- Advertisement -
首頁 標籤 Training Data

Training Data

- Advertisment -

落實行進安全 自駕通訊/定位技術缺一不可

目前科技業者與車廠都已投入自駕車系統的發展,特別是專注於通訊、光學雷達(LiDAR)感測、定位與操控技術的研發,在自身的產業特色下,兩方發展出現速度和方向不大相同的現象。 科技產業在產品研發、量產、上市等要求向來快速,以速度獲取市場商機,而車廠業者則多是百年工業,其產品使用年限長,對安全性的注重度高,從設計到製造,都需要經過較長的時間驗證,這也是車商在自駕車進展較慢的原因。 至於發展方向,以美國汽車工程師學會(Society of Automotive Engineers, SAE)制定的自駕車6個等級為例,車廠是由第0層逐步往上推,科技廠商則是先從第5層的完全無人自駕等級,回推思考技術有哪些欠缺,這兩種不同發展方向在時間的推演下,將在一定的技術環節交會。 觀察目前各大廠的自駕車發展,大多以自小客車為主,在此類應用中,不但車體中的感測器、運算單元、定位單元與操控單元須具備精準而快速的訊號擷取與反應能力,還須經長時間實地測試,以掌握所面對的複雜環境。本文將以自駕車系統中所須採用的通訊與定位技術為探討主題。 感測器穩定性為自駕技術關鍵 台灣目前由法人(如工研院)制定自動駕駛感知次系統,其中V2X通訊技術與應用於自駕車軟體架構中、行車安全性及聯網接收號誌狀態資訊的提升,扮演不可或缺的角色。自駕車系統軟體的運作流程概述如下: 首先,感測分析硬體(Camera、3D LiDAR、Radar與V2X路側通訊設備)收集車輛周圍資訊後(如道路是否有障礙物、道路路形等)先進行前置處理與資料對齊,接著透過深度學習影像辨識軟體針對偵測到的物件與資料進行訓練(Training Data);之後融合多重感測資料(Data Fusion),再進行即時事件推理(Event Sensing)—即區分Event Sensing Type:行人穿越道路(Pedestrian Crossing Road)與橫向來車 (Intersection Movement Assist);最後再儲存資料(Data Logging)。 自駕車系統架構中最關鍵的元件為前端感測器,其為發展自動駕駛技術領域中最重要的回授單元。近年來隨著先進駕駛輔助系統(ADAS)普遍應用於高階車輛,且安全、舒適、方便與節能方面亦有改善,使安裝多個感測器逐漸成為趨勢,同時成為發展自動駕駛等級SAE Level 5的基礎。透過這些先進感測器與機器學習軟體演算法處理,可讓車輛電控單元完整模擬,甚至超越人類在駕駛車輛時所使用的各種感官能力(Perception),實現同步即時的全方位環境感測能力,並針對感測結果判斷控制決策,因此感測器的穩定性研究成為目前自動駕駛技術的關鍵要素之一,其中運算速度、抗環境干擾能力與辨識精準度為目前發展的三個重要指標。圖1以NVIDIA為例,運算平台採用GPU架構可加速運算,每年以1.5倍的速度成長,預計於2025年將可達到1000倍的運算速度,可融合運算多種感測器。 圖1 自駕車運算平台以GPU架構為主流。  圖2以Google新創的自駕車公司Waymo為例,車上配掛光達與攝影機等感測設備,融合多重感測器抵抗環境干擾。 圖2 自駕車將融合多種感測器克服環境干擾。 圖3則是顯示目前自駕車採用3D光達技術,目的為提高物件辨識精準度。  圖3 自駕車採用3D光達技術,以提高辨識精準度。 兩大自駕車通訊技術 自駕車通訊技術,即採用車聯網V2X通訊,使自駕車具有對外連網能力,該技術可區分為兩大類,分別為短距無線通訊Dedicated Short Range...
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -