加速投入研究自己無人駕駛車輛。在國內,百度 AI 開發者大會上,宣佈全球首款 L4 級量產自動駕駛巴士‘阿波龍’量產下線(底層架構是百度的Apollo自動駕駛系統),再觀國外,Google自動駕駛公司Waymo的實地自動駕駛里程突破 1000 萬英里,並且推出了一款商用自動駕駛車——Waymo One。然而,要實現可以商業落地的無人駕駛汽車,無人駕駛技術便是核心中的核心!
通俗來講,無人駕駛其實就可以理解為字面意思,就是不需要人為干預,汽車可以自主在道路行走,並且像駕駛員操作一樣,作出類似於規避障礙等一系列複雜動作。無人駕駛被分為5個等級,如下圖所示。我下面就以L4級無人駕駛為例,講述其中的無人駕駛技術。
總的說來,無人駕駛系統主要由三部分組成:演算法端、車端和雲端。其中演算法端包括感測器、感知和決策等智慧關鍵步驟的演算法;車端包括機器人作業系統、各種計算硬體和車輛底盤硬體等;雲端包括資料探勘、模擬模擬、高精地圖以及深度學習訓練等等。可以總體概括為:我在哪?我周圍有什麼?接下來會發生什麼?我應該怎麼做?
定位問題是無人車首先要解決的問題,只知道車的位置才能選擇最優的路徑到達目的地。定位需要依靠高精地圖的技術與車路協同裝置。與導航地圖不同的是,高精度圖會將無人車要走的所有靜態環境進行描述,包括具體的車道線、行人斑馬線、交通標誌牌等等。這些靜態資訊可以實時地給車輛提供交通訊號的關鍵資訊,也會作為定位方案的錨定物對自身的位置進行校準,比如透過攝像頭看到距離左邊標誌牌的距離是2.5m,那麼在地圖中知道了標誌牌的座標也就知道了自身車輛的座標。同時,還會依靠GPS/IMU( 慣性感測器)等全域性裝置來定位自身位置,不過這可比我們目前智慧手機裡的GPS精度要求高很多,需要透過差分融合技術達到釐米級精度。
實現了無人車定位後,就需要透過無人車的感知系統將透過感測器和視覺演算法將周圍的障礙物位置、大小、狀態、類別等識別出來。目前主流L4級別的感測器包括GPS/IMU、LIDAR(鐳射雷達)、Camera、Radar(雷達)等,LIDAR、Camera和Radar都是用於感知周圍障礙物的主要感測器,分別在不同環境下能夠有不同的優勢。這些資訊猶如人類駕駛員的眼睛一樣看到周圍動態環境物體,並將其識別出來,而無人車會利用自己多感測器和計算效率達到遠超人類的水平,比如精準識別車輛後方任何物體、同時關注左右兩邊的車輛狀態,在黑暗狀態時可以透過鐳射雷達精準識別。
當無人車感知到動態物體後,還需要透過預測系統能夠儘可能的預測這些物體的走向,包括行為預測和速度預測。例如這個車是要左轉還是直行,這輛車會不會闖紅燈等等,匯入車流時速度是多少等等。因為這些問題都將決定我們無人車後續應該怎麼走,如何規避危險。當然由於人的主觀意志具有很多不確定性,在人類司機和自動駕駛司機混合的道路上,必然使得人工智慧程式還需要學習人類的行為習慣和約定俗成的禮讓方式,這些都大大增加了無人車的難度。
最後就是根據上述資訊綜合,透過路徑規劃系統來選擇一條最適合無人車的道路,如同人類的大腦一樣對車輛最終的行為負責,選擇最優的方式達到目的地。這需要考慮行車的體感、安全和快捷等因素,透過最最佳化演算法、搜尋演算法、蒙特卡洛樹取樣等多種演算法來得到未來的駕駛行為。最後讓車以最優以及最安全的方式到達目的地!
然而,這只是無人駕駛技術的一個總體概括,如果細分到具體每一個技術,那就不是一兩句話能夠說明白的,因為無人駕駛要處理的問題非常的複雜!相信在不久的將來,無人駕駛能夠真正進入我們的生活,改變我們的出行方式!
人工智慧潮流到來,使得無人駕駛近幾年在國內國外都特別火,國內外各大廠商都在加速投入研究自己無人駕駛車輛。在國內,百度 AI 開發者大會上,宣佈全球首款 L4 級量產自動駕駛巴士‘阿波龍’量產下線(底層架構是百度的Apollo自動駕駛系統),再觀國外,Google自動駕駛公司Waymo的實地自動駕駛里程突破 1000 萬英里,並且推出了一款商用自動駕駛車——Waymo One。然而,要實現可以商業落地的無人駕駛汽車,無人駕駛技術便是核心中的核心!
要談無人駕駛技術,首先就要了解什麼是無人駕駛?通俗來講,無人駕駛其實就可以理解為字面意思,就是不需要人為干預,汽車可以自主在道路行走,並且像駕駛員操作一樣,作出類似於規避障礙等一系列複雜動作。無人駕駛被分為5個等級,如下圖所示。我下面就以L4級無人駕駛為例,講述其中的無人駕駛技術。
L4級無人駕駛技術:車在哪?車周圍有什麼?接下來會發生什麼?應該怎麼做?總的說來,無人駕駛系統主要由三部分組成:演算法端、車端和雲端。其中演算法端包括感測器、感知和決策等智慧關鍵步驟的演算法;車端包括機器人作業系統、各種計算硬體和車輛底盤硬體等;雲端包括資料探勘、模擬模擬、高精地圖以及深度學習訓練等等。可以總體概括為:我在哪?我周圍有什麼?接下來會發生什麼?我應該怎麼做?
車在哪?定位問題是無人車首先要解決的問題,只知道車的位置才能選擇最優的路徑到達目的地。定位需要依靠高精地圖的技術與車路協同裝置。與導航地圖不同的是,高精度圖會將無人車要走的所有靜態環境進行描述,包括具體的車道線、行人斑馬線、交通標誌牌等等。這些靜態資訊可以實時地給車輛提供交通訊號的關鍵資訊,也會作為定位方案的錨定物對自身的位置進行校準,比如透過攝像頭看到距離左邊標誌牌的距離是2.5m,那麼在地圖中知道了標誌牌的座標也就知道了自身車輛的座標。同時,還會依靠GPS/IMU( 慣性感測器)等全域性裝置來定位自身位置,不過這可比我們目前智慧手機裡的GPS精度要求高很多,需要透過差分融合技術達到釐米級精度。
車周圍有什麼?實現了無人車定位後,就需要透過無人車的感知系統將透過感測器和視覺演算法將周圍的障礙物位置、大小、狀態、類別等識別出來。目前主流L4級別的感測器包括GPS/IMU、LIDAR(鐳射雷達)、Camera、Radar(雷達)等,LIDAR、Camera和Radar都是用於感知周圍障礙物的主要感測器,分別在不同環境下能夠有不同的優勢。這些資訊猶如人類駕駛員的眼睛一樣看到周圍動態環境物體,並將其識別出來,而無人車會利用自己多感測器和計算效率達到遠超人類的水平,比如精準識別車輛後方任何物體、同時關注左右兩邊的車輛狀態,在黑暗狀態時可以透過鐳射雷達精準識別。
接下來會發生什麼?當無人車感知到動態物體後,還需要透過預測系統能夠儘可能的預測這些物體的走向,包括行為預測和速度預測。例如這個車是要左轉還是直行,這輛車會不會闖紅燈等等,匯入車流時速度是多少等等。因為這些問題都將決定我們無人車後續應該怎麼走,如何規避危險。當然由於人的主觀意志具有很多不確定性,在人類司機和自動駕駛司機混合的道路上,必然使得人工智慧程式還需要學習人類的行為習慣和約定俗成的禮讓方式,這些都大大增加了無人車的難度。
車應該怎麼做?最後就是根據上述資訊綜合,透過路徑規劃系統來選擇一條最適合無人車的道路,如同人類的大腦一樣對車輛最終的行為負責,選擇最優的方式達到目的地。這需要考慮行車的體感、安全和快捷等因素,透過最最佳化演算法、搜尋演算法、蒙特卡洛樹取樣等多種演算法來得到未來的駕駛行為。最後讓車以最優以及最安全的方式到達目的地!
然而,這只是無人駕駛技術的一個總體概括,如果細分到具體每一個技術,那就不是一兩句話能夠說明白的,因為無人駕駛要處理的問題非常的複雜!相信在不久的將來,無人駕駛能夠真正進入我們的生活,改變我們的出行方式!