咱俩离智能化小车还或然有多少间距,惯性导航

来源:http://www.hospirainvestor.com 作者:www.mgm7991.com 人气:178 发布时间:2019-11-17
摘要:除了成本问题,传感器工作状态的检测目前也是一大技术问题,简单的说,就是我们在很多情况下并不知道这个传感器是不是坏了;目前我们只能通过检测传感器传输的信号频率是否处

除了成本问题,传感器工作状态的检测目前也是一大技术问题,简单的说,就是我们在很多情况下并不知道这个传感器是不是坏了;目前我们只能通过检测传感器传输的信号频率是否处于正常工作的范围来确定传感器的工作状态,其实很多情况下,传感器已经失灵,可是其发出的信号频率还在正常范围以内,这个问题目前也没有很好的解决方法。

邓伟文:智能化有可能改变汽车的运行模式

2015-10-15 23:55出处:牛大为 [原创]责编:牛大为

精彩语录:

汽车最终的根本驱动力,是解决人们的出行问题,人们的出行问题是从智慧城市开始到智能交通,最后到我们的智能汽车,互联网使得汽车不再是一个孤立的个人交通载体,分时共享租赁很可能是汽车的主旋律,带来的结果汽车的差异化减少,很可能产量和保有量会减少,这是一个良性循环,我们还需要那么多的汽车吗?

10月14日-16日,由中国汽车技术研究中心和即墨市汽车行业协会联合主办的“中国汽车智能化峰会”在青岛即墨举行,有来自政府、行业、企业以及媒体的300余位业界嘉宾齐聚一堂,共同论辩“汽车智能化变革”,本次峰会将有50余位演讲嘉宾,来聚焦“产业变革时代,汽车智能化的未来”“汽车走向智能移动终端的路径探索”“汽车E时代的一切可能”“汽车网联化发展的机遇与挑战”“汽车智能化技术纵览”等多个智能汽车相关高关注度话题,为行业、企业布局规划发展路线、优化产品布局等传递政策导向及发展方向。

以下是吉林大学汽车研究院常务副院长邓伟文发言实录

我们知道影响智能汽车总体来讲主要的因素,一个是行车安全,一个是通讯效益,也就是拥堵这个问题,我们知道汽车行驶一向他的安全和效率的因素很多,包括行驶环境,还有车本身,特别是人的问题,我们知道人的问题主要的表现几个方面,一个我们可以看底下驾驶员的状态,人的有疲劳、瞌睡、分神等等,还有身体的不适等等,体现了人的驾驶影响的因素实际上是非常之多。

我们知道有两个数据,一个是我们的驾驶人数现在已经是位居世界第一,在这么大庞大的驾驶员数量里面,驾龄不足三年的超过了三分之一,这就是我们通常说的“马路杀手”。很多数据表明,引起的很多原因,不管什么数据都表明一点,绝大多数的主要的原因来自于我们人,所以从这点我们可以得出几个结论。人在当中扮演着主要的角色,也是很薄弱的一环,包括人的不良的驾驶的状态、习性,还有驾驶技能不足。因此我们谈汽车智能化或者智能汽车,实际的改善我们行驶的安全和通行的效率一个关键的途径。

首先我们解决几个问题,第一我们涉及到的技术,对于我们的车辆进行定位和周边环境进行感知。第二个回答的问题是我们到哪去?就是我们说的决策和规划。从这几个关键技术里面我们可以看到,环境传感我们采用了许许多多的不同的手段,包括我们的视觉、雷达、无线通讯、定位技术等等。这些信息我们进行融合之后,我们对行驶里面很重要的几个里面,包括目标跟踪、障碍物识别、车道线识别等等,形成了一些关键的信息,然后开展决策和规划,对我们车辆进行控制或者这些控制构成从汽车的纵向控制、侧向控制、转向控制、动力控制等等构成一个大的系统。

这个系统进一步下去,我们知道产生出一些我们认为的辅助驾驶功能或者组织安全的功能,最终走向无人驾驶,我们从提示、警告驾驶员开始,逐渐的干预我们的驾驶员,包括自适应巡航系统、车道纠偏等等。

这个是我们常见的一张图,从时间轴上来看,我们的功能越来越丰富,反过来我们的技术复杂程度、性能价值的成本越来越高。这个图可以看出我们谈智能汽车关键的技术有哪一些技术?第一个是传感感知,我们刚才讲的决策与规划,还有车辆的制动和转向系统等几个主要的功能模块。这里面很重要的一块就是环境传感感知的技术,利用视觉传感是目前使用的比较多的这么一种途径,通过这个视觉图像坚决检测、感知、识别,我们提供准确、实时、可靠、自适应的这么对周边环境的感知。

进一步我们可以利用雷达信息,把这个图像、GPS、地图等等动态系统开展传感信息的融合,构成对环境的更加准确和全面的认知。还有规划与决策这一部分,从宏观上来讲,我们的导航路径规划,接着我们对我们的行驶行为进行规划,接下来就是我们的轨迹规划,我们应该怎么走?这个构成了我们的规划与决策的架构。我们知道机器决策实际上涉及的比较多,一方面在我的左边,需要评估我们的交通周边的交通参与物,另外考虑除了安全之外,怎么保证舒适性、操控稳定性等等,这个是我们轨迹规划里面要做的事情。

还有减速工程等等比较典型的,还有干扰超车、避障工程、十字路口工况等等。这个是我们换道的行为模式,怎么换道,能够保证安全的前提下做到高效率和舒适型。我们可以建立动态轨迹规划策略,在保障安全前提下提高效率与舒适性等等。

刚才提到的分级,这个分级是一个功能分级,怎么分不重要,更多的是一个渐进式的过程,主要是工业界目前主要采取的一个思路,这个思路一个是从辅助驾驶开始,逐渐的帮助人在处理减轻驾驶负担,提高驾驶安全的角度,逐渐的增加我们高度自动驾驶、,最终实现全自动的驾驶,这个途径第一个他的好处是渐进式的方式,符合工业产业化发展的基本的模式,渐进式的帮助替代人的驾驶,反过来因为渐进式效果也有效,另外一方面人仍然是主体,在对智能驾驶来讲要求相对就低了,明确了责任主体,这个符合我们当前,包括我们整个的驾驶模式,我们的法律法规基础等等,但是带来的问题人的复杂性,人的参与性,使得人机界面、人机互动、人机共驾是非常复杂的事情。我们为什么讲驾驶人员是几个亿的大的体量,每个人的差异化等等,使得成为长期的一个技术挑战。

我们接着看这个是一方面我们逐渐的增加自动化的程度不断提高,在这个过程当中相当长的时间里面人机共驾是共存的。什么叫做人机共驾驶?一方面我们有计算机,一方面是驾驶员自己驾驶汽车,一方面我们也理解驾驶员的意图究竟是什么?另外一方面我们通过音频、视频,还有触觉系统能够提示我们的驾驶员或者警示我们的驾驶员,很多程度上需要驾驶员接管,还有计算机要干预驾驶。下面这部分是我们的人的思维,我们有感知环节,我们有大脑决策,还有感受器,包括手、脚,我们通过转向,油门和自动等等。这两个系统怎么和谐共处?这是一个非常具有挑战性的问题,这个构成了我们人机共驾的系统。

将长期存在,即便是我们今后走向无人驾驶,我们也希望这个汽车开起来像人开,进入人性化的特点。更进一步我们希望这个汽车开起来向我开或者向你开,体现个性化的特点。另外我们驾驶员的非专业,不像飞机或者是火车,人数、年龄、性别心理差异不大,整个我们驾驶系统里面最复杂、最不缺点、也最危险的因素。驾驶员有驾驶缺陷和障碍、驾驶习性和技能等特征,我们要读懂驾驶员的心态,他的状态是不是很好的状态,驾驶的行为习性,包括驾驶的技术怎么样?开发出这么一个产品,使得友好、直观的跟人机进行互动,构成了我们谈的协同的人机共驾技术。至少互相排斥,能够优化我们的驾驶体验。

另一条路以谷歌为代表的,走的是不一样的一条路,直接无人驾驶的一条路,这条路实际上我们可以看到这个车子已经上路了,证明他已经有足够的技术的成熟度和产业化的前景,这条路告诉我们什么呢?一方面无人驾驶可以完全的消除掉或者大部分消除掉我们刚才谈的人机交互的技术难点,而且我们知道终极目标就是实现无人驾驶,技术路线实现这么一步技术途径。带来的问题一方面精确、快速和可靠的环境传感感知是一个长期的挑战,怎么能够做得到?另外一方面决策规划,通过机器能够替代人的决策,同样也是一个长期面临的挑战。此外还有法律障碍、责任划分问题等等,无人驾驶同样解决了人机共驾这么一个复杂的问题,但是带来了新的问题,这个是我们无人驾驶技术里面或者全自动驾驶里面需要一系列的传感,包括刚才讲的360度传感感知技术,360度的安全保护,一方面他要能够实现全天候的,甚至全工况的保护,现在这个是我们传感感知技术里面关键的挑战,包括我们看到很多展示可以做到,但是能不能在全天候、全工况是一个挑战。

这个是我们知道的跟美国通用的合作,做的一个车,这个车总共19个传感器,这个车200多万美元的一个车,这个车是谷歌做的车,包括三维高清度的激光的扫描,这些是我们现在目前智能化汽车普遍用到的常用的传感器。

另外一方面环境的传感感知、决策与规划我们知道影响的因素很多,包括道路、交通、天气和光照条件。另外一方面涉及到的危险,特别是机械工况,使得我们环境传感感知是非常具有挑战性的。还有车载传感的局限,特别有遮挡的时候,而且往往响应比较慢。

带来的挑战,一方面我们知道电脑代替人是长期的一个挑战,特别是我们知道电脑目前还很难达到这个具备人的联想和演绎的能力,另外一些突发情况还不能处理,刚才我们讲的全天候、全工况准确、快速、可靠的传感感知技术。特别是汽车产业里面的低成本特征。社会责任我就不多讲了,包括我们现有的法律法规基础不适用,包括责任的处理、法规、理赔等等,甚至道路的设计等等。责任划分,用户与制造商、制造商与供应商和销售商之间的问题。另外一方面减轻驾驶负担与过度依赖或滥用智能驾驶的矛盾。还有刚才讲的信息安全与隐私,大众与市场的接受等。自动驾驶行为准则,等等也是我们面临的一个挑战。

我们知道计算机的发展是从电气化开始的,电气化实际上使得汽车成为了一个机电液信息一体化的控制系统,我们通过把环境的感知、决策规划,实现了我们现在的智能化,这就是我们在智能汽车的发展。一方面可以实现自动巡航,解决行驶过程当中效率的问题,同样可以安全避障,自动化过程的未来是什么?这个是我们底下接下来时间要解决的问题。

我们知道自主式智能驾驶面临的问题,一方面像我们看到的这个图,这个是高度拥堵,没有规则、无序的一个交通,换句话说自主式智能驾驶解决不了信息相互鼓励、运动相对独立,交通依靠依序,这方面是没有办法解决的,特别是交通拥堵是大系统的问题。

还有一个像智能汽车和非智能汽车,给我们智能驾驶带来了挑战。我们知道智能汽车发展面临的问题,随着安全性要求越来越高,传感器越来越多,数据处理量越来越大,系统的结构越来越复杂,可靠性保证越来越难,综合成本越来越高,导致智能汽车普及越来越难,这是发展的一个瓶颈因素。

另外一方面,我们讲的从智能汽车发展的无人驾驶的方式,实际上都面临着同样的问题,问题是我们的智能汽车自主式的智能驾驶他的方向在什么地方?我们知道工业4.0带来了互联网,特别是信息物理的融合,使得互联网 汽车、交通是一个很紧密的关系,恰恰是我们新的机遇。

我们知道,这个是我们的车联网的技术,另外一方面是我们车联网,包括移动的云计算大平台的移动互联网,构成了我们4G、5G移动的通讯网络,构成了车路、车云、路、云等短距离及远程通信网络,实现车际网和移动互联网的融合。这个给我们带来的是什么好呢?一方面通过车车协同、车路协同,产生了很多的数据,基于我们左边自然汽车带来的车载传承大大丰富了车载传感信息,可以通过云端计算,采集大量的路上通讯数据,一方面提高我们传感的完整度、精度,还有过去做不到的。传感信息不止是车载传感,还有包括附近的周边信息、道路信息等等,使得我们传感信息得以丰富。

这个图我想说明的是什么呢?协同式的发展,一方面刚才我们讲的网联智能汽车,他的发展的我觉得很重要的一点渗透率告诉我们,这个渗透率的大小决定了我们对智能汽车本身的影响,另外一方面随着网联式智能汽车车联网渗透率的提高,我们自主式自动驾驶等方面的要求相应的会下降,这个下降使得我们智能汽车越来越简单,对于处理的要求也越来越简单,实现两个协同发展。通过数据共享,提高我们的环境感知范围、精度和可靠性,可以降低车载传感要求、降低成本,可以普及智能汽车、提高车联网的渗透率,渗透率实际上是对我们整个的互联网底下的车联网是非常重要的一块。

整个的发展趋势,一方面我们以驾驶员为中心的智能辅助驾驶,发展为智能车辆为中心的自主式职能驾驶,接下来走上以互联网为连接的驾驶。这个是我们从智能驾驶的角度来讲,解决的是出行的问题,出行的问题不仅仅是车联网本身,还关系着我们的智能电网,还有我们的社会,这个体系是从智慧城市开始到智能交通,最终到我们的智能汽车,从出行、服务的模式,在智能交通等方面,发生了根本性的变化。

我们在2012年讲过去一百年,汽车改变了人类社会,从根本上改变了人类的出行模式、生活模式等等,我们拥有了汽车,我们拥有了便捷的生活方式,我们过去的五十年,我相信人类社会将要改变汽车,一方面我们知道拥有汽车目前并不拥有安全和舒适,往往拥有的是事故,拥有的是拥堵。汽车保有很可能被汽车共享所替代,汽车的差异化因为共享变的小了,很重要的一点就是一个交通工具,一个移动节点。同质化将有可能从根本上改变汽车的生产模式、销售模式和服务模式。

最终的根本驱动力,是解决人们的出行问题,人们的出行问题是从智慧城市开始到智能交通,最后到我们的智能汽车,互联网使得汽车不再是一个孤立的个人交通载体,分时共享租赁很可能是汽车的主旋律,带来的结果汽车的差异化减少,很可能产量和保有量会减少,这是一个良性循环,我们还需要那么多的汽车吗?

最后这一页对我们的智能汽车做了一个定义,这个是我个人的看法,我们知道属于产生汽车,我们现在看得见的,包括谷歌、百度看得见,智能汽车是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统。除了这个之外也是整个移动通讯当中,也是移动通信中一个具有数据采集、处理和传输功能的网络节点。未来是什么样的?未来的智能汽车恐怕是功能比较简单,是一个高速的移动终端。

车用高精度的惯性导航是随着智能驾驶的兴起新增的市场。根据半导体/传感器研究机构 Yole development 的估计,惯性传感器 IMU 的 2018 年的全球市场空间为 1.6 亿美元,到 2022 年将达 9 亿美元。惯性导航传感器价格一般是惯性导航系统的 1/5,由此测算惯导系统的全球市场空间在 2018 年为 8 亿美元,至 2022 年为 45 亿美元,对应 2018-2022 年 CAGR 为 54%。

智能汽车的设计与制作是多部门全方位联合攻关的最终产物,无论是传统汽车行业还是互联网行业,想要单独做出真正意义上的智能汽车,闭门造车是绝对不可行的。

www.mgm7991.com 1

随着信息技术的飞速发展,各种各样的智能产品已经深入千家万户,人们的生活也变的越来越便利。虽然技术在发展,可是智能化汽车这个词眼,依旧仅仅存在于各大汽车厂商的ppt与工作目标之中。到底是什么原因,使智能化汽车迟迟不肯摘下她神秘的面纱呢?

▲自动驾驶发展历程

所谓环境感知,就是通过安放在汽车各处的传感器,对汽车的工作状态进行检测与监控,以便进行下一步的规划决策。这是汽车智能化的第一步,在实际应用中就已经困难重重。仅对于发动机而言,我们需要保证气门的早开与迟闭角,水箱水温度与循环水流量,机油的加注量,发火时间,喷油量,喷油时间,进气量等一大批技术参数与汽车工况的完美结合,才能保证汽车工作在最优状态;这些参数的获得与整理,需要大量的传感器进行信息采集。

自动驾驶核心中的核心

至于最后这个多等级自动驾驶功能,则是在前两个条件得到一定的满足之后自然而然达到的一种技术层面,虽说目前以特斯拉为首的很多车厂都研究出了不同等级的自动驾驶功能,可汽车在自动驾驶状态下出事故的新闻也层出不穷。

▲自动驾驶量产车型进度表

www.mgm7991.com 2

自动驾驶的前世今生

www.mgm7991.com 3

智东西认为,自动驾驶是汽车产业与人工智能、物联网、云计算等新一代信息技术深度融合的产物,自动驾驶是一个庞大而且复杂的工程,涉及的技术很多,它也是当前汽车行业与出行领域智能化和网联化发展的主要方向,已成为各国争抢的战略制高点及热点。

www.mgm7991.com 4

▲智能汽车发展规划

各式各样的传感器很多,高精度的也不少,可体积小,能够工作在120度左右的环境中,还要抵抗震动,油液,各种来历不明的电磁波带来的干扰的传感器.........好像并不多吧,而且这样的传感器势必贵的出奇,成本关就过不去。

www.mgm7991.com 5

毕竟人工智能再强大,与真正的人脑相比还是小巫见大巫。退一万步讲,就算我们已经设计出了可以完全取代人工的自动驾驶系统,如果这个系统死机了呢?智能手机发展到现在,无论多高端的手机都有过死机的经历吧。手机死机重启尚可,汽车呢?

www.mgm7991.com 6

只有大家心往一处想,劲往一处使,这样才能有所作为。虽然前进的路上荆棘密布,但是我们依旧要充满信心。毕竟从电脑诞生到现在,一共才用了多长时间呢?科技发展日新月异,说不定十年二十年之后,驾驶员就这个称呼就只存在于历史课本中了呢。

GNSS 定位可以为自动驾驶提供全局定位信息的来源。GNSS 是通过使用三角定位法,通过 3 颗以上的卫星,可以准确地定位地球表面的任一位置。同时,使用实时动态技术,GNSS 可以提供精确到厘米级别的定位精度。

“智能车辆是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统。”百度百科对于智能车是这样下的定义,我们先来说一下环境感知这一点。

感知层主要功能是对环境信息和车内信息进行采集与处理,例如车辆的速度,方向,运动姿态和交通状况等,并向决策层输出信息。这一环节涉及到道路边界检测、车辆检测、行人检测等多种技术,所用到的传感器一般有激光雷达、摄像头、毫米波雷达、超声波雷达等。由于各个传感器在设计的时候有各自的局限性,单个传感器满足不了各种工况下的精确感知,想要车辆在各种环境下平稳运行,就需要运用到多传感器融合技术,该技术也是环境感知这一大类技术的关键所在。

实现汽车的智能化,车内的大部分机械传动件必定会被线传所取代,线传故障的检测排除可不是螺丝刀千斤顶就能解决的,为了保证汽车的使用安全性,我们需要布置两份甚至多份传感与控制系统,这其中的成本与工作量就已经让很多设计者望而怯步。

▲自动驾驶市场规模

www.mgm7991.com 7

www.mgm7991.com 8

再说规划决策问题,我们不妨假设已经存在了满足要求的传感器,那么这些传感器传来的电信号,要由中央处理器进行数据的转换分析与反馈,这就需要一台性能足够优秀的微型电脑和数不清的单片机,还有浩如烟海的程序编写与调试;大量的人力物力是不可或缺的,然而最重要的是各部门跨领域联合攻关问题,恰恰这最重要的部分,实施起来也不是那么容易。

惯性导航系统由于具有的输出信息不间断、不受外界干扰的独特优势;同时可以将多种传感器的信息以及车身信息进行更深层次的融合,为决策层提供精确可靠的连续的车辆位置,因而将成为自动驾驶定位信息融合的中心。

传统的车辆行业百年来注重的是机械方面,对于程序编写显然没有那么擅长;而现在的手机与互联网行业,编写与调试程序那可是拿来吃饭的看家本领,如果这两个行业能够携手攻关,想必也没有什么问题,可是联合攻关说起来简单,其中的利益分成,专利技术的共享应用等都是需要考虑的东西。而且这涉及很多厂家安身立命的机密技术,谁也不敢轻易让步,只能摸着石头过河慢慢来。

www.mgm7991.com 9

所以在第一环环境感知方面,智能汽车就已经是寸步难行。

www.mgm7991.com 10

短期看算法 长远看惯性传感器芯片

智能汽车的终极目标是利用各种技术实现使车辆按照人的意愿自动行驶到达目的地。这个目标的关键是利用车载传感系统和信息终端实现与人、车、路等的智能信息交换,使车辆具备智能的环境感知能力,能够自动分析车辆行驶的安全及危险状态。

www.mgm7991.com 11

技术层面,新技术的发展为自动驾驶技术赋能。人工智能技术如深度神经网络的机器学习算法让车辆对周边物体的探测和分类能力大幅提高,传感器数据的融合也变得更准确;5G 的高带宽、低延迟、大容量数据传输特性可以为自动驾驶海量数据传输提供解决方案。这一系列新技术的发展为自动驾驶的发展提供了基础。

自动驾驶的核心内涵包括定位、感知、决策、执行四个部分,其中定位是决策和执行的前提。定位系统主要作用是确定车辆所处的绝对位置;感知层的主要作用是收集和解析出周围环境的信息;决策层基于对当前位置和周围环境的理解,做出实时的安全有效的执行计划;执行层则是按照决策层的计划进行。

www.mgm7991.com 12

GNSS IMU 方案是一种最常用的组成组合惯导系统的方案。GNSS 在卫星信号良好时可以提供厘米级定位,但地下车库和城市楼宇之间等卫星信号丢失或者信号微弱的场景提供的定位精度会大大下降。惯导可以不依赖外界环境提供稳定的信号,但它会有累积误差。

▲惯性组合导航系统的基本原理

▲自动驾驶对惯性传感器芯片的基本要求

高精地图包含有大量自动驾驶所必须具备的信息。高精地图除了静态的地图信息外,还有大量普通导航地图所不具备的动态高精地图信息,比如道路拥堵情况、施工情况、是否有交通事故、交通管制情况、天气情况等动态交通信息。

惯性导航在自动驾驶定位系统中具有不可替代性。惯导具有输出信息不间断、不受外界干扰等独特优势,可保证在任何时刻以高频次输出车辆运动参数,为决策中心提供连续的车辆位置、姿态信息,这是任何传感器都无法比拟的。

▲高精地图与导航地图比较

www.mgm7991.com 13

以百度阿波罗的多传感器融合定位架构为例:惯性导航系统处于定位模块的中心位置,模块将 IMU、GNSS、Lidar 等定位信息进行融合,通过惯性导航系统解算修正后输出 6 个自由度的位置信息。

www.mgm7991.com 14

在政策、技术发展、社会需求等多维度因素的推动下,中国有望成为全球最大的智能汽车市场。根据基业常青经济研究院发布的《汽车如何走进智能时代》报告的估计。预计至 2030 年,汽车传感器市场规模将达到 2077 亿元,2017 年至 2030 年 CAGR 为 19%;由此推算国内智能驾驶市场规模至 2030 年有望达到 4154 亿元。

▲自动驾驶的定位系统核心框架图

▲自动驾驶的核心框架图

惯性导航系统将成为自动驾驶定位信息融合的中心。由于惯导具有的输出信息不间断、不受外界干扰的独特优势,惯导可以在车辆运行中提供连续的测量信息,同时可以将视觉传感器、雷达、激光雷达、车身系统信息进行更深层次的融合,为决策层提供精确可靠的连续的车辆位置,姿态的信息,成为定位信息融合的中心。

www.mgm7991.com 15

惯性导航是不可替代的关键定位技术,将成为自动驾驶定位信息融合的中心

在自动驾驶的定位技术中,高精地图、全球卫星导航系统(GlobalNavigation Satellite System,GNSS)和惯性导航的是互相配合的。GNSS 通过导航卫星可以提供全局的定位信息,惯性导航可以提供不依赖于环境的定位信息。通过 GNSS 和惯性导航得到的定位信息与高精地图对比,得到车辆在地图中的精确位置,进而进行路径的规划与决策。

按照 SAE J3016 的定义,自动驾驶的分类可分为 L0-L5 等 6 个级别;每个级别对转向及加减速、驾驶环境的监控、驾驶接管的执行要求的主体及系统使用的场景进行了严格的区分。目前自动驾驶处于 L2/L3 发展阶段,

惯性导航将成为自动驾驶定位信息融合的中心

www.mgm7991.com 16

▲消费者对不同级别自动驾驶汽车的感兴趣比例

www.mgm7991.com,从长远看,惯性导航系统的竞争力在惯性传感器芯片。随着自动驾驶技术级别的提升,对 MEMS 惯性传感器芯片的性能要求将持续提高;同时随着惯性导航系统算法的不断成熟,通过算法优化来提升系统性能的空间越来越小,而对惯性传感器芯片硬件性能的依赖程度则会相应提高。MEMS 惯性传感器芯片的设计、制造、封测及标定将成为惯性导航系统中比较关键的环节。

惯性导航

黄金发展期的背后驱动力

www.mgm7991.com 17

决策层的作用在于接收来自车体自身感知器件以及来自车联网的网络虚拟空间信号,通过整合车载或云端处理结果,替代人类进行决策判断,输出车辆控制信号。例如在车道保持、车道偏离预警、车距保持,障碍物警告中,需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态,并做出下一步动作决策。这项技术相当于自动汽车的“驾驶脑”,以算法为核心,并通过半导体等硬件技术对高速运算提供支持。

www.mgm7991.com 18

定位系统主要是以高精地图为依托,通过惯性传感器和全球定位系统,来精确定位车辆所处绝对位置。其中,高精地图可以为车辆环境感知提供辅助,提供超视距路况信息,并帮助车辆进行规划决策。惯导系统是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统;而全球定位系统是通过卫星定位,在地球表面或近地空间的任何地点,提供三维坐标和速度的定位系统。二者的结合就可以取长补短,共同构成自动驾驶定位导航系统。

政策、经济、社会、技术等多维因素的推动,极大地促进了中国智能汽车行业的发展。

www.mgm7991.com 19

随着智能驾驶的兴起和快速发展,预计惯性传感器在 2018 年的全球市场空间为1.6 亿美元,到 2022 年将达 9 亿美元。

www.mgm7991.com 20

www.mgm7991.com 21

准备起飞,2022 年全球惯导系统的市场市场空间将达 45 亿美元

www.mgm7991.com 22

高精度行车定位技术以及高精度地图技术是自动驾驶汽车的两项核心技术,也是自动驾驶破局的关键点。在定位系统中,所有需要用到GPS的地方都需要使用惯性导航系统,例如车辆定位、激光雷达的GPS接口等。在GPS信号丢失的时候,惯性导航能够将定位信号模拟出来。但惯性导航系统成本昂贵,如何攻克惯导技术难关,如何生产大批量车规级惯性导航装置一直是业界难题。这些年随着各种利好,相信惯性导航行业的前景将是一片光明。

政策层面,国家从战略层次进行规划,引导汽车行业向智能化方向做大做强。政府在《汽车产业中长期发展规划》、《国家车联网产业标准体系建设指南》等一系列文件中都提到要估计和促进智能汽车的发展。尤其是 2018 年1 月 5 日国家发改委发布《智能汽车创新发展战略》,对智能汽车的市场化做了长远的规划。

可见,自动驾驶已成为汽车行业发展的确定性趋势。自动驾驶最大的意义在于解放驾驶员的双手带来人类空间意义首次的无缝连接,智能汽车使汽车的角色不再局限于交通工具,可以是移动的生活空间,通讯工具,娱乐平台等更富有想象力的定位。

www.mgm7991.com 23

▲GNSS 定位技术原理

不同的厂商对自动驾驶的研发采用不同的路径,主要有以下三种路径:1. 逐级研发,由低级别的 L1/L2 驾驶辅助系统逐级向 L4/L5 系统研发;2. 跳过驾驶辅助系统,直接从高度自动驾驶 L4 系统切入;3. 以上两条路线同时实施。

技术研发包括三种路径自动驾驶的分级方法比较公认的是SAE的 3016的方法:《关于自动驾驶系统的分级和术语定义》。此标准在2014年1月发表,于2016年9月进行改版。根据当前自动驾驶的发展现状,改版对很多定义做了更加细致的解释与说明。

▲百度阿波罗的惯性融合定位模块框架

惯性导航系统在自动驾驶中的应用属于起步阶段,短期内竞争力主要体现在算法上。算法包括了 MEMS 惯性传感器的标定等硬件信息的处理,速度、加速度、航向及姿态的确定,以及与其他传感器信息、车身信息的融合等主要模块。算法的优劣决定传感器是否能发挥其最佳性能,也决定了惯性导航系统的稳定性和可靠性。

惯性导航(inertial navigation system,INS)是一种使用了惯性测量单元(inertial measurement unit, IMU)的以加速度测量为基础的导航定位方法。它不依赖于外部信息、也不向外部辐射能量的自主式导航系统,不受外界天气状况等影响。惯性导航系统除了可以获得车辆的位置和姿态外,还能够实时、准确的测量车辆坐标系内三个方向的加速度、角速度等信息,供决策控制系统精准控制车辆。惯性测量单元传感器以智能方式融合了精密陀螺仪、加速度计、磁力计和压力传感器的多轴组合,即使在复杂工作环境中以及在动态或极限运动动态下,精密的 IMU 也能提供所需的精度水平。

▲不同厂商对自动驾驶的研发路径

www.mgm7991.com 24

▲感知层、决策层的协调工作

自动驾驶的发展现状

欧美企业的自动驾驶技术处于领导者地位。根据市场研究机构 Navigant Research 发布了 2017 年的自动驾驶技术汽车公司排名,第一梯队领导者的 8家企业中,有 4 家美国企业、3 家德国企业联盟和 1 家日本企业,只有 1 家中国公司排入第二梯队行列。

目前自动驾驶的量产车型处于 L2/L3 之间的状态。现已发布的量产车型中有处于 L3 的奥迪 A8、处于 L2.5 的 Tesla、还有处于 L2 的凯迪拉克 CT6 等。其中奥迪 A8 的配备 L3 级别自动驾驶,由于法规和监管等原因,功能并未真正开放,无法在公共道路中使用。

▲惯导系统作为定位信息中心融合其他模块提供的定位信息

世界各国及各大汽车公司都在布局自动驾驶。自上世纪 70 年代开始,自动驾驶汽车的发展经历了技术研究的兴起、自动驾驶技术可行性和实用性方面的进展等阶段,目前行业已经逐步进入到了市场化的阶段。

执行层主要是在系统做出决策后,替代人类对车辆进行控制,反馈到底层模块执行任务。车辆的各个操控系统都需要能够通过总线与决策系统相链接,并能够按照决策系统发出的总线指令精确地控制加速程度,制动程度以及转向幅度等驾驶动作。

▲国内智能驾驶市场规模趋势

▲SAE 关于自动驾驶的定义分级

社会层面,自动驾驶可以给社会带来良好的效益,激发消费者兴趣、提升接受度。根据德勤对全球消费者的调查,中国消费者对自动驾驶技术保持了较高的兴趣和接受度,其中很大一部分原因是自动驾驶可以减少交通事故发生率、降低伤亡,同时也可以提升通行效率。

▲世界自动驾驶技术水平格局

通过 IMU 与 GNSS 信号进行融合后组成惯性组合导航系统,可以发挥两者优势,并规避各自劣势。通过整合 GPS 与 IMU,汽车可以实现既准确又足够实时的位置更新。GPS 更新频率过低不足以提供足够实时的位置更新,IMU 的更新频率可以达到 100Hz 或者更高完全能弥补 GPS 所欠缺的实时性。GPS/IMU组合系统通过高达 100Hz 频率的全球定位和惯性更新数据,可以帮助自动驾驶完成定位。在卫星信号良好时,INS 系统可以正常输出得到 GPS 的厘米级的定位;而卫星信号较弱时,惯导系统可以依靠 IMU 信号提供定位信息。

▲感知层利用多种传感器收集解析环境信息

www.mgm7991.com 25

本文由美高梅mgm平台发布于www.mgm7991.com,转载请注明出处:咱俩离智能化小车还或然有多少间距,惯性导航

关键词: 美高梅mgm平台

最火资讯