自动驾驶AI算法和多传感器融合技术是什么?

文章来源:中国机器人网 点击数:16 发布时间:2019-08-13
高级的自动驾驶提供了对周围环境的高级感知,并且在人类介入很少或完全不介入的情况下行驶。3-5级的自动驾驶包括了控制关键刹车、转向和其他无人自动驾驶功能的自动安全系统。
自动驾驶AI算法和多传感器融合技术是什么?

在自动驾驶的世界中,基于定义,可以划分出六个等级:ADAS(高级驾驶员辅助系统)和自动驾驶(AD)的0-5级。0-2级与ADAS有关,它是一种基础的低级别系统(自2006年开始出现),可提高汽车安全性,包括自适应巡航控制、车道偏离警告等功能。而3-5级则是与更高级的自动驾驶相关,包括在2020年及以后从Robosense等公司发货的传感器产品。

自动驾驶AI算法和多传感器融合技术

高级的自动驾驶提供了对周围环境的高级感知,并且在人类介入很少或完全不介入的情况下行驶。3-5级的自动驾驶包括了控制关键刹车、转向和其他无人自动驾驶功能的自动安全系统。因此,鉴于这些高级的自动驾驶功能,安全是汽车制造商必须考虑的最重要的因素之一。3级以上的自动驾驶需要系统拥有ASIL D(汽车安全完整性等级的最高级)的功能安全等级以及根据车辆的严重性、暴露性和可控性来定义的ISO 26262规定下的风险分类系统。

当RoboSense的初创团队开始研究基于LiDAR的感知算法时,他们意识到LiDAR不仅仅是成本太高,而且还是一项不成熟的技术。传感器在很大程度上依赖于原始点云数据,这些数据是通过测量周围物体的外表面上的许多点得到的。然而这些原始点云数据仅仅由传感器独立生成,这种情况严重影响了技术的发展。为了能够达到像人眼一样的能力,传感器硬件和软件算法需要被结合起来。

微信图片_20190813151649.jpg

因此,在2015年他们开始研究LiDAR硬件/软件组合。最开始,他们研究出了一个每秒可以发射50万个点的单激光发射器,该发射器具有2毫米三维激光扫描仪的精度和多种用途的点云算法软件。紧接着,他们发布了一个可以满足自动驾驶要求的多线LiDAR装置,并将该装置与感知算法一起投入市场,创造了一个完全融合的LiDAR自动驾驶环境感知系统。

他们意识到,由于当下摄像机与雷达传感器的条件限制,没有任何一个传感器可以完全独立地达到确保自动驾驶汽车乘客安全的ASIL D等级。所以,为了给客车提供最高的ASIL D级的感知系统,他们发现了将多传感器、软件和技术的融合是感知子系统的最佳选择,并与传感器(如前置摄像头、雷达和LiDAR)与AI软件算法相结合,构建一个完全冗余的ASIL D系统,以实现准人类感知和车辆级安全。

此外,为了实现最高的安全性,还需要一个功能强大的嵌入式计算平台和一个可靠的通信系统(如5G V2x),以及一个自动驾驶汽车友好的基础设施系统(如自动驾驶汽车-道路合作的基础设施系统)来实现双方的交互和数据共享,以确保道路交通安全并减少潜在危险。

这种融合传感器的概念是感知系统的基础,将不同的机械和基于MEMS的激光雷达传感器与自动驾驶技术的人工智能算法结合在一起,即使在最黑暗或最恶劣的天气条件下,无论是雾天、雨天还是雪天,也能真实地看清道路。融合后的基于人工智能传感系统是Robosense公司成立以来一直在开发的一个感知系统,目标是与他们的P系列产品共同工作(一个组合了32层机械激光雷达、两个16层机械激光雷达和人工智能感知算法的装置)并达到ASIL D的安全等级。

传统上,LiDAR传感器可以通过发射激光束提供测量与检测到的点云数据。但是M1智能传感系统的话,就可以将点云数据在SOC内进行处理并从点云数据中提取出物体信息。也就是说,能够理解周遭环境的感知算法软件是智能传感器的大脑。例如,从点云中,M1智能传感器了解不同对象的点云信息并进行提取,然后输出检测到的和分类的对象数据。为了说明这一点,请看下方的图1。在下图的左侧,可以看到由智能传感器生成的基于点云的最终输出。

自动驾驶AI算法和多传感器融合技术

微信图片_20190813151653.jpg

(图:智能传感系统:左侧:通过点云得到的最终输出;右侧:纯点云数据;中下方:车辆驾驶人所见的真实路况)在右侧,可以看到单独的纯点云数据。智能传感系统可以根据客户的需求输出数据,如图2所示。还可以提供包含额外对象信息的点云数据。

自动驾驶AI算法和多传感器融合技术

微信图片_20190813151656.jpg

(图:智能传感系统的数据输出,右侧:车辆驾驶人所见的真实路况)

为了能够达到高级且安全的自动驾驶,一个可以达到ASIL D安全等级的环境感知系统是必需的,尤其是它的物体探测功能。而为了达到如此关键的高安全性,单个传感器显然是不够的。因此,多传感器和算法的融合是最安全、最简单和成本最低的达到高安全性的方法。再者,有了感知算法的加持比单独使用多个传感器的效果好得多,因为传感器只能提供不完整的原始路况数据。该传感器融合技术是我们认为可以消除阻碍消费者大规模采用自动驾驶汽车的固有安全隐患的解决方案。