[导读]什么是自动驾驶自动驾驶,也被称为无人驾驶,顾名思义,是指交通工具在没有人类操作的情况下,也能够完成环境的感知与导航,顺利到达目的地。从传统的手动驾驶到智能的自动驾驶,并不是非黑即白的关系。有一个国际权威的机动车工程组织SAE(SocietyofAutomotiveEngineer...
什么是自动驾驶自动驾驶,也被称为无人驾驶,顾名思义,是指交通工具在没有人类操作的情况下,也能够完成环境的感知与导航,顺利到达目的地。从传统的手动驾驶到智能的自动驾驶,并不是非黑即白的关系。有一个国际权威的机动车工程组织SAE(Society of Automotive Engineers),把汽车的自动驾驶技术分成了六个等级:L0. 无自动驾驶这个等级不用多说,就是传统的手动挡汽车,一切都需要完全由驾驶员来操作。
L1. 辅助驾驶到了这一级,汽车上安装的少量装置可以在特定时刻自动发挥作用,比如电子稳定程式(ESP)、防抱死系统(ABS)。市面上许多“自动档”的汽车,就达到了这个级别。L2. 部分自动驾驶在这一等级,仍然以人类驾驶操作为主,车辆进行某些自动化的协调,减轻人类驾驶员的负担。比如自动式巡航定速(ACC)、自动紧急刹车系统(AEB)。L3. 条件自动驾驶到了这一级别,就是以车辆的自动驾驶为主了,但人类驾驶员仍然不能掉以轻心,需要保持注意力,一旦遇到特殊情况随时回归手动驾驶操作。
L4. 高度自动驾驶这一级别更加厉害,人类驾驶员可以在周围环境并不复杂的情况下(没有混乱的道路、没有极端的天气、没有突然冲出来的野生动物),把操作权完全交给车辆的自动驾驶系统。L5. 完全自动驾驶这是自动驾驶技术的最高级别,就如同字面的意思,此时汽车不必有驾驶员,任何时候都不必操作车辆,在任何复杂的路面和环境下,车辆都可以顺利完成自动驾驶。自动驾驶所需的技术如何获得地图与位置?
要获得完整准确的地图信息,需要通过网络共享到一定范围内的高精度地图,这份地图不止包括建筑和道路的布局,也包括道路拥堵情况、也包括车辆及行人的位置。
最新的通信技术V2X(Vehicle To Everything),保证了车辆与外界网络信息的高效交换。
此外,要获得自己当前的位置,需要用到全球定位系统(GPS),这项技术相信大家都很熟悉。另外一项技术,知道的人可能不多,叫做惯性测量单元(IMU),这项技术可以弥补GPS的误差,并且根据加速度来判断自身的运动方向。如何感知周围情况?有了宏观的地图还远远不够,更重要的是感知汽车周围的状况。这时候,各种传感器就要上场了,它们就相当于人的眼睛和耳朵。
传感器包含哪几种呢?最常用的是视觉传感器,也就是摄像头。
视觉传感器成本低,但是精确性差一些,故意造成误导。相比之下,激光传感器具有很高的速度和精确性,但成本不低。此外,雷达传感器在防止车辆碰撞方面,也有很大的作用。
如何进行决策?有了地图,有了自身位置,有了周围环境的感知,接下来就轮到做决策了。人类驾驶做决策依靠的是大脑,自动驾驶做决策依靠的是人工智能(AI)。通过海量数据与深度学习网络训练出来的算法,可以为汽车的各种行动作出有效决策,比如什么时候加速、什么时候转弯、什么时候刹车等等。
如何把决策转化为行动?人类把想法转化为行动,依靠的是神经系统把大脑信号传递到肌肉,再通过方向盘、油门、刹车装置来进行操控。而自动驾驶系统要把算法做出的决策传递给汽车的各个零件,需要通过控制器。
目前,车载控制器领域比较成熟的解决方案是域控制器(DCU)。该解决方案根据汽车电子部件功能,将整车划分为动力总成、车辆安全、车身电子、智能座舱、智能驾驶等几个域,利用处理能力更强的多核CPU/GPU芯片相对集中的去控制每个域,从而提升控制效率。
自动驾驶的难题对于自动驾驶技术的研究,尽管已经有了许多不错的成果,但也存在着一些难题。比如:1.道路的不确定性世界各地的道路多种多样,并非每一条道路都是标准化的。有的道路过于狭窄,有的道路红绿灯坏掉了,有的道路指示牌被脏东西遮挡......太多的不确定性,都会干扰到算法的判断。2.传感器的准确度虽然目前已经有了许多种传感器来帮助检测周围环境,但传感器并非万能的,会出现种种误判。如果传感器设计得不够敏感,可能会把前方一个小孩子忽略掉;如果设计得太过敏感,又有可能因为一只蝙蝠而刻意躲避,从而带来新的危险。3.算法的局限性算法的设计,会遇到种种矛盾。比如,汽车遇到危险情况,算法应该优先维护车主的安全,还是优先维护路人的安全?如果信息显示,A道路当前拥堵,B道路当前顺畅,那么众多采用相同算法的自动驾驶汽车,会不会一窝蜂选择B道路,从而造成更大的拥堵?当两辆相邻的汽车采用不同公司设计的算法,会不会做出相冲突的决策而导致事故?4.网络安全如果自动驾驶普及开来,这些车辆势必会接入到庞大的智能交通网络当中,听由算法的调度。如果这个智能交通网络遭到黑客入侵,恶意控制这些车辆,很可能会造成非常可怕的灾难。
本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除( 邮箱:macysun@21ic.com )。
随着汽车向高阶自动驾驶、舱内全域互联和引入更多视频媒体设备快速演进,车载摄像头、雷达、显示终端与中央计算平台之间的高速数据交互需求呈爆发式增长。作为车载高速SerDes领域的新一代开放标准,OpenGMSL有效突破了传统...
关键字:
SoC
自动驾驶
传感器
然而,根据市场需求推进兆瓦级充电设施的规模化部署是一项复杂的系统工程,现有的验证方法和解决方案已无法应对这一挑战。在此背景下,测试与验证成为货运行业电动化、智能化转型中破解相关瓶颈的关键路径之一。
关键字:
自动驾驶
电气化
连接器
Waymo 分享自动驾驶网约车服务的未来愿景 旧金山2026年9月22日 /美通社/ -- 拥有并制作 CES® 的消费者技术协会 (CTA)&...
关键字:
TE
CE
AN
自动驾驶
德国汉诺威2026年9月15日 /美通社/ -- 在2026汉诺威国际交通运输博览会上,广汽领程围绕"领未来之程,与世界同行"(Delivering The Future Together)主题,集中...
关键字:
交通运输
广汽
新能源
自动驾驶
上海2026年9月3日 /美通社/ -- 2026年9月3日,嬴彻科技宣布其卡车自动驾驶商业运营里程突破10亿公里,形成行业最大规模的真实运营数据资产。目前,嬴彻以超90%的市场份额领跑中国卡车智驾市场,并已完成从&qu...
关键字:
自动驾驶
AI
模型
网络
德国斯图加特2026年8月27日 /美通社/ -- 随着自动驾驶技术从试点项目迈向规模化落地,行业核心挑战已不再是技术研发本身,而是如何安全、合规、高效地将其应用于公共道路。...
关键字:
自动驾驶
测试
自动驾驶系统
ADS
自动驾驶看见的并不是同一瞬间的世界,而是被各路时间戳重新拼接后的场景。只要时基和曝光节拍没有对齐,后端模型越复杂,几何失真反而越难解释。
关键字:
自动驾驶
同步误差
滚快门
自动驾驶做能量回收时,常把约束首先放在电池和电机上,但真正决定能回多少、能回多稳的,往往是轮胎先不先进入非线性区。只看电气侧余量去加大回灌,纵向稳定性会比能量收益更早碰壁。
关键字:
自动驾驶
稳定性
液压补偿
自动驾驶在低附着路面上最容易犯的错误,不是看不见障碍,而是高估了自己对速度的把握。轮速和纵向加速度若还按干燥柏油的逻辑融合,制动、跟车和稳定控制都会先建立在假速度上。
关键字:
自动驾驶
轮速
加速度
自动驾驶使用高精地图时,真正难的往往不是地图本身够不够细,而是车端拿到的新旧版本能不能在拓扑上保持一致。只要版本漂移和缓存失配没有被约束,定位、规划和规则解释就会分别相信不同的世界。
关键字:
自动驾驶
地图
漂移
自动驾驶的外参问题,很多时候不是一开始没标准,而是跑起来以后慢慢漂。只要热变形和支架微振没被计入,静态场地里很漂亮的标定值,到了真实道路上就会悄悄失去约束力。
关键字:
自动驾驶
激光雷达
热漂
自动驾驶一进入隧道就出现定位残差暴涨,往往不是地图突然错了,而是定位链路从有卫星约束切到纯车载约束时,内部假设没有一起切换。桥接误差和门控策略若还沿用开阔路段的配置,残差会被自己放大。
关键字:
自动驾驶
地图
GNSS
自动驾驶泊车里最让人困惑的现象之一,是车辆明明已经识别出车位,却总在斜柱、圆柱或斜向墙边留下不自然的偏距。根子往往不在控制器,而在近场回波和车位边界模型一开始就被带偏了。
关键字:
自动驾驶
泊车
超声波
自动驾驶要做到转向冗余,关键不只是备用通道能否接管,更在于接管那一瞬间能否不把额外力矩打进车身。若零力矩窗口和状态对齐没做好,切换动作会先表现成横摆扰动,而不是表面上的“功能仍可用”。
关键字:
自动驾驶
零力矩
控制器
自动驾驶做AEB时最危险的简化,就是把问题压缩成“还能不能在最短距离内刹住”。真正决定能否避险的,不只有制动极限,还包括风险评估抖动和制动链路自身的响应迟滞。
关键字:
自动驾驶
AEB
制动
自动驾驶做BEV融合时,最常见的错觉是把信息更稠密的一侧当成真相,再要求另一侧去“补齐”。可在占用建模里,稀疏激光和稠密相机描述的其实不是同一种证据,硬对齐反而会制造虚假可通行区。
关键字:
自动驾驶
BEV
稀疏激光
我的目标是成为一名参与自动驾驶和车辆控制系统开发的工程师。为了实现这一目标,我认为通过实际操控一辆真实车辆,在学习传感器、控制算法和嵌入式系统的同时积累实践经验至关重要。这个项目正是我迈向这一目标的第一步。
关键字:
自动驾驶
机器人
红外传感器
M5Stack
我的目标是一个简单且自包含的自主系统:用我最喜爱的M5Stack/ESP32硬件实现一个现实可行的系统,同时精度足够,能够实现可重复运行。我没有依赖SLAM或ArduPilot,而是从零开始自行构建定位、传感器融合和导航...
关键字:
传感器
自动驾驶
激光雷达
M5Stack
自动驾驶域控制器(如 NVIDIA Orin、TI TDA4、Mobileye EyeQ5)集成了 SoC、MCU、GPU、ISP、DDR、PHY 等多颗大功耗芯片,每颗芯片的电源轨多达 5–10 路,且上电顺序有严格的...
关键字:
自动驾驶
多芯片电源