360°无盲区感知!轻舟智航发布Driven-by-QCraft第三代自动驾驶硬件方案
近日,轻舟智航全新发布Driven-by-QCraft第三代L4级自动驾驶硬件方案,其中传感器套件结合了多类先进高精度传感器的特点,实现了360度无盲区感知,具备极强的稳定性和实时性。同时在传感器、计算平台、电源、通信等模块均采用全冗余设计。
在下一代硬件方案中,轻舟智航还将率先使用NVIDIA DRIVE Orin,让L4级自动驾驶的计算平台迈向量产车规级,这也意味着轻舟智航成为首个使用NVIDIA DRIVE Orin的L4级自动驾驶通用方案公司。
同一方案支撑十款车型、十座城市、多个场景
目前,搭载同一硬件方案的自动驾驶车辆已在美国硅谷、中国北京、深圳、苏州等全球10座城市落地测试和运营,部署车辆型号10款,车队数量将近百台,能够完美应对闹市、暴雨、隧道等多类场景。其中的龙舟ONE首款自动驾驶小巴已成功在苏州、深圳、武汉等六座城市落地常态化运营,成为国内布局城市最多的公开道路自动驾驶小巴。
作为国内Robobus的领跑者,2020年轻舟智航在苏州启动了全国首个常态化运营的5G自动驾驶公交项目。而今年10月,轻舟智航在无锡发布全国首个公开道路5G自动驾驶网约巴士,并宣布将在无锡市核心CBD区域启动3条微循环公交线路常态化运营,为市民日常通勤提供安全、便捷的接驳服务。
轻舟智航龙舟ONE自动驾驶小巴
如此高效迅捷的落地能力离不开自动驾驶技术平台的支撑,基于各项自研技术成果,轻舟智航推出了“Driven-by-QCraft”自动驾驶解决方案,其中包括车载软件和车载硬件两大模块。
本次介绍的车载硬件方案,是将轻舟智航核心软件研发技术在车辆上实现应用的重要载体。轻舟智航拥有车载软件各个技术栈全自研能力,包括感知算法、地图与定位、 决策规划、云端控制等,可保证全面覆盖不同城市场景及不同车型的应用需求。
随着龙舟系列自动驾驶车的规模化落地,车辆将产生海量数据。而能否对这些数据进行自动化收集和使用,是自动驾驶技术实现高效迭代的关键所在。轻舟数据流场便可自动完成PB量级的数据收集、筛选、清洗、标注以及仿真评估、大规模仿真场景生成等各步骤,形成完善的一整套流程。
以安全为红线
多传感器融合套件:360度无盲区高稳定感知
为更稳定地感知外部道路参与者信息,轻舟智航采用多传感器融合的方式构建传感器系统,达到车身周边360度无盲区感知效果。多传感器融合套件采用了易于部署的模块化设计,包含2个长距离测量激光雷达(主LiDAR)、3个近距离补盲激光雷达(盲区LiDAR)、4个毫米波雷达、9个感知摄像头和1个IMU套装。
Driven-by-QCraft第三代自动驾驶硬件方案多传感器融合套件
• 360度无盲区感知:传统感知方案容易有盲区,对于高速行驶的乘用车、尺寸较高的巴士而言,盲区会带来潜在危险,轻舟智航在中国首创的360度无盲区感知方案,可以保证自车周围无死角感知且互为冗余,车辆周边盲点距离车辆距离小于10cm。
• 传感器套件左右互为冗余:不像手机、电视或者家用电脑,自动驾驶汽车一旦出现故障,便是性命攸关的事。为此,轻舟智航建立了“多重保险”,让传感器套件实现左右互为冗余:基于五个激光雷达,当其中单个或两个雷达失效时,自动驾驶系统依然能保证感知模块正常运转,支撑车辆安全停靠。
• 高同步性的激光雷达方案:套件中每一个激光雷达的旋转方向均在同一时刻保持一致,具备高度同步性。当周围有动态物体出现的时候,点云不会出现错位或重影现象,同时保证可将所有激光雷达的点云数据收集在一起集中处理,最大化利用所有信息。
• 摄像头智能适应不同环境:通过先进的软件算法,系统可处理在不同光线条件下的过曝或欠曝问题,以及在车辆行驶过程中因运动模糊导致的拖影问题,使得车辆在不同光线以及不同运动状态下都具备稳定的感知能力。独特定制设计的专门识别红绿灯的相机可以不受环境光干扰,能够在晚上精准识别出150米外的红绿灯形状及颜色。此外,摄像头采用车规级设计,满足汽车级特殊环境,工作温度范围可覆盖-40至125℃。
• 摄像头盲区最小化处理:7颗500万像素的周视相机采用逆时针旋转90度安装形成纵向视图,既保证了相机逐行曝光方向与激光雷达扫描方向的一致性并因此提高了两者的前融合效果,又大大减少了地面盲区。相比传统的安装方式地面盲区面积减少了90%以上,保证了周边近距离物体的识别,检测出车辆近处的交通锥、行人等,尤其是较矮的儿童。
• 在室外,气温变化引起的温度差以及下雨天气会使镜头凝结水雾导致画面迷糊,而轻舟的传感器自带清洁功能,能自动进行去污处理,去除水雾、灰尘或其他污垢。
计算平台:三层次互为冗余设计
• Driven-by-QCraft的计算平台包括了主计算单元、备份计算单元、车载计算单元三个层次。正常情况下,主计算单元负责自动驾驶系统软件功能的运行、计算,在其因为特殊原因发生故障以后,为了确保车辆系统的安全,备份计算单元接收车辆控制,决定车辆下一步的运动行为,这样的“大小脑”设计让车辆拥有异常情况靠边停车、紧急刹车等保护机制。
电源系统:全面功率路径分层和保护设计
• 通过将功率路径分层管理,可根据不同天气状况、道路条件实时进行电能动态分配,优先支援核心功能模块,调节辅助功能模块供电,延长车辆运营里程;有效识别和隔离系统异常故障单元,避免故障级联,保护核心功能模块在小概率随机故障时不受影响,降低系统的运营维护成本;配合冗余电源和传感器设计,在单一甚至多个核心功能模块意外受损时,依然维持保证车辆行驶安全的最小子系统。
以规模化为目标
多传感器融合套件:适用于不同车型、成本可控
• 由轻舟智航推出的这一套硬件可应用于不同车型,也是国内首个可同时用于Robotaxi及Robobus的硬件方案。从应用于乘用车的传感器套件可以看出,这一造型十分独特,不同于其他Robotaxi公司的造型,这一造型除了能保证360度无盲区感知,也能实现左右传感器互为冗余。在不同车型、不同城市应用同样的硬件方案,也能保证数据的完整性及共通性,加快推动软件迭代,并通过 OTA 的方式为大规模车队持续升级。
• 硬件方案还可根据场景按需配置,具备很强的适应性。而根据轻舟智航预测,在未来2-3年内整套传感器的成本将下降至5位数。
计算平台:迈向量产车规级
• 轻舟智航还对外宣布将在下一代硬件方案中使用NVIDIA DRIVE Orin。
• 在目前量产车规级AI芯片中,NVIDIA DRIVE Orin处于金字塔尖的水平。依靠其计算能力,NVIDIA DRIVE Orin可以出色地进行海量并发运算,且支持复杂深度神经网络,用以处理自动驾驶系统产生的数据,并做出决策。
• 此外,NVIDIA DRIVE Orin满足量产车规级,在系统层面符合 ISO 26262 功能安全 ASIL-D 标准,这对自动驾驶等对安全要求十分严苛的应用场景十分重要。
• 从整体功耗比,基于NVIDIA DRIVE Orin的各级计算平台可达到的区间是 2-3 TOPS/W,这个效率也将助力L4级自动驾驶车辆的大规模落地。
• 伴随着乘用车高级辅助驾驶功能的量产落地,NVIDIA DRIVE Orin在价格上占有较大优势,将大幅降低整套自动驾驶方案的成本。
轻舟智航自动驾驶测试车
Driven-by-QCraft方案可实现按需定制,在多类场景中高效部署无人驾驶应用。因此,轻舟智航推出的龙舟系列自动驾驶车可满足多类智慧城市场景,作为网约车、公交车及接驳车使用。
当汽车通过智能化、网联化实现真正的共享化,无人出租车将走向新的业态,为人们提供更宽敞的空间、更绿色共享的出行服务。为探索更具前瞻性的无人出租车,轻舟智航选择从小巴形态入手,大力实现其商业化落地,持续收集应用反馈,打造更广泛适用于共享出行的全新车辆形态。
此外,轻舟智航还可为客户提供自动驾驶技术研发的工具链,助力客户掌握数据驱动算法开发的关键技术与手段,打造专属的自动化数据闭环,实现自动驾驶系统的快速迭代。
目前,轻舟智航正在面向全球招聘更多的自动驾驶领域人才,致力于未来把Driven-by-QCraft方案应用于更多智慧交通场景,推动技术持续迭代,最终将无人驾驶带进现实。
本文仅做学术分享,如有侵权,请联系删文。
重磅!计算机视觉工坊-学习交流群已成立
扫码添加小助手微信,可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群,旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。
同时也可申请加入我们的细分方向交流群,目前主要有ORB-SLAM系列源码学习、3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、深度估计、学术交流、求职交流等微信群,请扫描下面微信号加群,备注:”研究方向+学校/公司+昵称“,例如:”3D视觉 + 上海交大 + 静静“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。
▲长按加微信群或投稿
▲长按关注公众号
3D视觉从入门到精通知识星球:针对3D视觉领域的视频课程(三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等)、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕,更有各类大厂的算法工程人员进行技术指导。与此同时,星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息,打造成集技术与就业为一体的铁杆粉丝聚集区,近4000星球成员为创造更好的AI世界共同进步,知识星球入口:
学习3D视觉核心技术,扫描查看介绍,3天内无条件退款
圈里有高质量教程资料、可答疑解惑、助你高效解决问题
觉得有用,麻烦给个赞和在看~
360°无盲区感知!轻舟智航发布Driven-by-QCraft第三代自动驾驶硬件方案相关推荐
- 轻舟智航发布Driven-by-QCraft第三代自动驾驶硬件方案
如何保证 L4 级自动驾驶系统的普适性,同时找到自动驾驶车辆成本.规模化之间的平衡点?近日,此前已经在自动驾驶网约巴士(Robobus)领域打出声量的轻舟智航推出了全新的 Driven-by-QCra ...
- 从数据到模型:轻舟智航自动驾驶高效感知技术解读
12 月 24 日,一段全无人自动驾驶 Demo 引起了网友的热议,视频中一辆无人的士在城市晚高峰时段完成三个订单,实现了自动躲避外卖小哥.火车站送客.礼让行人等复杂操作.技术的背后体现了" ...
- 北京 | 轻舟智航 招聘 感知算法工程师
关注公众号,获取更多AI领域发展机会 公司介绍 轻舟智航(QCraft)是一支始创于硅谷的全华人团队,致力于将无人驾驶带进现实. 目前,轻舟智航已在多个城市部署轻舟无人小巴,并在苏州启动全国首个常态化 ...
- 北京内推 | 轻舟智航自动驾驶感知组招聘深度学习算法实习生
合适的工作难找?最新的招聘信息也不知道? AI 求职为大家精选人工智能领域最新鲜的招聘信息,助你先人一步投递,快人一步入职! 轻舟智航 轻舟智航(QCraft)成立于美国硅谷,是世界前沿的公司,致力于 ...
- CVPR自动驾驶运动预测挑战赛:轻舟智航夺冠方案
在今年CVPR 2021 Workshop on Autonomous Driving 主办的 Argoverse 运动预测挑战赛(Argoverse Motion Forecasting Compe ...
- 从干线到园区,希迪智驾率先打通物流全流程自动驾驶链路
2021年,商用车自动驾驶市场异常火热,尤其是干线物流.园区物流.末端配送等更具商业化落地前景的细分赛道.单是2021年前两月,自动驾驶赛道的投融资事件就有20多起,大部分发生在商用车自动驾驶领域. ...
- AI一分钟 | 英伟达发布Tesla T4 GPU新品;腾讯发布《2018 年全球自动驾驶法律政策研究报告》...
▌英伟达宣布 Tesla T4 GPU 新品:基于图灵架构,加速 AI 运算 近日,英伟达发布了一款专为 AI 推理工作而设计的显卡,它就是可以加速语音.视频.搜索引擎.图像神经网络的 Tesla T ...
- 赛迪研究院发布《2018年中国自动驾驶产业发展及投资价值白皮书》!
来源:中国电子信息产业发展研究院 10月19日,由北京市人民政府.工业和信息化部主办,工业和信息化部装备工业发展中心.中国电子信息产业发展研究院(以下简称"赛迪研究院")等机构共同 ...
- 文远知行发布自动驾驶新方案:日产纯电动车型,搭载性价比激光雷达
李根 发自 圣何塞·GTC 量子位 报道 | 公众号 QbitAI 新车型.新感知方案,新软件系统. 这是英伟达投资的自动驾驶公司文远知行WeRide,在2019年现场GTC展现的最新情况. 文远知 ...
最新文章
- illegalargumentexception是什么异常_线程出现异常!应该如何处理?
- k8s 创建资源的两种方式 - 每天5分钟玩转 Docker 容器技术(124)
- 8000字干货 | 教你打造电商产品的用户体系
- python接口测试非json的断言_荐在接口自动化测试中,如何利用Pytest + JSONPath 进行接口响应断言...
- 前端学习(2046)vue之电商管理系统电商系统之通过externals加载外部资源
- matlab启动不了jvm,MATLAB ::在-nojvm启动选项下不再支持此功能
- Win7 局域网内访问Sql2005
- 在Java中Vector和ArrayList的区别
- Linux时间子系统之四:定时器的引擎:clock_event_device
- [BZOJ4811][YNOI2017]由乃的OJ(树链剖分+线段树)
- win7下安装VC6LineNumberAddin方法[VC6行号插件]
- 图书管理系统/库存管理系统等计算机毕业论文设计
- vue高拍仪拍照后上传服务器回显到Upload(记录)
- 计算机系统导论与计算机导论,计算机系统导论之学习心得
- phython学习资料
- 余压监控系统在某高层住宅的应用方案
- python编写的程序可以在任何平台中执行-在Windows平台上编写的Python程序无法在Unix平台运行。...
- 笔记:STM32——PWM波形生成以及控制电机
- 案例分析警示安全隐患:免费WiFi购物卷走账户余额
- double类型的输出方式
热门文章
- 智能语音电话机器人,智能电销系统
- python爬虫框架教程_Python爬虫实战(十二):爬虫框架Scrapy的第一个爬虫示例入门教程...
- 使用Typora书写甘特图
- Linking Structure and Function in Macroscale Brain Networks——从宏观尺度脑网络的角度看结构--功能关系
- 在Ubuntu下更好的使用Thinkpad T60 - 键盘灯和指点杆
- 相关性的显著性检验——cocor package
- java 复杂报表_复杂Java报表解决方案|思达Java报表软件Style Report
- 从2021年消防火灾数据看电气火灾隐患治理策略
- 如何将一个正整数分解质因数
- 京东金融大数据竞赛猪脸识别(3)- 图像特征提取之二