目錄
01 汽車智慧化的根基底-感測器" >01 汽車智慧化的根基底-感測器
03 智慧感測器:自動駕駛核心" >03 智慧感測器:自動駕駛核心
04 多感測器融合是必然趨勢" >04 多感測器融合是必然趨勢
首頁 科技週邊 人工智慧 自動駕駛感應器的優劣勢及應用解析

自動駕駛感應器的優劣勢及應用解析

Apr 13, 2023 pm 02:34 PM
自動駕駛 汽車

先進駕駛輔助系統(Advanced Driver Assistant System),簡稱ADAS,是利用安裝於車上的各式各樣的傳感器, 在第一時間收集車內外的環境數據, 進行靜、動態物體的辨識、偵測與追蹤等技術上的處理, 從而能夠讓駕駛者在最快的時間察覺可能發生的危險, 以引起注意和提高安全性的主動安全技術。

自動駕駛感應器的優劣勢及應用解析

汽車感測器

汽車感測器裝備的目的不同,可以分為提升單車資訊化等級的傳統微機電感測器(MEMS)和為無人駕駛提供支援的智慧感測器兩大類。 MEMS 在汽車各系統控制過程中進行訊息的回饋,實現自動控制,是汽車的「神經元」。而智慧感測器則直接向外界收集訊息,是無人駕駛車輛的「眼睛」。

01 汽車智慧化的根基底-感測器

感測器是汽車電子控制系統的資訊來源,是車輛電子控制系統的基礎關鍵零件。感測器通常由敏感元件、轉換元件和轉換電路組成,其中敏感元件是指感測器中能直接感受或響應被測量的部分,轉換元件是將上述非電量轉換成電參量,轉換電路的作用是將轉換元件輸出的電訊號經過處理轉換成便於處理、顯示、記錄和控制的部分。從目前汽車感測器裝備的目的不同,可以分為提升單車資訊化程度的傳統微機電感測器和為無人駕駛提供支援的智慧感測器兩大類。

自動駕駛感應器的優劣勢及應用解析

汽車感測器的組成

##傳統感測器:各個系統控制過程依靠感測器,進行資訊的回饋,實現自動控制工作,是汽車的「神經元」。汽車傳統感測器依功能可分為壓力感測器、位置感測器、溫度感測器、加速度感測器、角速度感測器、流量感測器、氣體濃度感測器和液位感測器等 8 類。汽車感測器主要應用於動力總成系統,車身控制系統以及底盤系統中。汽車感測器在這些系統中擔負著資訊的收集和傳輸功用,它採集的資訊由電控單元處理後,形成向執行器發出的指令,完成電子控制。

自動駕駛感應器的優劣勢及應用解析

傳統感測器分類

智慧感測器:智慧感測器是無人駕駛車輛的「眼睛」。汽車正向一台安全連網的自動駕駛機器人快速演進,進行環境感知、規劃決策,最終實現安全抵達目的地。目前應用於環境感知的主流感測器產品主要包括光達、毫米波雷達、超音波雷達和攝影機等四類。

自動駕駛感應器的優劣勢及應用解析

智慧型感測器分類

02 MEMS 感測器:汽車微感官

MEMS 感測器是在半導體製造技術基礎上發展起來,採用微電子和微機械加工技術製造出來的新型感測器。 MEMS 感知器廣泛應用於電子車身穩定程序(ESP)、防鎖死(ABS)、電控懸吊(ECS)、胎壓監控(TPMS) 等系統。其中,壓力感測器、加速計、陀螺儀與流量感測器是汽車中使用最多的 MEMS 感測器,佔汽車 MEMS 系統的 99%。 #

自動駕駛感應器的優劣勢及應用解析

MEMS 應用廣泛

自動駕駛感應器的優劣勢及應用解析

MEMS 感測器價值較為集中

MEMS 具有較為明顯的優勢,是未來構築物聯網感知層感測器的主要選擇之一,其優勢主要體現在:1)微型化、2)矽基加工製程、3)批量生產、4)整合化。

1)微型化:MEMS 裝置體積小,單一尺寸以毫米甚至微米為計量單位,重量輕,耗能低。 MEMS 較高的表面體積比(表面積比體積)可以提高表面感測器的敏感度。

2)大量生產:以單一5mm5mm 尺寸的MEMS 感測器為例,以矽微加工製程在一片8吋的矽片晶元上可同時切割出約1000 個MEMS 晶片,大量生產可大幅降低單一MEMS 的生產成本 。

3)整合化:一般來說,單顆MEMS 往往在封裝機械感測器的同時,還會整合ASIC晶片,控制MEMS 晶片以及轉換模擬量為數字量輸出。

自動駕駛感應器的優劣勢及應用解析

#MEMS 與ASIC 晶片整合化封裝

自動駕駛感應器的優劣勢及應用解析

MEMS 可大量生產降低製造成本

國外大廠壟斷MEMS 感測器市場,市場集中度較高。根據HIS Automotive 統計,2017年全球MEMS 前三大供應商(博世、森薩塔、恩智浦)佔據了57%的市場份額,其中博世佔據鰲頭,2017 年市場份額達到33.62%,森薩塔市佔有率達12.34%,恩智浦市佔率達11.91%。電裝(8.94%)、亞德諾(8.51%)、松下(7.45%)、英飛凌(7.23%)等廠商亦佔有一定份額。

國外大廠產品線廣、技術領先、顧客眾多、形成較高的進入門檻。 MEMS 感測器的研發難度及其製造流程的複雜性是形成產業壁壘的主要原因。 Invensense、英飛凌等國外廠商擁有 2 到 3 條產品線,博世、電裝、義法半導體等 MEMS 產品線超過 4 條。相較之下,小供應商很難在較短時間內實現大批量生產製造,因此排名靠前的大供應商市場份額相對穩定,市場集中度較高。

MEMS 感測器組裝量和價值量與其組裝車型價位成正比。目前平均每輛汽車包含 24個 MEMS 感測器,而在高級汽車中,大約會採用 25-40 個 MEMS 感測器。例如 BMW高階車型僅引擎就可以用到 20-40 個感測器,而入門車型僅約 5 個。常用 MEMS感測器後裝單車價值在 2000-20000 元不等;合資車通常不低於 4000 元,而自主品牌僅 2000 元左右,高階車型約為 10000-20000 元。預計到2019 年MEMS 感測器市場規模可達420.13 億元;隨著智慧化和電動化的提升,2020 年和2021 年市場規模可分別達到446.21 億元,472.27 億元,2015-2021 年複合增速為6.5%。

#

03 智慧感測器:自動駕駛核心

#毫米波雷達:ADAS 系統核心感測器

自動駕駛感應器的優劣勢及應用解析

毫米波雷達是指利用波長1-10nm,頻率30GHZ-300GHZ 的毫米波,透過測量回波的時間差算出距離。毫米波雷達開始用於軍事領域,隨著技術水準的提升,開始逐漸應用於汽車領域。

自動駕駛感應器的優劣勢及應用解析毫米波雷達的優勢主要為以下 3 個面向:1)偵測性能穩定、作用距離較長、環境適用性佳。 2)與超音波雷達相比,體積小、質量輕、空間解析度高的特性。 3)與光學感測器相比,毫米波雷達穿透霧、煙、灰塵的能力強,具有全天候全天時的特性。但也存在著成本較高,對行人的辨識較困難等不足之處。

毫米波雷達優缺點

自動駕駛感應器的優劣勢及應用解析 77 GHz 在性能和體積上都更具優勢。目前車載雷達的頻率主要分為 24GHZ 頻段及77GHZ 頻段。與 24GHz 毫米波雷達相比,77GHz 的距離解析度更高,體積更是小了三分之一。 2018 年,中國新車評價規程(C-NCAP)將自動緊急煞車系統(AEBS)納入評分體系,將帶動 77GHz 毫米波雷達在未來的市場需求。而從長遠來看,77GHz毫米波雷達的體積更小、探距更長,使得其較 24GHz 毫米波雷達將具備更大的市場空間。

毫米波雷達24GHz 與77GHz 比較

##24GHz 與77GHz 毫米波雷達兼備於ADAS 的長短距偵測。毫米波雷達因其硬體體積小,且不受惡劣天氣影響,被廣泛應用於 ADAS 系統之中。 24GHz 目前大量應用於汽車的盲點監測、變換車道輔助。雷達安裝在車輛的後保險桿內,用於監測車輛後方兩側的車道是否有車、可否進行變換車道。 77GHz 雷達在偵測精度與距離上優於24GHz 雷達,主要用來組裝在車輛的前保險桿上,偵測與前車的距離以及前車的速度,實現的主要是緊急煞車、自動跟車等主動安全領域的功能。完全實現 ADAS 各項功能一般需要「1長 4 中短」5 個毫米波雷達,Audi A8 搭載 5 個毫米波雷達(1LRR 4MRR),賓士 S 級搭載 6 個毫米波雷(1LRR 6SRR)。目前 77GHz 的毫米波雷達系統單價約 1000元左右,24GHz 毫米波雷達單價約 500 元。 自動駕駛感應器的優劣勢及應用解析

###毫米波雷達在ADAS 系統中的應用############## ####毫米波雷達關鍵技術被外商壟斷,集中度較高。在全球毫米波雷達市場上,主導的是德國、美國、日本等國家。目前毫米波雷達技術主要由大陸、博世、電裝、奧托立夫、Denso、德爾福等傳統零部巨頭所壟斷;其中,77GHz 毫米波雷達技術被壟斷於博世、大陸、德爾福、電裝、TRW、富士通天、Hitachi 等公司手中。 2016年,博世及大陸全球毫米波雷達市場佔有率均為17%,並列第一;電裝、海拉並列第二,市場份額為11%,採埃孚佔8%,德爾福佔6%,奧托立夫佔4%。前七大供應商巨頭市佔率達 73%。 ###########################毫米波雷達海外主要供應商及產品#########

國內毫米波雷達依賴進口,受限國外技術封鎖,24GHz 毫米波雷達是主流方向。目前中國市場中高階汽車組裝的毫米波雷達感測器全都依賴國外進口,市場被美、日、德企業壟斷,價格昂貴,並採取了技術封鎖,自主可控迫在眉睫。國內自主車載毫米波雷達產品整體仍處於研發階段。考慮到研發成本和 77GHz 開發技術受限,目前國內廠商對於毫米波雷達的研發方向集中於 24GHz。國內市場上,24GHz 毫米波雷達的產品體系已經相對成熟,供應鏈已經相對穩定,24GHz 的核心晶片能從英飛凌、飛思卡爾等晶片供應商獲得。根據麥姆斯諮詢研究表明,2016 年中國汽車預裝毫米波雷達的數量達到 105 萬個,其中 24GHz 雷達佔 63.8%,77GHz 雷達佔 36.2%。

根據測算,毫米波雷達 2019、2020 年以及 2025 年市場規模可以達到 4.7 億元、36億元、80 億元。 2017-2025 複合成長率達 58%左右。

雷射雷達:L3-L5 自動駕駛中的關鍵

雷射雷達是一種綜合的光探測與測量系統,透過發射接受雷射光束,分析雷射遇到目標物件後的折返時間,計算出目標物件與車的相對距離。目前常見的有 8 線、16 線、32 線光達。光達線束越多,測量精度越高,安全性越高。光達並不是新鮮事,早已在航空航太、測繪等領域進行了應用。隨著汽車智慧化的發展,L3 等級自動駕駛中開始應用光達,由於其高精度、即時 3D 環境建模的特性將成為 L3-L5 階段中最為關鍵的感測器。

自動駕駛感應器的優劣勢及應用解析

雷射雷達工作原理

自動駕駛感應器的優劣勢及應用解析

##Velodyne HDL-64E 雷射雷達3D 呈現像

##雷射雷達固態化是未來趨勢,存在小型化、低成本優勢。業界降低光達成本主要有兩個方式:1)取消機械旋轉結構、採用固態化技術根本性降低光達成本。固態光達體積更小,方便集成,系統可靠性提升,因此光達有向固態發展的趨勢。 2)降低光達線數,組合使用多個低線數光達。從機械旋轉式過渡到混合固態再到純固態雷射雷達,隨著量產規模的擴大、技術迭代更新,成本不斷降低,光達也不斷朝向小型化、低功耗、整合發展。

#########雷射雷達的核心技術主要掌握在 Velodyne、Ibeo、Quanergy 三家企業中。美國Velodyne 的機械式雷射雷達起步較早,技術領先,最新已推出128 線原型產品VLS-128,同時與Google、通用汽車、福特、Uber、百度等全球自動駕駛領導企業建立了合作關係,佔據了車載雷射雷達大部分的市場份額。 ##################Google、百度、福特、奧迪、寶馬等各企業相繼採用雷射雷達的感知解決方案。 BMW聲明聯手光達創企 Innoviz 研發無人駕駛汽車,預計 2021 年推出。根據各公司官網光達產品價格,單車光達感測器價值在 3~8 萬美元之間。 ##########

短期內光達不會大規模應用於汽車領域。儘管自動駕駛加速發展為雷射雷達產業創造了較好的應用前景,但是雷射雷達自身發展的許多痛點卻限制了其在自動駕駛汽車上的應用。限制因素主要有三個面向:1)成本高昂。光達龍頭 Velodyne16線產品 0.8 萬美元,32 線產品 4 萬美元,64 線產品約 8 萬美元。

高昂的產品價格也抑制了雷射雷達在自動駕駛車輛的應用。 2)難以量產、交貨週期長。 Velodyne64線產品生產週期要 4-8 週,32 線和 16 線也要 2-4 週,為了保證雷射雷達傳遞接受訊號的精準性,其複雜的組裝和調校過程拉大了其交貨週期。 3)缺乏相關車規。目前自動駕駛只是一個前瞻性的概念,具體還沒有實踐,沒有相應的政策法規的強制性要求,這在一定程度上也限制了雷射雷達在自動駕駛領域的普及。

超音波雷達:自動停車系統的主流感測器

超音波雷達的工作原理是透過超音波發射裝置向外發出超音波,到透過接收器接收到發送過來超音波時的時間差來計算距離。超音波雷達在自動駕駛中,其基礎應用為泊車輔助預警以及汽車盲點碰撞預警功能。超音波雷達成本低,短距離測量中具有優勢,偵測範圍在 0.1-3 公尺之間,且精度較高,因此非常適合應用於泊車。但測量距離有限,容易受到惡劣天氣的影響。

自動駕駛感應器的優劣勢及應用解析

超音波雷達工作原理

自動泊車普及激發超音波雷達需求。超音波雷達一般安裝在汽車的保險桿或側面,前者稱為 UPA,一般用於測量汽車前後障礙物,後者稱為 APA,用於測量側方障礙物。 APA 超音波感測器是自動泊車輔助系統的核心部件,探測距離較遠,可用作探測車位寬度,獲得車位尺寸及車輛的位置資訊。超音波雷達主要應用於倒車雷達,以及自動停車系統中近距離障礙監測。倒車雷達已經由高階車型下沉到中低階車型,前裝率達 80%左右。倒車雷達系統通常需要 4 個 UPA 超音波雷達,自動泊車雷達系統需要 6-12 個超音波雷達,典型配置是 8 個 UPA 4 個 APA。

自動駕駛感應器的優劣勢及應用解析

#超音波雷達在汽車中的應用

自動駕駛感應器的優劣勢及應用解析

UPA、APA 超音波雷達比較

超音波雷達技術方案各有優劣,模擬式雷達佔據主要市場。超音波雷達的技術方案,一般有模擬式、四線式數位、二線式數位、三線式主動數位四種,其在訊號幹擾的處理效果上依序提升。四種技術方案在技術難度、組裝以及價格上各有優劣。目前市面上使用較多的是「模擬式」技術路線,其優點為產品成本低,但容易受到外界環境幹擾。未來智慧化趨勢下,「數字式」技術路線會更受歡迎。 「數字式」技術路線下,訊號數位化,可以大幅提高雷達的抗干擾能力,但成本較高,技術難度大,現階段的製程水準只能多數採取四線式做法。

自動駕駛感應器的優劣勢及應用解析

超音波雷達 4 種技術路線方案

超音波雷達市場主要由博世(BOSCH)、日本村田(Murata)、日本尼賽拉(Nicera)等佔據,國內奧迪威和同致電子具有較高的競爭力。奧迪威是國內領先的超音波感測器生產商,2016 年奧迪威車載超音波感測器的銷量為2,627 萬個,全球車載超音波感測器的市場容量約2,7,400 萬個,奧迪威的車載超音波感測器佔全球乘用車市場份額的9%。奧迪威的第一大客戶是台灣同來電子。台灣同致電子其核心產品為倒車雷達,2016 年其市佔率位居亞洲第一。

超音波中短期市場預計將繼續提升,長期可能會受到其他雷達感測器的替代壓力。目前,後向的超音波雷達搭載率最高,達到 45.2%,「前向 後向雷達」搭載率為 28.3%,不搭載佔比 26.5%。隨著自動化駕駛的發展,「前向 後向」雷達有望成為搭載標配。因此,預計中短期內,超音波雷達市場佔比將持續提升,但長期來看,未來搭載高級別自動駕駛車型中,部分或全部的超音波雷達會被綜合性能更好的毫米波雷達、光達等替代。

根據測算,2019、2020 年、2025 年超音波雷達的市場規模分別將達到 42億元,87 億元,192 億元。 2016-2025 年複合成長率達 38%左右。

攝影機:ADAS 系統主要視覺感測器

##車載攝影機是ADAS 系統的主要視覺感測器,也是最成熟的車載感測器之一。藉由鏡頭擷取影像後,攝影機內的感光組件電路及控制組件對影像進行處理並轉換為電腦能處理的數位訊號,從而實現感知車輛週邊的路況。攝影機主要應用在 360全景影像、前向碰撞預警、車道偏移警報和行人偵測等 ADAS 功能。

自動駕駛感應器的優劣勢及應用解析

攝影機偵測道路行人

自動駕駛感應器的優劣勢及應用解析

攝影機在全景停車系統中的應用

#ADAS 系統搭配6 個以上攝影機。根據不同 ADAS 功能的需要,相機的安裝位置也有不同。主要分為前視、後視、側視以及內建。實現自動駕駛時全套 ADAS 功能將安裝 6 個以上攝像頭,前視攝像頭因需要復雜的演算法和晶片,單價在 1500 元左右,後視、側視以及內置攝像頭單價在 200 元左右。 ADAS 的普及應用為車載攝影機感測器帶來了巨大的市場空間。

自動駕駛感應器的優劣勢及應用解析

相機安裝位置及特點

#############短期內單眼攝影機為主流技術路線。前視攝影機 ADAS 系統可分為搭載單眼攝影機和搭載雙眼攝影機兩種技術路線。相較於單眼鏡頭,雙目攝影機的功能更加強大,測度更加精準,但成本比較高,因此多搭載於高級汽車。雙目攝影機的方案在成本、製造流程、可靠性、精確度等綜合因素的限制下,導致其難以在市場上推廣,而單眼攝影機低成本可靠性的解決方案,搭配其他感測器,完全可以滿足L1,L2,以及部分L3 場景下的功能。因此在現有的市場環境下,單眼攝影機的解決方案仍然會是主流。 ##########

攝影機主要作為雷達輔助感測器。雖然攝影機解析度高、可偵測到物體的質地與色彩,但在逆光或光影複雜的情況下視覺效果較差,極易受惡劣天氣影響,因此攝影機擷取的影像資訊將主要負責交通標誌辨識等少數領域,作為光達和毫米波雷達的補充。

攝影機產業鏈可以大致劃分為上游元件生產、中游模組封裝整合、下游產品應用三部分。 1)上游元件主要包括CMOS 感測器、鏡頭組、DSP 等,上游市場中CMOS 感測器以及DSP 主要被索尼、三星、TI、安森美等國外企業壟斷,國內企業在鏡頭組生產方面具有優勢,其中自主品牌舜宇光學等具有較高的競爭力;2)中游封裝整合包括模組封裝和系統整合兩部分。模組封裝以及整合製程複雜,市場被外企壟斷,主要廠商有 Panasonic、索尼、法雷奧等企業。 3)下游產品應用於整車廠、4S 店。

車載攝影機產業製作流程要求高,認證週期長。相較於手機鏡頭,車用攝影機所面臨的工況更加惡劣,需滿足耐高溫、抗震、防磁、穩定等多項要求。特別是應用於 ADAS 系統的前視攝影機,涉及行車安全,對可靠性的要求必須非常高,因此車載攝影機的製作流程要求非常高。企業在成為整車廠商的一級供應商之前,需要經過大量不同種類的嚴格測試,一旦進入整車廠商的供應體係就會形成很高的壁壘,很難被替代,替換成本也非常高。例如,國外視覺感測器龍頭 Mobileye 花了 8 年的時間從研發進入到前裝市場。

根據測算,預計攝影機感測器2019 年攝影機市場規模達到150 億元,進入L3 階段,2020 年和2025 年市場規模可以達到205 億元和315 億元,2016-2025 年複合成長率達17%左右。

04 多感測器融合是必然趨勢

#ADAS 融合多種感測器,帶動感測器市場發展。隨著未來智慧汽車比重的提升,ADAS市場將加速成長。根據高盛全球投資研究部門研究,目前全球 ADAS 使用率普遍不高,歐美日只有 8%-12%。根據蓋世汽車研究院測算,我國 ADAS 在 2%-5%左右;從生命週期上判斷,ADAS 已實現從導入期到成長期的跨越。整體來看,智慧駕駛、無人駕駛浪潮下,汽車電子化、智慧化程度不斷提升,ADAS 有很大的成長空間。環境感知作為 ADAS 的硬體基礎,感測器的應用不可或缺,ADAS 使用率的提升將帶動車載感測器需求量的大幅增加,未來感測器的市場規模將會進一步擴大。

自動駕駛感應器的優劣勢及應用解析

ADAS 融合多種感測器

環境感知感測器是汽車的眼睛,毫米波雷達綜合優勢突出。在智慧化時代背景下,環境感知顯得特別重要,不同感測器的原理和功能各不相同,在不同的場景裡發揮各自的優勢,難以相互取代。毫米波雷達綜合優勢突出,可望率先成為 ADAS 系統主力感測器。

自動駕駛感應器的優劣勢及應用解析

各種感測器優劣勢比較

自動駕駛感應器的優劣勢及應用解析

毫米波雷達綜合優勢突出

#

單一感測器特性突出,皆無法形成完全資訊覆蓋,多感測器融合是未來發展必然趨勢。並且為Level3-Level5 級自動駕駛方案的實現提供了必要的技術儲備。目前自動駕駛環境感知的技術路線主要有兩種:一種是以特斯拉為代表的視覺主導的多感測器融合方案,另一種是以低成本雷射雷達為主導,典型代表如GoogleWaymo。國外主流車企如特斯拉、奧迪、通用等均發布了其自動駕駛汽車多感測器規劃。多感測器融合對於確保車輛對週邊環境的全局定位和理解是至關重要的。

總的來說,ADAS 採用的感測器主要有攝影機、雷達、雷射和超音波等,可以偵測光、熱、壓力或其它用於監測汽車狀態的變量, 通常位於車輛的前後保險桿、側視鏡、駕駛桿內部或擋風玻璃上。 ADAS內每一類子系統在運作時,都離不開資訊的蒐集、處理與判斷,以及判斷完畢後系統給予車體指令,使汽車進行不同動作等各階段。在這樣的流程中,雷達和攝影機等感測器,以及MCU或影像處理IC等處理器,就成了最主要的使用元件。在通往L5級自動駕駛的道路上,ADAS系統的成熟與完善是基本保障。

#

以上是自動駕駛感應器的優劣勢及應用解析的詳細內容。更多資訊請關注PHP中文網其他相關文章!

本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

AI Hentai Generator

AI Hentai Generator

免費產生 AI 無盡。

熱門文章

R.E.P.O.能量晶體解釋及其做什麼(黃色晶體)
1 個月前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.最佳圖形設置
1 個月前 By 尊渡假赌尊渡假赌尊渡假赌
威爾R.E.P.O.有交叉遊戲嗎?
1 個月前 By 尊渡假赌尊渡假赌尊渡假赌

熱工具

記事本++7.3.1

記事本++7.3.1

好用且免費的程式碼編輯器

SublimeText3漢化版

SublimeText3漢化版

中文版,非常好用

禪工作室 13.0.1

禪工作室 13.0.1

強大的PHP整合開發環境

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SublimeText3 Mac版

SublimeText3 Mac版

神級程式碼編輯軟體(SublimeText3)

為何在自動駕駛方面Gaussian Splatting如此受歡迎,開始放棄NeRF? 為何在自動駕駛方面Gaussian Splatting如此受歡迎,開始放棄NeRF? Jan 17, 2024 pm 02:57 PM

寫在前面&筆者的個人理解三維Gaussiansplatting(3DGS)是近年來在顯式輻射場和電腦圖形學領域出現的一種變革性技術。這種創新方法的特點是使用了數百萬個3D高斯,這與神經輻射場(NeRF)方法有很大的不同,後者主要使用隱式的基於座標的模型將空間座標映射到像素值。 3DGS憑藉其明確的場景表示和可微分的渲染演算法,不僅保證了即時渲染能力,而且引入了前所未有的控制和場景編輯水平。這將3DGS定位為下一代3D重建和表示的潛在遊戲規則改變者。為此我們首次系統性地概述了3DGS領域的最新發展與關

自動駕駛場景中的長尾問題怎麼解決? 自動駕駛場景中的長尾問題怎麼解決? Jun 02, 2024 pm 02:44 PM

昨天面試被問到了是否做過長尾相關的問題,所以就想著簡單總結一下。自動駕駛長尾問題是指自動駕駛汽車中的邊緣情況,即發生機率較低的可能場景。感知的長尾問題是目前限制單車智慧自動駕駛車輛運行設計域的主要原因之一。自動駕駛的底層架構和大部分技術問題已經解決,剩下的5%的長尾問題,逐漸成了限制自動駕駛發展的關鍵。這些問題包括各種零碎的場景、極端的情況和無法預測的人類行為。自動駕駛中的邊緣場景"長尾"是指自動駕駛汽車(AV)中的邊緣情況,邊緣情況是發生機率較低的可能場景。這些罕見的事件

選擇相機還是光達?實現穩健的三維目標檢測的最新綜述 選擇相機還是光達?實現穩健的三維目標檢測的最新綜述 Jan 26, 2024 am 11:18 AM

0.寫在前面&&個人理解自動駕駛系統依賴先進的感知、決策和控制技術,透過使用各種感測器(如相機、光達、雷達等)來感知周圍環境,並利用演算法和模型進行即時分析和決策。這使得車輛能夠識別道路標誌、檢測和追蹤其他車輛、預測行人行為等,從而安全地操作和適應複雜的交通環境。這項技術目前引起了廣泛的關注,並認為是未來交通領域的重要發展領域之一。但是,讓自動駕駛變得困難的是弄清楚如何讓汽車了解周圍發生的事情。這需要自動駕駛系統中的三維物體偵測演算法可以準確地感知和描述周圍環境中的物體,包括它們的位置、

自動駕駛與軌跡預測看這篇就夠了! 自動駕駛與軌跡預測看這篇就夠了! Feb 28, 2024 pm 07:20 PM

軌跡預測在自動駕駛中承擔著重要的角色,自動駕駛軌跡預測是指透過分析車輛行駛過程中的各種數據,預測車輛未來的行駛軌跡。作為自動駕駛的核心模組,軌跡預測的品質對於下游的規劃控制至關重要。軌跡預測任務技術堆疊豐富,需熟悉自動駕駛動/靜態感知、高精地圖、車道線、神經網路架構(CNN&GNN&Transformer)技能等,入門難度很高!許多粉絲期望能夠盡快上手軌跡預測,少踩坑,今天就為大家盤點下軌跡預測常見的一些問題和入門學習方法!入門相關知識1.預習的論文有沒有切入順序? A:先看survey,p

SIMPL:用於自動駕駛的簡單高效的多智能體運動預測基準 SIMPL:用於自動駕駛的簡單高效的多智能體運動預測基準 Feb 20, 2024 am 11:48 AM

原文標題:SIMPL:ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving論文連結:https://arxiv.org/pdf/2402.02519.pdf程式碼連結:https://github.com/HKUST-Aerial-Robotics/SIMPLobotics單位論文想法:本文提出了一種用於自動駕駛車輛的簡單且有效率的運動預測基線(SIMPL)。與傳統的以代理為中心(agent-cent

聊聊端到端與下一代自動駕駛系統,以及端到端自動駕駛的一些迷思? 聊聊端到端與下一代自動駕駛系統,以及端到端自動駕駛的一些迷思? Apr 15, 2024 pm 04:13 PM

最近一個月由於眾所周知的一些原因,非常密集地和業界的各種老師同學進行了交流。交流中必不可免的一個話題自然是端到端與火辣的特斯拉FSDV12。想藉此機會,整理當下這個時刻的一些想法和觀點,供大家參考和討論。如何定義端到端的自動駕駛系統,應該期望端到端解決什麼問題?依照最傳統的定義,端到端的系統指的是一套系統,輸入感測器的原始訊息,直接輸出任務關心的變數。例如,在影像辨識中,CNN相對於傳統的特徵提取器+分類器的方法就可以稱之為端到端。在自動駕駛任務中,輸入各種感測器的資料(相機/LiDAR

nuScenes最新SOTA | SparseAD:稀疏查詢協助高效端對端自動駕駛! nuScenes最新SOTA | SparseAD:稀疏查詢協助高效端對端自動駕駛! Apr 17, 2024 pm 06:22 PM

寫在前面&出發點端到端的範式使用統一的框架在自動駕駛系統中實現多任務。儘管這種範式具有簡單性和清晰性,但端到端的自動駕駛方法在子任務上的表現仍然遠遠落後於單任務方法。同時,先前端到端方法中廣泛使用的密集鳥瞰圖(BEV)特徵使得擴展到更多模態或任務變得困難。這裡提出了一種稀疏查找為中心的端到端自動駕駛範式(SparseAD),其中稀疏查找完全代表整個駕駛場景,包括空間、時間和任務,無需任何密集的BEV表示。具體來說,設計了一個統一的稀疏架構,用於包括檢測、追蹤和線上地圖繪製在內的任務感知。此外,重

FisheyeDetNet:首個以魚眼相機為基礎的目標偵測演算法 FisheyeDetNet:首個以魚眼相機為基礎的目標偵測演算法 Apr 26, 2024 am 11:37 AM

目標偵測在自動駕駛系統當中是一個比較成熟的問題,其中行人偵測是最早得以部署演算法之一。在多數論文當中已經進行了非常全面的研究。然而,利用魚眼相機進行環視的距離感知相對來說研究較少。由於徑向畸變大,標準的邊界框表示在魚眼相機當中很難實施。為了緩解上述描述,我們探索了擴展邊界框、橢圓、通用多邊形設計為極座標/角度表示,並定義一個實例分割mIOU度量來分析這些表示。所提出的具有多邊形形狀的模型fisheyeDetNet優於其他模型,並同時在用於自動駕駛的Valeo魚眼相機資料集上實現了49.5%的mAP

See all articles