首页 > 了解我们 > 企业新闻

车喵Z12新进展,高科中天持续助力智能驾驶研发

2017-06-19

车喵Z12是高科中天和北航联合实验室致力长期研究的智能驾驶项目。近日,该项目又有了新进展。合作双方已开始共同研发多模传感行车数据采集与智能驾驶学习环境系统,该系统可为汽车智能驾驶研发企业提供行车数据采集、数据后处理及深度学习模型训练的解决方案。

车喵智能驾驶.jpg

智能驾驶的实现依靠一个复杂的系统,其中包括三个主要的子系统,分别是感知、决策和控制。感知,是指通过传感器和高精度地图的协作,来实现对汽车周边环境的感知。决策,是指依靠算法系统来处理所获取的信息并进行决策。控制,是指将决策通过执行器进行对于汽车的控制。

其中控制系统主要包括安全辅助部分,例如电子稳定控制系统(ESP)和辅助驾驶系统(ADAS)等,具有防抱死、车道偏离预警、预测碰撞报警等功能,还包括可控制车辆转向角度、油门力度、刹车行程等的直接控制系统。目前控制系统的技术已较为成熟,需与决策系统进一步融合,从而实现更精准的控制。

而感知和决策系统的不成熟,是现在制约智能驾驶技术发展的主要因素。感知方面,对于障碍物、交通标识等的认知尚有困难,尤其在雨雪等复杂天气情况下,传感器各自的物理限制和其他车辆运动的干扰都对精确感知环境产生较大的影响。

决策方面,只有将行为预测、路径规划和避障机制结合起来,才能实时地产生有效的操作计划,这需要完善算法的支持。而目前算法尚不成熟,用来测试和优化算法的深度学习模型仍需要不断调整,距离实际应用还有较大差距。


融合传感器与大数据平台,解决行车数据难题


车喵Z12项目的多模传感行车数据采集与智能驾驶学习环境,覆盖了感知和决策系统,参与了感知、数据采集、信息理解环节,以及数据存储、模拟系统和深度学习模型训练环节。

该系统分为两部分,其中多模传感行车数据采集为智能驾驶的感知系统提供了解决方案。数据采集终端传感器主要使用了摄像头、雷达、GPS/北斗、加速度传感器及陀螺仪。

摄像头主要用于物体识别和物体追踪,所捕捉的视觉信息细节丰富、范围广,但受光线影响。除数据采集功能外,摄像头在应用层面可通过图像匹配进行对车辆、行人、交通信号的识别,也可利用物体的运动模式,或双目定位,估算目标与汽车的相对距离和相对速度。

雷达包括毫米波雷达和激光雷达。毫米波雷达可感知障碍物的相对距离和相对速度,而且具有全天候全天时的优点,但对体积较小的物体难以识别。激光雷达可进行三维建模,探测范围广、精度高,但受雨雪等天气影响明显,在此点上毫米波雷达恰好可形成互补。同时,由于夜间光线干扰少,激光雷达的性能会更好,可与摄像头形成互补。

GPS/北斗系统可通过收集地理位置来帮助汽车进行定位,记录位置信息也可帮助汽车进行路线规划。GPS/北斗的精度高但更新频率低,且汽车上方不能被覆盖,在隧道等空间无法使用。

加速度传感器和陀螺仪可收集速度及惯性变化信息,例如加速、刹车、转弯等,更新频率快,可与GPS/北斗结合,更好地记录汽车位置、路线与行驶状态的关系,收集车辆在特定情况下做出的反应,与其他传感器收集的信息相对应,使系统记录在出现何种标识、路况、障碍物时,车辆需要减速、转弯等。

通过将多种传感器结合使用,车喵Z12项目可从多个维度记录并感知汽车及环境信息。该系统采用了严格的同步技术,以确保传感器数据可准确还原汽车的行驶轨迹。此外,车喵Z12项目采取各个功能块独立存储,每种数据存储式均带有时间戳,这些数据在数据管理平台进行统一管理。

在数据采集之后,车喵Z12项目会在大数据平台中进行数据管理和信息整合。这个环节中,该系统采用了行车数据语义标注技术,通过深度学习手段,利用卷积神经网络、循环神经网络等技术进行物体识别,利用目标检测技术得到的标识物体的矩形框,采用滤波去噪、直方均衡的传统方法对矩形框范围进行预处理。结合语义分割结果与目标检测结果,得出归整、准确度高的像素级语义分割结果。利用开发工具集人工审核校验,进一步精确语义分割结果,建立适用于中国道路交通的图像数据集并发布使用。

数据仿真为深度学习提供学习环境


智能驾驶决策环节的核心是算法。传统的智能驾驶决策方案是事先穷举出各种可能的情况,分别针对不同情况设定解决方案。当汽车行驶时,系统识别出各种预设的情况并给出对应的解决方案。而深度学习算法的引入,能够使系统在实际行驶过程中不断积累各种情况的应对方案,不断对比分析样本,自主产生一套判断规则,只要有足够的输入就能够形成可靠的应对各种情况的解决方案。

将深度学习融入视觉识别系统,可以使得智能驾驶系统更完善。感知端会感知识别车道线、车辆、行人、交通标识等目标,并采集大量的图像信息,这些信息会形成一个数据模型,深度学习在对比、分析的过程中,对模型进行修正,并重新保存至数据库,不断提高对道路信息的识别程度。深度学习通过一定的算法可训练出一个识别率非常高的分类器,从而使环境感知部分能够高精度的完成,为驾驶决策环节提供正确的环境信息,保证智能驾驶的正常完成。

然而只依靠传感器终端所采集的信息是远远不够的,为训练并验证深度学习算法,从而使其快速迭代,大量的模拟仿真数据十分必要。

车喵Z12项目中的智能驾驶传感器模拟技术,是通过对多种不同类型传感器的模拟仿真,建立其误差模型,可根据需要设置不同类型的传感器参数,产生基于虚拟驾驶场景的模拟仿真数据,合成各类复杂的交通场景,创造出虚实融合的驾驶环境,为不同车厂的智能驾驶系统提供充分的复杂场景学习和训练材料,大大提高其控制决策系统的适应能力和控制决策的可靠性。

未标题-2.jpg

高科中天致力长期推动智能驾驶行业发展


智能驾驶是人们出行方式革命性的改变,是未来交通发展的必然趋势。目前谷歌、特斯拉、百度等均投入巨资研发智能驾驶系统,沃尔沃、丰田等车企纷纷建立了自身的智能驾驶训练学习环境,通过海量行车数据学习训练,不断提升智能驾驶系统的适应能力。

车喵Z12项目的多模传感行车数据采集与智能驾驶学习环境,正是为智能驾驶系统的研发服务。未来,高科中天将继续投入智能网联驾驶领域,实现数据驱动的三级智能驾驶系统的开发,推动智能驾驶技术的成熟与行业发展。




服务热线 400-058-3339 北京市海淀区知春路23号量子银座8层
Copyright © 2005 - 2017 GKZT. All Rights Reserved 京ICP备09032537号
北京高科中天技术股份有限公司 版权所有