0
本文作者:朱玉龙 | 2016-07-13 13:12 | 专题:新智驾说:自动驾驶那些事儿|朱玉龙专题 |
雷锋网按:本文作者朱玉龙, 汽车行业工程师。朱校长每天分享一篇业界文章,内容虽短,亦是一种认真探讨后的分享,希望对汽车从业者们有所帮助。
接上篇文章《聊一聊电动汽车的消防灭火》,本文主要探讨现在的ADAS和未来的自动驾驶,在使用视觉系统作为环境入口的长处、短处和需要克服的难点。
视觉系统在车道线识别LDW、信号灯识别TSR、行人识别里面作为必要手段。其中AEB里面的行人识别将会对视觉系统提出更高的要求。
备注:
车道线识别和居中,可以与高精度地图和定位居中互补
TSR可以与V2I的通信进行互补
行人识别是真的很难,靠多线Lidar代价太高
视觉系统的核心优势在“人”和物体的区分,是优先级的区分
视觉系统分辨率远远高于其他类型的传感器=》提供道路环境的细节=》建立完整的环境模型
视觉系统可识别物体的形状和外观=》读取外部信息
这里重点拿V2I来说下,理论上,在一个完整的V2X的世界里面,是完全可以用互联互通与视觉系统进行完美互补的。
今天交流一圈下来,网联难免有理想化的成分,把两个完美的融合在一起,本身需要大量的心力,你不做你是不知道那么多的。
当然,视觉还有大杀器,基于视频流,通过环视建立外部环境模型。
1)E2E DNN
2)分层DNN学习
这个方向就需要大量的运算能力,通过各个层级进行学习,从新司机到老司机的过程……
在产业初期,建立一个完备的驾驶行为学习机制,也需要内部的视觉系统进行记录和比对。
人脸看眼神分没分心需要记录
选配:方向盘操作需要记录(这个也可以传感器记录)
选配:油门和刹车操作(这个也可以通过传感器记录)
本质上这种其实是一种学习模式,建立模型之后对比和学习。
概括来说,系统的面临的问题包括,以下有些能解决,有些能改善,有些则没办法,外部的基本可以做个归类
1、干扰和限制比较多
1)隧道口车辆与隧道重影
2)正面强光炫目
3)Camera前方的水滴
挡风玻璃外雾、雪、灰尘、粉尘或霜附着、
挡风玻璃内凝露水滴或灰尘
4)各种奇怪的车型
2、环境的影响比较大
恶劣天气(如暴雨,暴风雪或浓雾)
能见度差,雾霾,烟或水蒸汽
雨天道路车辆倒影
环境照度比较低(黑夜&隧道)+前车无灯
3、外部环境车辆和车道线、标识的情况
车辆倾斜和不同的角度场景
掉色的车道线、在雨雪覆盖下难以辨识的车道线可能无法识别
前车覆雪,使得车辆颜色均匀
路面在坡度比较倾斜的地方
其他,还有个有趣的事情,是以下两个案子。
这个图像反了。
这个来自系统外,系统用刹车灯开关来采集人介入刹车,奈何开关失效自动把系统关了
camera内部及camera处理芯片的失效问题后面找资料展开。
1)视觉系统的软硬件提升好快,很多东西需要持续更新
2)V2X我觉得我们单独可以拿出来好好对比一下,明天我们再来仔细看看,如何在系统中看待这两个东西
雷锋网注:本文为作者系列更新文章,转载请联系授权并注明出处和作者,不得删减内容。
雷峰网原创文章,未经授权禁止转载。详情见转载须知。