看到前面的道路
走向全自主,自动驾驶汽车的路径
尽管这些进展还没有完全取代了驾驶座人,这样做可以挽救生命。据美国国家公路交通安全管理局的最新数据,近3.6万人在美国死于交通事故在2018年,与人为错误造成的这些事故的90%以上。行人死亡人数35%,在过去十年中上涨,达到了6000年收入。车辆感知技术,能够“看到”它的周围比人更好,反应更迅速地能显著减少伤亡。
虽然人们一致认为感知技术将超越看到和感受到的驾驶环境人的能力,这就是该协议结束。汽车行业还没有达到单一的技术,这将带领我们进入无人驾驶汽车的时代共识。事实上,该解决方案将可能需要不止一个。这里有三个技术公司推进车辆感知迎来全自主,自动驾驶汽车的未来。
“我们专注于长期范围和高分辨率,这在汽车雷达非常最困难的问题。”
阿卜杜拉扎伊迪,工程总监,Metawave
雷达波束方向控制
自20世纪初,雷达已经被用于帮助船只和飞机导航。其复杂的条件下探测和识别目标,并提供精确的速度信息的能力,使得它非常适合自主驾驶。
在基于加州工程师Metawave正在推动雷达的极限认识到在所有天气条件下和在漆黑的夜晚其他汽车,行人,静止的环境,道路危险,等等。其模拟雷达平台,称为SPEKTRA™,形成毫秒内窄波束和阉牛它用于检测和分类的对象。阿卜杜拉扎伊迪,在Metawave工程总监说,他们的技术在汽车领域的最高分辨率的模拟雷达。它可以看到行人距离酒店250米,并承认车相距330米。
它也可以精确地测量两个对象之间的小距离,称为角分辨率,这给雷达彼此区分对象的能力。“这是不是说目前的雷达能做到,”扎伊迪说。
SPEKTRA扫描环境的方式也不同。不同于传统的数字雷达系统捕捉一次全部的信息,类似于一个强大的闪光灯照亮场景,Metawave雷达的工作原理更像是能够看到的空间一个特定片段在时间的激光束。光束迅速扫过环境,检测和在几毫秒内的视车辆的字段中的所有的对象分类。Metawave的方法增加射程和精度,同时减少干扰和杂波的可能性,都用很少的计算开销。“我们专注于长期范围和高分辨率,这是今天在汽车雷达解决最困难的问题,”扎伊迪说。
Metawave工程师使用MATLAB®测试SPEKTRA雷达的范围和分辨率,并创建处理雷达输出的底层算法。该技术使汽车自驾功能,如左转辅助,盲点监控,自动紧急制动,自适应巡航控制,车道和协助。
智慧激光雷达
一些第一自动驾驶汽车,将其发展成为一个竞争的部分赞助由美国政府的国防高级研究计划局(DARPA)的,使用激光为基础的系统来“看”的环境。光检测和测距(LIDAR)感测系统发射数千光每秒钟的脉冲其弹开周围物体并反射回车辆。在那里,一个计算机使用每个数据点,称为体素,以重建所述环境的三维图像,并最终控制如何轿厢运动。
激光雷达是昂贵的,虽然成本每车超过$ 70,000。而单独使用也有其局限性。恶劣的天气干扰了信号,所以它经常与其他传感技术,如摄像机,雷达,超声波或合并。巴里Behnken设计,创始人和高级副总裁说,但可以产生冗余和不相关信息,由一个中央计算机必须解析的压倒性量AEye总部设在都柏林,加利福尼亚州。
“我们的最终目标是建立一个感知系统这是一样好,或者比人类的更好。”
巴里Behnken设计,创始人和高级副总裁,AEye
工程师也有通过高分辨率摄像机它融合先进的激光雷达的能力。他们的系统,称为伊达尔,智能探测和测距,创建一个新的类型,从数码相机融合了高分辨率像素与3D激光雷达的体素的数据点。他们称这些点动态Vixels。因为激光脉冲和摄像机收集通过相同孔径的光学信息中,数据流被集成,并且可以在同一时间,从而节省时间和处理能力进行分析。
不同于传统的激光雷达系统,该系统在整个环境同样扫描场景,伊达尔调整其光脉冲模式给现场的关键领域更多的关注。凡直接由AEye的计算机视觉算法确定的脉冲。他们首先分析了相机数据搜索和检测物体的边缘,然后与较高分辨率激光雷达扫描,分类,跟踪立即零,并预测这些物体的运动。工程师使用MATLAB,以确保算法使用的是最好,最有效的光脉冲调制模式可以扫描现场。
“我们现在要做的是在传感器方面多感知,以减少对车辆的中央计算方面的负荷,” Behnken法说。捕捉更高更快的信息导致更准确的认识,同时使用更少的激光功率比传统解决方案,他说。万博 尤文图斯“我们的最终目标是的一样好,或者比人类好,制定一个感知系统”,他说。
热浪
在激光雷达,雷达和摄像机技术的进步将有助于推动自主驾驶技术的未来。但是,没有传感器可以单独完成这项工作。“他们都有自己的长处和他们都有自己的弱点,”基因Petilli,副总裁兼首席技术官说猫头鹰自主成像总部设在费尔波特,纽约。
传统的激光雷达是非常准确的,但雪,雨,雾降低其分辨无生命的物体动画能力Petilli说。传统的雷达,而另一方面,可以看到通过雪,是优秀的长距离,并且可以判断物体的相对速度,但它不能单独区分什么这些对象。相机可以进行分类,以及读取交通信号灯和路牌,但眩光干扰的质量,并在晚上,他们只能看到车灯照亮。
“关键是要挑一套不具有相同的弱点的传感器,” Petilli说。
猫头鹰的AI与3D热成像缝隙填充球队,这感觉加热由人与动物放出的签名,并大大简化对象分类。所谓的热测距™,该公司的传感器是一种无源系统,这意味着它不必发射能量或光,等待,直到它反弹回来 - 这可以拿起一个生命的物体的红外热。它看到的对象,无论是移动还是静止,在白天或黑夜,在任何天气条件下,高达400米的距离,并能计算出物体的三维范围和速度可达100米。
该装置由一个主透镜,类似于在常规相机中发现,加的位于主透镜和检测器之间的非常小透镜阵列构成。阵列断场景成图像的马赛克,每一个在看的从不同的角度感兴趣对象。算法测量图像之间的细微差别来计算目标有多远。
Petilli说,该公司使用MATLAB完善制度。因为他们试图以测量微透镜阵列元件之间的非常小的差异,在所述透镜的任何失真可以创建在范围计算误差。于是,他们在MATLAB对整个系统进行建模,以完美的镜头失真校正算法。他们还跑驾驶模拟训练深层神经网络人工智能算法,创建3D热图像。深度学习将被用来评估神经网络算法,马赛克图像转换成3D地图。
“自动驾驶汽车将不会被公开,直到它们比人类驾驶更安全的接受,” Petilli说。
加强安全
车辆感知技术的关键是提供一个安全的自动驾驶体验。为了提供对全自主,自动驾驶汽车,高科技公司承诺在使用人工智能和计算机视觉,以帮助车辆看到并感觉到他们的环境。虽然完全自主车不规范的是,这些公司使我们更接近今天同时提高新车的安全系统。