Wie man selbstfahrende Autos dazu bringt, „die Straße zu kennen'

Ähnlich wie menschliches Gehen müssen selbstfahrende Autos auch die Fähigkeit haben, unabhängig zu denken und Urteile und Entscheidungen über die Verkehrsumgebung zu treffen, um den Reiseprozess abzuschließen. Mit der Verbesserung der fortschrittlichen Technologie des assistierten Fahrens verbessert sich die Sicherheit von Autofahrern immer weiter, und der Grad der Beteiligung des Fahrers an der Entscheidungsfindung beim Fahren nimmt immer mehr ab.

Selbstfahrende Autos, auch fahrerlose Autos genannt, sind im Wesentlichen hochintelligente Roboter, die ihr Fahrverhalten nur mit Fahrerunterstützung oder ganz ohne Fahrerassistenz durchführen können. Autonomes Fahren wird hauptsächlich durch die Wahrnehmungsschicht, Entscheidungsschicht und Ausführungsschicht realisiert. Als automatisiertes Fahrzeug können autonome Fahrzeuge zusätzliches Radar (Millimeterwellenradar, Lidar), Fahrzeugkameras, globale Navigationssatellitensysteme (GNSS) und reale Systeme nutzen Zeitgesteuerte Hardwaregeräte wie dynamische (PTK) und Trägheitsmesseinheiten (IMU) erfassen die Verkehrsumgebung und beurteilen die erkannte Verkehrsumgebung. Das selbstfahrende Auto kann auf der Grundlage der erkannten Verkehrsumgebung Verhaltensentscheidungen und Pfadplanungen treffen und diese dann senden Signale an die Ausführungseinheit geben Befehle zur Steuerung des Fahrens selbstfahrender Autos aus.

Die Verwirklichung selbstfahrender Autos ist nicht so einfach, wie wir es uns vorgestellt haben. Wenn wir selbstfahrende Autos dazu bringen wollen, die Fahrfähigkeiten erfahrener Fahrer zu erreichen, zusätzlich dazu, dass selbstfahrende Autos „klar sehen“ können ( Wahrnehmungsebene) und „Denken“ Neben „Deming“ (Entscheidungsebene) und „Stepping Legs“ (Ausführungsebene) müssen wir auch „den Weg kennen“. Hochpräzise Karten sind die magische Waffe für die Selbstbestimmung. Autofahren, um „die Straße zu kennen“!

So wie Menschen Karten zur Navigation verwenden, wenn sie in einer fremden Stadt ankommen, müssen selbstfahrende Autos auch Probleme lösen, z. B. wohin, wie und wie sie fahren sollen, wenn sie autonomes Fahren erreichen wollen. Nachdem man den selbstfahrenden Autos Reiseanweisungen gegeben hat, geht es zunächst darum, die Straße zu planen. Die von Menschen verwendeten Navigationskarten legen mehr Wert auf Informationen wie Straßennamen und Routen und zeichnen nur Daten wie Straßenform, Neigung, Krümmung, Straßenbelag, Richtung usw. auf. Anhand dieser Informationen kann der Mensch die von ihm benötigten Reiserouten verstehen . Im Gegensatz zu Navigationskarten, die von Menschen verwendet werden, decken hochpräzise Karten für selbstfahrende Autos immer umfassendere Informationen ab.

Hochpräzise Karten sind eine Art von Genauigkeit, die das Zentimeter-Niveau erreichen kann (die Genauigkeit der von Menschen verwendeten Navigationskarten liegt nur im Meter-Niveau) und bietet hohe Präzision, hohe Dimensionalität, hohe Reichhaltigkeit und hohe Frische mit reicherer Qualität Elemente und eine schnellere Aktualisierungshäufigkeit können die Sicherheit autonomer Fahrzeuge während der Fahrt gewährleisten. Zusätzlich zu den Informationen, die von menschlichen Navigationskarten abgedeckt werden, fügen hochpräzise Karten auch Daten zu Fahrspurattributen hinzu, wie z. B. Fahrspurlinientyp, Fahrspurbreite usw., sowie zu Objekten über Kopf, Leitplanken, Informationen zum Straßenrand und Hindernissen am Straßenrand . Eine große Datenmenge wie Objekte (Bäume, Mülleimer, Telefonmasten usw.) und Orientierungspunkte am Straßenrand.

Als notwendiges Hilfsmittel für autonome Fahrzeuge zur „Erkennung der Straße“ enthalten hochpräzise Karten eine große Menge an Fahrinformationen, von denen neben Straßeninformationen die genaue dreidimensionale Darstellung des Straßennetzes die wichtigste ist Es enthält auch viele semantische Informationen, darunter die Farbe von Ampeln, Informationen zu Geschwindigkeitsbegrenzungen auf der Straße, die Wendepositionen von Fahrzeugen usw.

Die Entstehung und Entwicklung hochpräziser Karten wird die Gestaltung intelligenter Transportmittel, intelligenter Städte und intelligenter Transportmittel vorantreiben. Mit der Entwicklung intelligenter Netzwerktechnologie wird die Bedeutung hochpräziser Karten für die Reichweite autonomer Fahrzeuge immer offensichtlicher Für das Autofahren ist die Installation hochpräziser Karten eine notwendige Option. Hochpräzise Karten können Fahrwege für selbstfahrende Autos planen und als Grundlage für Positionierung, Entscheidungsfindung, verkehrsdynamische Informationen usw. dienen. Darüber hinaus können hochpräzise Karten auch dafür sorgen, dass selbstfahrende Autos erkennen können, wann die Die Sensorhardware des selbstfahrenden Autos fällt aus oder die Umgebung ist rau. Es kann sicher fahren, und hochpräzise Karten können die Wahrnehmung über den visuellen Bereich hinaus verbessern und die Planungsfähigkeiten autonomer Fahrzeuge verbessern.

​Hochpräzise Karten sind für selbstfahrende Autos sehr wichtig und haben viele Vorteile. Hochpräzise Karten können a priori Straßeninformationen und redundante Positionierungsgarantien für selbstfahrende Autos bereitstellen. Hochpräzise Karten werden nicht durch die Wetterumgebung, den Erkennungsabstand usw. beeinflusst oder eingeschränkt und können Sicherheit bieten Redundanz für selbstfahrende Autos. Da die hochpräzise Karte Standortinformationen wie Fahrbahnlinien, Verkehrsschilder, Ampeln usw. abdeckt, können relevante Informationen vorhergesagt und die Erkennungsgenauigkeit und Geschwindigkeit der Sensorhardware verbessert werden, beispielsweise beim Linksabbiegen an einer Kreuzung (nach den Verkehrsregeln des Rechtsverkehrs) ist ein selbstfahrendes Auto. Eines der schwieriger zu lösenden Probleme im Forschungs- und Entwicklungsprozess besteht darin, dass mit Hilfe hochpräziser Karten autonome Fahrzeuge informiert werden können Kreuzungen, an denen sie nach links abbiegen können, der Wartebereich für Linksabbieger, wo sich die Haltelinie für Linksabbieger befindet usw. Darüber hinaus können hochpräzise Karten im Rahmen der Entwicklung des Internets der Fahrzeuge Fahrzeuginformationen, Ampelstatusinformationen, Informationen zum Straßenverkehrsfluss usw. in die Cloud übertragen und so die Planung und Gestaltung intelligenter Transportmittel realisieren.

Hochpräzise Karten müssen statische und dynamische Fahrzeugumgebungsdaten und Verkehrsumgebungsdaten speichern. Wenn sie in einer Ebene platziert werden, ist dies für die Produktion und Verwendung nicht förderlich. Daher müssen standardisierte Ebenen verwendet werden spiegelt ein Umweltmerkmal oder ein Transportmerkmal wider und überlagert alle Ebenen, um eine verwendbare hochpräzise Karte zu erstellen. Zu diesem Zeitpunkt können hochpräzise Karten in zwei Schichten unterteilt werden, nämlich die statische Datenschicht und die dynamische Datenschicht. Die statische Datenschicht kann von unten nach oben in drei Vektorunterschichten unterteilt werden: Fahrspurmodell, Straßenkomponenten, Straßenattribute und eine Unterebene für Straßenmerkmale. Die dynamische Datenschicht basiert auf intelligenter Netzwerktechnologie, um Echtzeit-Verkehrsbetriebsdaten und Verkehrsmanagementdaten zu erhalten, um Echtzeit-Bewegungsdaten von Personen und Fahrzeugen zu sammeln. Daher kann sie in Verkehrsbetriebsdatenschicht und Verkehrsmanagementdatenschicht unterteilt werden und hochdynamische Bewegungsschicht von unten nach oben.

Die Erstellung und Sammlung hochpräziser Karten unterscheidet sich stark von den von Menschen verwendeten Navigationskarten. Das Erfassungssystem hochpräziser Karten ist im Vergleich zu den von Menschen verwendeten Navigationskarten zu einem „mobilen Messsystem“ geworden. Präzisionskarten konzentrieren sich stärker auf autonomes Fahren und sind ein unverzichtbarer Bestandteil autonomer Fahrlösungen. Da hochpräzise Karten extrem hohe Anforderungen an Echtzeitaktualisierungen von Daten stellen, wird es mühsam und kostspielig sein, ein Erfassungsfahrzeug vollständig zum Sammeln hochpräziser Karten zu verwenden. Ein hochpräzises Kartenerfassungsfahrzeug ist hauptsächlich mit einem Lidar-Fahrzeug ausgestattet Mit montierten Kameras, Gyroskopen, Datenspeicher- und Computergeräten usw. ist die Reichweite, die ein hochpräzises Kartensammelfahrzeug sammeln kann, äußerst gering. Wenn Sie die Sammlung vollständig auslegen möchten, ist dies mit enormen Kosten verbunden. Die Erstellung hochpräziser Karten ist außerdem sehr zeitaufwändig und arbeitsintensiv. Der Erstellungsprozess hochpräziser Karten umfasst das Zeichnen von Karten, die Aktualisierung von POI-Informationen, die Aktualisierung von Fehlerberichten von Internetbenutzern usw., was viel erfordert der Arbeitskosten.

Für die hochpräzise Kartenerfassung in verschiedenen Straßenumgebungen sind auch die Arbeitskosten und der Zeitaufwand unterschiedlich. Beispielsweise gibt es einen großen Unterschied zwischen der hochpräzisen Kartenerfassung für Autobahnen und städtischen Straßen Es ist offener, die Szenen sind komplexer und es deckt mehr Verkehrsinformationen ab. Es stellt auch höhere Anforderungen und Herausforderungen an die Fähigkeiten zum autonomen Fahren. Zu diesem Zeitpunkt werden hochpräzise Karten eine wichtigere Rolle spielen. Hochpräzise Karten können komplexe Verkehrsumgebungen dekonstruieren, menschliche Reiseregeln so übertragen, dass autonome Fahrzeuge sie verstehen, komplexe Reiseaktionen in mehrere kleine Aufgaben aufteilen und die Anforderungen an Wahrnehmungshardware für die Verkehrserkennung reduzieren oder optimieren. Da die hochpräzise Karte die zugehörigen Informationen jeder Fahrspur abdeckt, können selbstfahrende Autos das Fahrverhalten von Fahrzeugen auf anderen Fahrspuren oder in andere Richtungen im Voraus vorhersagen und so sicherstellen, dass selbstfahrende Autos sicher und gemäß den Verkehrsregeln fahren können.

Neben der Navigation für selbstfahrende Autos spielen hochpräzise Karten auch eine große Rolle für das sichere Fahren selbstfahrender Autos. Beispielsweise können hochpräzise Karten selbstfahrende Autos in städtischen Tunneln unterstützen In diesen Umgebungen können autonome Fahrzeuge hochpräzise Karten verwenden, um eine autonome Positionierung zu erreichen, indem sie die Verkehrsausrüstung in der hochpräzisen Karte als Referenzpunkte verwenden und mit Sensorhardware kombinieren, was die Sicherheit autonomer Fahrzeuge erheblich verbessert Fahren. In Verkehrsumgebungen, in denen längere Zeit keine Wartungsarbeiten stattfinden und Fahrspurlinien fehlen, können hochpräzise Karten durch Positionierung und Unterstützung dafür sorgen, dass autonome Fahrzeuge innerhalb der geplanten Fahrspur fahren können. Bei extremen Wetterbedingungen wie starkem Nebel und Schneestürmen verringert sich die Erkennungsgenauigkeit der Sensorhardware weiter und hochpräzise Karten können zusätzliche Verkehrsinformationen liefern. Auch sich ändernde Straßenverhältnisse sind einer der notwendigen Gründe für den Einsatz hochpräziser Karten. Beispielsweise werden in vielen Städten Gezeitenspuren eingerichtet und Geschwindigkeitsbegrenzungen für verschiedene Straßen festgelegt Dies kann im Voraus über hochpräzise Karten erfolgen, sodass selbstfahrende Autos die Verkehrsregeln befolgen können.

Derzeit gibt es noch viele Probleme bei der Entwicklung hochpräziser Karten. Beispielsweise gibt es derzeit keine einheitliche hochpräzise Kartenplattform und hochpräzise Karteninformationen werden nicht zwischen verschiedenen Parkhäusern geteilt , was das Problem hochpräziser Karten erhöht. Um die Kosten für die Kartenerfassung zu senken, wird die Einrichtung eines einheitlichen Datenmodells und Austauschformats für hochpräzise Karten dazu beitragen, die Entwicklungszeit und unnötige Kosten für Automobilhersteller zu reduzieren und gleichzeitig eine hohe Auflösung sicherzustellen Karten, die künftig von markenübergreifenden Fahrzeugen verwendet werden, können kontinuierlich aktualisierte Daten austauschen.

Die Erfassungskosten für hochpräzise Karten sind relativ hoch und die Aktualisierungen erfolgen relativ langsam. In dieser Phase gibt es zwei technische Hauptwege für die Erfassung von Vermessungs- und Kartierungsdaten Der andere basiert auf dem Kartenvermessungsfahrzeug von Google, der andere wird durch Teslas „Fleet Learning Network“ repräsentiert, das der Verwendung von Massenfahrzeugen zur „Crowdsourcing“ von Vermessungs- und Kartierungsaufgaben entspricht und alle Sensoren in der gesamten Flotte mobilisiert, um Daten zu sammeln Jedes Fahrzeug wird über Cloud-Technologie in die zentrale Datenbank hochgeladen und ist letztendlich ein Mitwirkender und Empfänger von Kartendaten.

Änderungen im Verkehrsumfeld, wie z. B. Straßenverbesserungen und Verbesserungen und Optimierungen der Straßenausrüstung, erfordern Echtzeitaktualisierungen hochpräziser Karten, und dies wird sehr schwierig sein. Wie kann eine hochpräzise Aktualisierung sichergestellt werden? Die Häufigkeit ist ebenfalls. In dieser Phase gibt es dringende Probleme, die bei der Entwicklung hochpräziser Karten besprochen werden müssen.

Das obige ist der detaillierte Inhalt vonWie man selbstfahrende Autos dazu bringt, „die Straße zu kennen'. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!