一、識別技術
和人類的眼睛一樣,自動駕駛汽車也有它自己的眼睛,用來識別周邊的車輛、障礙物、行人等路上的情況。自動駕駛的眼睛是由傳感器構成的,包括攝像頭、激光雷達、毫米波雷達,還有紅外線、超聲波雷達等。
其中,常用的是攝像頭,它和人類的眼睛接近,可以看清有顏色的標識、物體,看得懂字體,分得清紅綠燈。但是缺點也不少,比如在夜晚或惡劣的天氣下視力就嚴重下降,也不擅長遠距離觀察。
其次是頗富爭議的LiDAR,即激光雷達。比較常見的是在車頂,像是頂不停旋轉的帽子。原理很簡單,就是通過計算激光束的反射時間和波長,可以完成繪制周邊障礙物的3D圖。而短板則是無法識別圖像和顏色。
還有,毫米波雷達,因為它可以全天候工作,這使得它*,即便它無法識別高度,分辨率不高,也難以成像。但它憑借其穿透塵霧、雨雪的硬本領,站穩一席之地。
其中與安防密切相關的當屬常見的攝像頭了。當前,新的人工智能技術使得安防攝像頭擁有人臉識別、車牌識別、活體檢測等功能,成為推動安防產業發展的變革力量。而AI的應用,也使其他行業產生對攝像頭的需求,這其中就包括自動駕駛。
目前主流自動駕駛技術靠兩種系統來實現:一是激光雷達系統,但成本過高,推廣不易;另一個就是視頻監控分析系統,這項技術已較為成熟,價格低,易推廣。而在自動駕駛所有技術當中,基于視像的技術較為突出,通過視頻監控,可以實時分析路況、車輛及行人信息,輔助汽車做出有效、及時的反饋。其中,圖像傳感器性能決定傳輸圖像質量,沒有高質量圖像獲取與傳輸,視頻分析準確性就無從談起。視頻監控與高質量圖像傳感器對于自動駕駛汽車來說非常重要。
未來,在攝像傳感器性能突破、芯片成本下降以及深度學習技術推動下,預計在自動駕駛汽車后視/環視和夜視攝像頭、*駕駛輔助系統、視鏡替代和行車記錄儀、駕駛/車輛接口等應用中至少應用8-10個攝像頭。
近年來,汽車領域對視頻監控的需求成為拉動安防行業進一步發展的因素。車載攝像頭處于自動駕駛和車聯網雙風口,市場規??臻g巨大,根據HIS估算,車載攝像頭出貨量將從2014年的2800萬個增長到2020年的8300萬個,復合增長率達20%。安防企業大舉進入自動駕駛領域,很大一部分是以自身*安防技術為背景,尤其是視頻監控技術。
二、決策技術
通過眼睛識別得到了周邊環境,接下來就要充分利用這些信息進行理解分析,決定自己該如何走下一步。要完成這項任務的就是強大腦。自動駕駛機器人需要完成大腦中的知識庫有兩種方式:專家規則式和AI式。
專家規則式,英文叫rule-based。即提前編寫好規則,當需要做決定的時候必須嚴格遵守這些規則。舉個例子,當準備超車變道時,需要滿足以下條件(這是一個假專家,僅供參考):道路半徑大于500R(彎道不變道);跟目標車道上的前后車的距離都在20m以上;比后車的車速慢不超過5km/h;等等等等...以上N個條件同時滿足時,即可超車變道。
AI式,就是一直很火的人工智能。模仿人類的大腦,通過AI算法對場景進行理解?;蛱崆巴ㄟ^大量的犯錯積累經驗,或事前聽某人指點江山。通過AI式積累知識庫,會讓她的反應更加靈活。
三、定位技術
目前,除了主流的用GPS或GNSS(衛星導航系統)來定位的方式之外,也有在公路上鋪設電磁誘導線等方式來實現定位。高精度GPS定位目前來說大難題是,山區和隧道等地理因素對精度的影響,雖然可以依靠IMU(慣性測量單元)來進行推算,但GPS丟失信號時間過長的話,累計的誤差就會比較大。
另外,自動駕駛的3D動態高清地圖帶給了自動駕駛更多可能性。因為有了高清地圖,就可以將自己的位置輕松定位在車道上。
對于未來的車輛來說,確定自身在車道內的位置是基礎。因此定位和地圖構建,成為了一個基礎而重要的環節,對于自動駕駛的核心控制系統而言,需要利用感知傳感器觀察環境,同時根據感知信號對環境的地圖構建和自身進行定位。而面向自動駕駛的精確控制,定位技術需要的是厘米級定位,確切地知道車輛的位置。根據自動駕駛系統所對應的不同,大致可以分為:
基于地標:根據視覺或者激光雷達的定位,與數據庫中的特征匹配,確定車輛本體的位置和環境。
基于信號定位:采用外界的位置信號,如衛星系統(GNSS)和5G;
基于慣性導航技術:在了解車輛的位置后,計算車輛的當前位置和方向。航位推算的本質是在初始位置上累加位移矢量計算當前位置,它是一個信息累加的過程。
四、通信安全技術
試想如果被黑客入侵,控制了你的自動駕駛車,不僅可以監聽到你的秘密談話,還很可能成為殺人工具。黑客可以通過影響傳感器的數據而影響決策,或直接介入判斷機制進而影響行駛軌道。
關于自動駕駛的安全,一般包括行駛安全、功能安全以及網絡安全。
安全性目前依舊是自動駕駛汽車的一大主要挑戰。自動駕駛汽車依靠人工智能、視覺計算、雷達、監控裝置和定位系統協同合作,讓系統可以在沒有人類主動的操作下,自動安全地操作機動車輛。但自動駕駛系統的一個不安全"決定",很可能會危害到人類生命,同時造成巨大的經濟損失?,F在,在自動駕駛汽車呈現出實用化的這一過程中,有關自動駕駛系統的事故已引起各機構的關注。
理論上講,由于自動駕駛汽車不像人類駕駛員那樣容易注意力分散或疲勞,它們其實具有減少路面交通事故的潛力。不過,人類在遇到新狀況時,無論是反應速度還是反應能力仍然要好很多。雖然現階段我們無法訓練自動駕駛汽車熟悉所有可能的交通狀況,但工程師們可以向它們提供一種能計算"無事故軌跡"的框架,當然,其前提是其他道路使用者也能合法駕駛。
自動駕駛車使用安裝在車上的傳感器和ICT終端來檢測和分析周圍環境,來控制方向盤和制動。隨著網聯車的發展,各種信息將通過網絡實時發送和接收。據intel稱,自動駕駛車每天將能夠處理大約4TB的數據。
汽車的通信和娛樂系統是容易被黑客通過入侵手機網絡、WiFi、藍牙等通道,找到車載App漏洞進行攻擊,就能獲取用戶在這些App上的隱私數據、歷史記錄,實現監聽或促發導航偏離。
另外傳感器也是黑客入侵可能的途徑。像GPS、攝像頭、激光雷達、毫米波雷達、IMU等常見傳感器裝置,都可以被黑客干擾進而影響自動駕駛的判斷機制和行駛軌道。比如攻擊激光雷達讓其辨別不了即時性不良數據,或者是試著干擾他們長期積累的聚合數據等等。
五、人機交互技術
遇到自動駕駛駕馭不了的場景,便會呼喚人接替它的工作。這時,HMI(人機界面)就發揮作用了。它的目標是,用直觀、便捷的方式通知我們,讓駕駛員盡快注意到。
此外,通過觀察分析駕駛員的面部表情和動作,判斷其困倦狀態,并通過給駕駛員提供感興趣的話題等方式予以提醒,也是人機交互多樣化發展的一個例子。還有些不僅局限于和車內人的互動,也可以與路上行人進行互動,表達讓行等意愿。