自动驾驶架构在不断演化下提出算法新需求

特斯拉是业内最先推出辅助驾驶系统 autopilot的汽车厂商。2014年,特斯拉带来了autopilot,发布hardware1.0(wh1.0),发展至今八年,wh1.0迭代至wh3.0,最终走向fsd。在硬件上,wh1.0基于mobileye的eyeq3 计算平台,传感器包括1个前置摄像头、1个前置毫米波雷达(探测距离 160米)、12 个超声波传感器(探测距离5米),到现在,新一代特斯拉摄像头也升级到了8个,并且能实现360°环绕监测周边环境,毫米波雷达和超声波雷达的探测距离也随之增加。
此外,从造车新势力的汽车迭代情况来看,包括蔚来汽车的es8到es7,小鹏汽车的g3到g9,从第一代产品到现在,每一次迭代几乎都会升级智能驾驶系统。随着汽车智能化的发展,可以很明显看到自动驾驶的发展趋势:汽车上的传感器数量不断增加,配置了环视相机和雷达,多种传感器在智能汽车的自动驾驶功能上形成优势互补。
但是,是不是传感器越多,智能汽车的智能化程度就越高呢?答案是否定的,在一定程度上,两者并不是正比关系。
如何让智能汽车更智能,更重要的还是算法与软件的结合,让算法充分挖掘硬件潜力,更好地融合摄像头、激光雷达等多源数据,从而取得更好的识别效果。
目前,相机 3d感知算法可分为image-view和bev两种。其中,bev环视感知方案被认为是开启智能驾驶感知新时代的一种方案。当下,国内外研究机构、特斯拉、造车新势力等车企以及地平线等芯片企业都在推动bev方案的落地。
清华大学电子工程系副教授、曾任商汤科技高管代季峰曾在公开演讲时提到,image-view方案融合不同网络输出结果,需要人力基于大量的规则和先验,本质上是一个software 1.0方案,并不是靠数据驱动,而是靠人设计。而bev环视感知方案属于software2.0,它是由网络和数据来驱动的,也就是能通过数据自动学习,此外算法的上限也相对较高,也就更加适合现阶段的自动驾驶架构。
需要注意的是,自动驾驶架构在不断演化下提出算法新需求,而bev环视感知算法作为新一代的自动驾驶感知算法也对自动驾驶芯片提出了新的要求。在现阶段,部分芯片还不能够很好地处理bev环视感知算法。不过,代季峰认为这是芯片公司的机会,在技术成熟的过程中,自动驾驶芯片公司在面对挑战的同时也迎来了机遇,芯片公司可以设计下一代芯片满足最新的算法需求。“自动驾驶芯片可以认为是领域通用的计算芯片,这也意味着,对于这一类芯片需要技术人员认真分析未来算法趋势,为芯片流片做好设计。”
可以肯定的是,bev环视感知算法能够更好地融合多传感器的特征,可以提高物体感知的准确率,在一定程度上可以提升自动驾驶技术。在芯片端,未来也将与新一代算法相互促进、迭代。


关于特斯拉的那些事这可能是离真相最近的一篇吧
微软暂缓LinkedIn上云项目,转向自建数据中心投资
极海APM32A407车规级MCU倒车雷达记录仪应用方案
CANopen协议在智嵌物联ZQWL采集控制终端产品中的应用
西班牙电信发布网络AI架构与Fast OSS架构,建立自身的AI用例开发
自动驾驶架构在不断演化下提出算法新需求
基于机器学习的城市电梯困人故障原因预测方法研究
HRB W2~20W系列模块电源的详细介绍
Cal Sensors发行新型铅盐类红外探测器SCD-13HV
如何利用政务机器人打造智慧政务典范
5G智慧医疗未来的发展会是怎样的
制造行业应该怎样从生成式AI这项新兴技术中获益呢?
工业相机编程模型和流程及SDK接口使用
在STM32平台上实现基于汽车音频总线的解决方案
区域水稻田土壤-作物系统重金属污染高光谱遥感定量估测
中频炉有源滤波器怎么选择
硅基量子点激光器与硅波导单片集成进展
全球芯片供不应求问题或将延续到2022年
AR医疗示教转播如何促进医疗培训效益最大化?
还在挤地铁?世界首条新能源空铁在成都开跑