广告
让自动驾驶更安全，远高于人类驾驶水平
安全是自动驾驶发展的基础，也是现阶段自动驾驶首先需要重点解决的问题。根据自动驾驶SOTIF理论，如图3.5所示，自动驾驶运行场景总体上可以分为4类，其中区域1为已知安全类场景、区域2为已知不安全场景、区域3为未知不安全场景、区域4为未知安全场景。VICAD对自动驾驶安全的核心目标是将自动驾驶“未知”场景转化为“已知”场景，将“不安全”场景转化为“安全”场景。即重点解决区域2和区域3中的场景问题，将区域2转化为区域1，并证明区域2的残余风险足够低；针对未知不安全区域3，VICAD将区域3转化为区域1、2或4，尽量减少区域3中的场景，保证区域3的风险控制在合理可接受的水平。
图 3.5 自动驾驶SOTIF安全目标3.2.1 将“未知”场景转化为“已知”场景SOTIF“未知”场景的探索是一个行业难题，“你永远不知道不知道什么”。VICAD可以充分发挥车端、路端和云端协同感知优势，通过持续数据驱动和算法学习提升系统的认知能力，发现未知场景，并通过车路协同感知、高精度地图实时更新等方式，将“未知”场景转化为“已知”场景，降低自动驾驶安全风险。3.2.1.1 车路协同感知定位实现“未知”到“已知”（一）总体技术原理车路协同系统的车端、路端和云端同时具备感知能力，都可以作为主车的感知信息源，如图3.6所示，主车周围车辆可通过V2V方式进行感知共享，路端感知系统和设施可通过V2I进行感知共享，云端平台也可以发挥数据优势，通过V2N方式进行数据共享，所有感知数据汇聚在车端进行融合处理，得到最终感知结果信息。
图 3.6 协同感知示意图车路协同感知的优势主要体现在：1）路端传感器可选择性多，可实现多方位、长距离连续部署；2）路端和云端可通过移动蜂窝接入、有线接入等差异化方式获取数据，突破视觉感知认知瓶颈问题（比如信号灯数据采集），可以有效降低算力投入；3）路端和云端可通过长时间连续检测，提高对复杂环境、交通事件、交通态势的语义判断和理解认知，实现对各类交通事件（“死车”、排队、施工、遗撒等）实时准确感知识别。路端多传感器进行融合感知的策略可以是前融合，也可以是后融合，一种路端后融合感知的框架和流程见图3.7，包括以下主要步骤：1）数据容器：数据容器提供了自适应参数、多种消息回调及支持热插拔的接口，通过内置的参数和地图将所有传感器消息、车端/路端/云端消息转化成统一的消息格式，并向下游输出；2）数据关联：对数据容器中的信息进行采样处理时，会对所有信息按照触发时间进行排序匹配，将混乱的位置变成时序状态估计。在每一次匹配前，都会根据数据的属性及其误差计算协方差，作为匹配边距离。经过若干次匹配后，将结果分组打包传递给状态估计模块；3）状态估计：状态估计模块会对每组信息进行时序相关的处理，再分别送给针对静止和运动物体建立的不同滤波器；4）状态预测：滤波器的预测状态经过地图和模型的处理后，生成短时间的预测消息输出，同时回送到数据关联模块，与下一次的传感器结果进行关联，形成时序的跟踪；5）结果输出：向外输出最终融合感知结果信息，包括位置、速度、加速度、航向角、置信度等参数。
图 3.7 路端多传感器后融合感知定位框架车路协同感知适用的场景见表3.1。表 3.1 车路协同感知类应用场景举例
- 下一篇：将“不安全”场景转化为“安全”场景
- 上一篇：面向L4的车路协同自动驾驶服务策略
广告 
广告
广告
编辑推荐
最新资讯
-
宁德时代CTC技术：引领电池与底盘一体化的
2024-12-24 21:33
-
海内外智能网联汽车数据空间研究与参考架构
2024-12-24 21:30
-
吉利全新一代域控式热管理集成模块下线
2024-12-24 21:28
-
智驾未来：技术架构与测评规范前沿| 第一期
2024-12-24 21:25
-
全固态电池试验线即将投产！
2024-12-24 21:24
广告
广告
