国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

自動駕駛 | 從ADAS到自動駕駛,離人類真正放開方向盤還有多遠?

ml8z_IV_Technol ? 來源:YXQ ? 2019-06-21 11:31 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

在實現真正自動駕駛之前,汽車要經歷一個高級輔助駕駛(ADAS)時代。

從ADAS到自動駕駛

在這個時代(L1-L2),車載的ADAS系統可在行車時輔助人類司機駕駛。從L2進階到L3則是ADAS到自動駕駛的跨越,L3級別在SAE的分級中被定義為有條件自動駕駛,它由自動駕駛系統完成所有的駕駛操作,根據系統請求,人類駕駛者提供適當的應答。

針對自動駕駛汽車的等級,尚未有官方的分級標準,目前業界通用的主要是美國汽車工程學會(SAE)和美國高速公路安全管理局(NHTSA)提出的分級制度。

SAE把自動駕駛汽車等級分成6級,NHTSA則把自動駕駛汽車等級分成5級,針對L0-L3級別,兩者的分級大致相同。不同的是,SAE把自動駕駛分為了高度自動化的L4和完全自動化的L5,而NHTSA只較為籠統的分為L4。

表1 SAE和NHTSA的自動駕駛等級

中國車市的量產車型均處于L1-L2級的ADAS水平。在全球氛圍內,也只有奧迪A8一款號稱達到L3有條件自動駕駛水平,而遺憾的是其L3版本的車型未能在中國上市,而L4/L5級別的自動駕駛汽車目前尚無量產車型。

我們正處于ADAS 時代

ADAS的定義

2019年1月,全國汽車標準化技術委員會明確了ADAS的定義,即:利用安裝在車輛上的傳感、通信、決策及執行等裝置,監測駕駛員、車輛及其行駛環境并通過影像、燈光、聲音、觸覺提示/警告或控制等方式輔助駕駛員執行駕駛任務或主動避免/減輕碰撞危害的各類系統的總稱。

ADAS的組成

ADAS采用的傳感器主要有攝像頭、毫米波雷達、激光雷達和超聲波雷達等,能探測光、熱、壓力等變量。利用這些傳感器,可幫助汽車實現前后防碰撞預警、安全車距預警、行人檢測及追蹤、車道偏移、自動泊車、盲點監測等功能。

表2 ADAS常用傳感器

ADAS的市場規模

目前,在ADAS領域,由于多種技術和方案尚未成熟,其滲透率仍然較低。不過,隨著技術進步,未來三年內ADAS系統的普及度將變高,有從高端車型向低端車型發展的趨勢。預計到2020年,在新車市場ADAS的前裝滲透率有望達到50%,2030年將有90%以上的新車搭載ADAS。

同時,眾多研究機構也對ADAS做出了分析預測。市場研究機構TechNavio和StrategyAnalysis預測,2020年全球ADAS的市場規模大致為175-300億美元(約合人民幣1176-2016億元)之間。

而羅蘭貝格的預測較為中肯,它認為到2025年,全球ADAS的市場規模將達275億歐元(約合人民幣2071億元),2015-2025年均ADAS市場的復合增長率高達 17%。而在ADAS子系統中,ACC(自適應巡航系統)將是增長最快的子行業,預計到2025年,市場規模達到153億歐元(約合人民幣1153億元),CAGR高達23%。

ADAS的應用(以特斯拉為例)

當前,ADAS應用得最廣的當屬特斯拉公司。以特斯拉最新Model 3系列量產車型為例,所有該系列車型具備自動變道、輔助轉向、側撞預警、召喚功能、自動泊車、自動緊急制動等功能。

早在2016年,特斯拉就對外宣稱其量產車搭載的Autopilot 2.0系統在硬件方面已經符合L5級別完全自動化的需求。時任特斯拉公司CEO的埃隆·馬斯克也表示,一旦Autopilot系統收集到了足夠的實地遙測數據,特斯拉就會通過OTA軟件更新,為所有的特斯拉車主啟用全自動駕駛。

表3 Tesla Autopilot 2.0配置和性能

到目前,Autopilot已經歷了數次升級。繼2017年更新到2.5版本之后,據外媒爆料,今年年初Autopilot 3.0硬件的計算機接線圖已經出現在特斯拉內部服務文檔中。也有消息稱,特斯拉準備對已售車進行召回改裝,計劃通過更換車載電腦從而支持正在開發中的完全自動駕駛功能,升級版的Autopilot 3.0將搭載特斯拉開發的人工智能芯片。

馬斯克也在其推特上表示,購買完全自動駕駛系統的車主,均可免費獲得車載電腦升級服務。3.0版本自動駕駛硬件將被稱為完全自動駕駛電腦,車主在升級中無需更換車輛傳感器或線束。

無論是Autopilot 2.0、Autopilot 2.5還是Autopilot 3.0,我們從特斯拉方面得到的信息是,在硬件方面當前已經具備完全自動駕駛的能力,但是要實現真正的全自動駕駛,仍需做很多其他方面的工作。

L3是自動駕駛與ADAS的分水嶺

自動駕駛汽車系統并非是簡單、孤立的技術,有人給出了較為明確的定義:“它涉及到AI、視覺計算、雷達、監控裝置和全球定位系統的協同合作,是集環境感知、規劃決策、多等級輔助駕駛等功能于一體的綜合系統。”

而ADAS與自動駕駛仍有著明顯的鴻溝,而L3真是一個重要的分水嶺。在L1-L2級別,雖然能在一定程度上解放雙手,但是其環境感知和接管仍需要人來完成。而在L3中,環境感知的工作由機器完成,車主可以不用再實時關注路況,從而實現了雙眼的解放。而在L4-L5階段,車主的注意力不用再專注車周環境及路況,可完全實現雙手、雙眼的解放。

L3有安全隱患

L3是有條件的自動化,由其自動駕駛系統完成所有的駕駛操作,根據系統請求,人類駕駛者提供適當的應答。也就是說,在正常路況下L3級別的自動駕駛可由電腦接管,但當遇到突發情況且路況不符合自動駕駛時,則需要人類駕駛員來手動操作,這種方式也會致使出現事故責任不明晰的問題。

事故責任劃分不明晰

人類司機遇到突發狀態時需要一定的反映時間,行車過程中控制權隨時轉交給人類司機的方式可能會導致車禍的發生。而這種情況下的車禍,該歸責于哪一方,自動駕駛系統還是人類司機?

目前,雖然中、美、韓、法、英等國的自動駕駛汽車測試正積極展開,但是這些國家都尚未明確適用于L3級別汽車的交通事故責任評判標準。此背景下,德國和日本先一步做了嘗試。

德國修訂版《道路交通法》規定:汽車行駛過程中,系統不可完全取代駕駛人,駕駛人應留在汽車駕駛位上,并能夠隨時接管車輛的控制,盡管自動化駕駛有電腦的補充,但最終責任原則上應主要落在駕駛人身上。

日本政府在去年3月敲定了一項針對L3級別自動駕駛汽車事故歸責的方針:一般情況下,在車輛自動駕駛模式下發生的交通事故將由車主擔責,可由政府強制購買的汽車險理賠,而車輛存在缺陷而導致的事故則由汽車廠擔責。該方針將于2019年提交國會討論,如果一切順利,2020年將正式制定監管和法律指導。

一些企業放棄L3

正因為有安全隱患,而大部分國家的事故歸責并不明確,各國對L3級別的汽車上路持保守的態度。以中國為例,行車時嚴禁司機的雙手離開方向盤,嚴格的規定也限制了L3的應用,導致一些企業直接放棄了L3。比如:Waymo。

從谷歌獨立出來的Waymo已經在自動駕駛汽車領域發力多年。2017年12月,Waymo正式宣布放棄對L3技術的研究,而直接切入L4。在明確L4的方針之后,去年年底Waymo在鳳凰城郊區推出了第一項商業自動駕駛汽車服務。今年3月,Waymo還開始對外銷售其自主研發的短程傳感器——Laser BearHoneycomb,這是一個激光雷達,其垂直視野為90°,水平視野360°,能實現近物探測和躲避等功能。

此外,據外媒近期報道稱,Waymo正首次尋求外部投資,其主要融資目標是大眾以及歐洲車企。不過該消息并沒有得到Waymo或相關車企的回應。

一些企業雙線并行

自動駕駛主要可分兩大陣營,他們分別支持不同的發展路線。其中一大陣營支持L1-L5逐步發展的漸進式路線,多以傳統的車企為主,另一大陣營則越過L3直接發力L4和L5,以跨界的互聯網公司為代表。

漸進式和跳躍式也并非完全對立。一些企業低估了自動駕駛的難度,可能一開始就瞄準L4,但是經過幾年的研究,發現2020年自動駕駛元年的說法過于樂觀。因此,為了更保險,部分車企選擇雙線并行模式,互聯網公司也可能因L4/L5商用為時尚遠,轉而去先攻克較易落地的L3。

實際上,無論是雙線并行還是跳躍式、漸進式發展,大家的最終目標都是更高級別的全自動駕駛。當前大家普遍認可的是,ADAS僅是傳統汽車到自動駕駛汽車的過渡環節。而這個過渡環節將持續多久,目前并沒有人能給出明確的答案。不過,可以肯定的是,在自動駕駛汽車大批量到來之前,ADAS將占據我們出行的方方面面,面對未來超兩千億人民幣的市場,如何去布局、去落地才是企業當前更關注的焦點。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 自動駕駛
    +關注

    關注

    793

    文章

    14882

    瀏覽量

    179845
  • ADAS系統
    +關注

    關注

    4

    文章

    229

    瀏覽量

    26449

原文標題:從ADAS到自動駕駛,離人類真正放開方向盤還有多遠?

文章出處:【微信號:IV_Technology,微信公眾號:智車科技】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    自動駕駛端為什么會出現黑盒現象?

    自動駕駛領域,端端(End-to-End)是指感知環境的原始數據車輛實際控制指令,全部交給一個統一的深度學習模型來完成。這和傳統的模塊化自動
    的頭像 發表于 02-20 09:25 ?9243次閱讀
    <b class='flag-5'>自動駕駛</b>端<b class='flag-5'>到</b>端為什么會出現黑盒現象?

    自動駕駛汽車如何實現自動駕駛

    人類駕駛員而言是非常直觀且有效的指令,但對于自動駕駛汽車來說,則意味著需要一套極其復雜的感知、理解與決策鏈路。 自動駕駛如何看清文字? 自動駕駛
    的頭像 發表于 02-10 08:50 ?632次閱讀
    <b class='flag-5'>自動駕駛</b>汽車如何實現<b class='flag-5'>自動駕駛</b>

    如何設計好自動駕駛ODD?

    為確定自動駕駛的可使用范圍,會給自動駕駛設置一個運行設計域(Operational Design Domain,ODD)。ODD的作用就是用來明確自動駕駛在什么情況下能工作,在什么情況下不能工作,給車設定“工作范圍”。
    的頭像 發表于 01-24 09:27 ?1512次閱讀

    不同等級的自動駕駛技術要求上有何不同?

    談到自動駕駛,不可避免地會涉及自動駕駛分級,美國汽車工程師學會(SAE)根據自動駕駛系統與人類駕駛
    的頭像 發表于 10-18 10:17 ?2711次閱讀

    自動駕駛相較傳統自動駕駛到底有何提升?

    [首發于智駕最前沿微信公眾號]自動駕駛技術自誕生以來,便承載了人類對安全、高效、智能出行的美好憧憬。傳統自動駕駛系統以層次化、模塊化的架構為主,將感知、定位、規劃與決策、控制四大核心功能分別拆解,由
    的頭像 發表于 09-02 09:09 ?824次閱讀
    端<b class='flag-5'>到</b>端<b class='flag-5'>自動駕駛</b>相較傳統<b class='flag-5'>自動駕駛</b>到底有何提升?

    低速自動駕駛與乘用車自動駕駛在技術要求上有何不同?

    [首發于智駕最前沿微信公眾號]自動駕駛技術的發展正朝著多元化方向邁進,其中低速自動駕駛小車(以下簡稱“低速小車”)因其在物流配送、園區運維、社區服務等場景中的獨特價值而受到廣泛關注,且現階段已經深入
    的頭像 發表于 07-14 09:10 ?1026次閱讀
    低速<b class='flag-5'>自動駕駛</b>與乘用車<b class='flag-5'>自動駕駛</b>在技術要求上有何不同?

    為什么自動駕駛端大模型有黑盒特性?

    、激光雷達數據)映射到控制輸出(如方向盤轉角、加速度、制動等),以深度神經網絡為核心,打通了視覺駕駛行為的完整鏈條。它也代表了自動駕駛
    的頭像 發表于 07-04 16:50 ?883次閱讀
    為什么<b class='flag-5'>自動駕駛</b>端<b class='flag-5'>到</b>端大模型有黑盒特性?

    自動駕駛汽車是如何準確定位的?

    [首發于智駕最前沿微信公眾號]隨著自動駕駛技術的快速發展,車輛的精準定位成為安全駕駛與路徑規劃的核心基礎。相比于傳統人類駕駛依賴路標和視覺判斷,自動
    的頭像 發表于 06-28 11:42 ?1260次閱讀
    <b class='flag-5'>自動駕駛</b>汽車是如何準確定位的?

    卡車、礦車的自動駕駛和乘用車的自動駕駛在技術要求上有何不同?

    自動駕駛技術也得到了充足的應用,但因應用場景不同,技術的側重方向也有所區別。今天就來和大家聊一聊這個話題。 應用場景:開放道路vs封閉場地 首先要理解的是,自動駕駛所面對的環境決定了它的技術基礎。乘用車
    的頭像 發表于 06-28 11:38 ?1387次閱讀
    卡車、礦車的<b class='flag-5'>自動駕駛</b>和乘用車的<b class='flag-5'>自動駕駛</b>在技術要求上有何不同?

    自動駕駛安全基石:ODD

    和限制下可以正常工作,是自動駕駛安全的核心概念之一。 ? 對于人類司機來說,在不同的道路上駕駛的能力也有所區別,比如新手司機在一些窄路、山路,或者交通狀況復雜的道路上可能會無所適從,人也會判斷哪些路自己沒有
    的頭像 發表于 05-19 03:52 ?6418次閱讀

    新能源車軟件單元測試深度解析:自動駕駛系統視角

    ? AWS RoboMaker等云平臺支持萬級測試用例的并行執行。某自動駕駛初創企業利用云端GPU集群,將AI模型單元測試時間3周縮短至6小時。 ?標準體系演進? UL 4600標準要求單元測試需證明
    發表于 05-12 15:59

    AI將如何改變自動駕駛

    自動駕駛帶來哪些變化?其實AI可以改變自動駕駛技術的各個環節,感知能力的提升到決策框架的優化,安全性能的增強到測試驗證的加速,AI可以讓自動駕駛
    的頭像 發表于 05-04 09:58 ?841次閱讀

    自動駕駛經歷了哪些技術拐點?

    如今以AI為核心驅動的自動駕駛系統,各大車企都在不斷加碼研發投入,試圖在未來市場中占據制高點。那自動駕駛發展至今,經歷了哪些技術拐點呢? 自動駕駛系統的發展歷程
    的頭像 發表于 04-27 15:54 ?852次閱讀
    <b class='flag-5'>自動駕駛</b>經歷了哪些技術拐點?

    NVIDIA Halos自動駕駛汽車安全系統發布

    NVIDIA 整合了云端車端的安全自動駕駛開發技術套件,涵蓋車輛架構 AI 模型,包括芯片、軟件、工具和服務。 物理 AI 正在為自動駕駛
    的頭像 發表于 03-25 14:51 ?1175次閱讀