来源:清华五道口国家金融研究院 编辑:管理员 时间:2023/9/12 |
近年来,随着人工智能技术的不断发展,自动驾驶技术也取得 了长足的进展。人工智能在自动驾驶技术中的应用,不仅为自动驾 驶研究带来了新的思路,也为自动驾驶技术的实际应用带来了巨大 的推动。人工智能在自动驾驶技术中的应用,可以帮助车辆实现对 周围环境的实时监测,提高了车辆的安全性。通过人工智能的识别 技术,可以识别道路上的障碍物,从而避免事故的发生。本章着重 对人工智能在自动驾驶技术研究中的重要应用技术进行介绍,包括 环境感知、精准定位、决策与规划、控制与执行[6]。 自动驾驶汽车通过摄像机、激光雷达、毫米波雷达、超声波等 车载传感器来感知周围的环境,依据所获取的信息来进行决策判断, 由适当的工作模型来制定相应的策略,如预测本车与其他车辆、行 人等在未来一段时间内的运动状态,并进行避碰路径规划。在规划 好路径之后,接下来需要控制车辆沿着期望的轨迹行驶。车辆控制 系统包括横向控制(转向)与纵向控制(速度)。当然,上述的动 作都是基于传感器实时获取环境信息所做的局部路径规划下的动作, 还需要与基于完整环境信息的全局路径相结合[6],如图 所示。
|
信息推荐 |
» 欧盟推出自动驾驶准入许可实现特定场景合规应用 |
《关于在智能网联车辆和出行相关应用程序中处理个人数据的指南》《数据治理法案》《全自动车辆自动驾驶系统(ADS) 型式认证的统一程序和技术规范》 |
» 国际顶级公司在人工智能自动驾驶上的最新研发成果 |
Waymo 在平均接管 两次间可行驶里程这个指标中排名第一,在测试里程中排名第二。 Waymo 的有效专利数也是常年领先,近三年增速降低,但仍排在前 三位 |
» 人工智能在自动驾驶领域的市场情况 |
半导体技术的提升与成本的下降,电动化的不断普及加速了智能化,对安全性便捷性和高效出行的要求,自动驾驶将有效缓解交通拥堵,大大提高出行的效率 |
» 基于人工智能的自动驾驶研发中关键性技术竞争点 |
算力、算法、数据采集以及用户数据是人工智能的发展依赖于四个基本要素,在自动驾驶市场中对应于 AI 芯片、决策软件、传感器、用户数据等 |
» 人工智能在自动驾驶控制与执行中的应用-车辆的纵向,横向,驱动和制动控制 |
RL 是自动驾驶控制和执行领域的一项关键技术,因为它可以让自动驾驶汽车学习并适应不断变化的道路状况,RL使AI系统能够就如何安全地通过交通和避免事故做出明智的决定 |
» 人工智能在自动驾驶在决策与规划中的应用-选择多条安全路径和最优路径等步骤 |
深度学习可使车辆能够随着时间的推移学习和适应其环境,包括了解不同道路和交通模式的特征,以及适应道路上其他驾驶员的行为 |
» 人工智能在自动驾驶精准定位中的应用-定位精度要求误差不超过10厘米 |
深度学习和机器学习技术是自动驾驶 SLAM 系统的核心组成部 分。它们允许车辆实时分析和处理大量数据,使其能够根据周围环 境做出智能和安全的决策 |
» 人工智能在自动驾驶环境感知中的应用-强感知+强智能 |
环境感知指对于环境的场景理解能力,如障碍物的类型,道路标志及标线, 行车车辆的检测,交通信息等数据的语言分类,定位是对感知结果的后处理 |