埃尼阿克-L4级自动驾驶技术及应用场景报告.pptx
- 文档编号:1006452
- 上传时间:2022-10-15
- 格式:PPTX
- 页数:38
- 大小:2.98MB
埃尼阿克-L4级自动驾驶技术及应用场景报告.pptx
《埃尼阿克-L4级自动驾驶技术及应用场景报告.pptx》由会员分享,可在线阅读,更多相关《埃尼阿克-L4级自动驾驶技术及应用场景报告.pptx(38页珍藏版)》请在冰豆网上搜索。
,埃尼阿克,L4级自动驾驶技术及应用场景行业研究报告2018年,2,2018.9iResearchInc.,开篇摘要,来源:
艾瑞咨询研究院自主研究及绘制。
前言自动驾驶是对出行领域的智能化、自动化升级,目前涉及到相关技术研发的两大阵营分别是以整车厂商为代表的传统汽车势力和互联网公司为代表的新兴技术科技公司。
传统势力基于以往产品研发模式逐步实现车辆智能化升级,科技公司则是通过深度学习、高精度传感器直接开发可以实现L4级别自动驾驶的系统。
目前从技术上来讲已经基本上具备了实现L4级自动驾驶的能力,主要是通过高精度传感器+深度学习实现车辆对于周围环境中障碍物的探测,加以识别判断并进行动作决策等,但是由于需要实现L4级自动驾驶的硬件设备如小型高精度激光雷达、算法嵌入式的计算平台等设备还不够成熟,因此当前整套L4级设备还显得庞大笨重且造价昂贵,很像早期实验室中的大型计算机。
由于深度学习只有通过大量数据训练才可以实现对相似目标和道路情况的识别和判断,而由于城市道路交通情况过于复杂,当前L4级自动驾驶系统还难以应付城市开放道路上的的载客运输作业,自动驾驶系统比较适合应用于封闭园区、或点到点线路上的货物运输应用场景,如:
港口集装箱运输、干线物流运输、矿区、工业区运输作业等。
未来随着车载技术的进一步成熟以及新技术的应用(如车联网、高精度地图等)。
L4级自动驾驶将会最终进入乘用车平台和城市道路环境,自动驾驶汽车在城市环境下最好的应用场景是共享出行领域,预计这将会彻底改变消费者的拥/用车习惯,对传统私家车市场形成巨大冲击,轿车厂商因此会转型布局出行服务市场。
3,自动驾驶行业宏观情况概述,1,L4级自动驾驶技术及成本分析,2,L4级自动驾驶商业化应用分析,3,4,行业未来发展展望,5,行业风险分析及投资建议,4,2018.9iResearchInc.,自动驾驶的定义和技术分层,从L4级自动驾驶开始实现系统对驾驶员的替代自动驾驶是指让汽车自己拥有环境感知、路径规划并且自主实现车辆控制的技术,也就是用电子技术控制汽车进行的仿人驾驶或是自动驾驶。
美国汽车工程师协会(SAE)根据系统对于车辆操控任务的把控程度,将自动驾驶技术分为L0-L5,系统在L1L3级主要起辅助功能;当到达L4级,车辆驾驶将全部交给系统,而L4、L5的区别在于特定场景和全场景应用。
本篇报告我们将主要论述L4级自动驾驶系统技术、成本和商业化应用场景。
来源:
SAE协会。
SAE级别,名称定义叙述,对车辆横向及纵向操作控制,环境感知,行为责任主体,场景,主要由人类驾驶员负责对行车环境进行监测,L0,驾驶员,驾,驶,员,驾,驶,员,无,L1,非自动化(NoAutomation)驾驶人辅助(DriverAssistance),驾驶员和系统,特,定,场,景,L2,部分自动化,由驾驶员全程负责执行动态驾驶任务,可能会得到车辆系统警告或其他干预系统的辅助支持在特定驾驶模式下,单项驾驶辅助系统通过获取车辆行车环境信息对车辆横向或纵向驾驶动作进行操控,但驾驶员需要负责对除此以外的动态驾驶任务进行操作在特定驾驶模式下,多项驾驶辅助系统通过获取车辆行车环境信息对车辆横向和纵向驾驶动作同时进,(PartialAutomation)行操控,但驾驶员需要负责对除此以外的动态驾驶任务进行操作,系统,主要由自动驾驶系统负责对行车环境进行监测,L3,有条件自动化(ConditionalAutomation),在特定驾驶模式下,系统负责执行车辆全部动态驾驶任务,驾驶员需要在特殊情况发生时,适时对系统提出的干预请求进行回应,系统,系统,L4,高度自动化(HighAutomation),系统,系统,系统,L5,全自动化(FullAutomation),在特定驾驶模式下,系统负责执行车辆全部动态驾驶任务,即使驾驶员在特殊情况发生时未能对系统提出的干预请求做出回应系统负责完成全天候全路况的动态驾驶任务,系统可由驾驶员进行管理,系统,系统,系统,全部场景,5,2018.9iResearchInc.,自动驾驶产业链,自动驾驶创造机会吸引行业外企业共同参与技术体系研发自动驾驶涉及到极为复杂的多产业融合,除了传统整车制造以外还涉及到了大量新兴技术,如:
人工智能、大数据、物联网等,由于传统厂商难以短时间内形成相关技术研发能力,因此这给予了行业外相关技术企业进入这一巨大新兴市场的绝佳机会。
除了新型高精度传感器(Lidar)等Tier2厂商外,人工智能创业公司着手开发自动驾驶算法以及针对特定或通用场景的整套系统解决方案;而互联网企业基于其在数据、资金、行业所拥有的强大综合实力,希望为未来出行领域开发L4、L5平台级自动驾驶系统;传统厂商OEMs、Tier1s也看到了自动驾驶巨大的商业机会,除了通过开发ADAS模块,使其现有产品逐渐获得L1L3级自动驾驶能力以外,其也通过自建,整体收购的形式组建自己的自动驾驶研发团队,目标是,开发适应未来的完全无人驾驶产品。
来源:
公开网络渠道信息。
Tier1供应链厂商,高精度地图,互联网公司&创业公司,芯片&处理器,上游供应链厂商,软件、系统,自动驾驶产业链激光雷达,6,2018.9iResearchInc.,传统厂商自动驾驶布局,整车厂商通过加装ADAS模块逐步实现高级别自动驾驶在本文中,我们主要探讨的是L4级自动驾驶技术及相关的应用场景,想要实现L4级自动驾驶,需要实现车辆在特定场景的运行过程中能够彻底的摆脱驾驶员而独立完成驾驶任务,这对于传感器、数据、计算平台以至于整体系统的性能、冗余度以及可靠性都提出了极高的要求。
当前能够实现L4级的高性能的传感器和处理器成本高昂,限制了其在乘用车产品上的应用。
而目前已经实现商业化应用的自动驾驶系统产品,主要是主机厂商(OEMs)和一级供应商(Tier1s)在现有的车型上通过添加高级辅助驾驶系统(ADAS),使其获得L1L3级部分自动驾驶能力。
来源:
公开网络渠道信息。
TeslaS/X/3,自动驾驶级别:
L2;系统:
Autopilot2.;0基本功能:
在高速公路、车道线清晰的道路上实现:
主动巡航、车道维持、主动变换车道、高速公路驶入驶出;,传感器:
摄像头8个、毫米波雷达1个、超声波雷达12个。
通用-凯迪拉克CT6,自动驾驶级别:
L2;系统:
SuperCruise;基本功能:
在封闭的经过测绘的高速公路环境下,可以实现车道维持,并保持与前车距离行驶;,传感器:
前置摄像头、环视摄像头、车内摄像头、长距、短距毫米波雷达、超声波雷达、GPS/IMU、高精度地图。
奥迪A8(全球首台实现L3级自动驾驶),自动驾驶级别:
L3;系统:
zFAS;基本功能:
时速60KM/h以下在高速公路、开放路段和双向高速车道环境下,驾驶员可脱手,系统实现车辆启动、加速、转向及制动;,传感器:
四线激光雷达1个(首个商用案例,IbeoScala)、超声波雷达12个、毫米波雷达5个、摄像头6个。
7,2018.9iResearchI,新兴势力自动驾驶布局,通过深度学习算法和高精度传感器实现彻底的无人驾驶新兴势力包括互联网厂商和科技创业公司(许多人员来自于互联网企业研究机构),主要开发在特定区域内实现完全无人驾驶的无人驾驶技术(L4L5)。
科技公司相较于传统厂商来说优势在于其对于深度学习、神经网络、大数据等先进技术的掌握上,但是其在硬件制造的经验却被传统厂商远远落下,Waymo(Google子公司)曾经主张自己造车,但在2015年后就放弃了这一想法转而与克莱斯勒、丰田等传统车企进行合作,大部分科技公司都采取相同路线。
而传统厂商也通过投资收购科技创业团队为自己开发高级别自动驾驶系统(Cruise、Argo.ai)。
来源:
公开网络渠道信息。
CruiseAutomation,自动驾驶级别:
L4;成果:
被通用以5.8亿美元收购,在密歇根州开展上路测试,目前正在进行内部无人驾驶载客试验;,传感器:
5个短程激光雷达、8个毫米波雷达、16个摄像头和1到2台IMU。
Waymo,自动驾驶级别:
L4成果:
Google旗下自动驾驶开发机构,09年开始相关技术研发,在MPD数据上保持第一,目前已在亚利桑那州凤凰城率先实现驾驶座位上无人的开放道路自动驾驶测试,传感器:
1个长距雷达、1个中型雷达和4个短程雷达,4个毫米波雷达、8个摄像机和1到3台IMU。
Uber,自动驾驶级别:
L4;成果:
6.8亿美元收购Otto自动驾驶卡车公司,其自动驾驶在加州被叫停后又在亚利桑那州发生致死事故,目前其已经终止了卡车项目的投入,全部转入自动驾驶出租车研发中;,传感器:
1款远程激光雷达、4个毫米波雷达、7个摄像头和一个IMU。
8,自动驾驶行业宏观情况概述,1,L4级自动驾驶技术及成本分析,2,L4级自动驾驶商业化应用分析,3,行业未来发展展望及风险分析,4,5,行业风险分析及投资建议,9,2018.9iResearchInc.,自动驾驶整体技术实现层级,来源:
公开网络渠道信息。
自动驾驶系统可以分为感知层、决策层、执行层L4级自动驾驶系统实现在特定区域内对车辆操作的完全接管,系统需要实现:
对周围障碍物的感知、车辆定位以及路径规划(2W1H),实现这些功能需要构建感知层、决策层、执行层这三个层面的技术架构,这三个技术层级分别代表着L4自动驾驶系统的眼和耳、大脑以及手脚。
基于当前技术发展情况,我们在本部分主要讨论车辆内部所采用的一些传感器和计算单元。
除了本地的传感器和处理器外,系统通过与外部车辆、设施进行信息交互,以及在高精度地图等辅助下可以获得更好的环境感知能力。
自动驾驶技术架构,执行层电子驱动、电子制动、电子转向,决策层导航定位:
高精度地图+传感器,GNSS;决策+规划:
中央处理器+算法;,决策层,执行层,感知层,感知层高精传感器:
激光雷达、毫米波雷达、摄像头、超声波雷达、GNSS/IMU;,车载传感器+高精度地图,根据路径规划和动作决策信号,结合车辆自身状态,输出车辆控制信号,完成刹车、加速、转向等动作,根据局部环境规划无碰撞理想局部路径,GNSS、地图,局部路径规划,全局路点到点粗略径规划路径规划,车载传感器,10,2018.9iResearchInc.,自动驾驶环境感知传感器
(一),感知层需要对多种传感器进行融合以实现冗余感知层主要是为自动驾驶系统获取外部行驶道路环境数据并帮助系统进行车辆定位,当前无人驾驶系统中代表性的传感器有激光雷达、摄像头、毫米波雷达、超声波雷达、GNSS/IMU等,由于其工作原理、技术特性各不相同决定其适用的应用场景各异,所以当前大部分车辆都是采用多种传感器相融合的方式以应对各种可能发生的情况,保证系统冗余。
激光雷达摄像头,GNSS/IMU,毫米波雷达超声波雷达,通过对卫星三角定位和惯性导航进行结合实现对车辆进行定位,容易受到、城市建筑、隧道等障碍物的干扰使得测量精度大打折扣,广域高精度定位保持在10米以内,车辆导航、定位,来源:
第一本无人驾驶技术书。
11,2018.9iResearchInc.,自动驾驶环境感知传感器
(二),车用摄像头产品对比车用激光雷达产品更加成熟激光雷达发展始于上世纪70年代,主要应用于军事、航空航天、测绘等领域,主要可以实现测距、定位、环境监测、以及动态、静态3D环境模型的构建。
车用激光雷达起步较晚,目前产品不够成熟面临多重问题需要克服,如:
能够搭载在车上的产品有效测距较短;产品固态化、小型化技术不够成熟,难以满足车辆要求;配套产业链尚未成熟,难以实现量产;由于产量少,产品售价高昂(VelodyneHDL-64售价高达于7.5万美元)。
相比之下,由于在消费电子领域多年发展积累,摄像头在技术(成像效果、产品小型化)、产业链方面(成本控制)均比较成熟,而且在探测距
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 埃尼阿克 L4 自动 驾驶 技术 应用 场景 报告
![提示](https://static.bdocx.com/images/bang_tan.gif)