|
|
yunshida
| 来自北京
激光雷达在不同的光线下的使用
人工智能自动驾驶汽车最著名的感知系统之一，实际上是一项可以追溯到20世纪60年代的老技术。激光雷达是激光探测和测距的缩写，是在激光发明后不久发展起来的。它的第一台用途实际上是在气象学上，目的是为了解决“湿度的问题”其基本原理非常简单:该仪器向物体或表面发射快速光脉冲，有的达到每秒100万次甚至更多。仪器上的传感器测量每个脉冲反弹所需的时间，也就是距离。更复杂的系统可以使用这些数据在过程中创建周围环境的3D地图。
2016年，我们遇到了首批为人工智能自动驾驶汽车开发激光雷达系统的公司，其中包括一家有35年历史的公司，名为Velodyne。第二年，又出现9家初创公司，他们都在开发用于自动驾驶车辆的激光雷达系统。从那以后，出现了更多的新技术，有望替代旧的技术。
2018 年 10 月 26 日 到 10 月 27 日，由苏州高铁新城管理委员会主办，雷锋网&新智驾、数域承办、上海交通工程学会协办的全球智能驾驶峰会将在苏州相城举行。围绕当下智能驾驶的热点话题——如何打造智能汽车、智能驾驶关键技术应用以及智能驾驶核心传感器应用等，超过 30 位智能驾驶领域的学术大师、技术专家、企业代表等将分享自个的观点，探寻智能驾驶产业的未来与可能性。
奥迪全球的自动驾驶研发自2009年便已开始，从盐湖城画出四环到派克峰爬山赛，从霍根海姆赛道的赛车自动驾驶到旧金山到拉斯维加斯的高速自动驾驶。自动驾驶技术在奥迪不断演进，不断走向量产。所以在所有内容开始的之前，我想强调一下文章的范畴覆盖：我们想讨论的是自动驾驶的量产技术。因为在研发概念期间 ，很多前沿科技都是可以试验的。而推向客户的量产汽车，对技术成熟度的要求就是另一标准了从交通和复杂的地理纬度来考虑问题更合适，我们需要给自动驾驶系统予以一定的限制，才能有除了测试场之外一台相对明确的目标。这个明确的目标可以指引这个公司在一台方向上去迭代自身的系统，把相关的内容做细，而不是追求一台很全的很的系统。目前能够发挥现有系统的技术能力和效用的是在限定场景下实现的。
其中之一是2016年成立的硅谷初创公司Aeva。去年10月，该公司获得了4,500万美元的A轮投资，其中包括一家知名风险投资公司Lux Capital。总融资金额高达4850万美元。在两位前苹果工程师的带领下，Aeva的激光雷达系统做了一件大多数人都做不到的事情:它不仅记录了物体到目标的距离，还记录了该物体移动的速度，判断该物体是一台孩子或来袭的导弹，这一点尤为重要。
该系统实际上只发射一束稳定的光束，而不是数以百万计的光脉冲，这有助于跟踪移动的物体。据VentureBeat报道，这种传感器不仅能提供更大的范围和更好的分辨率，而且受到天气或其他激光传感器的干扰很小。
总部位于悉尼的Baraja也对激光雷达进行了新的研究。该公司本月筹资3,200万美元，筹资总额达到3,360万美元，红杉中国(Sequoia China)是最新一轮融资的牵头公司之一。Baraja称其新技术为光谱扫描激光雷达，使用“简单的高中物理”，利用光和棱镜之间的相互作用
该仪器利用了智能手机摄像头中使用的光学级硅玻璃等现成组件，该公司表示，这将有助于整合和扩大光谱扫描激光雷达。
基于激光雷达的感知系统
激光雷达广泛应用的关键之一是提供一种固定仪器，而不需要传统机电系统中非常昂贵的移动部件，后者的成本可能高达7.5万美元。如果要真正实现的自动驾驶汽车，激光雷达是不可或缺的。
总部位于旧金山附近的AEye是一家有六年历史的初创公司，已经筹集了大约5900万美元，包括11月份的4000万美元B轮。投资者包括英特尔、空中客车和风险投资公司凯鹏华盈，所有这些公司都在2017年6月参与了价值1600万美元的A轮。这位CEO是美国宇航局前工程师，他职业生涯的大部分时间都在洛克希德马丁公司为战斗机设计监视、侦察和防御系统。
AEye，顾名思义，已经开发了一种名为iDAR(“i”代表智能)的自动驾驶汽车计算机视觉系统，该系统使用固态激光雷达包和高分辨率、低光相机相结合。相机像素和激光雷达体素的实时集成，该公司称之为动态vixels，意味着数据在传感器层面处理得更快。目前的技术路线之争，主要是基于激光雷达的自动驾驶系统和基于摄像头的自动驾驶系统，一条较高硬件成本和一条较低硬件成本在实践中不断的竞争和比较，这对于芯片、算法和系统的整合和测试能力要求比较高。
激光雷达：基于激光，在纵向与横向分辨率均较高，擅于区分物体（区分宽度和高度）摄像头 ：利用摄像头创建车辆周边环境的图像，之后利用高级算法对环境和潜在障碍物做出解析。能够辨识环境并对物体做出分类，能计算物体的尺寸。
更好的感知横穿马路的人或物体
我们下一台初创企业项目将不再局限于硬件方面。从哈佛孵化出来的Perceptive Automata成立于2015年，位于波士顿郊外。该公司已通过四轮公开融资获得2000万美元，其中包括201810月的1600万美元a系融资，其中包括丰田(Toyota)和现代(Hyundai)。Perceptive Automata明白，人工智能自动驾驶汽车普及的最大障碍是人类。丰田AI Ventures的吉姆·阿德勒解释说：
Perceptive Automata使用行为科学技术来描述人类驾驶者理解其他人类心理状态的方式，然后训练深入学习模型以获得这种人类能力。
因此，Perceptive Automata公司正在开发传感器背后的算法。换句话说，这家初创公司的平台可以凭直觉知道，在一台正在看手机横穿马路的青少年没有看到对面驶来的汽车的时候，这个系统可以正确地预测，然后控制汽车在没撞到这个青年之前停下来。
感知系统与传感器融合
总部位于特拉维夫的VayaVision也在人工智能自动驾驶汽车感知系统的软件领域探索。这家以色列公司成立于2016年，去年10月筹集了800万美元的种子期融资，三菱是其原始数据融合感知系统的早期投资者之一。这听起来有点像AEye，它的软件包(目前称为VayaDrive 2.0)融合了来自激光雷达、相机甚至雷达的原始数据，利用计算机视觉和其他计算工具，围绕自动驾驶汽车创建一台精确的3D模型。
如何做到这一点？VayaDrive从像激光雷达这样的距离传感器获取数据，并将信息分配给高分辨率相机的每个像素这使得自主车辆能够接收有关物体大小和形状的关键信息，因此它们可以被识别为车辆、人或来袭导弹。
热成像仪用于感知系统
另一家以色列公司又把我们带回硬件方面。2015年成立的AdaSky去年11月从一家专门从事汽车零部件的韩国公司获得了2000万美元。正如你可能对高度军事化的初创国家所期待的那样，AdaSky的高分辨率热成像仪利用了军事技术。该平台被称为Viper，通过物体辐射的热能和它们的体温来收集远红外线信号。计算机视觉算法对信号进行处理，提供准确的目标检测和场景分析。
热像仪比其他类型的传感器有优势，不仅比激光雷达和雷达的分辨率更高，而且在恶劣的天气条件下性能更好。
谷歌旗下的 Waymo 正式拿到美国首个商业自动驾驶打车服务执照，20181月，亚利桑那交通部正式批准 Waymo 的交通网络公司地位。拿到执照后，Waymo 的自动驾驶版克莱斯勒 Pacifica 就展开商业的用车服务，能在亚利桑那接送乘客了，用户可通过手机应用或网站叫车。在自动驾驶的领域里面，可以分区域去对比技术和实施者联盟。在整个阵营里面，美国这边的思路总体是直接采用全栈的自动驾驶技术，把车辆集成之后通过打车服务推向市场。欧洲总体是偏向于演进的技术，日韩处在跟随期；中国这里是几个具体往前推，在硅谷为支撑点也是往前进行。基于出发点不同，自动驾驶落地的时间和应用的节奏也会出现大的差异。目前来看，以美国技术公司主导的技术方向会操作更快一些。在未来的技术分工中包含：
Layer 5: 内容和服务提供商Content & Services Provider
Layer 4: 移动服务提供商 Mobility Provider
Layer 3: 车队运营者 Fleet Operator
Layer 2: 整车企业Automotive OEM
Layer 1: 自动驾驶系统提供商 Self-Driving System Provider
整车企业做自动驾驶，开发高阶的自动驾驶的软件和相关联的联盟，最终的目的是要能够成里自个的子公司，进入第一层核心层自动驾驶系统提供商，然后根据自身的影响力去整合车辆制造，往后端的车队运营和移动服务的提供商开始渗透。
而高科技公司，如Waymo，则尝试从第一层开始往上走，与美国汽车经销商AutoNation达成了协议，由他们来管理和维护自个的自动驾驶车队。把位于凤凰城克莱斯勒的Pacifica自动驾驶车队外包给了安飞士巴吉进行维护，提供车队提供常规换油、存放以及清洁等服务。车辆制造，则是从FCA和捷豹路虎购买车辆进行改装。
不同的商业部署模式对公司的建立自动驾驶的相关内容也完全不同，如下图所示在2018~2019部署相关的自动驾驶服务，哪怕是小范围的都需要集中在驾驶里程和城市环境&驾驶工况上做很多的积累。这也是Waymo和GM在自动驾驶里程和测试车队上面比较领先的原因。通过这个阶段的优化，在2018开始两家都会在一定范围内展开商业运营。从这个层面来看，需要有政府的运营许可，开了这个头以后，接下来的路径会相对更为清晰。这方面Waymo跑得更快： Waymo与初创保险公司Trov建立合作，为自动驾驶保驾护航；Trov将为使用Waymo无人驾驶服务的乘客提供各项商业保险，包括财务损失险、行程延误险、医疗费用报销等项目。
中国的特殊情况，包括大量的老龄和无驾照人口，为通过自动驾驶满足私享出行创造出强劲的需求。政府也有动力推广自动驾驶汽车，考虑到这将带来显而易见的好处，如缓解城市交通拥堵以及减少污染。自动驾驶出租车运营成本或将远低于当前的按需出行服务，而到2030年中国的自动驾驶出租车总收入或达到当前的新车销售水平。中国的道路安全现状远不如发达国家。政府将智能网联汽车视作提升道路安全的一台重要途径。中国的驾照普及率在主要国家中最低。人口的迅速老化和老年抚养比的上升催生了对私享出行的需求，而专职司机供应将受到限制。
未来10余年的时间里自动驾驶技术将为大众市场所接受。到 2030 年，自动驾驶各生态系统将实现 1.3-2.8 万亿美元的总收入。中国在自动驾驶出租车市场和自动驾驶相关收入中分别占 35%和 25%的份额，多重因素的共同作用将令自动驾驶在中国市场的吸引力提升，同时也将提高中国在自动驾驶竞赛中的竞争力。这些因素包括：
1）中国人口日趋老龄化且无驾照人口占比高；
2）道路交通事故率高；
3）超大型城市存在拥堵和污染问题；
4）中国政府有较为积极的战略；
5）监管环境宽松；
6）公众乐于接受新技术；
7）通信基础设施优良；
8）相关企业反应快，资本市场看重创新
从车辆来看，未来随着电动汽车的综合成本摊销，在每公里的运行中，其成本节约或是很明显的。而自动驾驶系统则取代了司机的人力成本，未来自动驾驶移动出行服务能够达到耕低的成本。按照信息整合模式的自动驾驶出租车将提供一种更经济和体验更好的出行服务。
从技术层面来看，不同的整合者的竞争将在工程设计、测试验证和软硬件设计层面展开。不同层级的公司，都在向投资者和公众阐明未来的技术进展的预期。说实话，随着Waymo进入中国，中国车企也和其他汽车企业一样宣布202X年能达到L3或者L4没有太大的意义，需要根据国内的实际的情况来调整技术储备和运营实践结合的路子。确定谁是开发主体，构建核心的软件和系统整合能力，尽量把国内可以用上的技术培养起来。这块的国外技术，很难买回来。结论正如我们在这里可以看到的那样，制造能像人类一样看到世界的机器绝非易事。解决方案不仅必须是安全的，而且必须是可扩展和负担得起的。这些用于人工智能自动驾驶汽车的新感知系统有望实现这一切，甚至更多。一些人可能会陷入死胡同，但另一些人肯定会成为未来的一部分。 |
|
| 来自北京
| 来自山东
| 来自黑龙江
| 未知
用Deepseek满血版问问看
