自動駕駛環境感知對算力要求

㈠ 自動駕駛目前存在哪些缺陷

感測器無法確保100%的准確率，需與高精度地圖融合

對於這次優步自動駕駛車輛致路人死亡事件，高德集團自動駕駛車輛高精度地圖產品專家姚燦認為，發展自動駕駛技術尚需在研發、測試環節投入大量的時間、精力，汽車行業也應始終保有一顆對生命的敬畏之心。

姚燦介紹，從安全形度而言，通過一張輔助的高精度地圖提前對道路場景進行預設，有助於避免交通事故。普通導航地圖主要供人進行參考，而高精度地圖是給機器看的，更像是一個感測器，它收集了大量道路信息，准確的道路形狀，車道之間的車道線，道路隔離帶和材質，甚至道路上的箭頭、文字內容等都有相應描述。

「例如，在距離一個路口300米時，車輛就可以通過高精度地圖提前知曉前方路口的性質、形狀、有幾條車道，是否經常有行人通過，在知道上述信息後，自動駕駛車輛的決策系統就在靠近路口的時候要求車輛提前減速。」

㈡ 智能網聯汽車的環境感知系統中的慣性元件和定位導航,主要作用是什麼

主要作用就是為了將來可以實現自動導航自動駕駛。

㈢ 汽車智能駕駛環境感知多感測器融合意義

汽車自動化的程度越高，集成在車輛中的感測器的數量和類型也越多，只有這樣才能夠保證信息獲取充分且、有冗餘保障車輛自動行駛的安全。
為了保證安全，必須對感測器進行信息融合。
多感測器融合可以顯著提高系統的冗餘度和容錯性，從而保證決策的速度和正確性，這是自動駕駛系統向先進的自動駕駛方向發展，最終實現無人駕駛的必然趨勢。

㈣ 自動駕駛中,最關鍵的感測檢測技術有哪些

自動駕駛車輛有望實現預測性駕駛。為此，車輛必須具備遠超我們人類的檢測感知能力，我們需要檢測自動駕駛車輛外部環境的三種關鍵技術：雷達、激光雷達和高性能慣性MEMS IMU。

微波雷達

雷達目前大量用在高級駕駛員輔助系統中，例如碰撞預警和緩沖剎車、盲點檢測、車道變換輔助等，然而高性能雷達技術對傳統的微波信號鏈技術能力有極高的要求。有意思的是，根據 ADI 官方數據，新近生產的全部雷達模塊中大約 50% 含有 ADI 公司技術。這家在四年前將微波射頻領頭羊公司訊泰（Hittite）成功納入囊中的模擬半導體技術巨頭，在汽車雷達領域有 15 年的記錄，現正在開發打造創新的以「Drive360」命名的雷達技術平台，以提供最高水平的性能和距離解析度。除了成熟的 24GHz 微波雷達技術，還支持 76 GHz 至 81 GHz 的完整頻段，使其長期可用。

Drive360 雷達圍繞 28nm CMOS技術構建，這是目前 ADI 在業界率先強調的工藝技術節點，據稱這使雷達平台能提供最高程度的數字信號處理集成靈活性，同時 ADI 豐富的RF IP支持實現高度差異化的波形和演算法。按 ADI 公開的資料表示，採用 Drive360 雷達的產品將能可靠地檢測形狀更小、移動速度更快、距離更遠的物體（如摩托車、行人、動物等），以在關鍵時刻避免傷亡。

雷達、激光雷達和慣性MEMS IMU組成未來自動駕駛技術的「鐵三角」

激光雷達

雷達在未來的全天候自動駕駛應用中居於支配地位，但它只是瞬間決策解決方案的一部分。還需要其他感測器，例如攝像頭和激光雷達（LiDAR，激光探測與測距）。與成熟的微波雷達技術相比，雷達所佔成本只是激光雷達當前的成本很小一部分。

業界公認的最先成熟將激光雷達應用在汽車上的是美國Velodyne公司，其第一台激光雷達直徑達到 30 英寸、重量接近 100 磅。2007 年其開發的激光雷達系統收費還高達 8 萬美元。2010 年穀歌推出無人駕駛汽車項目的「車頂花盆」據稱採用了 Velodyne 生產的 64 線激光雷達感測器，成本約為 7.5 萬美元，其成本佔到一輛谷歌無人車近一半。

作為傳統微波技術的領頭羊，ADI 也將激光雷達作為其整體 Drive360自主駕駛解決方案戰略的關鍵支柱。激光雷達利用光脈沖將物理世界以高的置信水平實時轉化為 3D 數字圖像。傳統激光雷達系統（現今主要用於測試車輛）非常昂貴。除此之外，它們外觀很難看，並且由機械組件構成，可能導致系統停機。ADI 正在大量投資開發經濟高效的真正純固態激光雷達技術以促進汽車激光雷達系統的主流採用，並讓汽車供應商和 OEM 能夠在客運車輛中部署基於激光雷達的 ADAS 和自主駕駛應用。

激光雷達是一個飛速發展的領域，其探測范圍和精度對於解決一些最困難的 ADAS 挑戰至關重要。ADI 公司目前聚焦於固態激光雷達設計，據稱其材料與計算機顯示器中掃描光線所用的材料相同，將經濟有效的設計消除常規產品中的活動部件，克服當前激光雷達系統成本高昂的問題，並提高可靠性。在范圍、解析度、幀速率和功耗等關鍵性能指標方面，它也將有改善。

慣性測量單元

全球主流的導航採用GPS或者中國發展北斗衛星定位系統，但這些衛星導航技術也有它本身劣勢，比如信號差、有誤差、更新頻率低等問題，所以僅靠GPS無法滿足自動駕駛的定位需求，需要一種更好的設備來彌補GPS的不足。而MEMS慣性測量單元（IMU）擁有更高的更新頻率，而且不受信號影響，可以很好與GPS形成互補。

慣性測量單元，通常由陀螺儀、加速度計和演算法處理單元組成，通過對加速度和旋轉角度的測量得出自體的運動軌跡，在導航中有著很重要的應用價值。我們把傳統的IMU和與車身、GPS等信息融合的演算法組合在一起的系統稱為廣義的、針對自動駕駛的 IMU。

除了檢測周圍環境之外，自動駕駛車輛還需要能在各種氣候條件下感受路況並做出響應。ADI公司的慣性MEMS將多軸加速度計和陀螺儀與處理和校準功能集成在單個封裝中。IMU連同板載ADAS和衛星定位輸入，提供精確的車輛位置和航向畫面，同時抑制正常駕駛產生的沖擊和振動。

目前的GPS有很多時候是精度不夠准確或者無效的，例如在隧道中經常因為信號不好無法使用，或者在市中心的高樓里GPS信號容易被折射反射。這個時候IMU就可以增強GPS的導航能力。例如，在車道線識別模塊失效時，利用失效之前感知到的道路信息和IMU對汽車航跡的推演，仍然能夠讓汽車繼續在車道內行駛。

此外，GPS更新頻率過低（僅有10Hz）不足以提供足夠實時的位置更新，IMU的更新頻率可以達到100Hz或者更高完全能彌補GPS所欠缺的實時性，GPS/IMU組合系統通過高達100Hz頻率的全球定位和慣性更新數據，可以幫助自動駕駛完成定位。通過整合GPS與IMU，汽車可以實現既准確又足夠實時的位置更新。

㈤ 具備同時捕捉多目標的能力 小鵬P7駕駛輔助系統環境感知能力曝光

日前，小鵬汽車在其APP上發布了一則小鵬P7駕駛輔助系統對道路周邊環境的感知能力的視頻。可以看到，該系統對紅綠燈、行人等都做出了識別。

其中後驅長續航版車型的NEDC續航里程均為568公里；後驅超長續航版車型將根據不同配置分別提供706公里和656公里的NEDC續航里程；四驅高性能版車型的NEDC續航里程則為552公里。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

㈥ 研究自動駕駛技術的演算法需要哪些知識

潛在的應用包括利用分布在車體內外的感測器，比如激光探測、雷達、攝像頭或者物聯網。

㈦ 想要實現自動駕駛技術，需要具備哪些條件

對於自動駕駛，不同組織的分級標准各有不同：美國國家公路交通安全管理局（NHTSA）把自動駕駛分為五個級別，而國際自動機械工程師學會（SAE）的標准分為L0~L5共六個級別，兩者的L0、L1、L2的分類都是相同的，不同之處在於NHTSA的L4被 SAE 細分為L4和L5。國內採用SAE標准較多。

其次，至於行為決策(廣義)，像路徑規則這種功能，導航軟體已經做得比人還好了；在環境感知做到絕對正確的情況下，什麼時候加速、什麼時候剎車、什麼時候轉向的決策，也並不難(可能還涉及到一些法律與倫理問題，不屬於技術領域)。

如此一來，剩下的就是環境感知了。環境感知對於汽車行業是一個新的挑戰，也是實現自動駕駛最關鍵的一步，是最重要的環節。