俄罗斯版本的自动驾驶,Yandex自动驾驶出租车直接雪地测试

发布者:WhisperingLight最新更新时间:2017-11-29 来源: eefocus关键字:Yandex  自动驾驶  测试 手机看文章 扫描二维码
随时随地手机看文章

百度与Google这两在搜索公司都在开发自动驾驶技术,俄罗斯的搜索巨头Yandex也不例外。Yandex 于上周末近日公布了一段视频 ,其中显示其自动驾驶出租车已经开始首次在雪地进行测试。据称,它所用的普锐斯车型在测试期间已经运行了300公里。

 

据称,Yandex的测试运行良好,现在还没有意外,其计算机视觉系统经过调整,可以在降雪和路面标识被覆盖时正常工作,驾驶系统也能应对湿滑的路面,使用适当的速度来行驶。今年的整个冬季他们都将继续进行测试,以确保自动驾驶技术在这种情况下是可靠的。

 

 

要承担改变交通的重任,自动驾驶车辆的系统不能只可以应对完美的路况,而是要像人类驾驶员一样,能够适应下雨、下雪这样的复杂场景。

 

 

在天气方面,雪天一直被认为特别具有挑战性,因为它会掩盖道路标记,混淆导航系统,同时湿滑的路面也给驾驶增加了难度。冬季会影响人类的行车视野以对道路的反应模式,自动驾驶系统也是如此。所以雪天的测试也是重要的步骤。

 

 

Googe旗下的Waymo也于今年10月底开始在美国密歇根州对其自动驾驶进行更大范围的测试,主要目标就是冬季的雪天和结冰环境。

 

不过除了雪天,Yandex还有更多场景需要测试,比如它尚未在公共道路上测试自动驾驶车,可能还需要学习与人类驾驶员的交互,这次的雪地测试也是在公司的封闭场地进行的。而Google已经于近日宣布,完成了400万英里的公共路段测试。

 

Yandex表示,它希望明年开始进行公路测试,不过前提是解决当地政府的监管问题。俄罗斯目前仍禁止在公共道路上测试自动驾驶车。

 

Yandex在今年5月才正式推出了自动驾驶项目,其原型车Yandex.Taxi使用了一些定制硬件,加上一些现有的组件来制作原型车,它使用了英伟达的 GTX GPU,Velodyne激光雷达。软件方面完全由Yandex自行开发,与Google、百度一样,其在图像等人工智能领域都有较强的技术积累。

 

 

Yandex正在进行具有计算机识别和机器学习功能的导航、定位系统的开发,包括Yandex.Navigator和Yandex.Maps。据媒体了解,Yandex 还将与英伟达进行合作,对前者的自动驾驶原型车进行一次升级。

 

相比起Google,Yandex在部署自动驾驶车辆上也具备更多的优势,因为它有自己的共享出行服务平台。去年10月,Yandex打败Uber和Gett两位强劲的对手,成为俄罗斯市场份额最高的打车服务软件。

 

今年7月,Yandex与Uber宣布会在俄罗斯合作运营,就像Uber与滴滴一样,且两家公司会成立合资公司,目前这一计划已经获得了俄罗斯监管部门的同意。

 

如果Yandex能够掌握自动驾驶技术,这将进一步巩固其在市场中的地位。


关键字:Yandex  自动驾驶  测试 引用地址:俄罗斯版本的自动驾驶,Yandex自动驾驶出租车直接雪地测试

上一篇:中国堵城排行出炉,盘点那些“脑洞大开”的解决办法
下一篇:已经20岁的自动驾驶,依然是“成本太高了”

推荐阅读最新更新时间:2024-05-03 02:03

自动驾驶全球各处上路 普遍缺钱缺技术
  在人工智能的应用领域中, 自动驾驶 已经走在了前沿。而目前全球已经有多达47个城市正在测试自动驾驶技术,而据一份国外的调查来看,目前发展自动驾驶最大的阻碍来自于两方面,资金与技术。   这份调查是由彭博慈善基金(Bloomberg Philanthropies)和阿斯本研究所(Aspen Institute)两家机构共同完成的,他们列出了当前在开发或测试自动驾驶汽车的所有城市的名单,并进行了统计和分类。目前,已经有47个城市已经开始了测试,而有22个城市开始考虑但尚未同意测试。     此外,调查中有38个城市对他们的提出的问题进行了回应,这些城市中大多数认为自动驾驶可以解决“最后一英里”的交通难题,也有城市认为可以代替出
[嵌入式]
解析自动驾驶感知技术的三大新范式
自动驾驶传感器配置需求随着汽车智能化和电动化的快速发展不断增加。当前的传感器趋向于从探测范围、探测精度、探测能力上进行不断优化以便适应更多的边缘场景。使用更高级能力的传感器到底能带来哪些优势,又能解决哪些问题,如何对车身周围的传感器进行最优化配置和选择将是我们必须要面对的问题。现如今,越来越多的企业将目光锁定到了感知的三大新范式之中,相较于传统的感知方法已经无法满足新一代自动驾驶的技术需求,感知的技术革新也正走在路上。 4D毫米波雷达 为实现盲点检测和定距巡航等功能而存在的传统 毫米波雷达 ,已在汽车产业应用多年,其所拥有的全天候全天时感知特性以及精准测速特性,使得毫米波雷达成为汽车感知系统中重要的传感器之一。 但由于
[汽车电子]
解析<font color='red'>自动驾驶</font>感知技术的三大新范式
简述LCR测试仪的测量步骤
  LCR测试仪一般用于测试电感和电容。测量步骤如下:   1.设置测试频率   2.测试电压或者电流水平   3.选择测试参数,比如Z、Q、LS(串联电感)、LP(并联电感)、CS(串联电感)、CP(并联电容)、D等   4.仪器校准,校准主要进行开路、短路校准,高档的仪器要进行负载校准   5.选择测试夹具   6.夹具补偿   7.将DUT放在夹具上开始测试   LCR测试仪能准确并稳定地测定各种各样的元件参数,主要是用来测试电感、电容、电阻的测试仪。它具有功能直接、操作简便等特点,能以较低的预算来满足生产线质量保证、进货检验、电子维修业对器件的测试要求。
[测试测量]
Cruise开始绘制迪拜地图 2023年将提供自动驾驶打车服务
近日,据外媒报道,迪拜道路和交通管理局(RTA)称,Cruise为履行其在迪拜推出 自动驾驶 服务的承诺,已将两辆自动驾驶的 雪佛兰 Bolt电动车送往迪拜开始绘制城市地图,为计划于2023年推出的服务做准备。 去年4月,迪拜与通用汽车旗下的自动驾驶部门Cruise达成协议,2023年开始在迪拜部署自动驾驶出租车,2030年前将迪拜总交通出行量的25%转换为自动驾驶出行。为此,迪拜向Cruise订购了多达4000辆汽车,计划从2023年开始部署 无人驾驶 出租车。 据悉,这两辆雪佛兰Bolt于周日开始测绘作业,最初将部署在该市朱美拉地区,这是一条沿着海滩的住宅带,由受过特殊训练的人类司机驾驶。Cruise的传感器套件包括激
[汽车电子]
Cruise开始绘制迪拜地图 2023年将提供<font color='red'>自动驾驶</font>打车服务
医疗电子市场:让关爱与科技共同延伸
  区别于任何一项电子技术,医疗电子是一个全社会共同关注的话题。IBM最新的广告宣传称,未来30%的数据容量来自于医疗信息。而IDC预计,到2011年世界上将产生1800,000,000TB数据,也就是1.8ZB,这其中的30%意味着每年产生的医疗信息将超过5ZB的容量,如何搜集和处理这些数据,无疑是未来医疗电子产品必须考虑的问题。   关爱如何延伸   如此大的医疗信息规模无疑催生着医疗电子市场的升温,并且在这个经济危机影响整个行业的特殊时期广受半导体厂商关注,如果IBM的预言属实,医疗电子甚至有潜质超越通信和PC成为半导体最大的应用领域。全球医疗电子市场的热闹,一方面得益于电子技术的进步,另一方面受到以下一些社会变革所影响
[医疗电子]
电动机经济运行专用测试仪参数
电动机经济运行专用测试仪参数 此类检测仪具有内存电机参数容量大、测量精度高、操作简便、各项功能齐全、一机多用等优点。解决了电动机负功测试的难题,填补了国内同类仪表的技术空白,广泛使用于铁路、油田、供电、能监、电站、风机等工程技术部门并深获好评,实为理想的智能型电量测试工具。   ●测量工频线路或用电设备所有常规电参数及电动机运行参数   ●双CPU高速采样运算,不间断准确记录测量数据   ●128 128大屏幕液晶带背光显示器,图形及中文提示显示   ●微型中文打印机,中文提示及打印六种工况运行曲线   ●测量数据显示项和打印项可自行选择   ●作三相矢量图,显示电流、电压的相位关系   ●轻触式按钮,按键操作蜂鸣响应
[测试测量]
基于C8051F和Zigbee无线网络的汽车测试系统设计
    汽车试验是发现汽车设计开发中各种问题的重要手段,依据试验结果能对汽车各种性能做出客观的评价。作为汽车工业的基础工程之一,汽车试验在汽车工业的整体发展中发挥了重要作用。汽车性能测试系统是汽车试验工程的关键组成部分,它是由若干相互联系、相互作用的传感器和仪器设备等元件,为实现对汽车各项性能的测试而组成的有机整体,汽车测试系统的性能往往对整个汽车试验的效用产生重要影响。现有的汽车测试系统多采用有线连接,该方式存在2个弊端:1)汽车试验需在大型专用试验场或典型地域等恶劣环境中进行,现场布线任务繁琐且易出错;2)一些汽车试验如蛇形试验具有高危险性,对能够减少试验损失的测试系统更为重要。该系统以Cygnal公司的C8051F020单片
[嵌入式]
自动驾驶系统功能自车运动与路径规划介绍
自车运动 自车运动功能模块图自车运动模块估计车辆随时间姿态(位置+方向)的变化。通过多种不同类型传感器计算和改进的运动估计的融合,可以获得比单一传感器测量更准确可靠的估计。根据系统的不同,使用的输入数量各异。更简单的自车运动组件可能只处理IMU和底盘传感器的数据。然而,更复杂的系统可能使用所有或子集的其他输入来计算额外的运动估计,然后将其融合在一起。 自车运动输入: •规范|特征|对象:使用连续的感知数据序列来估计自车运动。估计可以基于具有不同计算复杂度的各种算法。例子是光流和基于CNN的估计器,利用像素级数据或已经检测到的特征。也可以利用已分类的对象与已知速度(例如护栏)。 •底盘传感器数据:包含控制/执行器反馈,改进自车运
[嵌入式]
<font color='red'>自动驾驶</font>系统功能自车运动与路径规划介绍
小广播
最新嵌入式文章
何立民专栏 单片机及嵌入式宝典

北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

换一换 更多 相关热搜器件
电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved