• 自動駕駛的不足(自動駕駛的不足之處)

    自動駕駛 820
    本篇文章給大家談談自動駕駛的不足,以及自動駕駛的不足之處對應的知識點,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、自動駕駛汽車要注意什么 自動駕駛汽車要注意啥

    本篇文章給大家談談自動駕駛的不足,以及自動駕駛的不足之處對應的知識點,希望對各位有所幫助,不要忘了收藏本站喔。

    本文目錄一覽:

    自動駕駛汽車要注意什么 自動駕駛汽車要注意啥

    1、注意不要的空擋滑行,很多司機認為空擋滑行能省油,但是這種做法錯誤,自動擋的車掛空擋滑行并不能達到省油的效果,長時間空擋滑行會導致自動變速箱內的液壓管路中油壓不足,不僅會增大摩擦力、降低潤滑效果,同時還將損害自動變速箱內部的摩擦片。

    2、停車掛檔需注意,如果需要停車時候,自動檔車主跟手動檔車主停車完全不同,自動擋車型停車或者長時間怠速停車時,是要先踩住剎車,并掛入N檔,然后拉上手剎并松開制動腳踏板,當車輛停穩后,掛入P檔。

    3、拖車時需注意,如果開自動擋車子上路,需要拖車的時候,一般情況下,自動擋車型最好是將整車托起,如果沒有辦法將整車拖起來,那么最好將車輛設置在N檔位置上,并將盡量縮小的端拖拽的距離并保持低的速度。

    4、注意坡起會溜車,如果自動擋車型車輛停在一個較陡的斜坡,其重力大于怠速時的動力“余量”時,車子會溜坡,因此,有時出于保險,最好還是應該配合手剎來起步。

    5、注意行駛時檔位的切換問題,自動擋車對危險動作都是有保護和互鎖,如果D檔切換到R檔或者P檔。因為這幾檔位無意切換錯都會有危險。但是D檔和N檔之間的可以任意切換,包括在行駛過程中。

    6、注意檔位啟動,在P檔或者N檔以為檔位啟動發動機,雖然發動機不能運轉,但是有可能會面臨燒壞變速器的空擋啟動,因此,再啟動發動機之前一定要確認換檔桿是否在P或者N檔。

    自動駕駛有什么弊端

    技術故障的風險雖然自動駕駛汽車所涉及的技術無疑是令人興奮的,但它也充滿了風險。汽車在使用一段時間后,很有可能會在編程過程中出現故障。這些小故障或漏洞在手機和電腦中可能不是什么大問題,然而,駕駛自動駕駛汽車時出現故障可能會導致危險事故。

    具備L3級自動駕駛技術的奧迪A8(參數|圖片)在奧迪研發人員的心目中,世界的汽車已經在自主駕駛。他們正在處理這個必要的社會框架問題。波士頓麻省理工學院媒體實驗室的機器人倫理學家凱特達林說:自動駕駛最重要的便是得到社會的認可, 因為人們會對機器造成的事故感到更加情緒化?!?/p>

    凱特·達林是參加“自動駕駛的倫理、法律和社會方面”研討會的12位國際科學家之一。他們正在與奧迪的7名專家進行討論,其中包括軟件工程師、律師和政策專家。這次專家會議是奧迪為解決人工智能(AI)的社會影響而設立的。為了實現這一目標,科學、商業、政治和社會必須緊密合作。正是基于這個原因,兩年前,奧迪建立了國際專家的跨學科網絡。該計劃的重點之一當然是自動駕駛。

    人工智能是一個關鍵技術。它有助于汽車感知周圍環境并作出決定?!白詣玉{駛將帶來更多的舒適性和便利性,”奧迪高級開發自動駕駛總監兼永久網絡成員Miklos Kiss說?!斑@將使交通更安全?!苯裉?,所有事故中的百分之九十都是由人為錯誤造成的。車輛中的人工智能有望顯著減少道路交通事故的數量。

    盡管如此,還是存在道德問題。最為人所知的例子就是交通事故嚴重的情況,即事故不可避免,這就是所謂的困境。在這個例子中,一輛自動駕駛汽車面臨三種選擇 - 它要么左轉,要么撞A,要么轉向撞B;如果直行,它會傷害乘客。

    在研討會上,奧迪專家與波士頓麻省理工學院媒體實驗室的Iyad Rahwan等人討論了這個問題。他和兩位同事開發了在線工具道德機器,這為用戶提供了兩難局面的不同變化。然后他們通過點擊鼠標決定自動駕駛汽車應該做什么。在現實生活中,一個人沒有時間做出明智的決定,他們會憑借本能進行操作。但是,希望機器能夠做出正確的決定。

    (圖/文/攝: 問答叫獸) 小鵬汽車P7 Model Y AION V 理想ONE 蔚來EC6 Model X @2019

    自動駕駛及關鍵技術難點

    自動駕駛是汽車行業新一輪的技術革命,推動著傳統汽車行業快速轉型升級,是未來汽車的發展趨勢。自動駕駛技術有利于改善汽車交通安全、提高交通運輸效率、實現節能減排、促進產業轉型等?!吨袊圃?025》規劃中已將智能網聯汽車列入未來十年國家智能制造發展的重點領域,明確指出到2020年要掌握智能輔助駕駛總體技術及各項關鍵技術,到2025年要掌握自動駕駛總體技術及各項關鍵技術。本文將介紹自動駕駛等級分類標準、自動駕駛軟硬件架構圖以及自動駕駛涉及到的關鍵技術等。

    美國汽車工程師協會根據汽車智能化程度將自動駕駛分為L0-L5共6個等級:其中L0為無自動化(No Automation, NA),即傳統汽車,駕駛員執行所有的操作任務,例如轉向、制動、加速、減速或泊車等;L1為駕駛輔助(Driving Assistant, DA),即能為駕駛員提供駕駛預警或輔助等,例如對方向盤或加速減速中的一項操作提供支持,其余由駕駛員操作;L2為部分自動化(Partial Automation,PA),車輛對方向盤和加減速中的多項操作提供駕駛,駕駛員負責其他駕駛操作;L3為條件自動化(Conditional Automation,CA),即由自動駕駛系統完成大部分駕駛操作,駕駛員需要集中注意力以備不時之需;L4為高度自動化(High Automation,HA),由車輛完成所有駕駛操作,駕駛員不需要集中注意力,但限定道路和環境條件;L5為完全自動化(Full Automation, FA),在任何道路和環境條件下,由自動駕駛系統完成所有的駕駛操作,駕駛員不需要集中注意力。

    自動駕駛汽車的軟硬件架構如圖2所示,主要分為環境認知層、決策規劃層、控制層和執行層。環境認(感)知層主要通過激光雷達、毫米波雷達、超聲波雷達、車載攝像頭、夜視系統、GPS、陀螺儀等傳感器獲取車輛所處環境信息和車輛狀態信息,具體來說包括:車道線檢測、紅綠燈識別、交通標識牌識別、行人檢測、車輛檢測、障礙物識別和車輛定位等;決策規劃層則分為任務規劃、行為規劃和軌跡規劃,根據設定的路線規劃、所處的環境和車輛自身狀態等規劃下一步具體行駛任務(車道保持、換道、跟車、超車、避撞等)、行為(加速、減速、轉彎、剎車等)和路徑(行駛軌跡);控制層及執行層則基于車輛動力學系統模型對車輛驅動、制動、轉向等進行控制,使車輛跟隨所制定的行駛軌跡。

    自動駕駛技術涉及較多的關鍵技術,本文主要介紹環境感知技術、高精度定位技術、決策與規劃技術和控制與執行技術。

    環境感知指對于環境的場景理解能力,例如障礙物的類型、道路標志及標線、行車車輛的檢測、交通信息等數據的語言分類。定位是對感知結果的后處理,通過定位功能從而幫助車輛了解其相對于所處環境的位置。環境感知需要通過傳感器獲取大量的周圍環境信息,確保對車輛周圍環境的正確理解,并基于此做出相應的規劃和決策。

    自動駕駛車輛常用的環境感知傳感器包括:攝像頭、激光雷達、毫米波雷達、紅外線和超聲波雷達等。攝像頭是自動駕駛車輛最常用、最簡單且最接近人眼成像原理的環境感知傳感器。通過實時拍攝車輛周圍的環境,采用CV技術對所拍攝圖像進行分析,實現車輛周圍的車輛和行人檢測以及交通標志識別等功能。攝像頭的主要優點在于其分辨率高、成本低。但在夜晚、雨雪霧霾等惡劣天氣下,攝像頭的性能會迅速下降。此外攝像頭所能觀察的距離有限,不擅長于遠距離觀察。毫米波雷達也是自動駕駛車輛常用的一種傳感器,毫米波雷達是指工作在毫米波段(波長1-10 mm ,頻域30-300GHz)的雷達,其基于ToF技術(Time of Flight)對目標物體進行檢測。毫米波雷達向外界連續發送毫米波信號,并接收目標返回的信號,根據信號發出與接收之間的時間差確定目標與車輛之間的距離。因此,毫米波雷達主要用于避免汽車與周圍物體發生碰撞,如盲點檢測、避障輔助、泊車輔助、自適應巡航等。毫米波雷達的抗干擾能力強,對降雨、沙塵、煙霧等離子的穿透能力要比激光和紅外強很多,可全天候工作。但其也具有信號衰減大、容易受到建筑物、人體等的阻擋,傳輸距離較短,分辨率不高,難以成像等不足。激光雷達也是通過ToF技術來確定目標位置與距離的。激光雷達是通過發射激光束來實現對目標的探測,其探測精度和靈敏度更高,探測范圍更廣,但激光雷達更容易受到空氣中雨雪霧霾等的干擾,其高成本也是制約其應用的主要原因。車載激光雷達按發射激光束的數量可分為單線、4線、8線、16線和64線激光雷達??梢酝ㄟ^下面這個表格(表1),對比主流傳感器的優勢與不足。

    自動駕駛環境感知通常采用“弱感知+超強智能”和“強感知+強智能”兩大技術路線。其中“弱感知+超強智能”技術是指主要依賴攝像頭與深度學習技術實現環境感知,而不依賴于激光雷達。這種技術認為人類靠一雙眼睛就可以開車,那么車也可以靠攝像頭來看清周圍環境。如果超強智能暫時難以達到,為實現無人駕駛,那就需要增強感知能力,這就是所謂的“強感知+強智能”技術路線。相比“弱感知+超強智能”技術路線,“強感知+強智能”技術路線的最大特征就是增加了激光雷達這個傳感器,從而大幅提高感知能力。特斯拉采用“弱智能+超強智能”技術路線,而谷歌Waymo、百度Apollo、Uber、福特汽車等人工智能企業、出行公司、傳統車企都采用“強感知+強智能”技術路線。

    定位的目的是獲取自動駕駛車輛相對于外界環境的精確位置,是自動駕駛車輛必備的基礎。在復雜的地市道路行駛,定位精度要求誤差不超過10 cm。例如:只有準確知道車輛與路口的距離,才能進行更精確的預判和準備;只有準確對車輛進行定位,才能判斷車輛所處的車道。如果定位誤差較高,嚴重時會造成交通完全事故。GPS是目前最廣泛采用的定位方法,GPS精度越高,GPS傳感器的價格也越昂貴。但目前商用GPS技術定位精度遠遠不夠,其精度只有米級且容易受到隧道遮擋、信號延遲等因素的干擾。為了解決這個問題,Qualcomm開發了基于視覺增強的高精度定位(VEPP)技術,該技術通過融合GNSS全球導航衛星、攝像頭、IMU慣性導航和輪速傳感器等多個汽車部件的信息,通過各傳感器之間的相互校準和數據融合,實現精確到車道線的全球實時定位。

    決策規劃是自動駕駛的關鍵部分之一,它首先是融合多傳感器信息,然后根據駕駛需求進行任務決策,接著能夠在避開存在的障礙物前提之下,通過一些特定的約束條件,規劃出兩點之間多條可以選擇的安全路徑,并在這些路徑當中選擇一條最優的路徑,作為車輛行駛軌跡,那就是規劃。按照劃分的層面不同,可以分為全局規劃和局部規劃兩種,全局規劃是由獲取到的地圖信息,規劃出一條在特定條件之下的無碰撞最優路徑。例如,從上海到北京有很多條路,規劃處一條作為行駛路線即為全局規劃。如柵格法、可視圖法、拓撲法、自由空間法、神經網絡法等靜態路徑規劃算法。局部規劃的則是根據全局的規劃,在一些局部環境信息的基礎之上,能夠避免碰撞一些未知的障礙物,最終達到目的目標點的過程。例如,在全局規劃好的上海到北京的那條路線上會有其他車輛或者障礙物,想要避過這些障礙物或者車輛,需要轉向調整車道,這就是局部路徑規劃。局部路徑規劃的方法包括:人工勢場法、矢量域直方圖法、虛擬力場法、遺傳算法等動態路徑規劃算法等。

    決策規劃層是自主駕駛系統,智能性的直接體現,對車輛的行駛安全性和整車起到了決定性的作用,常見的決策規劃體系結構,有分層遞進式,反應式,以及二者混合式。

    分層遞進式體系結構,就是一個串聯系統的結構,在該系統當中,智能駕駛系統的各模塊之間次序分明,上一個模塊的輸出即為下一模塊的輸入,因此又稱為感知規劃行動結構。但這種結構可靠性并不高,一旦某個模塊出現軟件或者硬件故障,整個信息流就會受到影響,整個系統很有可能發生崩潰,甚至處于癱瘓狀態。

    反應式體系結構采用并聯的結構,控制層都可以直接基于傳感器的輸入進行決策,因此它所產生的動作就是傳感數據直接作用的一個結果,可以突出感知動作的特點,適用于完全陌生的環境。反應式體系結構中的許多行為主要涉及成為一個簡單的特殊任務,所以感覺規劃控制可以緊密的結合在一塊,占用的儲存空間并不大,因而可以產生快速的響應,實時性比較強,同時每一層只需要負責系統的某一個行為,整個系統可以方便靈活的實現低層次到高層次的一個過渡,而且如若其中一個模塊出現了預料之外的故障,剩下的層次,仍然可以產生有意義的動作,系統的魯棒性得到了很大的提高,難點在于,由于系統執行動作的靈活性,需要特定的協調機制來解決各個控制回路,同意執行機構爭奪之間的沖突,以便得到有意義的結果。

    分層遞階式系統的一個結構和反應式體系的結構,都各自有優劣,都難以單獨的滿足行駛環境復雜多變的使用要求,所以越來越多的行業人士開始研究混合式的體系結構,將兩者的優點進行有效的結合,在全局規劃的層次上生成面向目標定義的分層式遞階行為,在局部規劃的層面上就生成面向目標搜索的反應式體系的行為。

    自動駕駛的控制核心技術就是車輛的縱向控制,橫向控制,縱向控制及車輛的驅動和制動控制,而橫向控制的就是方向盤角度的調整以及輪胎力的控制,實現了縱向和橫向自動控制,就可以按給定目標和約束自動控制車運行。

    車輛按照縱向控制是在行車速度方向上的控制,即車速以及本車與前后車或障礙物距離的自動控制。巡航控制和緊急制動控制都是典型的自動駕駛縱向控制案例。這類控制問題可歸結為對電機驅動、發動機、傳動和制動系統的控制。各種電機-發動機-傳動模型、汽車運行模型和剎車過程模型與不同的控制器算法結合,構成了各種各樣的縱向控制模式。

    車輛的橫向控制就是指垂直于運動方向的控制,目標是控制汽車自動保持期望的行車路線,并在不同的車速、載荷、風阻、路況下有很好的乘坐舒適和穩定。車輛橫向控制主要有兩種基本設計方法,一種是基于駕駛員模擬的方法(一種是使用用較簡單的動力學模型和駕駛員操縱規則設計控制器;另一種是用駕駛員操縱過程的數據訓練控制器獲取控制算法);另一種是給予汽車橫向運動力學模型的控制方法(需要建立精確的汽車橫向運動模型。典型模型如單軌模型,該模型認為汽車左右兩側特性相同)。

    除上述介紹的環境感知、精準定位、決策規劃和控制執行之外,自動駕駛汽車還涉及到高精度地圖、V2X、自動駕駛汽車測試等關鍵技術。自動駕駛技術是人工智能、高性能芯片、通信技術、傳感器技術、車輛控制技術、大數據技術等多領域技術的結合體,落地技術難度大。除此之外,自動駕駛技術落地,還要建立滿足自動駕駛要求的基礎交通設施,并考慮自動駕駛方面的法律法規等。

    參考文獻:

    1. 張放. 極限工況下自動駕駛車輛的軌跡規劃與運動控制 [博士]: 清華大學; 2018.

    2. 陳文強. 基于復雜工況的高精準可預測自動駕駛環境認知方法 [博士]: 清華大學; 2018.

    3. 張欣. 無人駕駛感知輔助系統的研究與仿真實現 [碩士]: 北京交通大學; 2019.

    4. 陳延真. 無人駕駛環境感知系統及障礙物檢測研究 [碩士]: 天津大學; 2018.

    自動駕駛目前存在哪些缺陷?

    傳感器無法確保100%的準確率,需與高精度地圖融合

    對于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。

    “總體上來說,國外的自動駕駛技術發展早于我們,也相對比較成熟,當下我國企業正處于自動駕駛技術的彎道超車階段,從業者務必小心謹慎?!币N表示,這次事故也暴露了自動駕駛領域的技術難題,就是在對周圍物體的識別上,需要收集大量圖片信息對車輛進行“訓練”,使其在絕大多數情境下都能準確識別前方為何物,是人?是障礙物?還是僅僅是一個陰影。

    “因為光線原因,在一定場景下,攝像頭的確存在無法識別前方物體的情況,此時,自動駕駛車輛上的毫米波雷達、紅外線傳感器以及其他傳感器就應該起到各自作用?!币N說,但任何一個傳感器都無法確保100%的準確率,因此就需要多種傳感器與高精度地圖的融合。

    姚燦介紹,從安全角度而言,通過一張輔助的高精度地圖提前對道路場景進行預設,有助于避免交通事故。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,更像是一個傳感器,它收集了大量道路信息,準確的道路形狀,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,在知道上述信息后,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?!?/p>

    汽車自動駕駛安全嗎?

    實物必定是具有兩面性的。就像一條線不斷的往前去,她可以克服曾經的阻擋,但是在新的長度和高度,一定也會看到新的難題。目前自動駕駛研發的工程師力求自動駕駛汽車系統能夠不犯錯誤,但事實上自動駕駛系統是在虛警和漏警兩種狀態下不斷權衡。比如,自動駕駛汽車傳感器可能會將蒸汽,汽車尾氣或紙板碎片曲解為類似于混凝土之類的障礙物。它們也會把一個站在人行道上的人誤認為準備跳到馬路中央的人。錯誤的判斷不僅會讓汽車頻頻急剎,也會讓乘客感到不安。而且,如何做到傳感器不會被人工影響也是一個問題,有心之人可以增加改變某個地方的磁場,物品擺設,顏色,都可能帶來危險,因此自動駕駛的實現之路還很長。

    汽車輔助駕駛為何頻出交通事故?到底是誰誤導了它的功能?

    汽車輔助駕駛為何頻出交通事故?到底是誰誤導了它的功能首先是自動駕駛技術不夠成熟,其次就是在一些道路環境中如果沒有完整的交通線路指示那么容易發生一些交通事故,再者就是車速過高的時候可能會誤導自動駕駛的操作,另外就是可能存在一些汽車自動駕駛技術的編碼程序存在一些漏洞。需要從以下四方面來闡述分析汽車輔助駕駛為何頻出交通事故以及到底是誰誤導了它的功能。

    一、自動駕駛技術不夠成熟?

    首先就是自動駕駛技術不夠成熟 ,之所以說自動駕駛技術不夠成熟的具體原因就是自動駕駛技術本身更多的還是剛剛進入市場進行運營的的階段,但是還沒有大規模的投入到市場實際運用,說明技術還有所欠缺的。

    二、在一些道路環境中如果沒有完整的交通線路指示那么容易發生一些交通事故?

    其次就是在一些道路環境中如果沒有完整的交通線路指示那么容易發生一些交通事故 ,對于一些城市的道路如果對應的城市交通指示線條沒喲一個清晰的展現出來那么會造成對應的人工智能駕駛的誤判。

    三、車速過高的時候可能會誤導自動駕駛的操作?

    再者就是車速過高的時候可能會誤導自動駕駛的操作 ,對于在車速過高的情況下會主動誤導對應的自動駕駛的操作,這樣子也是比較危險的應該及時進行防范才可以更好的滿足安全的需求。

    四、可能存在一些汽車自動駕駛技術的編碼程序存在一些漏洞?

    另外就是可能存在一些汽車自動駕駛技術的編碼程序存在一些漏洞 ,之所以沒有解決一些對應的問題就是目前編碼技術還存在一定的技術門檻所以很多的汽車企業沒有辦法攻克。

    汽車企業應該做到的注意事項:

    應該加強多渠道的合作。

    關于自動駕駛的不足和自動駕駛的不足之處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