智能驾驶的产业化探索——从未来挑战赛启程探(4)
【作者】网站采编
【关键词】
【摘要】这场事故更加突出了自动驾驶在技术上存在一些缺陷。首先是视觉缺陷,事故发生时,正处于典型的逆光状态,实际上从目前Autopilot的系统来看,它具备动
这场事故更加突出了自动驾驶在技术上存在一些缺陷。首先是视觉缺陷,事故发生时,正处于典型的逆光状态,实际上从目前Autopilot的系统来看,它具备动态曝光和自动增益的能力,理论上在强逆光或微光情况下,仍旧能够识别前车尾部。但是案发当场,卡车是横在路上的,它的截面并不符合这套视觉系统识别的特征,因此当时的视觉系统是失效的。或许有人会问,毫米波雷达为什么没有起作用?雷达在远距离发现了横在路面上的一排反射点,但是为了避免误刹车,它做了一个比较保守的分类,将障碍物分类为横跨路面的一个交通标志牌,并希望随着距离的缩减能够有更准确的分类。但是,根据当时的情况判断,事故发生时毫米波雷达是放空的。
针对以上提及的视觉缺陷,首先可以改进雷达的算法,这也是特斯拉正在做的。特拉斯通过与博世合作,挖掘更多的数据,得到六倍之多的object,每个object也有更多的信息,同时实现了将3D的雷达影像在时间维度对object进行correlation,这样可以更好地区分动态和静态object,以及虚假反射。此外,还可以采取一种众包的方式区别永久和临时的障碍物。如果很多车经过一个场景时,都判定前方有一个静态障碍物,那么就可以断定确实存在一个障碍物;如果并不是所有车都能判定有障碍物,那么就可以将其称之为临时障碍物。
其次,通过基于深度学习的视觉算法提升感知能力。相比起传统的视觉算法,它能从不同距离、不同角度进行识别,既可以识别奇形怪状的车辆,也可以识别被遮挡的车辆。在此基础上,驭势科技又利用立体摄像头做了一个视觉雷达,它能够实时识别出静态、动态障碍物的点云,并实时用暖冷色调标识其距离和相对速度。视觉雷达与深度学习相结合,就能有效避免特斯拉遇到的问题。对此,我们开始辅助驾驶系统的商业化。驭势科技的这套视觉识别系统实现了100公里时速的高速辅助驾驶,并且具有自主超车能力,累计测试里程接近2万公里。
2 高质量的服务
目前国内很多车厂若想实现辅助驾驶,需要找国际的厂商,这样实现周期会很长,而且也无法获得高质量和及时的服务。驭势科技希望用最快的响应速度,降低客户的时间成本。我们曾仅用两周时间既在车厂的样车上装好了这套系统,并且开始测试。另一方面,我们愿意推动技术创新的扩散,与车厂和供应商实现开放的、协同的创新,包括知识产权和源代码、模型等的开放,测试数据的共享,并且帮助客户提升自主研发能力。
3 深度学习的成本
当然,成本也是我们考量的一个因素,甚至是技术路线的约束元素。比如深度学习需要很强的计算能力,其硬件的选择就面临了性能和成本的权衡。目前嵌入式CPU的性能仍有一定差距,无法做到实时。而ASIC虽然功耗、成本最低,但缺乏灵活性,考虑到未来几年深度学习算法仍在快速演进,ASIC也不是最佳选择。GPU目前来说是最好的选择,英伟达已经与多家车厂和一级供应商开展合作,但对Level 2来说价格偏贵。FPGA略便宜、功耗也较低,但是算法移植的成本也是可观的。神经网络加速器NPU具有模型和算法的可定制能力,性能也最好,但作为新的硬件平台,符合车规尚需时日,而且车厂对新平台以及供应商的选择偏保守。
DSP是目前的主流选择,但在深度学习上性能还有差距,就CEVA等IP供应商的技术路线图来看,未来几年性能上获得突破的可能性很大。考虑成本的竞争力,未来2~3年Level 2产品化的主要平台还是以DSP为主,而Level 3以上则要依靠GPU和FPGA等。基于这个判断,我们必须让算法适配这些硬件平台。比如,部分使用传统视觉取代深度学习,比如车道线检测。虽然目标检测上,传统视觉还不能做到深度学习那样,但与雷达融合可以弥补视觉精确度的下降。另一方面,需要训练多任务网络,让同一个网络模型做不同事情,如行人识别、汽车识别、交通标志识别等。此外,还可以做图像压缩、模型压缩,优化算法(减少region proposal,非深度学习与深度学习级联等),针对定点处理器优化等降低深度学习的复杂度。
激光雷达和视觉的融合
图2 激光雷达与视觉的融合
但是后来经过了几个月的探索,我们转变了研究思路。一是因为深度学习的技术同质化以及它在鲁棒性
作为一个创业公司,驭势科技希望可以找到特定的市场细分领域,比如安东尼·列文托斯基的Otto选择的领域为货车。另外一个小的细分领域为私有道路、确定路线,如园区、景区、主题公园、高尔夫球场、机场等场地的无人驾驶。那么,在这样场景的无人驾驶中,是否还需要激光雷达?有些厂商的回答是否定的。特斯拉Autopilot 1.0只用了一个前置摄像头和一个前向的毫米波雷达,而2.0用了八个摄像头,前向有三个不同距离和视场角的摄像头,两边的前侧有两个,两边的后侧有两个,后视有一个,如图2所示,它的理念是希望通过摄像头的视觉加上毫米波雷达和超声波能够实现无人驾驶。特斯拉声称,明年车上硬件部分已经可以支持完全的无人驾驶,但是它的软件算法还是需要逐渐迭代。上的缺陷,使得纯靠视觉存在很大问题。二是因为激光雷达的成本问题已经不再是一个难题。
文章来源:《物探与化探》 网址: http://www.wtyht.cn/qikandaodu/2020/1114/356.html