广告
百度Apollo车路协同自动驾驶典型实践场景和技术优势
如图6.22、6.23所示，两张图片是同一时刻的车端和路端检测与车融合后的结果。在图6.22中，车辆（蓝白色）很难对较远处的障碍物进行稳定检测（行驶路径上没有障碍物显示），容易造成急刹和事故风险。在图6.23中，通过VICAD超视距协同感知，车辆可以提前获取前方车辆、非机动车或行人的运动情况（路径附近的粉色框），避免了车辆急刹或事故风险。
图 6.22 超视距协同感知
图 6.23 超视距协同感知
（五）低速车辆协同感知
AD低速车辆感知问题描述：
受车端传感器感知视角及车辆实时运动等因素的影响，车辆对路边低速车辆检测的速度估计不准，如路边缓慢倒车、路边车辆驶出等，造成潜在碰撞或急刹风险。
VICAD低速车辆协同感知：
如图6.24所示，通过路端多传感器部署，实现对道路多方位、长距离连续检测识别，并与车辆感知进行融合，实现自动驾驶车辆对低速车辆或行人的准确感知识别，车辆可提前做出判断和决策控制，进而降低事故风险。
图 6.24 路边低速车辆协同感知
具体案例：
车辆直行时，有VICAD协同感知的情况下，对路边缓慢驶出车辆可以进行稳定检测，准确获取车辆速度、位置等信息，发送到车端进行融合感知定位，进而避免了车辆急刹或事故风险（如图6.25）。
图 6.25 路边低速车辆协同感知
（六）道路遗撒与低矮障碍物协同感知问题描述：
自动驾驶对低矮障碍物的感知能力要求是识别不小于5厘米的障碍物，场景的成功率不低于99%，而实测单车L4的成功率一般不能达到，车辆对车前低矮障碍物检测进行稳定检测有一定难度，存在感知漏检、误检的可能性，可能出现车辆急刹或事故风险。
图 6.26 仅依靠AD车端感知无法在远距离对遗撒交通场景精确识别
场景原理：
通过车路协同感知，实现对低矮障碍物进行持续稳定检测识别，由于路端感知设备固定安装，可以通过背景建模等手段，同时具有实时+历史的数据，对低矮障碍物做到更高的检出率和准确感知，并提前将感知到的障碍物信息发送给车辆，做出提前变道、缓行避让等更安全的驾驶决策（如图6.27）。
图 6.27 低矮障碍物协同感知
应用效果：
路端系统可对道路遗撒等低矮障碍物进行有效检测，并通过V2X远距离提前发送给车辆，提前进行判断和车辆决策控制，如变道绕行（如图6.28）。
图 6.28 基于VICAD协同感知对道路遗撒识别
6.2.3车路协同决策规划实践
- 下一篇：标准 | SAE J3101车辆的硬件保护安全（1）
- 上一篇：地图参考位置协议
编辑推荐
最新资讯
-
imc/GRAS/AP首次联袂亮相ATE India 盛会
2025-04-11 13:49
-
GB/T 31486-2024 与 GB/T 31484-2015 修改
2025-04-11 13:48
-
标准介绍丨ASAM ARTI 运行实时接口
2025-04-11 10:29
-
自动驾驶中基于深度学习的雷达与视觉融合用
2025-04-11 10:25
-
标准研究丨《汽车开闭件性能要求和试验方法
2025-04-11 10:24
