• 自動駕駛汽車設計方案(自動駕駛汽車設計方案)

    自動駕駛 949
    本篇文章給大家談談自動駕駛汽車設計方案,以及自動駕駛汽車設計方案對應的知識點,希望對各位有所幫助,不要忘了收藏本站喔。 本文目錄一覽: 1、CES 2023:英偉達與富士康合作打造自動駕駛電動汽車

    本篇文章給大家談談自動駕駛汽車設計方案,以及自動駕駛汽車設計方案對應的知識點,希望對各位有所幫助,不要忘了收藏本站喔。

    本文目錄一覽:

    CES 2023:英偉達與富士康合作打造自動駕駛電動汽車

    易車訊 日前,我們從官方渠道獲悉,NVIDIA(英偉達)宣布與富士康建立戰略合作伙伴關系,共同開發自動駕駛和自主駕駛汽車平臺。

    根據合作協議,富士康將作為一級制造商,面向全球汽車市場生產基于NVIDIA DRIVE Orin的電子控制單元(ECU)。富士康生產的電動汽車(EV)將采用DRIVE Orin ECU和DRIVE Hyperion傳感器架構,以實現高度自動化的駕駛功能。

    富士康軟件開發中心高級總監Eric Yeh表示:“通過與NVIDIA的戰略合作,富士康將能夠提供更強大的智能駕駛解決方案。雙方將共同助力業界打造高能效的自動駕駛汽車。雙方為此經過了充分考量,將利用各自獨特的優勢,在電動汽車開發領域力求創新并把握機遇?!?/p>

    隨著交通運輸領域中越來越多的領先企業選用DRIVE Orin,與富士康的合作將使NVIDIA能夠進一步發力,滿足日益增長的行業需求。此外,基于經認證的DRIVE Hyperion傳感器套件,富士康將能推動其電動汽車的上市戰略以及時間成本戰略的加速落地。

    NVIDIA汽車事業部副總裁Rishi Dhall表示:“通過與富士康的合作,我們將助力OEM廠商開發能夠基于NVIDIA DRIVE Orin平臺進行量產和擴建的智能駕駛解決方案。富士康也決定在其電動汽車上采用DRIVE Hyperion傳感器套件,這將助力富士康加速步入量產階段,同時保障自動駕駛汽車開發的安全性、可靠性與質量?!?/p>

    車規級NVIDIA DRIVE Orin系統級芯片可實現254 TOPS的性能,用于處理自動駕駛汽車中同時運行的大量應用和深度神經網絡。NVIDIA DRIVE Hyperion是用于自動駕駛汽車設計的模塊化開發平臺和參考架構。兩者相結合,可作為車輛的大腦和中樞神經系統,實時處理大量傳感器數據,使自動駕駛車輛能夠安全地感知、規劃、并作出行動。

    易車超級評測體系重磅上線!專業、硬核、全面的汽車評測內容云集,易車年度車型榜單新鮮出爐!上易車App搜索“超級評測”,等你來看!

    國產自動駕駛方案有哪些

    國產自動駕駛方案為:

    1、理想的汽車方案是Mobileyeeyeq4。

    2、極氪001搭載的ZEEKRAD全場景高度自動駕駛系統。

    3、蔚來NIODay發布了自動駕駛系統NAD,包含NIOAquila蔚來超感系統和NIOAdam蔚來超算平臺。

    4、小鵬采用的是Xpilot4.0系統。

    全球自動駕駛汽車硬件和軟件最新技術總結(2020)

    進入到2020年,自動駕駛技術走到了需要規模商業化證明技術價值的時候。

    不管是封閉或半封閉場景的礦區、港口和園區,還是公開道路的RoboTaxi、RoboTruck等,技術都是自動駕駛在不同場景商業化的基礎。

    本報告覆蓋了自動駕駛汽車所需要的感知、定圖與定位、傳感器融合、機器學習方法、數據收集與處理、路徑規劃、自動駕駛架構、乘客體驗、自動駕駛車輛與外界交互、自動駕駛對汽車部件的挑戰(如功耗、尺寸、重量等)、通訊與連接(車路協同、云端管理平臺)等技術領域的討論,并且提供相應的各自動駕駛公司的實施案例。

    本報告是由美國、中國、以色列、加拿大、英國等全球不同國家和地區的自動駕駛專家,針對自動駕駛技術的硬件和軟件技術,進行的全面闡述,方便各位讀者能夠從技術角度,了解最新的技術動態,從而全面了解自動駕駛汽車。

    本報告的案例大多數來自汽車領域,這也是目前自動駕駛行業最火熱的應用場景,但是,服務個人出行的汽車并不是自動駕駛技術影響深遠的行業,其他的行業,如公共交通、貨運、農業、礦業等領域,也同樣是自動駕駛技術應用的廣泛天地。

    各類傳感器,用于自動駕駛汽車感知環境,如同人類的眼睛,自動駕駛汽車的基礎部件;自動駕駛汽車的傳感器主要有五種,包括了:1、Long?range?RADAR;2、Camera;3、LIDAR;4、Short/Medium?range?RADAR;5、Ultrasound;

    這些不同的傳感器,主要用于不同距離、不同類型的物體感知,為自動駕駛汽車判斷周邊環境,提供最重要的信息來源,另外,還有一個環境感知的信息來源是車路協同的來源,這點報告中也有闡述。

    1、掃描范圍,確定必須對被感測的對象做出反應的時間;

    2、分辨率,確定傳感器可以為自動駕駛車輛提供的環境細節;

    3、視場或角度分辨率,確定要覆蓋、要感知的區域需要傳感器的數量;

    4、刷新率,確定來自傳感器的信息更新的頻率;

    5、感知對象數量,能夠區分3D中的靜態對象數量和動態對象數量,并且確定需要跟蹤的對象數量;

    6、可靠性和準確性,傳感器在不同環境下的總體可靠性和準確性;

    7、成本、大小和軟件兼容性,這是量產的技術條件之一;

    8、生成的數據量,這決定了車載計算單元的計算量,現在傳感器偏向智能傳感器,也就是,不僅僅是感知,還會分辨信息,把對車輛行駛影響最重要的數據傳輸給車載計算單元,從而減少其計算負荷;

    下面是Waymo、Volvo-Uber、Tesla的傳感器方案示意圖:

    1、Tesla的傳感器,具有加熱功能,可抵御霜凍和霧氣;

    2、Volvo的傳感器配備有噴水清潔系統,用于清潔粉塵;

    3、Waymo使用的Chrysler?Pacifica的傳感器有噴水系統和刮水器。

    02?SLAM和傳感器融合

    SLAM是一個復雜的過程,因為本地化需要地圖,并且映射需要良好的位置估計。盡管長期以來人們一直認為機器人要成為自主的基本“雞或蛋”問題,但在1980年代和90年代中期的突破性研究從概念和理論上解決了SLAM。從那時起,已經開發了多種SLAM方法,其中大多數使用概率概念。

    為了更準確地執行SLAM,傳感器融合開始發揮作用。傳感器融合是組合來自多個傳感器和數據庫的數據以獲得改進信息的過程。它是一個多級過程,處理數據的關聯,相關性和組合,與僅使用單個數據源相比,可以實現更便宜,更高質量或更多相關信息。

    1、順序地,將驅動過程分解為分層管道的組件,每個步驟(傳感,定位,路徑規劃,運動控制)都由特定的軟件元素處理,管道的每個組件都將數據饋送到下一個;

    2、基于深度學習的端到端解決方案,負責所有這些功能。

    端到端(e2e)學習作為一種解決方案,可以解決自動駕駛汽車復雜AI系統所面臨的挑戰,因此越來越受到人們的關注。端到端(e2e)學習將迭代學習應用于整個復雜系統,并已在深度學習的背景下得到普及。

    03?三種機器深度學習方法

    當前,不同類型的機器學習算法被用于自動駕駛汽車中的不同應用。本質上,機器學習根據提供的一組訓練數據將一組輸入映射到一組輸出。1、卷積神經網絡(CNN);2、遞歸神經網絡(RNN);3、深度強化學習(DRL);是應用于自動駕駛的最常見的深度學習方法。

    RNN——當處理諸如視頻之類的時間信息時,RNN是強大的工具。在這些網絡中,先前步驟的輸出作為輸入被饋送到網絡中,從而使信息和知識能夠持久存在于網絡中并被上下文化。

    DRL——將深度學習(DL)和強化學習相結合。DRL方法使軟件定義的“代理”可以使用獎勵功能,在虛擬環境中學習最佳行動,以實現其目標。這些面向目標的算法學習如何實現目標,或如何在多個步驟中沿特定維度最大化。盡管前景廣闊,但DRL面臨的挑戰是設計用于駕駛車輛的正確獎勵功能。在自動駕駛汽車中,深度強化學習被認為仍處于早期階段。

    這些方法不一定孤立地存在。例如,特斯拉(Tesla)等公司依靠混合形式,它們試圖一起使用多種方法來提高準確性并減少計算需求。

    一次在多個任務上訓練網絡是深度學習中的常見做法,通常稱為多任務訓練?或輔助任務訓練。這是為了避免過度擬合,這是神經網絡的常見問題。當機器學習算法針對特定任務進行訓練時,它會變得非常專注于模仿它所訓練的數據,從而在嘗試進行內插或外推時其輸出變得不切實際。

    通過在多個任務上訓練機器學習算法,網絡的核心將專注于發現對所有目的都有用的常規功能,而不是僅僅專注于一項任務。這可以使輸出對應用程序更加現實和有用。

    本文來源于汽車之家車家號作者,不代表汽車之家的觀點立場。

    當未來自動駕駛成為常態,汽車會出現哪些意想不到的功能和設計呢?

    不管汽車行業怎樣發展,也無法避免這是為人們服務項目而活著這一事實。就這么多年汽車行業的高速發展我們一起來簡單未來展望一下將來汽車行業發展趨勢的趨勢。

    外型層面:

    將來配備無人駕駛技術的汽車,外型層面應該是更科幻片、更簡潔、更加具有時代新科技技術集合體。圓滑順暢線條,隱藏式大燈、A/B/C柱消退,一體式車體結構輕量全是將來發展的方向。如今這些令人有望不可求的概念跑車也是基本的批量生產化物質。

    車內飾層面:

    將來汽車內飾相比現今汽車車內飾層面,應該是除開觸控式中控臺(也許之后都不應該叫中控臺)操作面板,基本上再也不會有其他的一些作用操作面板的出現,當要轉換手動式駕駛情況下只必須通過智能語音系統去進行變換,以后隱藏式汽車方向盤、檔位切換按鈕、油門和剎車等才能彈出來,便捷駕駛人員開展操縱。

    作用層面:

    基本的指紋識別、面部識別什么的目前關鍵技術就不提了。整車智能語音識別自動控制系統,包含模塊運行、導航路線挑選、發動機溫度操縱等。駕駛中途全部行程信息可能以3D3d全息投影的的方式展示在駕駛員視線中。

    車身結構:

    整車一體化綜合性架構,不僅車子媒介構造的加強,也有彈出式安全防范包圍著,能夠更多方面地保護車內人員的人身安全。

    智能系統軟件:

    用以前的一句話來描述“長出四個輪子的智能手機上”,不僅僅是汽車的功能智能互動完成,也有高品質的生活感受、便捷的新聞資訊等。智能坐椅會對汽車內員工進行身體掃描和健康體檢,隨時可以提早預警信息等。

    關于自動駕駛汽車設計方案和自動駕駛汽車設計方案的介紹到此就結束了,不知道你從中找到你需要的信息了嗎 ?如果你還想了解更多這方面的信息,記得收藏關注本站。

    掃碼二維碼