大数据,机器学习,人工智能深度学习

2020 无人驾驶(1)

2020-08-23  本文已影响0人  zidea
无人驾驶

甜品

当我看到特斯拉无人驾驶的宣传片,突然感觉自己心血来潮,一个似乎连自己都觉得可笑想法越现眼前。对想法就是做无人驾驶系统,我想如果你看到这里也一定会笑了,您的笑可能不是嘲笑而是对我这样童真幼稚想法的一点赞同和鼓励吧,是的,连我自己都认为这不现实,也很难实现,因为学过点概率所以没有完全否定这个想法。对于我要做这件事基本是白手起家,一切都得从头来做,连汽车都没有摸过的我要做无人驾驶。想了想,先从自身出发,根据自己实际情况来做。我了解点计算机视觉,那么就从这里做起,系统设计自动辅助驾驶系统,没有设备,先用手机录制视频或者网上视频素材做训练资料,因为工作任务也比较多平时我还得注意休息,照顾家庭,好我就放长线,点点滴滴地去做,遇到难题先放下,通过短期简单的实现让自己看到希望,走下去。希望大家也别放弃自己的梦想!

电动汽车

说到电车就会想到特斯拉和比亚迪,不过世界销量第一是日产,现在来看所有的传统汽车巨头都也有垂涎电车领域,都有在电动车产业有不小投入。多半比较保守走到都是混合动力,日产是纯电。现在 BMW 3系和5系也上电动车。

共享汽车

共享汽车已经走入我们生活,而被我们所接受和习惯。以后我们汽车在闲置时候,可以通过共享方式赚点零花钱。现在通过滴滴已经实现了汽车共享,随着无人驾驶技术的发展,共享汽车会变得更加安全和便利。

车联网

车联网

其实通过车联网,可以共享我们的驾驶数据,我们汽车保养和维修都会被记录下来供分析。随着 5G 发展,物联网和车联网已经期日可待。

无人驾驶

其实特斯拉的无人驾驶技术并不是那么NB,但是特斯拉有胆敢上路,其实我们应该为特斯拉的敢于突破而给予支持。起码不要抵触和嘲讽特斯拉的无人驾驶就好了。除了特斯拉我们还要感谢 google 把无人驾驶的技术从校园带到了大众面前。

无人驾驶等级

无人驾驶

Level 0:也就是无自动化,驾驶员需要负责启动、制动、操作和观察道路状况。任何驾驶辅助技术,只要仍需要人控制汽车,都属于Level 0。

Level 1:单一功能级的自动化,驾驶员仍然对行车安全负责,但某些功能已经自动进行,比如常见的自适应巡航(Adaptive Cruise Control, ACC),应急刹车辅助(Emergency Brake Assist, EBA),车道保持(Lane-Keep Support,LKS)。特点是Level 1只有单一功能,驾驶员无法做到手和脚同时不操控。

Level 2: 多功能级的自动化,驾驶员在某些预设环境下可以不操作汽车,即手脚同时离开控制,但驾驶员仍然需要对驾驶安全负责,并随时准备在短时间里接管汽车驾驶权。

Level 3: 有限的自动驾驶,在预设的路段(如高速和人流较少的城市路段),汽车自动驾驶并承担架势安全的责任,驾驶员仍需要在某些时候接管汽车。

Level 4: 高自动驾驶,无需驾驶员参与,汽车自动系统将在全程负责行车安全,汽车启动、制动、操作和观察道路状况在内所有任务。

Level 5: 全自动驾驶,不再有驾驶员,仅需起点和重点信息,汽车将在全程负责行车安全,并完全不依赖驾驶员干涉。行车时可以没有人乘坐(如空车货运)。

在无人驾驶主要分为 4 个阶段吧,首先是感知,随后是决策和路径规划,最后是控制。其中控制是比较成熟的一个技术,难点就是在感知和决策。

关于感知技术主要有两个方式,一个是通过视觉感知,另一个就是通过激光感知周围环境。关于视觉感知,特斯拉在用视觉感知,是视觉感知在黑天和环境恶劣(雨天雪天)的情况下感知效果并不好,其优点就是价格比较便宜,对比于视觉感知激光雷达的价格不菲,成本是一个大问题,虽然性能比较好,但一个激光雷达的概成本在几万到几十万之间,这样无法量产。嗯,在谷歌的无人驾驶使用的就是激光雷达。还有一种就是融合技术,融合技术是在通过视觉觉感知和其他方式的感知方式一起完成无人驾驶的感知系统。

路径规划

有关于感知系统,准备用slam和深度学习的实例分割来完成对汽汽车驾驶环境周围的还原。

实例分割

这部分内容主要会介绍贝叶斯滤波和卡曼滤波。在实例分割会用,mask RCCN来完成

上一篇下一篇

猜你喜欢

热点阅读