分享
Scan me 分享到微信

智能驾驶落地受困于技术难关

《智能驾驶:从原型到落地》的报告,详细指出智能驾驶落地的诸多技术难关。

  从百度创始人兼CEO李彦宏“无人车上五环被开罚单”到深圳无人小巴路测,无人驾驶汽车上路的新闻频现。然而,无人驾驶在人们的生活中仍难一见。除了行政约束,无人车道路测试与商业化落地之间还欠缺哪些关键技术的支撑?

  12月10日,北京主线科技有限公司CEO张天雷在中国计算机学会技术前沿委员会(CCFTF)举办的第四期技术交流会上,作了题为《智能驾驶:从原型到落地》的报告,详细指出智能驾驶落地的诸多技术难关。

  多传感器需融合

  有不少企业都将实现无人驾驶的目标定在2020年至2025年之间。前瞻产业研究院近日发布的《中国无人驾驶汽车行业发展前景预测与投资分析报告》中的数据显示,2016年全球无人驾驶汽车市场规模为40亿美元左右,由于现有法律法规的限制,短期内无人驾驶汽车市场规模变化不大,预计2021年全球市场规模将达到70.3亿美元左右。

  “智能汽车要跨过瓶颈,需要不断地革新技术才行。”清华大学汽车工程系副教授李升波曾在首届汽车智能沙龙论坛上表示,囿于关键技术、基础设施、关键设备成本、用户接受度等因素,要在较短时间内实现自然场景下的无人驾驶还存在很多不确定性。

  自动驾驶分为感知定位、规划决策、执行控制三个部分,环境感知技术是智能汽车的瓶颈之一。“由于道路结构异常复杂,导致待检测信息高度冗余。”李升波解释说,交通流不仅涉及周围的车辆、障碍物、行人等多种要素,而且由于人车交通流混杂,要预测各自的行为十分困难。另外,行车环境也是种类繁多,受雨、强光、雪、雾、霾等天气影响很大。“如何尽可能可靠地、准确地感知各类场景,这是我们面临的最大挑战。”

  目前,国内外主要有两类感知技术流派,一类是3D街景地图,加上360度扫描式雷达,以SLAM(即时定位与地图构建)技术为核心实现环境感知。这一方案理论上可以全方位感知周围3D环境,但成本高昂、数据量大、对处理算法的实时性要求很高。

  另一类技术则是多源传感器融合技术。目前,绝大多数自动驾驶汽车依靠使用不同类型的传感器来互相弥补不足——激光雷达无法感知玻璃,而摄像头容易被图像欺骗。

  张天雷详细比较了几款传感器的优劣势。“要做物体的检测和跟踪工作,用雷达合适,但在分类和车道线识别方面,相机更合适。”张天雷说,要达到最智能的效果,主机厂当然可以使用一系列传感器,以便在系统中建立冗余,但由于成本、技术等问题,不同的企业倾向于不同的环境感知解决方案。“不同传感器之间的信息融合也是不小的挑战。”

  高精度地图待充分利用

  传感器用来感知定位,高精度地图则可以帮助汽车作出道路选择的决策。

  禾多科技地图部门负责人戴震在接受媒体采访时表示,地图相关的技术可以分为三种;传统地图导航技术,包括地图匹配、路径规划以及导航指令系统;现在时的技术,包括高精度地图如何辅助定位、感知和控制规划;未来时的技术,即众包地图采集,以前地图是一个给予者,车是使用者,未来车会成为地图的修改者、采集者。

  “我们希望过去时、现在时、未来时这些技术,都能在L3级以上无人驾驶汽车中得到充分应用。”戴震表示。

  提到高精度地图的具体应用,戴震举出在实际测试中遇到的问题:下匝道时,一般会用摄像机观察车道线的变化,来保证车辆在车道内行驶。当车道弯曲比较大的时候,摄像机反馈的结果不太理想,这时就需要用到地图的先验数据,根据车辆的姿态拟算两侧车道线的数据。

  “如果有了高精度地图,就可以有效提高感知算法的效率和准确率。比如,过滤掉地图中固有的标识物信息,可以让有限的计算资源集中在道路上可能对车辆造成影响的物体上。”戴震认为,目前自动驾驶在使用高精度地图时,面临的最大难点在于,高精度地图摆在面前,却无法很好使用。

  “在我们看来,地图本身成本并非车厂不可接受,难的是如何充分利用地图。要不就是技术不成熟,要不就是传感器过于昂贵。对于低成本的传感器采集数据的质量是否达标、是否可以与地图数据进行匹配等也是目前面临的问题。”戴震解释说,特别是在现在针对不同场景的自动驾驶的传感器方案还未确定的情况之下,更是如此。

  执行控制差距大

  作为自动驾驶真正落地的基础,执行控制技术是国内积累最薄弱的环节。张天雷回忆曾参加全国高校自动驾驶汽车大赛时,还在改造车上外加电机,主要目的就是达到自动化效果。张天雷坦言这种方法只能作出很粗糙的控制,并不能满足车辆动力学控制,当然也就完全谈不上车辆的可靠性。

  面向量产的自动驾驶汽车必须对车辆的传统执行机构进行电子化改造,升级为具有外部控制协议接口的线控执行部件系统,主要包括线控油门、线控转向、线控制动三个部分。

  目前落地自动驾驶的执行控制部分被博世、大陆等国外一级制造供应商(Tier1)垄断。“这些Tier1拥有自成体系的全套底盘控制系统,且大多不开放。”张天雷说,“我们的供应商大多拿市场换技术,但很多技术没有拿到,现在要做一辆非常好的程控无人驾驶汽车,在中国还是一个难题。”

  “如果说这些执行系统控制端口不对无人驾驶系统开放,无人驾驶系统可能只能够停留在样车阶段,很难走到产业化阶段。”李升波说。

  为了绕过国外零部件巨头,国内自动驾驶的研究从未止步。据了解,很多主机厂在自己培育感知、规划决策和执行层的供应商,前期做Demo测试、示范应用,等到技术成熟再进行部分替换。

  对于张天雷看好的低速专用车来讲,他的技术团队就找到了比较好的方法来解决底层控制的难题。“以往需要几个月、十多个工程师不断地对参数进行辨识、分析,我们现在可以用机器学习的方法,在一定程度上降低大规模、长时间地用一个算法与车辆适配的过程。只要车辆在测试区内不断行驶,就可以将控制参数调试到最佳。”

参与评论

【登录后才能评论哦!点击

  • {{item.username}}

    {{item.content}}

    {{item.created_at}}
    {{item.support}}
    回复{{item.replynum}}
    {{child.username}} 回复 {{child.to_username}}:{{child.content}}

更多精选文章推荐

泰伯APP
感受不一样的阅读体验
立即打开