Artikel yang menganalisis secara ringkas gabungan pelbagai sensor untuk pemanduan autonomi

Apakah kaitan kereta pintar bersambung dengan pemanduan autonomi?

Inti pemanduan autonomi terletak pada kereta, jadi apakah sistem sambungan rangkaian pintar itu? Pembawa sambungan rangkaian pintar juga merupakan kereta, tetapi teras adalah rangkaian yang perlu disambungkan. Satu ialah rangkaian yang terdiri daripada penderia dan sistem kawalan pintar di dalam kereta, dan satu lagi ialah rangkaian yang disambungkan dan dikongsi oleh semua kereta. Sambungan rangkaian adalah untuk meletakkan kereta ke dalam rangkaian yang besar untuk bertukar-tukar maklumat penting, seperti lokasi, laluan, kelajuan dan maklumat lain. Matlamat pembangunan sistem rangkaian pintar adalah untuk meningkatkan keselamatan dan keselesaan kereta melalui pengoptimuman reka bentuk penderia dalaman dan sistem kawalan, menjadikan kereta lebih berperikemanusiaan Sudah tentu, matlamat utama adalah untuk mencapai pemanduan tanpa pemandu.

Tiga sistem tambahan teras kenderaan autonomi: sistem persepsi alam sekitar, sistem membuat keputusan dan perancangan, serta sistem kawalan dan pelaksanaan Ini juga merupakan tiga teknologi utama yang digunakan oleh kenderaan bersambung pintar sendiri mesti menyelesaikan persoalan.

Apakah peranan yang dimainkan oleh sistem penderiaan persekitaran dalam sistem sambungan rangkaian pintar?

Apakah teknologi penderiaan alam sekitar dan apakah yang terkandung di dalamnya?

Persepsi alam sekitar terutamanya merangkumi tiga aspek: penderia, persepsi dan kedudukan. Penderia termasuk kamera, radar gelombang milimeter, lidar dan gelombang ultrasonik Penderia yang berbeza diletakkan pada kenderaan untuk mengumpul data, mengenal pasti warna dan mengukur jarak.

Jika kereta pintar ingin menggunakan data yang diperolehi oleh sensor untuk mencapai pemanduan pintar, data yang diperoleh melalui sensor mesti diproses oleh (persepsi) algoritma dan dikira Keputusan data dijana untuk merealisasikan pertukaran maklumat tentang kenderaan, jalan raya, orang, dan lain-lain, supaya kenderaan secara automatik boleh menganalisis sama ada kenderaan itu memandu dengan selamat atau berbahaya, supaya kenderaan boleh mencapai pemanduan pintar mengikut kehendak orang ramai, dan akhirnya menggantikan orang dalam membuat keputusan dan matlamat pemanduan autonomi .

Akan ada isu teknikal utama di sini Penderia yang berbeza memainkan peranan yang berbeza Bagaimanakah data yang diimbas oleh berbilang penderia membentuk data imej objek yang lengkap.

Teknologi gabungan berbilang sensor

Fungsi utama kamera adalah untuk mengenal pasti warna objek, tetapi ia akan dipengaruhi oleh cuaca hujan ; lidar boleh mengimbangi ketidakupayaan radar gelombang milimeter untuk mengenal pasti halangan Bentuk tertentu radar ultrasonik terutamanya mengenal pasti halangan jarak dekat pada badan kenderaan, dan sering digunakan dalam proses parkir kenderaan. Untuk menggabungkan data luaran yang dikumpul daripada penderia yang berbeza untuk menyediakan asas bagi pengawal untuk membuat keputusan, adalah perlu untuk memproses algoritma gabungan berbilang sensor untuk membentuk persepsi panorama.

Apakah itu gabungan pelbagai sensor (pemprosesan algoritma gabungan), dan apakah algoritma gabungan utama?

Prinsip asas gabungan berbilang penderia adalah seperti proses pemprosesan maklumat yang menyeluruh oleh otak manusia Pelbagai penderia digunakan untuk pelengkap dan dioptimumkan maklumat berbilang peringkat dan berbilang ruang pemprosesan gabungan, dan akhirnya menghasilkan sepasang tafsiran persekitaran yang konsisten. Dalam proses ini, data berbilang sumber mesti digunakan sepenuhnya untuk kawalan dan penggunaan yang munasabah, dan matlamat akhir percantuman maklumat adalah untuk memperoleh maklumat yang lebih berguna melalui gabungan maklumat pelbagai peringkat dan pelbagai aspek berdasarkan maklumat pemerhatian berasingan yang diperolehi oleh setiap sensor. Ini bukan sahaja mengambil kesempatan daripada operasi koperasi berbilang penderia, tetapi juga memproses data secara menyeluruh daripada sumber maklumat lain untuk meningkatkan kecerdasan keseluruhan sistem penderia.

Konsep gabungan data berbilang sensor mula digunakan dalam bidang ketenteraan dalam beberapa tahun kebelakangan ini, dengan perkembangan pemanduan autonomi, pelbagai radar telah digunakan untuk menyasarkan kenderaan. Oleh kerana penderia berbeza mempunyai isu ketepatan data, bagaimana untuk menentukan data bercantum akhir? Sebagai contoh, lidar melaporkan bahawa jarak ke kenderaan di hadapan ialah 5m, radar gelombang milimeter melaporkan bahawa jarak ke kenderaan di hadapan ialah 5.5m, dan kamera menentukan bahawa jarak ke kenderaan di hadapan ialah 4m. Bagaimanakah pemproses pusat membuat pertimbangan terakhir? Kemudian satu set algoritma gabungan berbilang data diperlukan untuk menyelesaikan masalah ini.

Kaedah biasa gabungan pelbagai sensor dibahagikan kepada dua kategori: rawak dan kecerdasan buatan. Kategori AI terutamanya termasuk penaakulan logik kabur dan kaedah rangkaian saraf tiruan terutamanya termasuk penapisan Bayesian, penapisan Kalman dan algoritma lain. Pada masa ini, penderiaan gabungan automotif terutamanya menggunakan algoritma gabungan kelas rawak.

Algoritma persepsi gabungan kenderaan autonomi terutamanya menggunakan algoritma penapis Kalman, yang menggunakan persamaan keadaan sistem linear untuk menganggar keadaan sistem secara optimum melalui data pemerhatian input dan output sistem Ia adalah algoritma yang menyelesaikan kebanyakan masalah pada masa ini. Mereka semua adalah kaedah terbaik dan paling berkesan.

Berbilang penderia perlu diproses oleh algoritma gabungan Perusahaan memerlukan jurutera algoritma penderiaan gabungan untuk menyelesaikan masalah gabungan berbilang penderiaan memerlukannya adalah perlu untuk dapat menguasai prinsip kerja pelbagai sensor dan ciri data isyarat, untuk dapat menguasai algoritma gabungan untuk pembangunan perisian dan keupayaan algoritma penentukuran sensor, serta pemprosesan data awan titik, algoritma pengesanan pembelajaran mendalam, dsb. .

Bahagian ketiga kesedaran alam sekitar - penentududukan (slam)

Slam dipanggil kedudukan dan pemetaan serentak, yang mengandaikan bahawa adegan itu statik Dalam kes ini, urutan imej diperolehi melalui pergerakan kamera dan reka bentuk struktur 3-D adegan diperolehi Ini adalah tugas penting penglihatan komputer Data yang diperolehi oleh kamera diproses oleh algoritma , iaitu visual slam.

Selain visual slam, kaedah penentududukan kesedaran alam sekitar juga termasuk lidar slam, GPS/IMU dan peta berketepatan tinggi. Data yang diperolehi oleh penderia ini perlu diproses oleh algoritma untuk membentuk hasil data yang menyediakan asas maklumat lokasi untuk keputusan pemanduan autonomi. Oleh itu, jika anda ingin bekerja dalam bidang persepsi alam sekitar, anda bukan sahaja boleh memilih kedudukan algoritma penderiaan gabungan, tetapi juga memilih medan slam.

Atas ialah kandungan terperinci Artikel yang menganalisis secara ringkas gabungan pelbagai sensor untuk pemanduan autonomi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!