視頻地址:http://www.auto-mooc.com/wechat/v2/mooc/detail?mooc_id=74E4B704ED7B3115168757EE42C2819B
Levels of Autonomy
- L0:完全人工
- L1:部分需要人介入
- L2:不知道什麼時候會失效,司機需要一直監控
- L3:不需要100%監控,知道什麼地方能開什麼地方不能開,並提前向司機發出請求,司機需要隨時做好請求
- L4:無人駕駛,不需要人的介入,會根據當時的天氣,對你說NO
- L5:任何地方都能去,都會打YES
Full Autonomy Revolutionizes Mobility
- 安全性(Safe)
- 資源使用效率提高(Efficient):如共享汽車
- 經濟性(Economical):減少僱傭司機費用
- 提高生產效率(Productive):人花在車的花時間變少、不能開車的人也能使用車
Challenges of Self-Driving in China
1. 技術上的挑戰
- 交通更有擁堵,行人單車多
- 違反交通規則的情況多
- 道路上有其他使用者,需要和其他駕駛者溝通
2. 成本
- 中國的出租車司機成本更低——導致技術要更好且價格要更便宜
3.法律法規
- 很少城市允許自動駕駛測試,獲取自動測試牌照過程繁瑣,只能在有限的道路上測試
How do Autonomous Cars Work?
Sensing——傳感器
Perception——感知
Localization——定位
Planning——規劃
High-Definite(HD) Maps——高精度地圖
Control——控制
決定價格的主要是傳感器
不同傳感器比較——攝像頭、激光雷達(Lidar)、毫米波雷達(Radar)
綠色是最好,叉是最差
沒有一種傳感器能夠勝任所有場景,因此需要傳感器融合
兩種傳感器融合
- 後融合(Post-Fusion)
- 前融合( Pre-Fusion ):融合了不相關的信息後,維度變高,識別準確率更高
難點:傳感器時間和空間的同步性
RoadStar的數據標註工具
High-Definite(HD) Maps
Localization
規劃
Control
問答
傳感器的發展趨勢:越來越便宜,性能越來越好
所用的SLAM技術: DeepFusion SLAM
夜視紅外技術:價格仍較高
卡車無人駕駛:場景更簡單(大多數在高速公路),且市場份額較大(排第二)
高精度地圖優勢:採集多輛汽車的信息取平均值,充分利用信息,對於一個新的道路,只需幾輛車去過那,就可以變爲老司機
目前傳感器同步做到的級別:毫秒級的空間同步和納秒級的空間同步