TechSugar|特斯拉不赞成传感器融合,自动驾驶汽车怎么办?( 三 )


Prystine项目就是要解决自动驾驶的关键问题——实施融合 , 并解释来自各种传感器的数据 , 以便系统可以像人类驾驶员一样看到并理解车辆的周围环境 。
Norbert Druml认为 , 在自动化链中 , 故障操作行为是必不可少的 , 以便独立处理安全关键的情况 。 目前最先进的方法仍无法达到这一点 , 原因之一是缺乏可靠的环境感知和传感器融合 。
从技术上讲 , 该项目的目标是开发和验证新的失效硬件/软件平台、高性能和可靠的感知(不同级别的传感器融合)和从芯片到系统级都采用的基于AI的决策算法 。
Prystine将提供组件级故障操作传感器融合框架、可靠的嵌入式E/E架构 , 以及安全兼容的AI方法集成 , 用于汽车应用中的目标识别、场景理解和决策 。 由此产生的用于自动驾驶系统的参考融合架构和可靠组件将在22个行业演示中进行验证 , 其中包括一辆配备了新融合组件的先进感知和高度连网乘用车 , 以预测交通状况 。
预知故障操作行为是安全的关键
车辆正逐渐获得更多的自动驾驶功能 , 驾驶员将不再专注于驾驶 , 而将更多精力放在监视已被授予驾驶行为的智能系统 。 在L3 , 如果系统出现故障或自动驾驶功能达到其操作极限 , 驾驶员可接管驾驶任务 。 但是 , 在L4和L5 , 不能依靠驾驶员及时和适当的干预 。 自动化必须能够自行处理安全关键的情况 。 因此 , 故障操作行为在感知、预测和执行自动化链的各个阶段至关重要 。
据介绍 , Prystine正在实现基于强大雷达、LiDAR融合和控制功能的故障运行环绕感知 , 以实现城市和农村环境的安全自动驾驶 , 以确保在传感器出现故障时的安全自动驾驶 。
当从故障安全系统转变为故障操作行为系统后 , 就可以真正提高集成到未来汽车中的所有组件的安全性 , 包括安全控制器、传感器、雷达、LiDAR、摄像头及具有处理能力的计算平台组件 。
当检测到故障时 , Prystine合作伙伴所设想的故障操作行为系统不会关闭全部功能 。 相反 , 它将激活能够支持某些功能并以降低的速度驾驶汽车到下一个救援地点 。 ”
用融合检测什么?
为了实现融合 , Prystine的研究重点是开发四个AI算法集群 。
+
检测弱势道路使用者
在欧盟 , 行人死亡人数占22% , 骑自行车人占8% 。 该集群通过融合来自雷达、LiDAR和摄像头传感器的数据 , 满足对弱势道路使用者(行人、骑自行车人、儿童及残疾人和老年人口)的感知 。 开发的SuperSight解决方案使用360°视频处理 , 并在车辆上安装了周围摄像头 , 旨在消除盲点 , 使脆弱的道路使用者在进入驾驶员自然视野前就被看到 。 合作伙伴称 , SuperSight还提供自动安全警告 , 以减少交通事故并提高驾驶员的主动性 。
TechSugar|特斯拉不赞成传感器融合,自动驾驶汽车怎么办?
本文图片

检测弱势道路使用者的SuperSight
+
检测弱势道路使用者
从L2、L3过渡到L4 , 车辆需要应对更复杂的交通条件和道路网络 , 尤其是城市环境 。 Prystine的合作伙伴正在研究一种交通管理解决方案 , 它融合了来自交通控制器、浮动汽车数据和自动车牌识别摄像头的交通数据 , 可以为汽车和道路使用者提供交通预测 。 它可提供超越实际汽车视野的远景 , 帮助汽车优化其轨迹和路径规划 。 例如 , 汽车可以调整其轨迹和速度 , 以使绿灯亮起来 , 并优化时间和能耗 。
+
悬架控制
Prystine评估了各种传感器技术 , 包括激光三角测量、雷达和超声成像 , 以扫描路面状况 , 使车辆可以通过更改阻尼系数或悬架系统的垂直位置对预期状况做出反应 。 算法会分析前方道路的几何形状 , 并以这种方式适应汽车悬架 , 让用户不会感到坑洼或颠簸 , 大大提高了驾驶舒适性 。
+


推荐阅读