Rumah > Artikel > Peranti teknologi > Penyelidikan tentang kesukaran teknikal utama pemanduan autonomi
Persatuan Jurutera Automotif membahagikan pemanduan autonomi kepada enam tahap, L0-L5, berdasarkan tahap kecerdasan kenderaan:
Teknologi Persepsi Alam Sekitar Persepsi Alam Sekitar merujuk kepada keupayaan untuk memahami persekitaran, seperti jenis halangan, tanda dan tanda jalan, pemanduan Klasifikasi bahasa pengesanan kenderaan, maklumat trafik dan data lain. Penentududukan ialah pemprosesan pasca keputusan persepsi, yang membantu kenderaan memahami kedudukannya berbanding persekitarannya melalui fungsi penentududukan. Persepsi alam sekitar memerlukan mendapatkan sejumlah besar maklumat persekitaran sekitar melalui penderia untuk memastikan pemahaman yang betul tentang persekitaran sekeliling kenderaan dan membuat perancangan dan keputusan yang sepadan berdasarkan ini.
Penderia persepsi persekitaran yang biasa digunakan untuk kenderaan autonomi termasuk: kamera, lidar, radar gelombang milimeter, radar inframerah dan ultrasonik, dsb. Kamera ialah yang paling biasa digunakan, paling mudah dan paling hampir dengan prinsip pengimejan mata manusia bagi penderia persepsi alam sekitar untuk kenderaan autonomi. Dengan merakam persekitaran di sekeliling kenderaan dalam masa nyata, teknologi CV digunakan untuk menganalisis imej yang ditangkap untuk mencapai fungsi seperti pengesanan kenderaan dan pejalan kaki serta pengecaman tanda trafik di sekeliling kenderaan.
Radar gelombang milimeter juga merupakan penderia yang biasa digunakan untuk kenderaan autonomi merujuk kepada radar yang berfungsi dalam jalur gelombang milimeter (panjang gelombang 1-10 mm, domain frekuensi 30-300GHz). Teknologi ToF (Masa Penerbangan) untuk mengesan objek sasaran. Radar gelombang milimeter secara berterusan menghantar isyarat gelombang milimeter ke dunia luar dan menerima isyarat yang dikembalikan oleh sasaran Ia menentukan jarak antara sasaran dan kenderaan berdasarkan perbezaan masa antara isyarat menghantar dan menerima. Oleh itu, radar gelombang milimeter digunakan terutamanya untuk mengelakkan perlanggaran antara kereta dan objek sekeliling, seperti pengesanan titik buta, bantuan mengelakkan halangan, bantuan tempat letak kereta, pelayaran adaptif, dll. Radar gelombang milimeter mempunyai keupayaan anti-gangguan yang kuat, dan keupayaan penembusannya terhadap hujan, pasir, habuk, asap dan plasma adalah lebih kuat daripada laser dan inframerah, dan ia boleh berfungsi pada semua cuaca. Walau bagaimanapun, ia juga mempunyai kelemahan seperti pengecilan isyarat yang besar, mudah disekat oleh bangunan, badan manusia, dll., jarak penghantaran yang pendek, resolusi rendah, dan kesukaran dalam pengimejan.
Lidar juga menggunakan teknologi ToF untuk menentukan lokasi dan jarak sasaran. LiDAR mengesan sasaran dengan memancarkan pancaran laser Ketepatan dan kepekaan pengesanannya lebih tinggi, dan julat pengesanannya lebih luas Walau bagaimanapun, LiDAR lebih terdedah kepada gangguan daripada hujan, salji, jerebu, dll. di udara, dan kosnya yang tinggi juga mengehadkan. sebab utamanya. Lidar yang dipasang pada kenderaan boleh dibahagikan kepada lidar satu talian, 4-baris, 8-baris, 16-baris dan 64-baris mengikut bilangan pancaran laser yang dipancarkan. Anda boleh menggunakan jadual berikut (Jadual 1) untuk membandingkan kebaikan dan keburukan penderia arus perdana.
Persepsi persekitaran pemanduan autonomi biasanya menggunakan dua kaedah: "persepsi lemah + kecerdasan super" dan "persepsi kuat + kecerdasan kuat "Laluan teknikal yang besar. Teknologi "persepsi lemah + kecerdasan super" terutamanya bergantung pada kamera dan teknologi pembelajaran mendalam untuk mencapai persepsi alam sekitar, dan tidak bergantung pada lidar. Teknologi ini percaya bahawa manusia boleh memandu dengan sepasang mata, dan kereta juga boleh bergantung pada kamera untuk melihat persekitaran sekeliling dengan jelas. Jika kecerdasan super sukar dicapai buat sementara waktu, untuk mencapai pemanduan tanpa pemandu, adalah perlu untuk meningkatkan keupayaan persepsi Ini adalah laluan teknikal yang dipanggil "persepsi kuat + kecerdasan kuat".
Berbanding dengan laluan teknikal "persepsi lemah + kecerdasan super", ciri terbesar laluan teknikal "persepsi kuat + kecerdasan kuat" ialah penambahan sensor lidar, sekali gus meningkatkan persepsi keupayaan. Tesla menggunakan laluan teknikal "kecerdasan lemah + kecerdasan super", manakala Google Waymo, Baidu Apollo, Uber, Ford Motor dan syarikat kecerdasan buatan lain, syarikat pelancongan dan syarikat kereta tradisional semuanya menggunakan laluan teknikal "persepsi kuat + kecerdasan kuat".
Tujuan penentududukan adalah untuk mendapatkan kedudukan tepat kenderaan autonomi berbanding persekitaran luaran, yang adalah satu kemestian untuk kenderaan autonomi asas. Apabila memandu di jalan bandar yang kompleks, ketepatan kedudukan memerlukan ralat tidak lebih daripada 10 cm. Contohnya: Hanya dengan mengetahui jarak antara kenderaan dan persimpangan dengan tepat kita boleh membuat ramalan dan persediaan yang lebih tepat hanya dengan meletakkan kenderaan dengan tepat kita boleh menentukan lorong di mana kenderaan itu berada. Jika ralat kedudukan tinggi, ia boleh menyebabkan kemalangan jalan raya yang lengkap.
GPS ialah kaedah penentududukan yang paling banyak digunakan pada masa ini Semakin tinggi ketepatan GPS, semakin mahal penderia GPS. Walau bagaimanapun, ketepatan kedudukan semasa teknologi GPS komersil adalah jauh dari mencukupi Ketepatannya hanya tahap meter dan mudah diganggu oleh faktor seperti halangan terowong dan kelewatan isyarat. Untuk menyelesaikan masalah ini, Qualcomm telah membangunkan teknologi penentududukan ketepatan tinggi (VEPP) yang dipertingkatkan penglihatan, yang menyepadukan maklumat daripada berbilang komponen automotif seperti navigasi global GNSS, kamera, navigasi inersia IMU dan penderia penentukuran dan data bersama gabungan untuk mencapai kedudukan masa nyata global tepat ke garisan lorong.
Perancangan keputusan ialah salah satu bahagian penting pemanduan berautonomi pertama kali menggabungkan maklumat berbilang sensor dan kemudian memandu berdasarkan Perlu membuat keputusan tugas, dan kemudian dapat merancang berbilang laluan selamat antara dua titik melalui beberapa kekangan tertentu sambil mengelakkan halangan sedia ada, dan memilih laluan yang optimum antara laluan ini , sebagai trajektori pemanduan kenderaan, iaitu perancangan. Mengikut tahap pembahagian yang berbeza, ia boleh dibahagikan kepada dua jenis: perancangan global dan perancangan tempatan Perancangan global adalah untuk merancang laluan optimum tanpa perlanggaran di bawah keadaan tertentu berdasarkan maklumat peta yang diperoleh. Sebagai contoh, terdapat banyak jalan dari Shanghai ke Beijing Merancang satu sebagai laluan memandu adalah perancangan keseluruhan.
Algoritma perancangan laluan statik seperti kaedah grid, kaedah visualisasi, kaedah topologi, kaedah ruang bebas, kaedah rangkaian saraf, dsb. Perancangan tempatan adalah berdasarkan perancangan global dan berdasarkan beberapa maklumat alam sekitar tempatan, ia merupakan satu proses yang boleh mengelakkan perlanggaran dengan beberapa halangan yang tidak diketahui dan akhirnya mencapai titik sasaran. Sebagai contoh, akan ada kenderaan atau halangan lain pada laluan yang dirancang secara global dari Shanghai ke Beijing Jika anda ingin mengelakkan halangan atau kenderaan ini, anda perlu membelok dan melaraskan lorong ini. Kaedah perancangan laluan tempatan termasuk: kaedah medan potensi buatan, kaedah histogram domain vektor, kaedah medan daya maya, algoritma genetik dan algoritma perancangan laluan dinamik yang lain.
Lapisan membuat keputusan dan perancangan ialah sistem pemanduan autonomi Ia adalah gambaran langsung kecerdasan dan memainkan peranan penting dalam keselamatan pemanduan kenderaan dan keseluruhan kenderaan seni bina perancangan membuat keputusan termasuk: Lapisan-progresif, reaktif, dan campuran kedua-duanya.
Seni bina progresif hierarki ialah struktur sistem siri Dalam sistem ini, modul sistem pemanduan pintar berada dalam susunan yang jelas, dan output modul sebelumnya ialah The. input kepada modul seterusnya juga dipanggil struktur tindakan perancangan persepsi. Walau bagaimanapun, kebolehpercayaan struktur ini tidak tinggi Sebaik sahaja kegagalan perisian atau perkakasan berlaku dalam modul tertentu, keseluruhan aliran maklumat akan terjejas, dan keseluruhan sistem mungkin akan runtuh atau lumpuh.
Seni bina reaktif menggunakan struktur selari Lapisan kawalan boleh terus membuat keputusan berdasarkan input penderia, jadi tindakan yang dihasilkannya adalah hasil daripada tindakan langsung data penderia ciri-ciri tindakan persepsi dan sesuai untuk persekitaran yang sama sekali tidak dikenali. Banyak tingkah laku dalam seni bina reaktif terutamanya melibatkan tugas khas yang mudah, jadi ia merasakan bahawa perancangan dan kawalan boleh disepadukan rapat, dan ruang penyimpanan yang diduduki tidak besar, jadi ia boleh menghasilkan tindak balas yang cepat dan prestasi masa nyata yang kuat Pada masa yang sama, setiap Satu lapisan hanya perlu bertanggungjawab untuk tingkah laku sistem tertentu. Keseluruhan sistem dengan mudah dan fleksibel dapat merealisasikan peralihan dari tahap rendah ke tahap tinggi Selain itu, jika salah satu modul mengalami kegagalan yang tidak dijangka lapisan masih boleh menghasilkan tindakan yang bermakna, keteguhan sistem telah dipertingkatkan dengan ketara. Kesukarannya adalah disebabkan oleh fleksibiliti pelaksanaan tindakan sistem, mekanisme penyelarasan khusus diperlukan untuk menyelesaikan konflik antara pelbagai gelung kawalan dan bersetuju dengan perbalahan penggerak, untuk mendapatkan hasil yang bermakna.
Struktur sistem hierarki dan struktur sistem reaktif mempunyai kelebihan dan kekurangannya sendiri untuk memenuhi keperluan penggunaan persekitaran pemanduan yang kompleks dan boleh diubah sahaja, maka semakin ramai orang dalam industri mula mempelajari seni bina hibrid untuk menggabungkan kelebihan kedua-duanya secara berkesan dan menjana definisi berorientasikan matlamat pada tahap perancangan hierarki global tingkah laku menjana tingkah laku sistem reaktif yang berorientasikan pencarian sasaran pada peringkat perancangan tempatan.
Kawalan pemanduan autonomi Teknologi teras ialah kawalan membujur kenderaan, kawalan sisi, kawalan membujur dan kawalan pemanduan dan brek kenderaan Kawalan sisi ialah pelarasan sudut stereng dan kawalan daya tayar Dengan merealisasikan kawalan automatik membujur dan sisi diberikan Matlamat dan kekangan mengawal operasi kenderaan secara automatik.
Kawalan membujur kenderaan adalah mengikut arah kelajuan pemanduan, iaitu kelajuan kenderaan dan hubungan antara kenderaan dan kenderaan atau halangan sebelum dan seterusnya Kawalan automatik jarak objek. Kawalan pelayaran dan kawalan brek kecemasan adalah contoh tipikal kawalan membujur dalam pemanduan autonomi. Masalah kawalan jenis ini berpunca kepada kawalan pemacu motor, enjin, sistem transmisi dan brek. Pelbagai model transmisi enjin motor, model pengendalian kenderaan dan model proses brek digabungkan dengan algoritma pengawal yang berbeza untuk membentuk pelbagai mod kawalan membujur.
Kawalan sisi kenderaan merujuk kepada kawalan berserenjang dengan arah pergerakan Matlamatnya adalah untuk mengawal kereta secara automatik mengekalkan laluan pemanduan yang diingini dan mencapai keselesaan dan kestabilan tunggangan yang baik di bawah kelajuan, muatan kenderaan yang berbeza. , rintangan angin, dan keadaan jalan. Terdapat dua kaedah reka bentuk asas untuk kawalan sisi kenderaan Satu adalah berdasarkan simulasi pemandu (satu ialah menggunakan model dinamik yang lebih mudah dan peraturan manipulasi pemandu untuk mereka bentuk pengawal; satu lagi ialah menggunakan proses manipulasi pemandu Pengawal latihan data memperolehi. algoritma kawalan); yang satu lagi ialah kaedah kawalan yang memberikan model mekanik gerakan sisi kereta (model gerakan sisi kereta yang tepat perlu diwujudkan. Model tipikal adalah seperti model trek tunggal, yang mengambil kira ciri-ciri kiri dan sebelah kanan kereta supaya sama)
Selain persepsi persekitaran, kedudukan yang tepat, perancangan keputusan dan pelaksanaan kawalan yang diperkenalkan di atas, kenderaan autonomi turut melibatkan teknologi utama seperti peta berketepatan tinggi, V2X dan ujian kenderaan autonomi. Teknologi pemanduan autonomi ialah gabungan kecerdasan buatan, cip berprestasi tinggi, teknologi komunikasi, teknologi penderia, teknologi kawalan kenderaan, teknologi data besar dan teknologi lain dalam banyak bidang. Ia adalah sukar untuk melaksanakan teknologi. Di samping itu, untuk pelaksanaan teknologi pemanduan autonomi, kemudahan pengangkutan asas yang memenuhi keperluan pemanduan autonomi mesti diwujudkan, dan undang-undang dan peraturan mengenai pemanduan autonomi mesti diambil kira.
Atas ialah kandungan terperinci Penyelidikan tentang kesukaran teknikal utama pemanduan autonomi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!