Pengenalan menyeluruh kepada kedudukan pemanduan autonomi—bab paling lengkap dalam sejarah-AI-php.cn

1. Latar Belakang

Baru-baru ini apabila saya berkongsi bagaimana syarikat berteknologi tinggi telah berubah menjadi bidang pemanduan autonomi, beberapa rakan bertanya kepada saya soalan yang sama: "Apakah jawatan untuk pemanduan autonomi L2~L4? Apakah pekerjaan khusus kandungan yang sesuai dengannya?" ? Apakah kemahiran yang diperlukan? "Hari ini saya akan berkongsi tentang topik ini yang semua orang ingin tahu.

Mula-mula, mari kita perkenalkan gambarajah blok sistem pemanduan autonomi (versi ringkas) untuk memberi semua orang konsep keseluruhan pemanduan autonomi

Pengenalan menyeluruh kepada kedudukan pemanduan autonomi—bab paling lengkap dalam sejarah

Seterusnya, kami akan memperkenalkannya kepada dua kategori utama: jurutera algoritma dan jurutera bukan algoritma .
Jurutera Algoritma

Jurutera Algoritma Laser SLAM
Jurutera Algoritma SLAM Visual
Jurutera algoritma gabungan berbilang sensor
Jurutera Algoritma Vigorithm
Jurutera Algoritma Pemprosesan Bahasa Asli
Keputusan Jurutera Algoritma
Jurutera algoritma perancangan
Jurutera algoritma kawalan

Jurutera bukan algoritma

Jurutera keselamatan sistem
jurutera
Jurutera persekitaran simulasi
Jurutera Data
Jurutera Pembangunan UI
Berikut adalah pengenalan terperinci kepada tanggungjawab kerja dan kandungan yang perlu dipelajari untuk setiap jawatan

2. Jurutera Algoritma

Jurutera

Pengenalan menyeluruh kepada kedudukan pemanduan autonomi—bab paling lengkap dalam sejarah

Kumpul data sensor laser dan bina peta persekitaran sekeliling kenderaan autonomi berdasarkan data awan titik.
Bertanggungjawab untuk reka bentuk dan pembangunan algoritma SLAM berdasarkan penderia laser, yang boleh mengemas kini dan menghasilkan peta berketepatan tinggi yang meliputi pelbagai pemandangan yang kompleks.
Keperluan kemahiran:
Gunakan pengaturcaraan c, c++
Memerlukan pengetahuan tentang algoritma penapisan: ESKF, EKF, UKF, dsb.
Pada masa yang sama, anda perlu belajar G2O, framework lain; digunakan untuk mengoptimumkan fungsi ralat tak linear.
Kebiasaan dengan rangka kerja SLAM sumber terbuka, seperti GLoam, kimera, VINS, dsb. adalah diutamakan

2.2 Jurutera algoritma Visual SLAM

Pengenalan menyeluruh kepada kedudukan pemanduan autonomi—bab paling lengkap dalam sejarah

intro
LAM, membangunkan navigasi autonomi dan kedudukan robot Algoritma, termasuk membina model gerakan robot berdasarkan lidar, giroskop, odometri, penglihatan dan gabungan maklumat lain
Keperluan kemahiran:
Belajar algoritma VSLAM yang biasa digunakan, seperti ORB-SLAM, SVO, DSO, MonoSLAM, VINS Dan RGB-D, dan lain-lain; ceres dan rangka kerja C++ lain yang digunakan untuk mengoptimumkan fungsi ralat tak linear.
2.3. Jurutera algoritma gabungan pelbagai sensor

Pengenalan kerja:
Memproses dan menggabungkan maklumat daripada berbilang penderia seperti kamera, lidar dan radar gelombang milimeter untuk meningkatkan keupayaan persepsi alam sekitar kenderaan pemanduan autonomi
Bertanggungjawab untuk pengesanan dan pengesanan sasaran mengenai gabungan maklumat berbilang sumber.
Keperluan kemahiran:
Kamera induk, radar gelombang milimeter, lidar, navigasi inersia dan analisis data dan algoritma gabungan lain yang berkaitan
Ijazah sarjana muda atau ke atas dalam sains maklumat komputer, kejuruteraan elektronik atau jurusan berkaitan matematik; teori Asas
model kamera ketepatan, geometri multi-visual, prinsip Pelarasan Bundle, pengalaman dalam SfM, julat geometri dan projek lain
Mahir dalam C/C++, biasa dengan Matlab, idea pengaturcaraan berorientasikan objek yang baik dan tabiat pengekodan
Familiar dengan IMU, GPS, DR dan rangka kerja algoritma penentududukan navigasi inersia yang lain
Familiar dengan IMU, GPS, prinsip sistem badan, ciri perkakasan, algoritma penentukuran

2.4 Jurutera algoritma pembelajaran mesin

Arah ini bertanggungjawab terutamanya untuk pemanduan kenderaan Aplikasi data yang dijana dalam proses dalam kejuruteraan adalah berat sebelah ke arah analisis data, seperti analisis impak perbatuan kenderaan, pemodelan analisis data besar, dsb.
Keperluan kemahiran:
Python, C/C++
Ketahui algoritma teori asas pembelajaran mesin, seperti LR, GBDT, SVM, DNN, dll.
Pelajari latihan model rangka kerja pembelajaran mesin tradisional -belajar;
Familiar dengan rangka kerja pembelajaran mendalam seperti PyTorch, TensorFlow (sebahagiannya pada rangkaian saraf), dll. Jurutera Algoritma Penglihatan Komputer lampu isyarat Menunggu pengesanan maklumat lalu lintas dan sebagainya.

Keperluan kemahiran:

C/C++, Python, OpenCV

Pengenalan menyeluruh kepada kedudukan pemanduan autonomi—bab paling lengkap dalam sejarah Memerlukan algoritma asas pembelajaran mesin (pengurangan dimensi, klasifikasi, regresi, dll.

Belajar komputer Kaedah biasa penglihatan dan pemprosesan imej (pengesanan objek, penjejakan, pembahagian, pengecaman klasifikasi, dll.).
2.6. Jurutera algoritma pemprosesan bahasa semulajadi
Arah ini bertanggungjawab terutamanya untuk pengecaman pertuturan dalam senario kenderaan, reka bentuk interaksi suara, dsb.
Tugas asas pemprosesan bahasa semula jadi (segmentasi perkataan, penandaan sebahagian daripada pertuturan, analisis sintaksis, pengekstrakan kata kunci)

Perlu menggunakan kaedah pembelajaran mesin seperti pengelompokan, pengelasan, regresi, pengisihan dan model lain untuk menyelesaikan masalah perniagaan teks ;Familiar dengan rangka kerja pembelajaran mendalam seperti PyTorch, TensorFlow (sebahagiannya bahagian RNN), dsb. Jurutera Algoritma Keputusan Contohnya, pecutan kereta, nyahpecutan, belok kiri, belok kanan, tukar lorong dan memotong adalah semua output modul membuat keputusan. Keputusan perlu mengambil kira keselamatan dan keselesaan kereta, memastikan keselamatan penumpang dan sampai ke destinasi secepat mungkin.

Keperluan kemahiran:
Pelajari algoritma membuat keputusan yang biasa digunakan, seperti mesin keadaan keputusan, pepohon keputusan, proses keputusan Markov, POMDP, dll.
; Jika anda pergi lebih mendalam Jika anda ingin belajar, anda perlu biasa dengan algoritma pembelajaran mesin (RNN, LSTM, RL), menguasai sekurang-kurangnya satu rangka kerja pembelajaran mendalam (seperti gim atau alam semesta dan platform pembelajaran pengukuhan mendalam yang lain ); biasakan diri dengan model kinematik dan dinamik kenderaan.
2.8. Jurutera Algoritma Perancangan

Pengenalan kerja:

Perancangan termasuk perancangan laluan dan perancangan kelajuan

Dalam algoritma perancangan, kenderaan autonomi terlebih dahulu menentukan laluan yang boleh dilalui kenderaan melalui perancangan laluan, dan kemudian memilih laluan untuk menentukan kelajuan boleh dilalui.

Keperluan kemahiran:

c/c++/python, sistem pengendalian robot ROS; (sesetengah syarikat dibangunkan menggunakan Matlab/simulink)

Pelajari algoritma perancangan laluan biasa, seperti A, D, RRT, dll.;
Pelajari Beberapa kaedah perwakilan lengkung, seperti: lengkung kuitik, clothoid, spline padu, B-spline, dll.
Jika anda ingin belajar lebih mendalam, pelajari algoritma ramalan trajektori, seperti MDP, POMDP, Teori Datang, dsb. .;

Mempelajari pembelajaran mendalam dan teknologi pembelajaran pengukuhan juga merupakan kelebihan, seperti RNN, LSTM, Deep Q-Learning, dll.
Mempunyai asas dan latar belakang teori matematik, dan biasa dengan model kinematik dan dinamik kenderaan.

2.9. Jurutera Algoritma Kawalan

Pengenalan kerja:

Secara amnya, ia digunakan untuk memodelkan dinamik mendatar dan menegak kenderaan, dan kemudian membangunkan algoritma kawalan untuk merealisasikan kawalan pergerakan kenderaan, dsb.

Kedudukan ini lebih berkaitan dengan kenderaan, dan sesuai untuk pengeluar kereta tradisional untuk berubah menjadi bidang pemanduan autonomi Bagi rakan kongsi, ia adalah peluang yang baik untuk memasukinya.

Keperluan kemahiran:

C/C++, Matlab/Simulink

Ketahui asas teori kawalan automatik dan teori kawalan moden

Belajar algoritma PID, LQR, MPC,

kenderaan; pemahaman tertentu tentang casis kereta;

Pelajari perisian simulasi seperti CarSim

Mempelajari pembangunan fungsi pemanduan tambahan seperti ACC, AEB, APA, LKA, LCC, dan lain-lain adalah bonus

Mempunyai penyahpepijatan kenderaan sebenar pengalaman juga satu bonus.

3. Jurutera bukan algoritma

3.1. Jurutera pembangunan platform perisian

Pengenalan kerja:

pemacu pengubahsuaian/penggunaan perisian autonomi pelaksanaan/peningkatan perisian tengah, penyepaduan sistem, pengoptimuman prestasi/penggunaan kuasa, ujian tekanan/kestabilan/pematuhan

Bertanggungjawab untuk membina seni bina sistem dan menulis pemacu asas

Bertanggungjawab untuk pelaksanaan algoritma berkaitan penglihatan pada pemproses terbenam (GPU); , DSP, ARM dan platform lain);

Membantu jurutera algoritma untuk menyelesaikan pemindahan, penyepaduan, ujian dan pengoptimuman algoritma pada platform terbenam.

Keperluan kemahiran:

Kemahiran pengaturcaraan C/C++, Python

Mempunyai pengalaman dalam pembangunan kernel atau pemacu sistem pengendalian terbenam dan sistem pengendalian masa nyata, biasa dengan QNX, ROS

Familiar dengan penyahpepijatan perisian alat penyahpepijatan;

Fahami ECU dan penderia ADAS kenderaan, seperti radar, kamera, ultrasonik dan lidar

Familiar dengan Perkhidmatan Diagnostik Universal (UDS), Rangkaian Kawasan Pengawal (CAN)

Familiar dengan protokol komunikasi (CAN, UDS , DoIP, SOME/IP , DDS, MQTT, REST, dsb.) adalah tambahan. 3.2. Jurutera Sistem modularisasi , Reka bentuk seni bina perisian sistem yang boleh disahkan dan pengoptimuman prestasi masa nyata

Bekerja dengan perkakasan, algoritma dan pasukan ujian untuk menyepadukan dan mengoptimumkan sistem pemanduan autonomi.
Keperluan kemahiran:

Mempunyai pengetahuan teori asas yang kukuh tentang komputer (seperti: kawalan automatik, pengecaman corak, pembelajaran mesin, penglihatan komputer, pemprosesan awan titik) Mempunyai kernel sistem pengendalian terbenam dan masa nyata sistem pengendalian atau pengalaman pembangunan Pemandu;

Mempunyai kemahiran komunikasi yang baik dan kesedaran kerja berpasukan

3.3.Jurutera keselamatan fungsional

Pengenalan pekerjaan:

Menyokong sepanjang hayat produk
. Bertanggungjawab untuk reka bentuk sistem keselamatan berfungsi produk sistem pemanduan tanpa pemandu/autonom dan mengemukakan cadangan untuk penambahbaikan proses sedia ada
Bertanggungjawab untuk analisis bahaya (HARA, FMEA, FMEDA, FTA) sistem pemanduan tanpa pemandu/berautonomi; Definisi matlamat keselamatan untuk sistem pemanduan tanpa pemandu/berautonomi; atau sistem ADAS; ( Mereka yang bekerja dalam keselamatan berfungsi di kilang kereta tradisional dan ingin menukar kerjaya juga boleh mempertimbangkan
Fahami FMEA, FMEDA, FMEA-MSR, FTA dan kaedah lain yang sepadan

3.4 Jurutera Penentukuran
;

Pengenalan Kerja:

Bertanggungjawab untuk penentukuran berbilang sensor untuk pemanduan autonomi, termasuk GPS, IMU, LiDAR, Kamera, Radar dan USS, dsb.
Mereka bentuk dan melaksanakan algoritma penentukuran parameter dalaman dan luaran sensor; , dan membina sistem penentukuran berbilang sensor;
Bertanggungjawab untuk ujian kenderaan yang berkaitan bagi parameter penentukuran, menyediakan Mengeluarkan laporan ujian.

Keperluan kemahiran:

C++ pengaturcaraan, biasa dengan sistem Linux dan ROS
Mempunyai pengalaman dalam penentukuran sensor, biasa dengan algoritma visual atau laser SLAM

Pengenalan Kerja:

Arah ini memerlukan penyertaan dalam pembinaan sistem simulasi berkaitan pemanduan autonomi, termasuk simulasi berkaitan dinamik kenderaan, pemodelan dan simulasi pelbagai model sensor maya dan adegan maya, membina senario ujian berdasarkan kes ujian , dan melaksanakan ujian simulasi algoritma pemanduan Autonomi, dsb.

Bertanggungjawab untuk membina sistem simulasi pemanduan autonomi dan menjalankan simulasi perisian kereta, penderia dan persekitaran. Hasil simulasi akan digunakan bersama-sama dengan data sebenar untuk meramalkan kelakuan kereta dalam senario sebenar

Bekerjasama dengan modul seperti memandu membuat keputusan, perancangan laluan dan algoritma simulasi untuk merealisasikan simulasi gelung tertutup bagi pemanduan autonomi dan visualisasi; maklumat penyahpepijatan yang berkaitan.

Keperluan kemahiran:

MATLAB/simulink, Python/C++

Mahir dalam mengendalikan dinamik kenderaan biasa atau perisian simulasi berkaitan kenderaan tanpa pemandu, seperti Perscan, Carsim, Carmaker, dsb.
dengan sistem pengendalian robot ROS, dsb. ;
Sesetengah kedudukan simulasi adalah semata-mata untuk simulasi, tetapi sesetengah kedudukan memerlukan pembangunan persekitaran simulasi Kedudukan sedemikian akan mempunyai keperluan pengaturcaraan yang lebih tinggi. Jurutera Ujian 3.6 dan mod kegagalan;

Bertanggungjawab untuk reka bentuk dan pelaksanaan ujian automatik (SIL, HIL) dan pengesahan berkaitan produk pemanduan pintar

Bertanggungjawab untuk merumuskan kes ujian dan pelan ujian berdasarkan keperluan fungsi sistem atau produk; Bertanggungjawab untuk merumuskan sistem atau pelan ujian produk yang lengkap dan Melaksanakan, dan akhirnya menulis laporan ujian
Mengumpul dan menguji contoh sempadan sistem, menilai keselamatan sistem pemanduan pintar, dan memberikan maklum balas yang munasabah tentang teknologi.

Keperluan kemahiran:

Biasa dengan sistem pengendalian Ubuntu/Linux, boleh menulis skrip python

Biasa dengan bas CAN

Biasa dengan kaedah dan teknik menulis kes ujian, mengenali imej

; , dan menguasai percikan mata Bonus untuk mereka yang berminat dengan alatan berkaitan data besar

Akrab dengan aplikasi radar laser, radar gelombang milimeter, probe ultrasonik dan kamera adalah bonus.

3.7 Jurutera Pembangunan Data Besar

Pengenalan Kerja:

Data termasuk seni bina data latar belakang dan pembentangan bahagian hadapan. Kenderaan autonomi menjana 1 terabait data setiap hari. Cara membersihkan, memperhalusi dan meringkaskan data dengan cepat, seperti cara mencari pemecatan yang paling penting dengan cepat dalam ujian pemacu. Ini membantu jurutera menguji dengan lebih cekap.

Bertanggungjawab untuk reka bentuk, pembangunan dan pengoptimuman sistem platform data besar pemacu autonomi

Bertanggungjawab untuk pembangunan alat visual untuk proses anotasi dan pemprosesan data pemanduan autonomi, dan reka bentuk dan pembangunan platform anotasi automatik.
Keperluan kemahiran:

Mempunyai asas yang kukuh dalam struktur data dan algoritma Mahir dalam sekurang-kurangnya satu bahasa pengaturcaraan peringkat tinggi seperti Java/Python/C++

Familiar dengan persekitaran pembangunan Linux; Mempunyai pengalaman berdasarkan reka bentuk aplikasi dan pengalaman pembangunan Pangkalan Data SQL atau No-SQL

Biasa dengan perkhidmatan REST dan standard Web, biasa dengan rangka kerja pembangunan bahagian hadapan arus perdana, seperti React/AngularJS, mata tambahan untuk mereka yang boleh membina secara bebas; aplikasi bahagian hadapan;

Biasa dengan pemanduan autonomi dan data Lidar, Kamera dan penderia lain yang berkaitan akan diberikan mata tambahan.

3.8 Jurutera Pembangunan UI

Pengenalan Kerja:

Setiap syarikat perlu membina alatan dalaman untuk mengesahkan pembangunan kenderaan. Ia juga perlu untuk mencipta pelbagai halaman interaktif untuk pusat kawalan jauh untuk mengawal kenderaan autonomi dari jauh melalui UI. Ia juga termasuk UI yang disediakan untuk penumpang dalam gerabak. Rakan-rakan yang suka reka bentuk atau pandai front-end boleh pertimbangkan.

Keperluan kemahiran:

Mempunyai estetika yang sangat baik dan ekspresi visual yang kaya
Mahir dalam warna, grafik, maklumat dan prinsip dan kaedah reka bentuk GUI.

4 Berakhir
Akhir sekali, dasar negara sedang giat mempromosikan kenderaan pintar tenaga baharu, dan kami berharap semakin ramai rakan kongsi akan menyertai industri pemanduan autonomi.

Pautan asal: https://mp.weixin.qq.com/s/d41a5VYtJ4lvMP3GO6In_g

Atas ialah kandungan terperinci Pengenalan menyeluruh kepada kedudukan pemanduan autonomi—bab paling lengkap dalam sejarah. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!