根据智能化程度的不同,自动驾驶被分为5个等级:L1辅助驾驶、L2部分自动驾驶、L3有条件自动驾驶、L4高度自动驾驶、L5完全自动驾驶,即真正的无人驾驶。

日渐活跃于公众视野的“无人驾驶”概念,往往是指L3及以上级别的自动驾驶。目前L4的试点属于高度自动驾驶。那么无人驾驶是如何实现这些功能的呢?

无人驾驶的核心技术体系主要可分为感知、决策、执行三个层面。

感知系统 相当于人的眼睛、耳朵、负责感知周围的环境,并进行环境信息与车内信息的采集与处理,主要包括车载摄像头、激光雷达、毫米波雷达、超声波雷达等技术。

决策系统 相当于人的大脑,负责数据整合、路径规划、导航和判断决策,主要包括高精地图、车联网等核心技术。

执行系统 相当于人的小脑和四肢,负责汽车的加速、刹车和转向等驾驶动作,主要包括线控底盘等核心技术。

其中无人驾驶的视觉感知系统都基于神经网络的深度学习视觉技术,应用于无人驾驶领域,主要分为四个模块:动态物体检测(DOD:Dynamic Object Detection)、通行空间(FS:Free Space)、车道线检测(LD:Lane Detection)、静态物体检测(SOD:Static Object Detection)。

动态物体检测 DOD: Dynamic Object Detection

动态物体检测的目的是对车辆(轿车、卡车、电动车、自行车)、行人等动态物体的识别。

检测的难点包括 检测类别多、多目标追踪、测距精度;外界环境因素复杂,遮挡情况多,朝向不一;行人、车辆类型种类众多,难以覆盖,容易误检;加入追踪、行人身份切换等众多挑战。

通行空间 FS: Free Space

空间检测是对车辆行驶的安全边界(可行驶区域)进行划分,主要针对车辆、普通路边沿、侧石边沿、没有障碍物可见的边界、未知边界等进行划分。

检测的难点包括 复杂环境场景时,边界形状复杂多样,导致泛化难度较大。

不同于其它有明确的单一的检测类型的检测(如车辆、行人、交通灯),通行空间需要准确划分行驶安全区域,以及对影响车辆前行的障碍物边界。但是在车辆加减速、路面颠簸、上下坡道时,会导致相机俯仰角发生变化,原有的相机标定参数不再准确,投影到世界坐标系后会出现较大的测距误差,通行空间边界会出现收缩或开放等问题。

通行空间更多考虑的是边缘处,所以边缘处的毛刺、抖动需要进行滤波处理,使边缘处更平滑。而障碍物的侧面边界点易被错误投影到世界坐标系,导致前车隔壁可通行的车道被认定为不可通行区域,所以边界点的取点策略和后处理较为困难。

车道线检测 LD: Lane Detection

车道检测的目的是对各类车道线(单侧/双侧车道线、实线、虚线、双线)进行检测,还包括线型的颜色(白色/黄色/蓝色)以及特殊的车道线(汇流线、减速线等)等进行检测。

车道检测的难点包括 线型种类多,不规则路面检测难度大。如遇地面积水、无效标识、修补路面、阴影情况下,车道线易被误检、漏检。上下坡、颠簸路面、车辆启停时,容易拟合出梯形、倒梯形的车道线。弯曲的车道线、远端的车道线、环岛的车道线等情况的拟合难度较大,检测结果易模糊不清。

静态物体检测 SOD: Static Object Detection

静态物体检测是对交通红绿灯、交通标志等静态物体的检测识别。

检测的难点包括 红绿灯、交通标识属于小物体检测,在图像中所占的像素比极少,尤其远距离的路口,识别难度更大。

在强光照的情况下,有时人眼都难以辨别,而停在路口的斑马线前的汽车,需要对红绿灯进行正确的识别才能做下一步的判断。交通标识种类众多,采集到的数据易出现数量不均匀的情况,导致检测模型训练不完善。交通灯易受光照的影响,在不同光照条件下颜色难以区分(红灯与黄灯)。且在夜晚中,红灯与路灯、商店的灯颜色相近,易造成误检。

深度学习模型离不开数据的加持,缺乏大量的无人驾驶的数据是阻碍视觉感知系统在自动驾驶领域应用的主要原因之一,而现有的数据集无论是在数据量,还是采集环境上都与实际需求相差甚远。

Magic Data作为全球领先的AI数据解决方案提供商,能够专业有效的针对具体需求,通过智能化标注平台Annotator构建规模化的无人驾驶数据库。通过基于真实场景下的数据,推动计算机视觉和机器算法在自动驾驶领域的发展。

技术分享 | 无人驾驶汽车的眼睛相关推荐

  1. 激光雷达—无人驾驶汽车的眼睛

    致谢小虾! 链接:激光雷达-无人驾驶汽车的眼睛 原创 2017-08-14 小虾  头图借用了特斯拉(故意的),我们都知道,特斯拉的无人驾驶技术并未使用激光雷达,而且出过几次事故,当然不全是因为没有使 ...

  2. 「技术分享」汽车检测移动机器人应用,科聪赋能智能数字化检测!

    2021年汽车无钥匙进入系统市场价值16亿美元,预计到 2027 年将达到 26.8 亿美元,在预测期内的复合年增长率超过10%.这一光明的市场前景,推动相关供应商推出复杂的集成电子系统.但过去,汽车 ...

  3. 无人驾驶汽车的相关技术,无人驾驶相关技术知识

    无人驾驶涉及哪些技术 无人驾驶汽车依靠人工智能.视觉计算.雷达.监控装置和全球定位系统协同合作,通过电脑实现无人驾驶,可以在没有任何人类主动的操作下,自动安全地操作机动车辆. 无人驾驶依赖几种先进技术 ...

  4. 无人驾驶汽车的快速发展,主要运用了哪项新技术

    眼下的无人驾驶汽车创新让我想起了经典的连环漫画<凯文的幻虎世界>.在漫画中,凯文称自己是"创造的高潮",不过现在无人驾驶汽车已经超过凯文,成了新的创造高潮. 这个判断并 ...

  5. 印度交通部或禁止无人驾驶汽车进入本土市场

    印度公路交通部长尼廷·加德卡里表示:"印度政府不会在国内支持无人驾驶汽车." 他还补充道,政府不会推广任何以牺牲就业为代价的技术. 无人驾驶汽车是在没有任何人为干预的情况下运行的, ...

  6. 汽车概论结业报告计算机系,无人驾驶汽车概论

    <无人驾驶汽车概论>总结了北京理工大学智能车辆研究所长期研究无人驾驶汽车技术的经验和成果,并借鉴了国内外相关科研成果,结合无人驾驶汽车的新发展,对无人驾驶汽车技术涉及的重点内容进行了全面的 ...

  7. 华奥汽车安心延保技术分享webuploader文件的处理方式,华奥汽车安心延保给你看看如何与springmvc合并

    华奥汽车安心延保技术分享webuploader文件的处理方式,华奥汽车安心延保技术给你看看如何与springmvc合并,请大家都互相的指正和交流. chunked: true,  //分片处理 chu ...

  8. 爱他美英国和德国价格查询_德国,以色列和英国转向开源,新的无人驾驶汽车技术以及更多新闻...

    爱他美英国和德国价格查询 在本版开源新闻摘要中,我们看了三个政府转向开源,开源无人驾驶汽车安全实践,学区在开发开源课程等. 三国政府转向开源 众所周知,全球各地的政府都在转向开源,以降低成本并更好地保 ...

  9. 无人驾驶汽车技术之道路线识别

    无人驾驶汽车技术之道路线识别 1引入: 无人驾驶技术近些年发展迅速.无人车若想实现自动驾驶,从视觉的角度上讲其要先学会观察道路,具体来说,就是检测车道线.包括识别车道线与车的位置关系,是实线还是虚线等 ...

最新文章

  1. Android 模拟机自定义屏幕的尺寸
  2. 【第11周复盘】小朋友们 100% 闯关成功!
  3. 为什么孙悟空能大闹天宫,却打不过路上的妖怪?
  4. Linux-Shell基础(变量,字符串,数组)
  5. 走向.NET架构设计—第五章—业务层模式,原则,实践(中篇)
  6. 单片机控制灯光亮度c语言程序,基于51单片机控制LED灯光亮度并报警
  7. pidof -x 不管用_专业摄影师最佳助手富士X-T200评测
  8. timestamp显示毫秒_mysql解决datetime与timestamp精确到毫秒的问题
  9. PHP数据处理之下载远程图片到本地
  10. linux软件源哪个好,Linux 软件源
  11. c语言随机抽奖小程序,基于C#实现简单的随机抽奖小程序
  12. 姓氏头像制作生成头像组合微信小程序源码
  13. 将Word中的表格以图片形式复制到微信发送
  14. 洛谷 P5708 【深基2.习2】三角形面积(C)
  15. 个性签名html,个性签名短句8个字唯美(精选70句)
  16. Oracle19c安装(有失败成功记录)
  17. 上交计算机就业报告,上海交通大学计算机研究生去向及就业情况分析
  18. i标签和em标签的区别
  19. Probability and Hypothesis Testing
  20. 看看人家那系统设计做的,那叫一个优雅

热门文章

  1. HTML简单个人简历前端页面
  2. Qt编写安防视频监控系统50-地图配置
  3. 23年浙江双非计算机第四保研浙大四个月心路历程|保研经验|递补上岸浙软
  4. 统一用户登录管理认证LDAP 服务端部署
  5. Facebook取消雅虎的登陆
  6. 问题解决:尝试解决maven依赖找不到的n种姿势
  7. mql4 c语言,MQL4基础:运算符和表达式 -
  8. 新版postman,代理抓包,抓不到https
  9. BZOJ2080 POI2010 Railway
  10. CSRF 跨站请求伪造攻击