利用先进传感融合与精确算法,惠尔智能是如何“大闹”自动驾驶领域的?

2020-05-14来源: EEWORLD关键字:惠尔智能  自动驾驶  Ouster

 5 月 14 日讯,利用先进的传感融合技术与精确算法,惠尔智能将高冗余低成本的自动驾驶技术带入人们的日常生活中。

 

在自动驾驶技术方面,惠尔智能通过顶层设计研发通用 L4 级别自动驾驶套件,并针对不同场景、如自动驾驶巴士、自动驾驶物流配送车、自动驾驶扫地车等做降维应用。

 

自动驾驶巴士主要应用于接驳摆渡服务,如机场、旅游景区、度假园区等。自动驾驶物流配送车可以在城市特定规划环境下,园区、厂区、别墅区、度假村、城郊新城等简单道路的场景中实现稳定的 L4 自动驾驶能力。自动驾驶扫地车则适用于交通枢纽、步行街、园区、景区等封闭 / 半封闭场景,同时也能满足城市道路这类开放式场景需求。正常行驶速度不超过 20km/h,清扫宽度为 2.5 米,平均每小时能够清扫两万平方米的道路面积。


对于这三种自动驾驶车辆而言,由于经常在户外作业,因此所配置激光雷达能克服天气、湿度、光照等问题,才能保证其安全、高效的服务。Ouster 的专利技术确保在潮湿天气,激光不会被环境吸收;在黄昏、阴天等环境,提高环境图像信噪比。惠尔智能相信 Ouster 激光雷达的特性能协助自动驾驶车辆安全稳定地完成目标任务。

 

 

另一方面,惠尔智能利用人工智能图像点云融合算法,研发出智能隧道监督系统、智能交通信号灯等项目。智能隧道监督系统可对隧道内目标车辆进行识别与追踪,更可对车流量、平均速度进行实时监测,具备超视距提示等功能;智能交通信号灯可适应不同光照条件,在小角度、部分遮挡的情况下仍可对目标进行准确监测与跟踪。智慧交通解决方案为城市交通增添智能化的服务,从而拓展了城市交通功能的维度。

 

先进的前融合传感方案:

惠尔智能在一开始就认识到,多传感器融合方案是实现自动驾驶技术安全落地的最好的感知方案,但其中,多种或多个传感器间的联系与构建是错综复杂的。例如,如何调试激光雷达与 IMU 的空间关系,才能使点云在感知结果输出时,空间转换所需的计算量最小?激光雷达与摄像头的数量要多少才能保证足够的冗余度?而这些错综复杂的传感器构建关系问题,惠尔智能都给出了完美的解决方案。


不仅于此,惠尔智能研发的专利前融合盒子,准确的控制了摄像头与激光雷达的单独时间触发,并且解决了所有传感器的大通量数据传输,传感器供电管理等实际工程问题,方便自动驾驶车辆上路时有最优化的线束及电源管理。配置 Ouster 激光雷达与独特设计的车顶感知硬件平台,确保了中高速行驶时,由于机械振动等产生的不必要影响。

 

精准的视觉感知算法:

基于深度学习的视觉和三维图像处理是惠尔智能的核心人工智能算法。深度学习技术框架下的机器视觉相较于传统方法,在准确度方面有着明显的提升,可以为自动驾驶车辆有效的提供更真实更全面的外部信息,提高自动驾驶的安全性与可靠性。


目前,惠尔智能的这套视觉感知算法技术能够很好的帮助自动驾驶车辆对车道线进行识别,交通灯及标志识别,车辆及行人识别以及路面可行区域的分割与三维环境的感知。


在未来,惠尔智能将马力全开,在自动驾驶领域锐意先行。用技术与产品助力 L4 级别自动驾驶实现商业化落地,为车厂、高校等合作伙伴提供先进及经济的服务支持。

 

借力 Ouster,优化前融合方案


惠尔智能的传感器集成设计配备了激光雷达、视觉摄像头、超声波传感器、毫米波雷达、IMU & GPS,多传感器构成冗余结构,实现了 360 度无死角感知,大幅度提高感知能力和安全性,便于满足各种场景需求。其中,激光雷达作为自动驾驶实现中最重要、必不可少的传感器之一,其重要性不言而喻,比如障碍物检测、道路边缘检测、地图构建等都离不开它。

 

在激光雷达的选择上,惠尔智能在测试了多家知名品牌雷达后最终决定了选用 Ouster。对比其他激光雷达,Ouster 有明显的性价比优势。首先,其能够完美的集成到芯片上、更容易实现量产,从而形成的激光雷达系统更稳定、成本更低。另一方面,Ouster 重视产品的升级与更新,性能的不断优化使得用户得到更高的分辨率、更远的探测距离以及更高的精度带来的精确计算结果。这种性能和成本的兼得,有利于自动驾驶整体方案成本降低,方便企业和科研院校大量部署,验证。

 

惠尔智能选用了 Ouster 的 OS1 中距激光雷达,120 m 探测距离,45°垂直视场角,体积小、重量轻,在不到 400 克的重量内,可实现从 16 线到 128 线的分辨率,适用于自动驾驶、工业自动化、无人机、高精地图、安防等场景。惠尔智能的工程师表示,128 线雷达提供了超高分辨率的同时,时间同步上采用主流的 IEEE 1588 PTP 时间同步,可以方便和其他支持此协议的设备,如工业摄像头或红外摄影机进行时间同步和曝光控制。方便 360 度 FOV 的雷达准确和环视摄像头做融合,在同步方面多次转换。


关键字:惠尔智能  自动驾驶  Ouster 编辑:鲁迪 引用地址:http://news.eeworld.com.cn/qcdz/ic497114.html 本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:毫米波雷达:自动驾驶三件套的真“C位”?
下一篇:荷兰研发能够发光的硅合金 将芯片内/芯片间的通信速度提高1000倍

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

惠尔智能如何利用传感融合与精确算法融入自动驾驶领域?
,平均每小时能够清扫两万平方米的道路面积。对于这三种自动驾驶车辆而言,由于经常在户外作业,因此所配置激光雷达能克服天气、湿度、光照等问题,才能保证其安全、高效的服务。Ouster 的专利技术确保在潮湿天气,激光不会被环境吸收;在黄昏、阴天等环境,提高环境图像信噪比。惠尔智能相信 Ouster 激光雷达的特性能协助自动驾驶车辆安全稳定地完成目标任务。  另一方面,惠尔智能利用人工智能图像点云融合算法,研发出智能隧道监督系统、智能交通信号灯等项目。智能隧道监督系统可对隧道内目标车辆进行识别与追踪,更可对车流量、平均速度进行实时监测,具备超视距提示等功能;智能交通信号灯可适应不同光照条件,在小角度、部分遮挡
发表于 2020-05-14
惠尔智能如何利用传感融合与精确算法融入自动驾驶领域?
地平线蝉联最佳汽车解决方案奖,车规级征程2获专业认可
边缘人工智能与视觉联盟 (Edge AI and Vision Alliance) 公布了 2020 年度最佳视觉产品奖,地平线征程 2 车规级 AI 芯片荣膺“最佳汽车解决方案”。这是继地平线 Matrix 自动驾驶计算平台于 2019 年斩获该奖项之后,地平线再次获得该国际行业联盟的专业认可。 地平线征程 2 车规级 AI 芯片荣膺“最佳汽车解决方案” 边缘人工智能与视觉联盟,前身为嵌入式视觉联盟 (Embedded Vision Alliance),成立于 2011 年,是由 100 多家领先公司组成的国际性行业联盟,致力于计算机视觉和边缘 AI 技术的创新和落地应用。同“最佳汽车解决方案
发表于 2020-06-06
地平线蝉联最佳汽车解决方案奖,车规级征程2获专业认可
Tesla辅助驾驶误判肇事 自动驾驶或还不具备自主性
特斯拉自动驾驶用于市区道路和高速公路的体验。根据调查结果,有13%的车主说自动驾驶使他们处于危险之中,包括前方道路有障碍物,但未能有停车和转向动作判断;而有28%的车主说自动驾驶让他们摆脱了危险情况。特斯拉也针对报告表示,道路上的车辆事故率会随每季有所不同,也会受到路况、环境,或天气因素的影响,尤其在多变且恶劣的天气之下,但特斯拉声称他们在电动车的安全系数仍然很高,比平均标准车辆安全六倍以上,驾驶在没有自动驾驶系统或主动安全功能的车辆仍然比平均标准安全三到四倍。光电协进会产业分析师林政贤表示,先进驾驶辅助系统(ADAS)可以大幅地提高驾驶安全。但目前自动驾驶和完全自动驾驶功能是需要驾驶完全专注的状态使用,驾驶的手必须在方向盘上,随时
发表于 2020-06-06
IIHS研究表明:自动驾驶只能阻止三分之一的车祸
据美国公路安全保险协会(以下简称IIHS)的研究显示,美国约94%的车祸是人为失误造成的,但由电脑控制的自动驾驶汽车只能阻止约三分之一的车祸。这也就意味着,虽然自动驾驶汽车技术在减少撞车事故方面有很大的希望,但它可能无法预防所有由人为失误造成的事故。 据了解,IIHS研究了5000多起由美国国家公路交通安全管理局收集的详细原因的交通事故,将那些由“感知”错误引起的交通事故(如驾驶员注意力分散、能见度受损或未及时发现危险)区分开来,并将由人类“丧失能力”引起的车祸进行了分类,包括因酒精或药物受损的司机、睡着的司机或有医疗问题的司机。研究发现,自动驾驶汽车可以预防这些情况。但是,自动驾驶汽车可能无法防止其余的错误,包括预测
发表于 2020-06-06
IIHS研究表明:自动驾驶只能阻止三分之一的车祸
自动驾驶汽车大规模落地所面临的挑战
作者:Amnon Shashua教授 ,英特尔公司高级副总裁、英特尔子公司Mobileye总裁兼首席执行官在今年1月的国际消费电子展(CES)上,Mobileye公布了一段未经剪辑的时长为25分钟的路测视频,展示了Mobileye自动驾驶汽车在耶路撒冷喧嚣街道上行驶的情景。我们发布这段视频的首要目的是提高自动驾驶的透明度,即便我们也想展示Mobileye的非凡技术,但比这更重要的是,我们想向世人展示自动驾驶汽车是如何运行的,因为只有这样,自动驾驶汽车才能赢得社会的信任。为了进一步加深大家的理解,我想要再公布一段40分钟的视频,这段新的视频同样未经剪辑,记录了Mobileye的自动驾驶汽车在耶路撒冷街道上连续行驶160英里期间的情景
发表于 2020-06-06
自动驾驶汽车大规模落地所面临的挑战
自动驾驶汽车大规模落地需要克服以下挑战
在今年1月的国际消费电子展(CES)上,Mobileye公布了一段未经剪辑的时长为25分钟的路测视频,展示了Mobileye自动驾驶汽车在耶路撒冷喧嚣街道上行驶的情景。我们发布这段视频的首要目的是提高自动驾驶的透明度,即便我们也想展示Mobileye的非凡技术,但比这更重要的是,我们想向世人展示自动驾驶汽车是如何运行的,因为只有这样,自动驾驶汽车才能赢得社会的信任。 为了进一步加深大家的理解,我想要再公布一段40分钟的视频,这段新的视频同样未经剪辑,记录了Mobileye的自动驾驶汽车在耶路撒冷街道上连续行驶160英里期间的情景。我们选择通过一架无人机来跟踪拍摄这段驾驶,以便大家对驾驶环境有更形象的认知,进而更好地理
发表于 2020-06-05
自动驾驶汽车大规模落地需要克服以下挑战
换一换 更多 相关热搜器件
电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2020 EEWORLD.com.cn, Inc. All rights reserved