尽管这些进步尚未完全取代人类司机的位置,这样做可以拯救生命。根据国家公路交通安全管理局的最新数据,美国近36000人死于交通事故在2018年有超过90%的交通事故由人为错误造成的。行人死亡人数在过去十年中上涨了35%,达到每年6000多。车辆感知技术,可以“看见”它的环境比人类和更快的反应能显著降低受伤和死亡。
虽然有协议,感知技术将超越人类能力和驾驶环境,这就是协议结束。汽车行业尚未达成共识在单一技术,将会引领我们进入无人驾驶汽车的时代。事实上,该解决方案将可能需要不止一个。这里有三个科技公司推进车辆感知迎来一个全自动的未来,无人驾驶汽车。
“我们专注于长期和高分辨率,这是非常困难的问题在汽车雷达。”
阿卜杜拉•扎伊迪工程主任Metawave
Beamsteering雷达
自20世纪初以来,雷达已被用于帮助船只和飞机导航。检测和识别目标的能力,并提供准确的速度信息在复杂条件下使其适合自主驾驶。
工程师在加州Metawave正在推动的限制雷达识别其他汽车、行人、静止的环境,在各种天气条件和道路上的危险,更黑暗的夜晚。其模拟雷达平台,叫做SPEKTRA™,形成窄波束和引导它来检测和分类对象在毫秒。阿卜杜拉扎伊迪Metawave工程主管说,他们的技术最高分辨率模拟雷达在汽车行业。它可以看到行人250米开外,识别车辆330米远。
它还可以精确测量小的两个物体之间的距离,称为角分辨率,给出了雷达能够区分一个对象和另一个。“这不是当前雷达能够做的事情,”扎伊迪说。
Metawave利用机器学习和人工智能构建一个模拟beamsteering雷达系统。图片来源:Metawave集团。
SPEKTRA扫描环境的方式也是不同的。与传统数字雷达系统捕获的所有信息,类似于一个强大的闪光灯照明场景,Metawave的雷达工作更像是一个激光束能够看到一个特定部分的空间。光束快速扫描环境,检测和分类的所有对象在毫秒内车辆的视野。Metawave的方法增加范围和精度,同时减少干扰和杂波的概率,用很少的计算开销。“我们专注于长期和高分辨率,这是最难解决的问题在今天的汽车雷达,”扎伊迪说。
Metawave工程师使用MATLAB®测试的范围和分辨率SPEKTRA雷达和雷达输出创建底层算法流程。左转等技术使汽车自动驾驶功能辅助、盲点监控、自动紧急制动,自适应巡航控制系统、车道协助。
智能激光雷达
第一批自动驾驶汽车,这是作为竞争的一部分,由美国政府的国防高级研究计划局(DARPA),使用激光系统“看见”环境。激光雷达(光探测和测距)传感系统发出成千上万的光脉冲每秒反弹周围的物体和反映车辆。电脑使用每个数据点,称为体素,重建的三维图像环境并最终控制汽车移动的方式。
伊达带来了强大的感应功能在航空航天和国防工业的汽车市场。图片来源:AEye公司。
激光雷达是昂贵的,花费超过70000美元每辆车。和使用它有其局限性。恶劣天气干扰信号,因此它常与其他传感技术相结合,如摄像头、雷达、或超声学。但这可以产生大量的冗余和不相关的信息,中央计算机必须解析,巴里Behnken说,合伙人和高级副总裁AEye位于都柏林的加州。
“我们的终极目标是开发一个感知的系统一样好或者比一个人的。”
巴里·Behnken AEye创始人之一兼高级副总裁
工程师有先进的激光雷达的功能融合高分辨率摄像机。他们的系统,称为伊智能探测和测距,创建一个新类型的数据,合并的高分辨率数码相机的像素激光雷达的三维体素。他们称这些点动态Vixels。由于激光脉冲和摄像机收集光学信息通过相同的光圈,可以分析数据流集成,同时,可以节省时间和处理能力。
与传统的激光雷达系统,扫描一个场景同样在整个环境中,伊调整light-pulsing模式给场景的关键领域更多的关注。在哪里直接脉冲是由AEye的计算机视觉算法。他们首先分析摄像机数据搜索和检测对象的边缘,然后立即0的高分辨率激光雷达扫描分类,跟踪和预测这些对象的运动。工程师使用MATLAB来确保算法扫描现场使用最好的,最有效率的light-pulsing模式成为可能。
“我们正在试图做的一样的感觉在传感器方面来减少车辆的中央上的负载计算方面,“Behnken说。获取更快更好的信息会导致更精确的知觉,而少用激光功率比传统解决方案,他说。金宝搏官方网站“我们的终极目标是开发一个感知的系统比一个人的一样好或更好,”他说。
通过有选择地分配额外的激光雷达拍摄对象周围运动,伊能够分类这些对象和计算方向和速度。图片来源:AEye公司。
热浪
先进的激光雷达,雷达和摄像机技术将帮助自主驾驶技术进入未来。但没有传感器能单独完成这项工作。“他们都有自己的长处,他们都有自己的弱点,“基因Petilli说,副总裁兼首席技术官猫头鹰自治成像位于环境优渥的纽约。
传统的激光雷达是非常准确,但是雪,雨、雾和降低其能力告诉动画从无生命的物体,Petilli说。传统的雷达,另一方面,可以看到雪,是出色的长距离,并能判断对象的相对速度,但它无法区分这些对象是什么。相机可以分类以及阅读交通信号灯和路牌,但眩光可以扰乱质量,在晚上,他们只能看到前灯照亮。
”关键是要选择一套传感器,没有相同的弱点,“Petilli说。
猫头鹰艾未未的团队会填补这些空缺3 d热成像,这感觉热量信号的人和动物,并极大地简化了对象的分类。称为热范围™,公司的传感器是一个被动的表示它没有发出能量或光,等到它反射的红外线,可以活的对象。它把对象,无论是移动或静止的,在白天还是晚上,在任何天气条件下,高达400米,可以计算出物体的3 d范围和速度高达100米。
设备是由一个主要镜头,类似于普通相机,发现加上很小的镜头位置的数组之间主要的镜头和一个检测器。数组打破了现场的马赛克图片,每一个从不同的角度看感兴趣的对象。一个算法的措施之间的细微差别图像来计算距离的对象。
Petilli表示,公司正利用MATLAB来完善系统。因为他们试图测量非常小的显微镜头数组中的元素之间的差异,任何失真镜头可以创建范围计算中的错误。因此,他们整个系统模型在MATLAB完美透镜畸变的正确的算法。他们还运行驾驶模拟训练深层神经网络的人工智能算法,创建了三维热图像。深度学习将用于评估神经网络算法的马赛克图像转换成3 d地图。
“自动车辆不会被公众接受,直到他们比人类更安全的司机,“Petilli说。
加强安全
车辆感知技术是提供一个安全的自动驾驶体验的关键。兑现的承诺完全自治,自动驾驶汽车,科技公司使用人工智能和计算机视觉帮助车辆看到和他们的环境意识。尽管全自动汽车还没有规范,这些公司都是我们今天同时提高新车的安全系统。
