インテリジェント運転開発における主要な技術要素の概要

01 統合ポジショニング: 未来志向のインテリジェント運転のための重要な設計要素

インテリジェント運転の時代、自動車は新たな未来を変革します。自動車のソフトウェアとハ​​ードウェア、内部アーキテクチャ、業界の競争パターン、産業チェーンにおける価値の分配も大きく変化するでしょう。この変化の波の下で、インテリジェント運転は、運転支援の利用拡大、成熟した自動運転ソリューション、自動運転エコロジーの改善という 3 つの段階を連続的に経て、ハードウェア、ソフトウェア システム、商用化の 3 つのチャンスがもたらされると考えています。それぞれの操作。

その中で、ナビゲーションや測位の重要な要素となるHDマップ(高精細地図)も大幅な設計変更が行われます。これは主に次の重要な側面に反映されています:

• 高精度地図とナビゲーション マップ

ナビゲーション マップには、車線の長さと、関連する走行のおおよその道路状況が表示されます。高精度地図は非常に詳細な道路状況を提供します。道路標識、坂道、車線、車線の位置など。これらは HD マップ上でマークされます。高精度地図では、特定の信号機の位置も高精度のGPSデータでマークされています。したがって、無人車両が道路を走行する場合、グローバル経路計画で作成された経路が存在し、これらの経路が車線レベルの経路に変換される限り、無人車両は高架道路にマークされた各経路をたどることができます。 -定義地図 各車線のセンターラインを走行します。

• 高精度地図と他のモジュールの接続

高精度地図位置決め、予測、知覚、計画、安全性、シミュレーション、制御、人間とコンピューターの対話など、自動車の他のモジュールが接続されており、これらのすべてに高精度マップの助けが必要です。高精度の地図がなければこれらの機能を実装できないモジュールもありますが、高精度の地図があれば、より正確な情報を取得し、その時の交通状況により適した判断を下すことができます。ここでは、より詳細な技術的な内容については詳しく説明しません。一般的なアイデアを説明するだけです。

• 高精度地図と測位

測位における高精度マップの主な役割は、測位のために決定された静的オブジェクトに関する情報を提供することです。次に、無人車両は、これらの静的オブジェクトの情報に基づいて、マップ全体における相対位置を見つけることができます。これらの静止物体が独自の高精度緯度経度座標を持っていれば、無人車両はその緯度経度座標を基に自らの緯度経度座標を逆に求めることができ、高精度地図とライダーカメラによるセンサーフュージョンを実現します。方法。これにより、GPS データへの依存をなくすことができます。データがブロックされている場合、GPS データには非常に強いノイズが含まれるためです。もちろん、現段階では、レーダーとビジョンのセンサーフュージョンに基づく測位方法は、ディファレンシャル GPS によって提供されるデータほど正確ではありませんが、それでも測位​​方法です。結局のところ、GPS 信号が存在しない場合、車両は独自の位置情報なしでは走行できず、現時点では他の測位方法に頼るしかありません。

• 高精度地図と意思決定

高精度地図と意思決定の関係マップと意思決定モジュール さらにシンプルです。なぜなら、車両が将来進みたいルートと、その進みたいルートに関連する道路標識や信号機、道路情報を知っていれば、意思決定モジュールは現在の道路状況によりよく適合する決定を下すことができるからです。それは、将来何が起こるかを知っていれば、将来起こることに対処するために現在の行動を調整できるのと同じです。

• 高精度地図とシミュレーションモジュール

高精度地図の関係シミュレーションモジュールは、高精度の地図標準を備えた地図上で車両の位置を測ったり、他のアルゴリズムを検証したりする限り、実際のアプリケーションで車両が取得する情報はシミュレーションで取得する情報と同じであるため、理解しやすくなります。言い換えれば、シミュレーション環境で構築したコードは、実際の環境でもかなりの程度まで使用できるということです。

• #高精度地図と認識モジュール

##無人運転における認識モジュールは比較的複雑なモジュールです。なぜなら、それには非常に多くの現実の問題が関係しているからです。しかし実際には、私たちが認識するほとんどの環境の多くのものは静的です。したがって、この静的環境では、データベースに保存できるものを事前に計算するために追加のコンピューティング能力を使用する必要はありません。たとえば、特定の建物がある場所にある場合、車両がその場所まで何度走行しても、毎回目にする建物はその場所にあります。どのような知覚方法であっても、車両の知覚によって建物の位置は変化しません。次に、この種の物の特定の位置を高精度地図収集車両によって収集し、そのデータを無人車両のローカル ハード ドライブに保存できます。そうすれば、無人車両はこのデータベースを使用して、建物を識別することなく、その建物に向かうたびに、そこに建物があることを知ることができます。測位モジュールと同じように、この建物の高精度な座標がわかれば、その座標に基づいて自分の位置を逆に求めることができます。さらに、事前に準備された建物の形状や物理的特徴に基づいて、この建物以外の動的オブジェクトを識別するために計算能力を集中させることができます。

HD マップおよび制御モジュール

• ##制御の具体的な内容が非常に詳しくてよくわかりません。しかし、舵角を制御するには高精度地図による車線中心線のデータが必須となります。車線はカメラに基づいて特定されますが、センターラインの位置はこの車線に基づいて特定されるためです。しかし、これらは依然として高精度地図によって提供されるデータほど正確ではありません。結局のところ、カメラベースの車線認識はリアルタイムであり、間違いなく時々間違いを犯します。また、長期間整備されておらず車線境界線が不鮮明になった場合、カメラが車線境界線情報を認識できなくなるため、高精度な地図が必要となります。車線は人間の運転において非常に重要なデータであるため、現在のカメラベースの自動運転は高速道路でしか実現できません。高速道路の車線だけが整備状態が良いからです。比較的簡単に特定できます。対照的に、都市環境の車線境界線は十分に維持されていません。したがって、都市部の道路でのカメラベースの自動運転はまだお勧めできません。

高精度地図の制作プロセス

• 正直に言うと、ここでも取り上げていませんが、先生から聞きました。高解像度の地図は、さまざまなセンサーを搭載した車両による道路の清掃に初めて使用されました。この種の車両は各道路をスキャンした後、関連する点群情報、カメラ情報、その他の高精度の経度および緯度情報を取得できます。スタッフはこの情報に基づいてオフラインでさらに編集します。ここで関係するのは、点群のスプライシング、車線、横断歩道、信号機などのカメラで認識された道路情報です。これらの静的なオブジェクトは、スタッフによってさらに確認され、マークされる必要があります。ただし、取得車両のカメラは、これらの道路関連の特徴を抽出するために予備的な特徴認識を実行します。しかし、結局のところ、それはコンピュータ ビジョンに基づいており、抽出された情報は 100% 正しいわけではなく、間違っていたり、注釈が適切にマークされていない可能性があります。したがって、最後のステップでは依然としてスタッフが最終確認と採点を行う必要があります。

#エッジコンピューティングを支える高精度地図作成プロセス V2X 高精度地図サービス

• #将来の自動運転の開発は、主にインテリジェンスとネットワークという 2 つの大きな方向に向かって進むでしょう。焦点は、車両エンドのインテリジェンスからロードエンド、さらにはクラウドエンドのインテリジェンスへの段階的な移行にあります。高精度地図の展開において最も重要なポイントは、クラウド、道路側、車両側で行われる一連のアップグレードと変更です。その中で、クラウドの変化には主に高精度地図サービス、シャーディングされたデータ集約、データエッジ、データシャーディングが含まれます。ロードサイドエンドには主に、シャードマップのクラウドソーシング更新、マップのバージョン管理、マップの下請け、ロードサイドの動的情報の最適化、マップメッセージサービスなどのいくつかの側面が含まれます。自動車に適用する場合は、下請けのデータフュージョン、V2Xシーン復元、それに応じて更新される高精度マップエンジンが必要となる。

上記のマップの反復更新プロセスは、L4/L5 レベルの無人機能を実現し、関連するロボット制御モードを生成するために適用できます。また、商用車の実現にも使用して、最終的に無人運転や遠隔運転を実現することもできます。運転、ドライブ。

02 量産向け高精度統合位置決めソリューション

正確な位置決めを実現し、継続的に前進して機能性能を向上させるためには、高精度マップが必要であることは明らかです。独自の統合測位ソリューションを継続的に最適化することによって取得されます。このプロセスには 2 つの主要なソフトウェア アルゴリズムが含まれます。 1 つ目は、フルステート拡張カルマン フィルタリングを通じて車両姿勢の動的最適推定を実行すること、2 つ目は、視覚センサーを使用して道路環境の意味情報を取得し、正確なマップ マッチング アルゴリズムを通じて正確な位置を取得することです。さらに、経済性、フィット感、全体的なパフォーマンスを向上させる必要もあります。産業グレードの車載端末 RTK の構成を選択することにより、高性能産業グレード 32 ビット プロセッサ、内蔵高精度 RTK ボードを使用し、3G/4G/5G を介して Qianxun プラットフォームとのチャネルを確立し、GGA 情報を送信します差分サーバーに送信し、同時に差動信号を受信します。情報を受信後、正確な位置情報が RS232 経由で出力されます。

#03 マップの配布とマップの垂直パッケージ化

高品質の最も重要なプロセス精密地図 クラウドソーシングによる地図の収集と配布が含まれます。クラウドソーシングによる地図データの収集については、実際には、自動運転車自身のセンサーや他の低コストのセンサーハードウェアを通じてユーザーが収集した道路データをクラウドに送信してデータ融合し、データを改善することによってデータを改善することができます。データの集約精度を高め、高精度の地図の作成を完了します。実際、クラウドソーシングのプロセス全体には、物理​​センサーのレポート、マップ シーンのマッチング、シーンのクラスタリング、変更の検出と更新が含まれます。

04 地図に基づいて開発された自動運転の新しいアーキテクチャ

はどこへ向かうのでしょうか?

現在の自動運転システムの高精度地図アーキテクチャは依然として分散型アプローチを指向しており、その主な関心事には、地図クラウドソーシングによる収集、高精度地図の元情報の分析が含まれます。マップ ボックス、マップが他のセンサーとどのように相互作用するか、フュージョン用の入力データなど。ここで、将来の自動運転システムのアーキテクチャは、分散開発手法から集中開発手法へと進化し続けることに注意してください。集中型アプローチは、3 つまたは 2 つのステップで見ることができます。

ステップ 1: インテリジェント運転ドメインの完全集中型制御スキーム

つまり、インテリジェント運転 ADS とインテリジェント運転を統合します。 AVPシステムは完全集中管理を行い、両システムで処理される情報の処理方法を中央前処理装置により統合、予測、計画等の処理を行います。これに応じて、スマート運転とスマートパーキングに関連するすべてのセンシングおよびデータユニット（高精度地図、LIDAR、完全分散型カメラ、ミリ波レーダーなど）の処理方法が中央ドメイン制御ユニットに統合されます。

ステップ 2: インテリジェント ドライビング ドメインとインテリジェント コックピット ドメインの完全集中制御スキーム

この方法は、完全集中分散方式、つまりインテリジェント コックピット ドメインを実現するための第 2 段階です。運転領域 コントローラーがカバーする全機能開発（自動運転、自動駐車など）とスマートコックピット領域がカバーする全機能開発（ドライバーモニタリングDMS、オーディオビジュアルエンターテインメントシステムiHU、計器表示システムIPなど）を統合し、覆われています。

ステップ 3: インテリジェント車両ドメイン全体の完全集中制御ソリューション

これは、インテリジェント ドライビング、​​インテリジェント コックピット、インテリジェント シャーシ ドメインを含む完全に統合された制御方法です。つまり、3 つの主要な機能が車両の中央制御ユニットに統合されており、このデータの後の処理により、ドメイン コントローラーのパフォーマンス (計算能力、帯域幅、ストレージなど) の要件がさらに高くなります。

ここで私たちが懸念している高精度地図測位の開発は、将来的にはより集中的な設計手法を指向することになります。これについて詳しく説明します。

#上図は、将来の自動運転システム制御における高精度地図のアーキテクチャ開発トレンドを示しています。将来的には、自動運転システムは、センシングユニット、意思決定ユニット、地図測位ユニットを中央ドメイン制御ユニットに統合することを目指し、高精度マップボックスへの依存をボトムアップで削減することを目指しています。ドメイン コントローラーの設計では、AI コンピューティング チップ SOC、ロジック コンピューティング チップ MCU、高精度マップ ボックスの完全な統合が完全に考慮されています。

上図は、全体をクラウド制御した高精度地図センサーのデータ収集、データ学習、AI学習、高精度地図サービス、シミュレーションなどのサービスを対応させたものです。同時に、車両の移動および検証プロセス中に、物理センシング、動的データセンシング、地図ターゲットセンシング、測位、経路計画およびその他のコンテンツを通じて地図データが継続的に更新され、OTA がアップロードされます。クラウドに転送して、クラウドソース データ全体を更新します。

前回の記事では、高精度地図データが自動運転コントローラーで処理できる関連データを生成するプロセスについて説明しましたが、元のデータは高精度地図によって処理されることがわかっています。 EHPデータです。データには実際に次の主要なデータ サポートが含まれています:

1: 受信した外部 GPS 位置情報;

2: 地図と一致した位置情報;

3: 道路ネットワーク トポロジ情報を確立する;

4: CAN 経由でデータを送信する;

5: 部分航法データの融合;

データは通常、HDMap センシング側からギガビット イーサネット経由で直接処理され、高精度地図中央処理装置に入力されます。このユニットを「高精度マップボックス」と呼びます。マップボックスを介してデータをさらに処理することにより（この実際の処理プロセスについては次の記事で詳しく説明します）、自動運転コントローラで処理できる EHR (実際には CanFD) データに変換できます。

次世代の自動運転システムに向けて、私たちは高精度の地図情報を自動運転ドメイン コントローラーに統合して全体の処理を行うことに取り組んでいます。マップ ボックスによって実行されるすべてのデータ解析作業を引き継ぐため、次の点に焦点を当てる必要があります:

1) 自動運転ドメイン コントローラーの AI チップかどうか高速に処理できる 洗練された地図に必要なすべてのセンサー データ?

2) 高精度測位地図の論理演算部は、センサーデータ情報の融合を行うのに十分な演算能力を持っていますか?

3) 基盤となるオペレーティング システム全体が機能安全要件を満たしていますか?

4) データ伝送の信頼性を確保するために、AI チップとロジック チップの間にどのような接続方法が使用されますか、Ethernet または CanFD ですか?

上記の質問に答えるには、次の図に示すように、コントローラーが高精度地図データを処理する方法を分析する必要があります。

は自動運転システムのAIチップで、将来の高精度化に向けたセンサーデータの基本処理を主に担います。カメラデータ、ライダーデータ、ミリ波データなどの地図データ処理基本的なデータ点群の融合とクラスタリングに加えて、応用処理方法には一般的に使用される深層学習アルゴリズムも含まれており、ARM コアは一般に中央コンピューティング処理に使用されます。

MCU は、自動運転ドメイン コントローラーの論理演算ユニットとして、元の高精度マップ ボックスに必要なすべての論理計算を実行します。フロントエンドのベクトル集約、センサーフュージョン測位、道路網マップの構築、そして最も重要なことに、EHP 情報を EHR 信号に変換するための元のマップ ボックス機能の置き換え (中央処理装置 MCU が EHP 情報を EHR 情報に効果的に変換する方法) が含まれます。詳細は後述）、Can ラインを介して効率的な信号伝送を行います。最後に、論理演算ユニットである AutoBox は、経路計画、意思決定制御などの演算に使用されます。

05 概要

将来の自動運転では、元のマップ ボックスから高精度地図によって処理されたすべてのデータ情報が自動運転ドメインに統合される傾向があります。コントローラでは、統合ユニットとして車両ドメイン コントローラとの真の中央処理統合を確立することを目的としています。この方法により、より多くのコンピューティング リソースを節約できるだけでなく、AI データ処理アルゴリズムを高精度測位により適切に適用できるようになり、両者の環境理解の一貫性が保証されます。将来的には、高精度センサーデータ統合という重要な方向にさらに注意を払い、チップのコンピューティング能力、インターフェイス設計、帯域幅設計、機能安全設計にさらに力を入れる必要があります。

以上がインテリジェント運転開発における主要な技術要素の概要の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。