Comet Labs智能交通实验室丨自动驾驶产业链梳理

  • 日期:01-01
  • 点击:(581)


5月25日,在联想之星未来之旅的“人工智能”和comlabs智能交通实验室中国推广会议上,comlabs高级分析师王紫薇现场发布了comlabs智能交通研究报告,全面回顾了自动驾驶的历史和现状,并详细分析了产业链中的主要参与者。

该报告从技术和行业标准的角度总结了“自驾车”的不同概念,并结合对自驾车领域参与者的归纳和分析,对产业链进行了划分 此外,重点介绍自动驾驶产业链的关键部分ADAS,并介绍ADAS的市场规模、常用功能、各种传感器的比较、常用ADAS解决方案等信息。

以下是演讲的文字记录:

自2016年以来,围绕“自动驾驶”的所有概念和故事比以往任何时候都更加频繁地进入公众的视野:从优步和沃尔沃联合制造无人驾驶汽车,到谷歌X拆分Waymo的字母表(Alphabet从特斯拉自动驾驶仪1.0事故到新加坡的国家经济,无人驾驶出租车正在回家的路上。从高通收购恩智浦到英特尔收购美孚国际;从自动数据采集系统到车辆联网;从激光雷达到高精度地图.

截至2017年第一季度,全球14大科技公司中有12家宣布开发自动驾驶相关技术;在汽车领域,世界前14家汽车工厂中有13家宣布将进入自动驾驶领域。 自动驾驶的时代已经到来

业内领先的科技公司和许多在过去两年中成长起来的初创企业都投入了巨大的人力、物力和财力进行自主驾驶,并积极推动自主驾驶技术创新浪潮。 在这一交叉领域,原始设备制造商、零部件和技术提供商需要合作,通过技术研发、产品升级、甚至兼并和收购来保持其在行业中的竞争力。 此外,由于更好的用户体验,自动驾驶车辆共享和租赁服务的优势和价值已经开始显现。

从三个角度理解“自动驾驶”

如何定义“自动驾驶”的概念一直是汽车行业的热门话题。 随着行业的发展,近年来相关概念的引用和使用出现了一些混乱。“自动驾驶”、“无人驾驶”、“自动驾驶”和“自动汽车”等词在不同场合被提及。 那么,到底应该如何定义“自动驾驶仪”?

1。从技术要素的角度来看,“自动驾驶仪”描述了目前人类想象能够达到的理想驾驶状态,并且是一种结果 在实施过程中,需要整合和应用多种技术,主要涉及人工智能算法技术、云技术和机器人技术。 任何两种技术的结合都是广义自动驾驶概念的延伸,或者是实现自动驾驶的基础

2,从原理的角度来看

所有控制系统都由传感器、控制器和执行器组成,即对应于传感信息、决策和执行三个功能模块 这是人类驾驶的情况,自动驾驶也是如此。

3,从行业标准的角度来看

如何定义“自动驾驶”的概念一直是汽车行业的热门话题 随着行业的普及,相关概念的引用和使用引起了一些混乱。为了解决这个问题,该行业采用了分类方法。 目前,行业中常用的分类标准是汽车工程师学会(SAE)J 3016国际标准

本标准来自美国交通部和国家公路交通安全局(NHTSA)于2016年9月19日联合发布的《美国自动驾驶汽车政策指南》 本指南的引入意味着NHTSA以前的权威5级标准尚未成为联邦标准。 这两个标准的不同之处在于,汽车工程师学会在“有条件自动化”和“完全自动化”之间多了一个等级,被归类为“高度自动化”

自动驾驶行业的发展过程

从1925年世界上第一辆“无人驾驶汽车”诞生到2015年左右,自动驾驶行业经历了由几个关键事件驱动的渐进发展

根据世界上许多汽车公司的时间表,2016-2018年是自动驾驶汽车进入市场的时期。因此,2016年也被业界视为“自动驾驶的第一年”。 回顾今年,汽车制造商和技术服务提供商开始深入合作,产业链日益完善。

自动驾驶产业链

产业链中的参与者大致可分为原始设备制造商、零件/技术提供商以及运营和服务提供商

车辆厂与技术供应商的合作

目前科技界与车辆厂有两种合作模式:一种是传统的供应商模式,即科技企业进入车辆厂的供应链进行供应;第二是一种更加平等的合作关系,双方互相利用对方的优势。 通过合作关系图,我们发现:在海外,美国和德国的传统汽车公司与科技公司之间的合作开始得越来越早、越来越广泛。在国内,一方面,百度通过提供完整的软件、硬件和服务解决方案,领先于国内科技公司和汽车制造商之间的合作。另一方面,与芯片制造商和高精度地图制造商合作是国内汽车制造商最迫切的切入点。

ADAS并不是真正的自动驾驶,而是实现“自动驾驶”的基础

-ADAS是高级驾驶辅助系统(Advanced Driver Assistance System)的缩写,即“高级驾驶辅助系统”

ADAS硬件的核心是传感器(摄像机、雷达等)。)和处理器,而软件的核心是算法。

-ADAS主要扮演驾驶辅助的角色。目前,它主要是在SAE标准的L0-L3阶段实现的,所以它不是真正的“自动驾驶”,而是实现“自动驾驶”的基础 ADAS系统不仅具有预警功能,还能在紧急情况下干预驾驶员的操作,避免碰撞等交通事故。

展望自动驾驶的未来,彗星实验室相信

1。降低激光雷达的成本对自动驾驶具有重要意义,但降低成本的问题可能不是真正的难点。

在过去几年中,由于缺乏民用场景,没有人过多关注成本问题,但在自动驾驶的民用推广下,至少产生了两种降低成本的方法:一种是将低线雷达与其他传感器结合使用,即传感器的融合;二是用固态激光雷达代替传统的激光雷达,固态激光雷达由于昂贵的机械旋转部件而成本高。 因此,在产业链各方的足够关注和投资下,激光雷达成本的技术进步可能会在比人们预期的更短的时间内实现。

第二,多传感器融合的过程将极其困难。

为满足ADAS应用的高性能需求,多传感器的融合已经成为业内共识的趋势。目前传感器融合的方案已呈现出趋同的趋势,未来竞争的核心也主要集中在算法的研究上,但传感器融合的过程必将会异常艰难:其一,需要大量投入人力和财力完成融合的系统架构;其二,以计算机视觉为主的系统只能做到L3,而在L4面对更复杂的情况时必然会产生更加庞大难以处理的数据量;其三,传感器融合之后会产生融合算法的问题,在捕捉到巨大数据量的情况下要面临决策和取舍。训练深度神经网络的人工智能算法,让机器自己去学习和建模,仍然是最佳的方案。

三、核心基础设施的升级需尽快实施

随着自动驾驶技术逐渐被主流汽车厂商采用,核心基础设施的升级需要被提上日程并尽快实施。基础设施升级涉及到很多方面——从喷绘新的、更清晰的车道分隔线,到整合新的传感器和通讯模块。自动驾驶汽车需要能获取足够多关于所处环境的信息,以便进行预判、制定决策以及作出反应。当前的基础设施为人类驾驶员提供信息的方式并不一定适合自动驾驶汽车。针对人类驾驶员,我们使用不同的颜色、标志、信号灯、障碍物和车灯闪烁方式提供信息;而对自动驾驶汽车来说,这些信息输入将与环境结合,进而提供与道路状况相关的更多信息——传感器能监控车流信息,而汽车之间也能进行通信。

四、智能交通生态中出现突破性的事件对自动驾驶的实现至关重要

全球各国各地的交通环境会受到包括自然环境,政府的城市规划、政策,以及道德、民族文化等多方面因素的影响。如何让自动驾驶系统与交通环境适配,会成为一个长久的课题。智慧城市、节能汽车、电动汽车、车联网等智能交通生态中的任何一个环节的突破性进展,乃至政府政策的引导(比如雄安新区的智慧城市、智慧交通的定位),都会大幅推进自动驾驶实现的进程。

本文已标注来源和出处,版权归原作者所有,如有侵权,请联系我们。