当前位置:首页 > 无人驾驶汽车
  • 如何避免汽车软件安全漏洞?黑莓一招解决

    如何避免汽车软件安全漏洞?黑莓一招解决

    汽车软件常常出现各种各样的安全漏洞,那么我们该如何去发现他甚至从根本上去避免。对此,黑莓推出了Jarvis服务,利用“静态分析(staTIc analysis)”技术扫描预建应用二进制程序中所存在的漏洞。 1月16日消息,黑莓周一宣布,该公司推出了一款名为“Jarvis”的新服务,该服务旨在帮助汽车制造商测试他们安装在车内的代码,从而帮助发现汽车软件的安全漏洞。 Jarvis服务主要利用“静态分析(staTIc analysis)”技术来发现用户使用的预建应用二进制程序中所存在的漏洞,这一方法能够为汽车制造商提供找到那些漏洞的信息,从而帮助汽车制造商或用户预先探测到这些漏洞并采取修复措施,这样也就帮助汽车和用户避免了被黑客利用该漏洞发动攻击的风险。 如今,汽车越来越多地接入互联网,而且无人驾驶汽车也越来越多,因此,向汽车制造商提供安全工具就有着非常重要的意义了。即使一辆汽车当前仍处于安全模式,但事实上,汽车制造商还是需要考虑安全漏洞问题,特别是从过去存在的一些情况来看。此前,黑客就利用汽车的代码漏洞来操控不同的汽车功能。 黑莓的这项新服务主要就是针对汽车市场,因为汽车制造商通常使用成百上千个不同的软件,当然也包括一些来自其它企业预先安装的软件。Jarvis功能可以帮助汽车制造商率先扫描那些预装的二进制程序,包括那些并非这些厂商原装的程序在内,从而帮助汽车制造商最终获得更加安全的软件。 当然,这一新服务的推出,对黑莓本身也大有好处,毕竟这一新服务可以帮助黑莓在智能手机行业之外能够更加深入地向汽车市场迈进。事实上,黑莓公司有过涉足汽车市场的经历,那就是在该公司于2010年收购了QNX软件系统之后。这一交易让黑莓新增了QNX产品,即一个类似于Unix的操作系统,可以用于汽车之类的嵌入式应用程序。与此同时,QNX也帮助黑莓公司支撑了向其它市场进军的雄心,例如智能家具和医疗健康等市场。 Jarvis将通过软件即服务模式投入使用。用户使用Jarvis服务时需要付费,具体金额将根据他们需要扫描和捆绑购买的数据量来定。当然,Jarvis功能是完全自动化的,因此,黑莓希望该服务能够鼓励用户更加频繁地扫描他们的软件。 未来,黑莓可能会把Jarvis服务拓展到汽车行业之外的其它市场,因为像航空、医疗健康、甚至国防等其它行业也可能会充分利用黑莓的这种静态分析功能。

    时间:2020-08-01 关键词: 黑莓 无人驾驶汽车 汽车安全

  • 物联网五大新兴“战场”显现_帮助企业正确界定物联网

    物联网五大新兴“战场”显现_帮助企业正确界定物联网

    战略咨询公司贝恩近日发布题为《物联网的新兴战场》的报告称,物联网正在快速发展。市场研究机构Gartner曾预测,到2020年全球将拥有250亿个联网设备,并带来3000亿美元的利润。该报告介绍了物联网的五个新兴“战场”,旨在帮助企业正确界定物联网。 消费者物联网 随着苹果、谷歌和三星等公司将业务延伸到可穿戴设备、智能家居、汽车等领域,它们将引领消费者物联网的发展。预计今后,许多软件和硬件供应商都能从这一领域中找到一席之地。提高平台黏性和与各细分行业的客户建立联系是成功的关键。 工业互联网 工业互联网规模将比消费者市场更大。工业互联网能帮助企业降低成本、增加需求和扩大影响,越来越多的企业包括国际大企业都开始采用工业互联网技术。对于涉足工业互联网的企业来说,与科技公司合作可以帮助其获得相关行业的专业知识,提高其分析能力和安全防范能力,并在未来几年获得巨大回报。 网络 思科、爱立信、华为和诺基亚等网络服务巨头已经在物联网领域投入巨资以获得新的利润,因为许多行业将要求能够实时分析其网络,而实现网络实时分析的唯一方法就是拥有能够支持超高网速的高效网络。同样,智能家居也需要更多的网络资源,消费者渴求访问速度更快、覆盖范围更广的网络,而建设这样的网络需要网速更快的路由器和网络基础设施以确保WiFi网络覆盖到家里的每一个角落。 实时分析 物联网的普及将导致企业对网络、服务器、传感器和机器的实时分析产生更大的需求。因此企业需要专门的云服务器来执行,从而让亚马逊AWS和微软Azure等能够提供此需求的云供应商从中受益。企业和分析服务提供商之间的紧密合作将会带来多个领域的创新。 自动化 无人驾驶汽车、无人机和机器人等自动化技术的出现和发展,将为消费者和企业提供许多好处。亚马逊和谷歌正在测试他们的无人机执行快递、调查等多项任务。在日本,机器人已经在酒店和餐馆等服务业从事人类的工作,而网约车公司Uber和谷歌已经在测试自动驾驶汽车。具备实时分析功能、掌握计算机视觉技术和机器学习技术是取得成功的重要优势。

    时间:2020-07-31 关键词: 物联网 无人驾驶汽车

  • 通用无人驾驶汽车在毫米波雷达和激光雷达上的应用解析

    通用无人驾驶汽车在毫米波雷达和激光雷达上的应用解析

    通用汽车在2018年1月13日发布通用无人车安全报告,并宣称将在2019年量产基于Bolt纯电动车改装的无人车,本文根据公开资料对通用无人车做一些分析估计,仅供大家参考。 通用的无人车没有方向盘和踏板,显然是无法人工介入,也彰显通用对自己无人车技术的信心。同时也显示出传统车企在无人车领域强大的竞争力,如果谷歌想要做类似的无人车,那么谷歌必须求助于菲亚特克莱斯勒FCA为其定做。这就是新兴造车企业或IT自动驾驶企业的尴尬之处,不和传统车企合作,它们无法拿到一款相对比较优秀的改装平台,算法再强大也无法落地。 新兴造车企业或IT自动驾驶企业也无法得到优秀汽车厂家的支持,因为优秀汽车厂家视其为竞争对手,只会尽力打压,不会出手援助。只有非主流的车厂,才不把新兴造车企业或IT自动驾驶企业视为竞争对手,同时为了消化过剩的产能,乐于与新兴造车企业或IT自动驾驶企业合作。另一个尴尬的是特斯拉,虽然只达到SAE分级中的L2,但是宣传成L4,一时占尽风头,然而技术力量不足。L2终究是L2,奥迪A8的L3和通用Cruise的L5(也未完全达到SAE的L5级,称L4+更合适)无论在实际应用和宣传上都超过了特斯拉。 Model 3迟迟未达预期,特斯拉在2017年第四季度预期交付Model 3新车2917辆,但实际只交付了1550辆,12月仅交付517辆。作为Model 3的竞争对手,通用的Bolt销量持续攀升,7月销量为1971辆,11月达3747辆,12月销量达3327辆,同比大增近5倍,是Model 3的6倍。全年销量超过23000辆,对通用来说产能完全不是问题,每月3万辆的产能也能轻易达到。 通用这辆无人车采用5个激光雷达,21个毫米波雷达,16个摄像头。5个激光雷达是Velodyne的VLP16 16线激光雷达。今年1月初,Velodyne下调VLP16的售价,从7999美元到3999美元,百度和福特作为Velodyne的大股东,可以赚通用的钱了。21个毫米波雷达中12个79GHz毫米波雷达由日本ALPS提供,两个前向两个后向长距离毫米波雷达推测由德国大陆提供,型号可能是ARS-408。5个高分辨率(通用称之为ArTIculaTIng)毫米波雷达由德国博世提供,主要是车两侧和正前方。 16个摄像头中,车顶10个,包括一个基线长大约8厘米的双目摄像头,8个360度环视摄像头,摄像头周围均有红外LED,可以在低照度甚至黑夜下工作,当然分比率会下降很多。车内后视镜位置有一个非无人驾驶版Bolt的单目摄像头,车辆最前部位置有一个长距离单目摄像头。车外后视镜和车后部各两个摄像头。 激光雷达应用 通用的原文是We start with LiDAR, which provides highly precise feedback using laser measurements for both fixed and moving objects.激光雷达首先是定位,无人车的第一步也是定位,利用激光雷达SLAM的回环检测或者与全局地图做match,进而做到厘米级定位,这是业内一致的做法,百度、谷歌和通用主流厂家都是如此。而非主流厂家大多用GPS RTK定位,有两个非常显眼的蘑菇天线,GPS RTK定位不能做大规模应用,只能用于拉投资的demo。 上图为百度无人车定位框架。这种定位方法的缺点是需要提前制作激光雷达地图也就是Prior LIDAR MAP,这对通用来说不是难事。通用在其超级巡航里已经制作了美国的所有高速公路的激光地图。但是如果没有提前制作激光雷达地图的区域(如人烟稀少地域广大的郊区和农村),无人车做不到厘米级定位,只能做到传统GPS最高3米的定位。 激光雷达的第二个作用是与摄像头数据融合做目标分类识别和轨迹跟踪,通用的原文是这样子:We combine LiDAR and camera data for classifying and tracking objects, making high confidence determinaTIons more quickly. This helps, for example, idenTIfy pedestrians, vehicle types and road details such as lane lines, construction zones and signage.推测由两侧朝下的激光雷达来获得道路细节,如车道线,路沿,隔离带,虚实线,斑马线。百度无人车也是用激光雷达获得道路细节,出身百度的景驰则在2018年CES上演示了只用激光雷达识别车道线、行人和车辆的技术。谷歌和丰田也是如此。 目前激光雷达检测车道线主要有四种方法,一是根据激光雷达回波宽度。二是根据激光雷达反射强度信息形成的灰度图,或者根据强度信息与高程信息配合,过滤出无效信息。三是激光雷达SLAM与高精度地图配合,不仅检测车道线还进行自车定位。四是利用激光雷达能够获取路沿高度信息或物理反射信息不同的特性,先检测出路沿,因为道路宽度是已知,根据距离再推算出车道线位置。对于某些路沿与路面高度相差低于3厘米的道路,这种方法无法使用。后三种方法需要多线激光雷达,最少也是16线激光雷达。前者可以使用4线或单线激光雷达。目前绝大部分都是采用第二种方法。这种方法的标志就是需要激光雷达尽量贴近路面或朝向路面以取得比较多的反射强度信息,丰田、谷歌都是在车最前部保险杠处安置激光雷达,通用由于保险杠附近有9个毫米波雷达和1个摄像头,估计是安装空间不足,只能放在车顶。 中间正前方的激光雷达与摄像头数据融合可以加大识别目标的速度和准确性。用激光雷达识别目标有两种做法,一种是利用激光雷达反射强度值,不同特性的物质对激光雷达反射强度差异很大,利用这个差异可以对目标进行简单分类,比如行人、车辆、建筑物、植物、路面、草地等。由于只是简单的阈值滤波器,计算量很小,速度极快,远高于深度学习的目标分类。就在2018年1月初,瑞萨宣布和初创公司Dibotics合作,Dibotics有一款增强激光雷达(Augmented LiDAR)软件,就是采用这种方法做分类识别,瑞萨将把这套软件嵌入进其芯片中。第二种是将激光雷达的点云转换为具备张量结构的密集的图像数据,然后用faster RCNN识别。后者需要强大的运算资源,处理速度比较慢。faster RCNN则是图像识别领域公认最优秀的方法。推测通用用了前一种,而摄像头的深度学习识别,通用应该也是用faster RCNN。 激光雷达还有一个优势就是擅长预测移动物体的轨迹和轨迹跟踪,这是行为决策的基础。就像人类驾驶员,可以预估行人或其他车辆下一步的方向或位置,根据这个预估来做出决策。激光雷达天生具备轨迹场(trajectory-yielding)的能力,Velodyne的16线激光雷达在美国最隆重的超级碗赛事上能够准确预测四分卫投球后球的移动位置(A Velodyne VLP-16 LiDAR read off each tossed football’s speed and direction to predict where the ball would land)。Velodyne对此非常自豪。所以通用也说用激光雷达tracking objects,这比摄像头用光流法计算轨迹并预测要快得多,运算资源消耗也远远低于光流法。 毫米波雷达应用 在美国,如果要想使用未经FCC认证的无线设备,必须先申请临时许可(STA),否则是违法行为。2017年3月17日,日本车用电子供货商 Alps Electric 申请了 STA 许可证,Alps Electric 要测试的是名为 Ukaza 的车用毫米波雷达,工作频段为 76-81 GHz。这是该频段毫米波雷达第一次公开测试。在申请中,Alps Electric 表示,公司想从 5 月 1 日起陆续测试 3,000 台 Ukaza。Alps表示 每辆车需要装配 10 组雷达,因此 3,000 台 Ukaza 只够 300 辆车使用。10 天后,通用也向 FCC 递交了类似的 STA 许可证申请,它要测试的也是 Ukaza 雷达。不过,通用工程师 Robert Reagan 在申请中要求 FCC 帮忙保密,因为测试涉及商业敏感信息。显然,ALPS的毫米波雷达是用在通用汽车上的,这就是通用要打造的300辆的无人驾驶测试车队 。 Ukaza 雷达可不是 Bolt 的唯一装备,3 月 28 日(通用申请后一天)博世也递交了自己的 STA 许可证申请。博世申请中表示,公司要在客户的自动驾驶车队测试中程雷达(77GHz),随后透过搜集的数据开发新的算法。从申请来看,博世要测试的雷达共有 650 组,够 162 辆车使用。每辆车4个,与 Alps 公司类似,博世也没有点出客户的名字,但给了测试的具体地点,从经纬度来看,这些雷达将在旧金山、底特律和斯科茨代尔测试,唯一横跨这三地测试的公司只有通用一家。 经过几个月测试后,通用可能觉得还不够,因此增加了数量,79GHz增加到12个,高分辨率(通用称之为Articulating)毫米波雷达增加到5个。博世的雷达如果是传统的77GHz毫米波雷达,应该无需再向FCC提出STA,推测可能是2-4GHz带宽的雷达,也可能博世把76-81GHz雷达(也就是79GHz雷达)称为77GHz雷达,毕竟博世不能造雷达收发器,也是79GHz雷达的可能性很高,其带宽最高是传统77GHz雷达的8倍,因此分辨率可达4厘米,称之为Articulating也说得过去。 12个79GHz毫米波雷达采用级联方式工作,这种方式足以让毫米波雷达呈现出清晰的360度全景图像,还可以同时跟踪上千目标。推测12个79GHz毫米波雷达是做冗余系统,毫米波雷达应对复杂环境的能力最强,最适合做冗余系统,在激光雷达和摄像头都失效的情况下,依然可以安全行驶到路边停车。 NXP在2018年1月11日推出MR3003和S32R274就是典型的级联设计方案,MR3003是一款3发4收的毫米波雷达收发器,NXP的级联设计最低是级联4个MR3003,达到12发16收,由S32R274做处理器,最多可支持高达20个MR3003级联,达到惊人的60发80收毫米波雷达,足以成像。 所谓级联,实际类似MIMO。多输人多输出系统(MIMO,Multiple input multiple output)原本是控制系统中的一个概念,表示一个系统有多个输入和多个输出.如果将移动通信系统的传输信道看成一个系统,则发射信号可看成移动信道(系统)的输入信号,而接收信号可看成移动信道的输出信号。MIMO 雷达的基本含义是 :雷达采用多个发射天线,同时发射相互正交的信号,对目标进行照射 ,然后用多个接 收天线接收目标回波信号并对其进行综合处理,提取目标的空间位置和运动状态等信息。 MIMO雷达虚拟阵的一个典型应用是用于雷达二维成像 ,雷达二维成像的距离分辨力 主要取决于雷达信号的带宽 ,方位分辨力主要取决于天线的波束宽度。要提高成像的距离分辨力,需要增加雷达信号的带宽是相对比较容易的。而要提高雷达信号的方位分辨力,需要增大天线或阵列的孔径 ,而这在实际中受到多方面因素的限制,有很大的难度。 目前广泛采用的解决办法是采用合成孔径技术,在不增加天线物理尺寸的基础上,得到大孔径的阵列 。与合成孔径的思想不同,MIMO 雷达是利用多发多收的天线结构等效形成虚拟的大孔径阵列,获得方位上的高分辨力。 而这种虚拟阵的形成是实时的,能够避免传统 的 ISAR成像中存在的运动补偿问题。 故MIMO 雷达在成像应用上有其独特的优势。 上图为德州仪器测试的多片级联雷达(MIMO)的FFT输出图,很明显通道数越多,精细程度就越高。 上表为德州仪器4个AWR1243级联后雷达的参数,远距离分辨力大大提高,40米处可以做到1度的方位角分辨率,也就是4.5厘米的精度和大约9厘米的物体分离精度。如果是百万像素45度FOV的摄像头,那么40米处只有大约20像素的方位角分辨率,无法分清行人和骑行者。MIMO具备很宽的FOV,像德州仪器这种4个级联的雷达FOV高达192度。而摄像头的话80度的FOV 都算是广角了,边缘处可能有广角失真。 一对发射阵元和接收阵元可以虚拟出一个收发阵元,则对于M发N收的MIMO雷达 ,发射阵元和接收阵元共有M* N对 ,即可以虚拟出 M *N个收发阵元 ,其个数一般是远远大于N的,从而实现了阵列孔径的扩展 。 德州仪器使用4个3发4收的AWR1243雷达,就是192个虚拟通道(天线或者叫阵列)。 摄像头应用 在自主导航局部路径规划方面,根据通用的描述,通用似乎是使用了自由空间(Free Space)法,这是通用与百度和谷歌最大的区别,百度和谷歌都使用栅格法。栅格法是目前应用最广泛,可靠性最高的一种局部路径规划。它是由w.E.Howden在1968年提出的。栅格法将机器人工作环境分解成一系列具有二值信息的网格单元,工作空间中障碍物的位置和大小一致,并且在机器人运动过程中,障碍物的位置和大小不发生变化。用尺寸相同的栅格对机器人的二维工作空间进行划分,栅格的大小以机器人自身的尺寸为准。若某个栅格范围内不含任何障碍物,则称此栅格为自由栅格;反之,称为障碍栅格。自由空间和障碍物均可表示为栅格块的集成。栅格的标识方法有两种:直角坐标法和序号法。多采用四叉树或八叉树表示工作环境,并通过优化算法完成路径搜索。该方法以栅格为单位记录环境信息,栅格粒度越小,障碍物的表示越精确,但同时会占用大量的存储空问,算法的搜索范围将按指数增加,会大量消耗运算资源。 这种方法一般都配合64线机械旋转激光雷达,线数越高就可以划分粒度越小。所以会出现128线激光雷达和苹果那种12个16线激光雷达,未来可能还有256线激光雷达。整体成本太高是栅格法主要缺点。 自由空间法采用预先定义的如广义锥形和凸多边形等基本形状构造自由空间,并将自由空间表示为连通图,通过搜索连通图来进行路径规划。自由空间的构造方法是:从障碍物的一个顶点开始,依次作其它顶点的链接线,删除不必要的链接线,使得链接线与障碍物边界所围成的每一个自由空间都是面积最大的凸多边形:连接各链接线的中点形成的网络图即为机器人可自由运动的路线。其优点是比较灵活,起始点和目标点的改变不会造成连通图的重构,缺点是复杂程度与障碍物的多少成正比,且有时无法获得最短路径。自由空间法的分割需构造想象边界,想象边界本身具有任意性,于是导致路径的不确定性。 自由空间法优点是不需要使用高线激光雷达,单目即可,对运算资源消耗也小,缺点是可靠性不高,有时无法得出路径规划,会出现暂时的停滞,或者会绕路,最重要一点是对光线非常敏感,在阳光下的林荫道,阳光直射摄像头,低照度环境,雨雪雾天无法使用。通用用激光雷达弥补了部分缺点,同时在摄像头周边加上了红外LED,增加对低照度环境适应能力。同时有效距离也比较近,车速通常无法高于每小时100公里。英特尔与Mobileye阵营对这种方法比较青睐。 通用车标处的摄像头应该是主摄像头,很有可能使用了索尼的IMX390CQV传感器,这是一款1/2.7的CMOS感光元件,有效画素是245万,是目前像素最高的车载图像传感器,索尼在2017年10月发布的IMX324图像传感器性能更好,是目前全球公认性能最佳,有效距离(误差低于5%的距离)最远的图像传感器,但在2017年底才有样品提供,相信通用暂时无缘使用。IMX324 是一款1/1.7-type的CMOS图像传感器,配备了742万行业最高有效分辨率的RCCC滤镜,在FOV 32°镜头的帮助下能够拍摄距离摄像头160米远的路标,这是专为EyeQ4和 EyeQ5开发的传感器,价格极高。不过即便是在窄镜头(35度以下已经属于窄视角,通常汽车的前视镜头是45度)下,有效距离也只有160米,如果是45度,有效距离是150米。而IMX390配合45度视角镜头,估计有效距离是65-75米。而64线激光雷达可以做到200米。不过电动车在市区的速度不高。 通用的双目摄像头基线距离大约8厘米,有效距离很短,估计只有10-12米,应该主要用来识别行人和骑车人。利用双目快速识别行人和骑车人,奔驰和宝马已经在车上大量使用,是一项比较成熟的技术。这项技术当然和深度学习无关,深度学习最大的缺点就是消耗大量运算资源,效率低下,比较慢。 这种技术称为stixels,sticks above the ground in the image。指对图片中地面以上的柱状物体进行建模,显然,图像中的树木,人,海报之类的物体都可谓柱状物。 这里所谓的stixels深度信息的底部,就是地面,顶部,就是行人的头顶可能出现的大概位置。对于图像中的每一列而言,底部像素,顶部像素,以及未分类物体之间的距离都被估算出来。这种方法的关键在于,利用stereo image可以直接计算出stixel,而无需计算所有的深度信息。在进行行人检测时,对图像中的地面和stixel进行估计,并设置stixel的高度为1.75m,在2010年就可在CPU上可以达到135fps的速度。而深度学习能做到30fps就需要GTX1080级显卡了。Stixels的速度至少是深度学习的20倍以上。 车顶上的8个摄像头是一套冗余设施,即使激光雷达和毫米波雷达都失效,车辆周围的360度全景视频依然可以得到。车内后视镜处的单目也是一套冗余系统,就是L2级的AEB紧急刹车系统。 计算单元和其他 和谷歌无人车一样,通用的无人车也使用两套计算平台,保证一套失效,另一套可以无间断接替其运行。计算平台位于后备箱里,同时也有两套供电系统,主电源通过电动车本身的电池转换为高压供应。注意,通用用了高压这个词,如果是英伟达的DRIVE PX2或其他车载专用计算平台,那么应该是3到5.5伏的低压,所以推测通用没有使用英伟达的运算平台或其他车载专用计算平台,而是很有可能使用了工控机,通常工控机的输入电压是直流24伏,相对5.5伏或车内常见的12伏可以算高压了。如果主电源失效,则启动备份电源。备份电源将供应所有传感器单元,执行器和运算单元。 通用无人车的首席工程师Andrew Farah透露第一代无人车的备份电源功率高达3千瓦。要知道第一代无人车只用了两个32线激光类、不超过10个毫米波雷达,不超过5个摄像头。但是Andrew Farah未透露最新一代无人车也就是第四代无人车后备电源的功率,不过他坚称功率降低了,估计可能还要达到2千瓦。可以肯定这款电动车的续航要因此减少。 百度则是双管齐下,一台是工控机(使用的是 Neousys Nuvo-6108GC,这是一款性能强大的 X86 解构工业控制计算机);另一台则是英伟达用于自动驾驶的 Drive PX2。 Nuvo-6108GC是台湾宸曜科技的工控机,采用华硕GTX 1080 GPU显卡,英特尔双至强E5-2658 V3 12核CPU,1TB 2.5寸7200转SATA硬盘(节约点啊,不用固态)。 推测通用把主要精力都用在算法和传感器上了,运算平台没有花费多少精力,未来肯定会用低功耗的嵌入式系统来代替,最有可能是两片或四片瑞萨的R-CAR H3并联使用,R-CAR H3是目前全球运算性能最强的车规级SoC。届时成本可以大幅度降低。 通用无人车的其他部分,电池,电机和电控部分都由韩国LG供应,制动执行器是博世的第二代iBooster,ESP也是博世的,转向系统可能是中航集团旗下的耐世特NEXTEER供应,摄像模组可能由加拿大麦格纳提供。 摩根士丹利的分析师预计通用Bolt无人车的成本高达25-30万美元,我预计可能没有那么高,但至少也是15万美元。显然这不可能针对普通消费者市场。只有出租车、共享出行或网约车市场对车购置成本敏感度不高,对人工成本敏感度很高的领域才是无人车的主要市场。 综合来看,通用无人车的技术水平仍然低于谷歌,甚至低于百度,但是通用的商业化进程会远比谷歌和百度要快。传统车企与IT类企业在无人车领域的技术差距是快速缩小,而传统车企的商业化进程只要下定决心,是要比IT类企业快得多。 上图为丰田第三代无人车,用四个固态激光雷达取代了原先车顶的64线机械旋转激光雷达。 上图是丰田无人车的计算单元,可以看到非常小巧,完成度极高。这是技术最先进完成度最高的无人车,远高于谷歌。传统汽车巨头一旦发力无人车,IT类企业将不再具有优势。

    时间:2020-07-29 关键词: 无人驾驶汽车 毫米波雷达 激光雷达

  • 中国无人驾驶汽车的发展或超美国_并不是因为技术

    中国无人驾驶汽车的发展或超美国_并不是因为技术

    据外媒分析,中国很可能会在无人驾驶汽车的发展上取得领先,超过美国,但并不是因为技术上的优势。下面就随汽车电子小编一起来了解一下相关内容吧。 据悉,德国一家技术服务公司宣称,中国公众更愿意接受自动驾驶汽车,主要是因为他们相信该项技术,并且相比美国人更加放心交出自己的数据。值得一提的是,福特2017年12月发布了一项调查结果认为,中国成年人对自动驾驶汽车的看法更加积极。在1万名受访者中,83%的中国成年人认同“我对自动驾驶汽车的未来怀有希望”的说法,而美国成年人中这一比例只有50%。 近十年来,中国迅速采用了许多的新技术,从非接触式支付系统到高速动车网络。另外,中国公民也已经习惯于将自己的数据交给企业和政府服务部门。中国媒体相对较少的负面报道,也可能影响了公众对自动驾驶技术的印象。舒伯特指出,“如果美国想要取得领先,那政府和企业将“需要加强对公众的教育,传达更多有关该新技术的好处的信息。”

    时间:2020-07-24 关键词: 无人驾驶汽车 无人驾驶

  • 无人机与无人驾驶汽车都已实现,那无人驾驶客机离我们还会远吗?

    无人机与无人驾驶汽车都已实现,那无人驾驶客机离我们还会远吗?

      无人驾驶汽车已经在地上跑来跑去,无人机也可以在天上荡来荡去了,那么无人驾驶客机呢,是否也将很快到来?   根据瑞银集团(UBS)一份最新的报告显示,无人驾驶客机或最早于2025年出现在机场跑道上。在瑞银集团关于无人驾驶客机未来发展走向的研究中,有一个令人兴奋的数据,也有一个令人沮丧但又意料之中的数据。   这个令人兴奋的数据,或许更能让航空公司们感到高兴。据研究显示,如果未来无人驾驶科技得到普及,航空业每年可节省350亿美元,而随着技术的成熟,航班会比现在更加安全,更加的高效。   这些节约下来的成本来自优化后的飞行路线以及燃油收益,此外,由于没有了驾驶员,用于雇佣驾驶员的费用以及针对驾驶员的培训费用也可以一并省下。   但那个令人稍显沮丧的数据是,研究抽取了全球8000名受访者,问他们愿不愿意乘坐无人驾驶飞机,而结果只有17% 的人愿意坐上一个没有机长的飞机,即便票价可能比当前便宜个11%,仍有一半的受访者表示,即便便宜也不会买票。   人们不情愿登上无人驾驶飞机,主要是一听没人开飞机,心里就会生出一丝恐惧。但其实我们每个人在第一次坐飞机时,都会有一种紧张害怕的感觉。   不过你要知道,在飞机飞过对流层,达到预订的高度后,驾驶员设定好速度,调整好航线等数据,就可以让飞机进入一种自动驾驶的状态。   而现代飞机都装备有自动驾驶仪(autopilot),但这还并不是真正意义上的自动驾驶,它只是用来减轻驾驶员的负担,驾驶员依然要时刻与地面保持联系,同时还要监控自动驾驶系统,时刻准备接手。   从某种程度上来说,每个坐过飞机的人,其实都有体验过无人驾驶客机的经历了。   完全自动驾驶的飞机已经在测试中,只不过和我们想象中的大型客机还有些差距。德国的Lilium AviaTIon已经在今年4月份成功的让一架可以承载两人的小型无人飞行装置在空中飞行,随后他们计划将开发可承载4人的无人飞机。   民用大飞机生产商空客公司(Airbus)完成了一次无人驾驶飞机的测试,这架小型飞机在编程后,无人飞行了7分钟之久。   此外,在瑞银集团的报告中还显示,无人驾驶飞机将会首先运用在货运航班上,然后会用在商用喷气机和直升机上,而在最后才会用在民用航空中。   虽然大多数人对无人驾驶客机还有些抵触,但在调查报告中年轻的受访者对无人驾驶客机最为乐观,瑞银也认为这对无人机是技术未来的发展有很大的益处。

    时间:2020-07-22 关键词: 无人机 无人驾驶汽车 无人驾驶 自动驾驶仪

  • 麻省理工学院开发出一套新系统,允许无人驾驶汽车在没有地图的情况下进行导航

    麻省理工学院开发出一套新系统,允许无人驾驶汽车在没有地图的情况下进行导航

    5月7日消息,据福布斯杂志报道,麻省理工学院(MIT)开发出一套新系统,允许无人驾驶汽车在没有地图的情况下进行导航。这项刚刚起步的技术可能被用来帮助防止未来交通事故,比如最近涉及Uber无人驾驶车辆的死亡车祸。下面就来了解一下相关内容吧。 MIT开发新技术:无人驾驶汽车没有地图也能导航图:麻省理工学院下属实验室CSAIL为无人驾驶的丰田普锐斯配备了可在乡村道路上行驶的新系统? 到目前为止,许多在实际道路上测试的无人驾驶汽车要么依赖高度详细的3D地图,要么系统允许车辆在路标明确的城市或公路环境中导航。但是绝大多数的美国公路都还没有被精确地绘制成三D地图,或者无法可靠地提供一致的车道标记。因此,麻省理工学院计算机科学与人工智能实验室(CSAIL)的研究小组开发了一种方法,可以让无人驾驶汽车能够阅读和预测当地的环境,而不是依赖于3D地图数据。 MIT开发新技术:无人驾驶汽车没有地图也能导航 这个框架被称为MapLite,它结合了全球定位系统(GPS),使用来自OpenStreetMap的最基本地形图,以及用于监测道路状况的激光雷达和IMU传感器。 CSAIL研究生泰迪·奥尔特(Teddy Ort)说:“这种‘无地图’模式以前没人尝试过,因为它通常很难拥有详细地图那样的准确性和可靠性。像这样的系统可以在车载传感器上进行导航,这显示出无人驾驶汽车的潜力,它能够应对超出科技公司所绘制地图的道路情况。” 研究人员起草了一份报告用以描述这套系统,它将于本月晚些时候在澳大利亚布里斯班举行的国际机器人与自动化会议(ICRA) 上提交。为了测试这套系统,研究人员为无人驾驶的丰田普锐斯配备了激光雷达、传感器以及MapLite。这款普锐斯能够“看到”前方30米远的路况,成功地在马萨诸塞州多条未铺设公路的乡村道路上行驶。 研究人员在报告中称:“这意味着,它可以使汽车以超过100公里的时速行驶,而且如果该方法能够并行化,且在GPU上实现的话,汽车行驶的速度可能会更快。” 奥尔特解释说,他们的系统也不同于其他“无地图”模式,后者使用机器学习来训练系统。它们使用来自一组道路的数据,然后对其模式进行测试,并应用到其他道路上。相反,MapLite尝试开发无人驾驶汽车可能遇到的情况的模型,然后告知它的行为,这与人类驾驶员在熟悉场景中驾驶的方式没有太大不同。 奥尔特表示:“最终,我们希望能够问汽车更多问题,比如‘在这个十字路口有多少条道路正在合并?’通过使用建模技术,如果系统不工作或发生事故,我们可以更好地理解原因。” 虽然像MapLite这样的系统可以为无人驾驶汽车的发展开辟更多方向,但它距离投入使用依然任重道远。研究人员称,他们的系统无法解释海拔高度的变化,所以现在无法应付山路。奥尔特称:“我认为未来的无人驾驶汽车将永远在城市地区使用3D地图,而当我们在乡村偏僻道路上行驶时,这些车辆就需要像人类在陌生道路上行驶一样,能够自己做出应对,我们希望我们的努力朝着这个方向迈出了一大步。”

    时间:2020-07-17 关键词: 无人驾驶汽车 mit 人工智能 uber

  • 芬兰技术研究中心(VTT)推出的无人驾驶汽车 可在恶劣的天气情况下进行无间断的导航服务

    芬兰技术研究中心(VTT)推出的无人驾驶汽车 可在恶劣的天气情况下进行无间断的导航服务

    据外媒报道,芬兰技术研究中心(VTT)推出的无人驾驶汽车——Marilyn在大雾天甚至下雪天拥有出色的“视觉”能力,可在恶劣的天气情况下进行无间断的导航服务。该车辆可在大雾天气下探查到路面上的行人,避免交通事故的发生。 这主要得益于车辆顶部的激光雷达,该设备可探查的波长远胜于人类的肉眼。随着该技术的不断提升,将使自动驾驶技术向前迈进一大步,不会因浓雾而导致车载系统采取停车操作。 Marilyn利用新款1550纳米波激光雷达及其软件内的人工智能,增强了车载传感设备的功能。此外,其该车辆采用内置软件模块,旨在过滤点云并对扫描设备的可靠性进行评估,从而实现以下各项车载功能:提升在大雾及粉状降雪(powdery snow)天气条件下激光雷达的“视觉”功能、近红外光谱波段及车辆对行人的探查能力。 VTT旗下RobotCar Crew团队的项目经理MatTI KuTIla表示:“尽管Marilyn车型在浓雾情况下的视觉测距只有30米左右,新款激光雷达使该车辆能够缓缓前行,而非停车。” 该车辆还配置了传统型车用雷达及激光雷达,但上述设备对非金属障碍物的探查能力有限,影像的分辨率也不高,在对目标物形状的识别能力也较弱。 KuTIla强调:“Marilyn优化了各类传感器的性能,结合使用了雷达与激光雷达技术,提升了自动驾驶车辆的安全性。尽管在研发进程上还存在诸多障碍,但目前已取得了较大的技术进展。” 他表示:“距离实现无人驾驶车辆的全天候行驶,目前尚有一段距离。然而,公司离实现上述梦想又近了一步。若将当前的技术进展比作42公里的马拉松,那么公司已向终点迈进了10公里左右。”(本文图片选自eurekalert.org)

    时间:2020-07-16 关键词: 无人驾驶汽车 激光雷达

  • 加州无人驾驶汽车免费接送乘客服务,你敢坐吗?

    加州无人驾驶汽车免费接送乘客服务,你敢坐吗?

    【导读】:作为全球首个为无人驾驶汽车制定法规的州郡,加州在无人驾驶领域的动作总是先人一步,这不,加州无人驾驶汽车开启了免费接送乘客服务,乘客有福了。 6月4日消息,据Gizmodo报道,美国加州刚刚宣布了一项新的试点计划,将允许无人驾驶汽车开始接送普通乘客,这是加州首次。但在加州公用事业委员会的许多规定中,这些提供无人驾驶的运输公司必须免费为乘客提供服务。 这个试点计划实际上包括两部分:一是批准乘客乘坐由受过培训的司机驾驶的无人驾驶服务车辆,二是允许乘客乘坐完全无人驾驶的自动服务车辆。该计划明确禁止对乘客收取“货币费用”,但这可能意味着参与者需要注册某项服务或使用配套的应用程序。 参与试点计划的公司必须遵守所有车辆管理局的规定,并每季度向加州公用事业委员会“报告特定数据”。这些数据包括行驶总里程、碰撞信息、乘客出行平均等待时间,甚至包括汽车是否为电动等。根据被批准的提案,参与的公司还需要“尽最大努力与了解和倡导无障碍交通的个人和团体进行接触和合作”。 加州试点计划宣布前,加州机动车辆管理局曾于4月份允许在公共道路上进行无人驾驶汽车测试,不过测试并没有完全按计划进行。尽管从事无人驾驶汽车技术测试的公司越来越多,但只有一家未具名的公司向机动车管理局申请了必要的许可证。 参与加州公用事业委员会试点项目的公司必须拥有运输租船承运人许可证,以及加州机动车管理局颁发的无人驾驶车辆测试程序制造商的测试许可。该机构负责人莱恩·兰道夫(Liane M. Randolph)表示:“我很高兴启动这些试点项目,这是加州客运系统取得的巨大进步。加州拥有多家世界一流的创新公司,我期待这些服务能够提供高水平的安全性,这是我们对乘客服务提供商的期望。” 然而,随着Uber无人驾驶汽车在亚利桑那州坦佩撞死行人,人们对无人驾驶汽车的信任可能正在下降。来自科技媒体The InformaTIon的报道显示,负责确定哪些障碍可以忽略的软件出现了故障,尽管车辆确实发现了受害者。 《洛杉矶时报》报道称,今年5月份Alphabet子公司Waymo的无人驾驶汽车也卷入交通意外中。当时一辆汽车闯红灯,并突然转向相反的方向,撞上了无人驾驶汽车,导致死机轻微受伤。该公司正在亚利桑那州凤凰城测试自己的无人驾驶服务,并在选择“早期乘客”。 至于加州,乘客应该注意些规则。首先,你必须年满18岁才能参加这个试点项目;其次,你不能免费搭乘无人驾驶汽车去机场;最后,乘客不能“分摊车费”,尽管尚不清楚如何分配免费乘车服务。 免费的无人驾驶汽车你敢坐吗?想必很多人多无人驾驶汽车还是抱着怀疑的态度,毕竟安全不能百分之百的得到保障,不过,还是期待未来无人驾驶能够真正的商用,给大众带来便利。2018年12月6日,中国IoT大会中汽车分论坛上,会有最新的无人驾驶汽车信息,感兴趣的朋友,可报名参与。

    时间:2020-07-15 关键词: 无人驾驶汽车

  • 2018年五大技术发展趋势分析

    2018年五大技术发展趋势分析

      据福消息报道,科技给我们现代生活的方方面面带来了翻天覆地的变化。在2018年,我们将看到无人驾驶汽车、人工智能(AI)医生和送货无人机。与许多人的想法相反,你不需要成为软件工程师或计算机科学家就能成为数字革命的领导者。更重要的是,以创新方式将现有企业问题与技术解决方案相匹配的能力。   这就意味着,理解驱动这些趋势的潜在力量和机制是至关重要的。下面是大数据专家伯纳德·马尔(Bernard Marr)对5大技术趋势的概述,他认为今年所有人都应该关注这些趋势,它们可能创造或颠覆更多产业。   1.数据无处不在,并以前所未见的速度增长   在生活中,我们创造了空前数量的数据,从社交媒体到我们使用Netflix、Fitbit或联网系统等服务留下的数字足迹。每秒钟有90万人点击Facebook, 45.2万人使用Twitter发文, 350万人在谷歌上进行搜索。这种情况发生得如此之快,以至于现有数据量每两年就会翻一番,而这种增长(以及它提供的机会)就是我们所说的大数据。   这些数据的绝对价值意味着某个行业以及某个充满热情、非商业驱动的社区围绕着大数据成长起来。就在几年前,只有大型企业才会有资源和专业知识来利用这种规模的数据,许多“即服务”平台已经减少了对基础设施的巨大投入。数据的爆炸性增长使得今天的许多其他趋势成为可能,而了解它们并深入洞察将会增加任何人在任何领域的前景。   2.万物智能化   以前,只有电脑才能连接互联网。随着技术进步,手机也开始联网。今天,你可以买到灯泡、电冰箱、汽车、手表、水壶、恒温器以及许多其他“智能”联网产品。在工业领域,机器越来越多地用来相互通信,而更少需要人工输入,以便更高有效地执行任务。总的来说,这一趋势被称为“物联网”,因为不再仅仅是电脑和手机能联网。   英特尔预计,到2020年,将有2000亿台设备接入互联网。这些设备产生的数据可以帮助我们更好地决定我们的生活(比如监控我们的锻炼习惯)以及商业。对于那些能够根据这些数据开发产品和服务的人来说,这里蕴含着巨大的机遇,其潜力实际上无法想象。   3.AI将主宰我们的生活   这并不是说人工智能会接管世界,但它们肯定会引起我们的注意。认知计算领域围绕着能够像人类一样“思考”的机器,尤其是在学习方面。当然,作为计算机,它们有某些优势。换句话说,只要教它们学习,它们就会以惊人的速度、以比任何人类都更精确的方式执行任务。其结果是,机器将不可避免地变得更有知识、更有能力,并且能够将解决方案(数据)与问题相匹配。   今天的人工智能系统要么是专为执行某项任务而设计的,要么是广义的(旨在适应任何任务),尽管真正的广义人工智能仍然是个遥远的目标。它们使用计算机视觉等方法使机器能够“看见”和识别物体,并相应地对其进行分类,或利用自然语言处理以类人的方式与我们交流。   和大数据一样,人工智能似乎拥有令人生畏的前景。不过,不必担心,由于开源和“即服务”选项的爆炸式增长,现在对于各种规模的组织来说,人工智能都是一个可行的前景。这个领域的技能和专业知识在2018年肯定会有很高的需求。   4.与机器交谈正在替代屏幕触控   我们与机器交互的方式已经从操作杠杆和阀门演变到控制面板、键盘和触摸屏界面。再次感谢我们拥有的数据量,我们现在正处于语音控制机器感觉自然的关键点上,并且通常能拥有最直观的选择。据预测,到2020年,半数在线搜索将通过语音进行,其中30%将使用完全没有屏幕的设备。今年,宝马将推出搭载亚马逊语音助手Alexa的新车,福特也不甘落后。   在企业中,我们会越来越习惯于使用人工智能助手来管理日常安排,并在需要的时候将信息带到我们面前。除此之外,通过使用聊天机器人和使用自然语言营销工具,我们有机会推动销售,并转向更多数据驱动的客户体验模式。   5.区块链将改变我们记录和访问某些类型数据的方式   区块链(虚拟货币比特币背后的分布式、加密和公开分类账)除了让早期的用户在虚拟货币中赚到钱以外,还带来了更多好处。专家表示,这代表着信息存储和安全的飞跃。区块链实际上只是一个数字文件,其中的信息块被链接起来,并使用私有密匙加密,确保只有拥有适当权限的用户才能编辑他们有权使用的数据部分。   由于该文件的副本存储在多个计算机系统(分布式)中,并通过网络的一致性保持同步,因此它们可能为数字世界中跟踪和分类记账事务问题提供创新的解决方案。事实上,区块链有可能改变我们的经济体系基础,尽管这可能会有些偏离。与此同时,任何能够将区块链技术与当前企业问题结合起来的人,都有可能获得备受需求的技能。   从技术创新的角度来看,2018年将是个激动人心的年份。这些技术创新将利用大数据、物联网、机器学习人工智能、语音和自然语言界面以及区块链工具来改造和改善我们所生活的世界。

    时间:2020-07-14 关键词: 无人驾驶汽车 人工智能 区块链

  • 日本在人工智能行业劣势明显,将要如何培养和利用人工智能人才

    日本在人工智能行业劣势明显,将要如何培养和利用人工智能人才

      报道称,世界范围内人工智能(AI)专家的争夺战愈演愈烈,包括无人驾驶汽车、消费者数据分析、语音识别和人脸识别系统等领域。   据报道,随着经济数字化的发展,很多商务场合需要精通人工智能的技术人员。也有调查显示,人工智能人才缺口为70万人。争夺21世纪技术霸权的中美两国企业竭尽全力争夺人才,仍实行论资排辈的日本企业可以跟上潮流吗?   报道称,今年2月在美国路易斯安那州新奥尔良举办的人工智能大会的“通用语言”似乎是中文。阿里巴巴集团和腾讯公司等中国互联网公司积极招揽人才,掌握专业知识的学生也纷纷来此寻觅可以发挥自身能力的岗位。   腾讯旗下的研究机构发布的《全球人工智能人才白皮书》指出,全世界的企业需要约100万名人工智能人才。而实际活跃的专业人才只有30万人。具有相关研究能力的教育机构全世界约有370家,每年可以培养出2万名人才。为填补严重的人才缺口,企业纷纷走出国门在全世界范围内搜寻人才。   美国谷歌公司此前在北京开设“人工智能中国中心”,该中心谋求招聘可以带来全新理念的技术人员。其目的在于在中国网罗可以引领创新的优秀学生。   报道称,中美在人工智能领域正开展激烈的争夺。中国2017年发布的国家级别的《新一代人工智能发展规划》指出,到2020年人工智能总体技术和应用与世界先进水平同步,到2030年人工智能理论、技术与应用总体达到世界领先水平。美国今年5月举行“美国产业人工智能”峰会,召集一流水平的技术人员等齐聚白宫,提出保持美国在人工智能时代的“领导地位”。   报道称,2025年,世界生成的数据量将达2016年的10倍。思考如何利用这一庞大的数据,是掌握高水平数学、统计和信息处理知识的人工智能人才的工作。   报道注意到,为争夺优秀人才,各企业私下进行高薪诱惑。据在美国硅谷提供人工智能相关服务的帕洛阿尔托公司首席执行官石角友爱介绍,被称为“数据科学家”的数据分析师的平均年收入在脸书公司是4500万日元(100日元约合5.91元人民币——本网注)。谷歌和亚马逊公司也是相同水平。据说,甚至连IBM等大公司也为确保人才煞费苦心。   日本企业的劣势非常明显。据经济产业省介绍,美国IT人才的平均年收入约为1200万日元,而日本仅为约600万日元。美国以全产业平均值2.4倍的收入水平招揽人才,而日本仅以全产业平均值1.7倍的收入水平招揽人才。而中国和印度则达到了平均水平的7至9倍。   报道称,日本企业由于保留死板的薪资体系,明显无法在以人工智能为基础的世界技术开发竞争中获胜。   报道还称,中美两国争相开创“数字世纪”。美国担心中国迎头追上,两国之间的人才争夺战可能更加激烈。在全世界争夺人工智能人才的背景下,日本应该如何培养和利用人工智能人才?这开始成为左右国家之间竞争的大课题。

    时间:2020-07-14 关键词: 人脸识别 无人驾驶汽车 语音识别 人工智能

  • 攻克技术难关!三菱机电研发出在极端天气下无人驾驶新技术

    攻克技术难关!三菱机电研发出在极端天气下无人驾驶新技术

    据三菱方面介绍,最大的不同点于其系统的“差异化提取”技术,能够自动识别与上次绘制的地图中不同的、或者说变化了的地方,进行绘制。这样一来,系统只传输和更新变化了的路况信息,而不是每次都要将海量的高精度地图数据重做,这将大大提高传统意义中高精度地图的绘制效率,同时降低资源投入和成本。 在通往自动驾驶实现的道路上,其中的障碍之一,就是极端天气,例如雪。 2015年,谷歌公开承认,尽管自动驾驶汽车武装了各式各样的高精度传感器,仍旧逃不掉变幻的天气条件下对道路的绘图和导航难题。曾经,为了攻克雨天路况,谷歌Waymo团队为摄像头传感器加装了雨刷,但全面实时地掌控路况还是很难。 日前,一家公司迈出了更远的一步。 有趣的是,方案的源头并非专注自动驾驶的技术企业,也不是车厂,而是日本老牌电器公司三菱电机(Mitsubishi Electric,ME)。 可以想象,雪天对于自动驾驶系统需要感知的路面车道线、标识等信息将带来“灾难性”的毁灭。就像给路面盖上一层白色毯子,雪会覆盖掉非常多的辅助车辆安全驾驶的信息。而三菱电机开发的技术路径,则是通过“位置信息增强”算法,用GPS数据纠正由天气情况对路面探测造成的影响。 几乎所有人都听过三菱电机的名字,在日本,自上世纪80年代起,三菱电机因其电视机和录像机产品线成为当地家喻户晓的品牌,如今这两条产品线已经停产,三菱电机的核心业务转向机器人等工业自动化产品,以及AI产业链。 时间追溯到今年3月召开的德国汉诺威国际信息及通讯技术博览会(CeBIT),三菱电机发布了基于AI的移动绘图系统(Mobile Mapping System,MMS)。据雷锋网·新智驾了解,MMS利用摄像头和其他传感器创建“高精度动态3D地图,用来提供道路和周边物体信息”。 官方介绍,这个绘图系统的传感器能够被集成到任何普通家庭乘用车车身,并创建点云图。激光在扫描障碍物的同时,系统会依托三菱的AI技术对反射得到的数据进行绘图。据悉,通过在驾驶途中使用激光雷达、摄像头和GPS传感器,系统的实时绘图精度已达到10cm甚至更高水平。三菱电机希望,这个系统未来能被应用在自动驾驶,甚至更多场景中。 通过车载传感器进行实时高精度地图数据生成,这其实并不是什么新技术了,三菱电机有什么不同呢?据雷锋网新智驾了解,利用三菱提供的算法和传感器硬件装配,MMS系统能够比以往绘图系统的地图生成速度快10倍,并且成本更低。 据三菱方面介绍,最大的不同点于其系统的“差异化提取”技术,能够自动识别与上次绘制的地图中不同的、或者说变化了的地方,进行绘制。 这样一来,系统只传输和更新变化了的路况信息,而不是每次都要将海量的高精度地图数据重做,这将大大提高传统意义中高精度地图的绘制效率,同时降低资源投入和成本。 当然,因为搭载的传感器与市面上的绘图系统并无差异,MMS系统也不可规避地面临雪天探测失灵的绘图难题。为了攻克这个技术难点,三菱开发了一种名为“厘米级增强服务”(CLAS)的定位手段,它基于日本准天顶卫星系统(QZSS)实现,而三菱电机是这个国家级项目的主要政府承包商。 CLAS补足了MMS的技术空缺。具体而言,CLAS从卫星获取数据,基于地面传感器识别车辆位置,然后再利用“位置增强”算法进行一些误差纠正。通常而言,卫星精度在10米左右,而CLAS的算法能够将这个数字进一步优化到厘米级。 近期一个关于自动驾驶的分析报告指出,自动驾驶技术具备可行性的前提是,车辆对周边环境的感知精度应保持在25cm以内。而据CLAS给出的数据,其水平精度12cm,垂直精度24cm。 所以总的来说,将MMS 3D绘图系统与更精确的位置感知相结合,一定程度上,自动驾驶系统可以不需要识别车道线来进行驾驶决策。据雷锋网了解,目前三菱已经成功利用MMS系统训练车辆在雪天绕开了圆锥路障,公司也计划在此基础上做更深度的测试研发。 CLAS的实地测试始于9月19日,官方表示,该服务将于2018年4月全面开放。尽管CLAS能够与MMS整合,有望加速日本自动驾驶汽车的技术落地。不过据了解,初期CLAS服务将主要用于为日本的驾驶员、行人和相关商业业务提供更精准的定位导航。

    时间:2020-06-12 关键词: 汽车电子 无人驾驶汽车 三菱

  • 基于区块链技术的无人驾驶汽车安全平台CUBE介绍

    基于区块链技术的无人驾驶汽车安全平台CUBE介绍

    I. 基于区块链的无人驾驶汽车安全平台。 CUBE是自动汽车的区块链安全平台。区块链的关键是分布式技术,使用技术解决信任。Cube使用区块链技术来提供无人车网络安全基础。 现在,汽车是大规模的软件并且有超过一百万行代码。汽车的众多功能都需要网络,无人车的运营离不开网络。因为无人车不得不使用网络导航路由、交通信息、车辆信息和远程ECU升级。 这意味着无人车被黑客恶意攻击的风险更大。也许从来没有人遭受过一次或两次的恶意攻击。然而,如果一辆自行驱动的汽车被入侵,这将是一个巨大的风险及生命的代价。 Cube创建了一个安全系统,保护这些无人驾驶车辆不受恶意攻击。与过去只能在被动方式去阻止黑客攻击的方法不同,我们完全使用区块链技术,然而,应用区块链技术使得黑客根本无门可入,除非你同时入侵成千上万台电脑。Cube使用区块链、人工智能和量子哈希数字加密技术。 在无人车上最容易被攻击和和容易被攻击的功能。 到目前为止,区块链不适合汽车行业的应用原因是:汽车需要同时处理更多的数据,速度要比传统的区块链数据更新迭代更快。CUBE的汽车链是解决这些存在问题的汽车的基石。 II. 汽车大数据基于区块链。 CUBE提供了一个小的设备,称为“PING”并且分发给TOKEN的持有者。PING很容易安装,只需不到1分钟,然后Token持有者就会成为数据的生产者。当Token所有者生产数据时,持有者可以获得AUTO(中文称名为 Q博智能币)代币的奖励。 由代币持有者创造的驾驶数据将被出售给各种数据收集商,如:保险公司、汽车制造商、汽车机械和政府。这些数据需求者必须通过购买 AUTO TOKEN(中文称名为 Q博智能币)才能使用和获得驾驶数据。 III. 团队 CUBE是由最顶尖的团队组成的。开发人员由斯坦福大学、麻省理工大学、卡耐基梅隆大学、加州大学洛杉矶分校和三星的新一代技术开发团队和云团队联合开发。 此外,德国汽车行业最先进技术水平的E & Co公司参与CUBE无人驾驶汽车安全平台联合开发。 四. 最新动态 据统计,现在自动驾驶汽车市场规模为1.7万亿美元,未来5年汽车安全市场规模将超过320亿美元。随着自动驾驶汽车的发展,市场将会井喷式增长。

    时间:2020-05-26 关键词: 加密技术 无人驾驶汽车 区块链

  • 借助激光雷达,苹果重返无人驾驶汽车战场?

    苹果与高通的和解可能有情非得已的苦衷,但苹果重返无人驾驶的步伐正在加快。 据三位知情人士称,为寻求无人驾驶汽车所需的下一代激光雷达,苹果已与至少四家供应商洽谈并评估了相应技术,同时苹果仍将研发自己的激光雷达。 这些举措为苹果重返无人驾驶汽车德比(derby)提供了新的证据,苹果称之为“泰坦计划”。据称,苹果正在寻找比现有技术更小型、成本更低、更易大规模生产的激光雷达。一位知情人士表示,苹果对“革命性设计”的要求很高。上述人士拒绝透露苹果所接洽的公司名称。 这也意味着,苹果将有望通过切入汽车硬件来引导自动驾驶汽车开发,将与汽车制造商和有 关投资方一同竞技,寻求获得胜算的技术。 目前的激光雷达系统,包括安装在苹果自动驾驶测试车队上的Velodyne公司的雷达,使用激光脉冲来呈现汽车周围环境的精确图像。但这套系统的成本为10万美元,并且还采用机械部件进行激光扫描。 这使得其体积太大,无法应用于大批量生产的汽车上,这也促使数十家初创公司和规模化公司投入近10亿美元研发,以使激光雷达更小巧、成本更低、性能更强大。 在苹果对下一代激光雷达示好之际,还大幅增加了道路测试项目,同时从特斯拉和谷歌挖走了诸多关键员工。 目前尚不清楚,苹果泰坦项目的目标是制造自己的汽车,还是与合作伙伴一起合作,而苹果来提供相关的硬件和软件。 但另一位知情人士表示,从苹果对更低成本下一代激光雷达的示好中可以明显看出,苹果还是意在控制自动驾驶汽车所需的传感器、计算和软件的“感知堆栈”,不论这辆汽车是谁制造已不重要。 还有两名知情人士说,除评估潜在的外部供应商外,据信苹果内部也在开发自己的激光雷达。另一位知情人士表示,通过在感知堆栈加强开发,苹果将获得极大的选择余地。 四名知情人士均表示,苹果正在寻求可能采用传统的半导体制造技术的技术,这有望在大规模量产时使价格从数千美元降至数百美元,从而类似于手机和其他设备的芯片。苹果希望激光雷达能够扫描数百米远距离。 而这一长距离要求也表明苹果显然对全自动驾驶汽车感兴趣,而不是所谓只有自适应巡航控制等有限功能的半自动驾驶汽车。据传苹果正在寻找一种“面向设计”的传感器,这种传感器将足够紧凑而无逢融入汽车的整体设计。

    时间:2019-04-18 关键词: 苹果 无人驾驶汽车 激光雷达

  • 百度在BAT竞争中被落下?李彦宏回应:我们擅长技术含量高的

    据老板联播官方微博消息,3月3日,在全国政协会议开幕前,百度董事长兼CEO李彦宏在会场被记者“堵着”了:“李总,您认为百度在BAT里占据怎么样的位置?”     李彦宏笑着回答道:“百度还是专注于我们自己擅长的技术创新,大概八九年以前,我们就开始大规模的投入人工智能技术的研发。这几年研发投入占总收入的15%左右,这应该是国内主流公司里面研发占比最高的。” 另一名记者问李彦宏:“有人说百度被落下了,您是不认同的,对吧?”李彦宏对此表示:“我们还是专注于自己最擅长的事情吧,有些机会是属于我们的,有些机会是不属于我们的。不可能每个机会都属于百度。” 记者进一步问李彦宏:“哪些机会是不属于百度的呢?”李彦宏想了想回答道:“就是技术含量没有那么高的,我们做起来就相对困难一点。技术含量比较高的,像无人驾驶汽车,像智能助力、智能音箱,这些是百度比较擅长的。” 此外,李彦宏还透露,今年将在长沙开始无人驾驶的商业化试运营,“乘客可以像打车一样,打到无人车”。

    时间:2019-03-04 关键词: 百度 李彦宏 无人驾驶汽车 智能音箱

  • 传统汽车厂商突破限制,这家巨头要用无人驾驶汽车来送餐

    通用汽车(GM)和DoorDash的组合目前对外宣布,2019年初,试验性的食品配送计划即将在旧金山启动,此次计划包括餐馆和杂货的餐食外卖配送。     作为一个拥有百年历史的汽车巨头,通用汽车一直在自动驾驶汽车领域投入巨资,以确保它不会落后于这个新时代。早在2016年,通用汽车就花了逾10亿美元收购Cruise Automation公司,Cruise Automation是一家为现有汽车开发自动驾驶系统的创企。在此期间,该公司一直致力于自动驾驶汽车的研发工作,去年还对外发布了一款没有方向盘和踏板的无人驾驶汽车,并计划在2019年的某个良好时机推出该款车型。 此外,通用汽车还对外透露,它正在致力于研发制造自动驾驶汽车的相关设备,本田最近也在通用汽车的Cruise项目上投入了20亿美元,以获得其5.7%的股份。 DoorDash是一家目前来说资金雄厚的创企,它的业务主要是串联了在餐馆、交通基础设施和消费者之间的联系,业务覆盖了美国600多个城市,2018年早些时候软银,红杉等公司向其注资了大约5.35亿美元,得益于这笔资金,DoorDash正在大力推进其相关业务。 DoorDash对自动化的食品配送领域并不陌生,去年它就推出了一项服务,该服务利用Marble自动机器人来开展配送服务。     ▲图片来源:Marble 通用汽车和DoorDash目前都没有透露改试点的全部范围或下一阶段的具体内容,但它确实表示,已经在旧金山地区使用DoorDash在“精选店铺”进行试点运行。它说,目前阶段的根本目的是“测试和改善”在该地区自动配送交付的整体效率。 DoorDash首席执行官Tony Xu表示:“随着消费者行为继续向线上转移,我们看到自动驾驶汽车在未来的配送领域发挥着十分重要的作用,我们相信Cruise的领先技术将能帮助我们扩大规模,以满足不断增长的消费者需求。” 无人驾驶汽车领域的里程碑 2018年,自动驾驶汽车领域迎来了一些具有里程碑意义的时刻:Waymo推出了其首款商用无人驾驶汽车服务,沃尔沃向外界展示了其首款商用自动驾驶卡车,还有无数公司在这个领域背后默默深耕,不断钻研基础技术,这些趋势都意味着自动驾驶汽车的发展将成为现实主流。 2019年无人驾驶汽车领域将会有更多的突破。就在几天前,Baraja刚刚宣布募集到了3200万美元,用于开发自动驾驶汽车激光雷达技术,该技术将能在无人汽车上利用更实惠的“棱镜”式光学器件,而不是旋转激光器。 虽然这是Cruise第一次公开测试其食品配送业务,但它并不是第一家推出此类服务的自动化汽车公司。前年6月,Nuro公司宣布与食品杂货巨头Kroger建立合作伙伴关系,Nuro是一家由两名前Google员工创立的自动驾驶汽车公司,他们已经推出了无人驾驶配送计划。另一家自动运输汽车创企Udelv也正在开展类似的计划。 Cruise的首席执行官Dan Ammann补充说道:“当我们准备将自动驾驶汽车技术商业化并改变运输方式时,配送就成为了Cruise的重要机遇。与DoorDash的合作也将能为我们提供非常关键的学习发展机会,共同致力于提供让人们的生活更美好、方便的技术。”

    时间:2019-01-07 关键词: 无人驾驶汽车 通用

  • 继俄罗斯、美国后,Yandex获准在以色列测试自动驾驶汽车!

    据外媒报道,俄罗斯跨国互联网巨头Yandex宣布,其已经获得以色列交通部(Israeli Ministry of Transportation)的许可,将在特拉维夫(Tel Aviv)测试其自动驾驶汽车。本月早些时候,Yandex已经在以色列推出了出租车打车平台Yango。 根据以色列安全法规的要求,在自动驾驶车辆测试过程中,需要有一名人类驾驶员坐在方向盘后面。此前,Yandex已经在俄罗斯和美国测试了其无人驾驶汽车。 据该公司声明所说,Yandex目前正在研发可将任何车辆变成自动驾驶汽车的软件和硬件。Yandex的自动驾驶汽车已经在莫斯科的街道上推出,而且在俄罗斯的两个城市中,其自动驾驶汽车没有配备后备驾驶员,就可以载客行驶。 今年10月份,Yandex还在以色列推出了自己的音乐流媒体服务Yandex Music。 Yandex公司是继英特尔(Intel)子公司Mobileye之后,第二家获得监管机构批准,准许在以色列道路上测试自动驾驶汽车的公司。今年5月份,Mobileye公司的一辆自动驾驶汽车在耶路撒冷(Jerusalem)的道路测试过程中,因闯红灯而被拍摄下来。

    时间:2018-12-27 关键词: 无人驾驶汽车 自动驾驶汽车

  • 没有任何人为干预!谷歌前工程师坐无人驾驶汽车横穿美国

    谷歌前工程师安东尼·莱万多夫斯基(Anthony Levandowski)表示,他乘坐一辆无人驾驶汽车完成了一次横穿美国的旅行。莱万多夫斯基曾在Alphabet旗下无人驾驶汽车公司Waymo担任工程师,是Waymo和打车巨头优步(Uber)之间一桩诉讼的主角,该诉讼现在已经和解。     据报道,莱万多夫斯基成立了一家新的无人驾驶初创公司Pronto.ai,并将横穿美国的旅行宣传为公司首次得的成功。 莱万多夫斯基称:“我们不是在打造告诉汽车如何驾驶的技术。相反,我们的工程师团队正在开发一种技术,可以让汽车学习如何像人类那样开车。我们的新方法已经使我们(的无人驾驶技术)取得了很大进展。我们开着一辆无人驾驶汽车从东海岸到西海岸,没有进行任何人为干预。” 莱万多夫斯基告诉《卫报》,在这全程为4987公里的旅行中,他没有碰方向盘或踏板,只是偶尔停下来休息。 莱万多夫斯基称,这项技术并非“完全自动化”。他还说:“距无人驾驶汽车独自在全国各地行驶的时代还有很长的路要走。”

    时间:2018-12-19 关键词: 谷歌 无人驾驶汽车

  • 智能传感器将改变您的驾驶方式(因为最终您将不需要驾驶)

    在日常生活中实现全自动无人驾驶汽车是件激动人心的梦想。想象一个汽车是真正自动化的世界:你只需上车,告诉车辆你去哪里,并继续你的事,而你就能从A点到达B点,无需更多的人机交互。 突然间,全国平均最长26分钟到达办公室的通勤时间 -开始消失。驾驶的焦虑和压力转化为放松和富有成效的体验。 自动驾驶汽车出现如此多的令人激动的提案和积极的监管互动并不是什么新鲜事。自动驾驶汽车将从根本上改变城市以及更多地区的全球交通网络,同时重新制定交通基础设施,车辆所有权等规则。 IHS Automotive最新预测显示,在物联网(IoT)连接、处理能力和机器视觉等必要技术发展的关键时期,到2035年全球自动驾驶汽车将有近2100万销售量。 考虑到当今的情况: · 机器通过物联网连接的能力已经成为众多行业中的游戏规则改变者,但它仍然是一项新兴技术。Gartner公司预测,到2020年全球将有204亿物联产品。 · 常规视觉备份摄像机是如今车辆的常见功能,但具有此外其他功能的摄像机则非常罕见。在可见光波长下工作的照相机不足以满足下一代汽车的需求,因为它们不能穿透或分辨混乱的环境如下雨、灰尘、雾霾和黑暗。 · 我们的道路网络普遍缺乏处理智能车辆所需的人工智能。它们需要能够理解和传达繁忙的交叉口或拥堵的高速公路的各种动态。 · 所有这些系统 - 从车辆到摄像机到交通网络 - 都缺乏强大的整合。我们所需要的是一个完整的系统解决方案,从而可以快速地合作并提供一个令人信服、价格合理、更安全和更高效的交通基础设施。 这项技术的商业前景可观。根据普华永道的研究,到2022年,自动化技术将对新车销售增量产生最大的影响 - 约为549亿美元,比2017年增长31%。 虽然像雷达探测这样的安全组件将在2022年产生582亿美元(年均增长率为27%),但其中大部分产值将被整合进标价中,并最终归入自动化套件中。与此同时,预计在五年内高级汽车将包含价值超过6,000美元的电子产品,从而在2022年推动汽车电子市场的规模达到1600亿美元。 好消息是,构筑未来的基础从技术方面已有发展。随着物联网创新的加速发展,新型传感器正在为汽车等物联机器提供一种更好的观察和解读世界的方式。 也许最重要的是,使用毫米波(mmWave)雷达技术的新型传感器可以在更大的范围内提供可视性,而不受环境条件的影响。这些集成解决方案使用短波来传输电磁信号,以确定周围环境中物体的范围、速度和角度。在TI,我们的毫米波感测器件在单个芯片上集成了76GHz至81GHz毫米波雷达与微控制器(MCU)和数字信号处理器(DSP)内核。 这些新设备的好处非常显着。由于其集成结构,与以前的产品相比,它们体积更小、功耗更低、成本更低。为了追踪、分类或满足应用的特定功能,它们结合了先进的算法来测量应用对象的范围、速度和角度。 毫米波的集成已扩展到先进的驾驶辅助系统(ADAS)解决方案中,以改变车辆的视野,以及交通系统如何感知周围的世界。最终,这种集成可以推动安全增强型应用的发展,为驾驶员、乘客和行人创造更安全的驾驶环境。 巡航控制技术现在可以增强障碍物检测功能。乘客现在可以使用手势控制来操作便捷功能,如信息娱乐系统等。并且,座椅内置的传感器现在可以通过定期检查心率和脉搏来监测驾驶员的健康状况。 这些对驾驶员和乘客来说都是直接的益处。最终,这项技术组合将赋予汽车真正成为世界自动化日常部分所需的感知能力,并能以更精确的汽车周围环境三维感知而做出更好的自动化决策。

    时间:2018-12-07 关键词: 智能传感器 无人驾驶汽车 自动驾驶汽车

  • 智能汽车还有这好处?每年节省62亿美元燃料成本

    据外媒报道,据美国史蒂文斯理工学院(Stevens Institute of Technology)的第一项评估智能技术对汽车能源影响的研究中,研究人员计算出了智能汽车技术可大概每年节约62亿美元的燃料成本。史蒂文斯理工学院助理教授Yeganeh Hayeri表示:“智能汽车驾驶可让交通更顺畅、事故更少以及路上所有车辆的空气动力学效率更低,从而可为车主们节省金钱。” 虽然多项研究都研究了具高度自动化的无人驾驶汽车对社会的影响,但是此次是首次研究已经实现较低自动化或搭载智能技术的汽车、皮卡以及SUV或未来几年内会出现的车辆,对能源造成的影响。 为了了解此类技术对燃料成本节省的影响,研究人员全面审查了能源和安全影响文献,为预测此类功能如何影响全国的燃料消耗提供精确数据。然后,研究人员利用此类数据分析了每种自动化技术可节省的成本,技术分为三类:警报系统(即车道偏离、盲点、前方碰撞、速度限制检测和交通警告);控制系统(即用于自适应巡航控制、碰撞检测制动、主动制动和协同自适应巡航控制)以及信息系统(即停车复制系统和动态线路引导)。 研究发现,低水平的自动驾驶汽车(配备了本研究中的所有技术)的驾驶员每年每辆车可减少27至119加仑的燃油消耗,相当于美国平均油耗的6%至23%,可以为每位车主节省60美元至266美元燃油成本。 据美国汽车协会(AAA)报道,预计今年感恩节约有5430万美国人计划进行公路旅行,比去年增加4.8%。Hayeri表示:“了解拥堵的时间和地点可以帮助缓解驾驶员的压力,配备了智能技术的汽车可帮助人们在路上做出更明智的选择,从而节省燃料成本。我们希望利用此类信息改善未来交通、改善环境、拯救生命并且保持空气清洁。”

    时间:2018-11-22 关键词: 无人驾驶汽车 智能汽车

  • 福特将推无人车队,价格只有现今共享出行服务的一半!

    据美国《麻省理工科技评论》(MIT Technology Review)报道,福特本周三披露更多无人驾驶汽车发展细节,包括价格和运营方式。福特表示,未来搭乘无人驾驶汽车的价格只有今天共享出行服务的一半,但前提是无人驾驶汽车需日夜不停运行,而且还要引入互动广告。     今年年底之前,谷歌兄弟公司Waymo将会提供商用无人驾驶出租车服务,2019年通用汽车也会推出类似服务。但福特声称,公司在无人驾驶领域并不比Waymo和通用汽车落后。 福特无人驾驶汽车公司(Ford Autonomous Vehicles)CEO谢里夫·马拉科比(Sherif Marakby)说:“明年,如果我们想在公路上推出100辆无人驾驶汽车,进入某些业务,我们可以做到。不过我们是一家汽车公司,当我们说自己想大规模推出某项服务时,说的是成千上万的汽车,而且还要盈利。这样的规模与大家想像的不一样。” 按照福特的理解,成功的无人驾驶服务远不止是无人驾驶汽车那么简单。它正在开发车队管理软件和调度、路线、支付系统,无人驾驶汽车既要送货,还要为乘客提供数字内容和服务。马拉科比说,最终无人驾驶汽车可能还会涉及到商务赞助、车内广告。他说:“有几家公司很有兴趣,想将自己的内容放进无人驾驶汽车,并为此付费。” 乘客可以在车内购买食品杂货,商品直接送到汽车车厢,汽车系统也可以自动停车,推荐乘客购买某家店铺的食品饮料。随着时间的推移,汽车与乘客的关系会更加亲密,它会根据了解程度修正建议。 在迈阿密,公众已经可以搭乘福特无人驾驶汽车,汽车用Argo AI技术驱动。2017年年末时,福特向Argo AI投资10亿美元,成为大股东。在迈阿密及其它地区,福特一直在测试Argo无人驾驶汽车,用汽车送货,总计已经递送1000多个Domino披萨包裹和Postmates(快递公司)包裹,不过汽车行驶时后面坐有安全驾驶员。本周,福特又与沃尔玛合作,内容相似。按照福特的预计,2026年之前,无人驾驶汽车市场的规模将会超过3300亿美元。 福特还展示了智能手机App,与Uber有点相似,乘客可以用App召唤无人驾驶福特Fusion汽车,上面坐有安全驾驶员。记者们坐上汽车,穿过迈阿密市区。 《麻省理工科技评论》记者也体验了无人驾驶汽车,共三次行程,总计路程约为4英里。记者认为,汽车总体来说很安全,能避开路上许多行人、汽车和卡车。不过出现停车标志和人行横道时,汽车还是显得力不从心,无人驾驶汽车也无法倒车,不能正确识别道路标志和转向信号。 当福特推出无人驾驶车队时,它们是全新的无人驾驶汽车,只支持无人驾驶功能,新车正在开发,它不是根据目前汽车改装的。无人驾驶汽车可以根据需要调配,比如送客、送货、送食品,没有方向盘、油门或者刹车。 Argo CEO布莱恩·舍尔斯基(Bryan Salesky)曾说,汽车引入激光雷达、雷达和摄像头传感器,在福特2021年推出服务之前就会准备好。 除了销售汽车,福特已经开始向其它领域扩张。例如,2016年福特收购微运输公司Chariot,用货车为企业、地方政府提供最初一公里和最后一公里运输服务。不久前福特还收购Spin,这家公司提供无桩电动摩托车,已经进入美国许多城市和大学。8月份,福特在密歇根推出GoRide服务,这是一项健康交通运输服务。 福特高管说,三项服务收集大量客户行为和预期数据,未来可以用来优化无人驾驶服务。

    时间:2018-11-16 关键词: 无人驾驶汽车 无人车 福特

首页  上一页  1 2 3 4 5 6 下一页 尾页
发布文章

技术子站

更多

项目外包