自动驾驶汽车硬件系统概述.pdf

所需积分/C币:11 2019-08-08 15:21:43 582KB PDF

自动驾驶汽车硬件系统概述.pdf
目前绝大多数自动驾驶研发车都是改装车辆,相关传感器加装到 车顶,改变车辆的动力学模型;改装车辆的刹车和转向系统,也缺乏 不同的工况和两冬一夏的测试。图中Uber研发用车是SUV车型自身 重心就较高,车顶加装的设备进一步造成重心上移,在避让转向的过 程中转向过急过度,发生碰撞时都会比原车更容易侧翻 硬件在环 司机在环 甚于模器仿真 基于车辆执行 基于实腭道 基于必要的硬件平台 软件在环 车辆在环 自动驾驶研发仿真测试流程 所以在自动驾驶中,安全是自动驾驶技术开发的第一天条。为了 降低和避免实际道路测试中的风险,在实际道路测试前要做好充分的 仿真、台架、封闭场地的测试验证。 软件在环( Software in loop),通过软件仿真来构建自动驾驶 所需的各类场景,复现真实世界道路交通环境,从而进行自动驾驶技 术的开发测试工作。软件在环效率取决于仿真软件可复现场景的程度。 对交通环境与场景的模拟,包括复杂交通场景、真实交通流、自然天 气(雨、雪、雾、夜晚、灯光等)各种交通参与者(汽车、摩托车、 自行车、行人等)。采用软件对交通场景、道路、以及传感器模拟仿 真可以给自动驾驶的环境感知提供卡富的输入可以对算法进行验证 和测试 硬件在环(Hard- ware in1oop),各种传感器类似人的眼睛和 耳朵,作为自动驾驶系统的感知部分,该部分的性能决定了自动驾驶 车辆能否适应复杂多变的交通环境。包括,摄像头、毫米波雷达、超 声波雷达、激光雷达。针对不同的传感器,硬件在环会根据不同的传 感器和环境因素来部署。 车辆在环( Vehicle in loop),车辆执行系统向传动系统发出 执行命令来控制车辆,在自动驾驶中取代了人类的手脚。自动驾驶系 统的执行控制优劣决定了车辆是否能够安仝舒适的行驶。车辆运行在 空旷的场地上,自动驾驶系统感知系统模拟的虚拟场景,自动驾驶系 统根据虚拟的场景发出控制指令,再通过传感器将车辆的实轨迹反 馈到虚拟环境中,实珌真车与虚拟环境的融合,从而进行车辆操控的 验证 司机在环( Driver in loop),基于实时仿真技术开发,结合驾 驶员的实际行为,可以实现对车辆和自动驾驶技术开发测试做出主观 的评价。可机在环,可以一方面获得司机的主观评价,另一方面可以 验证人机共驾驶的功能。 自动驾驶系统的硬件架构 就整体而言,汽车是个全社会化管理的产品,其固有的行业特点 是相对保守的。在人工智能的大潮下,面对造车新势力和消费者需求 变化的冲击,传统汽车行业渐进式的创新方法已经面临巨大的挑战。 急需改变传统的架构和方法不断创新。自动驾驶幣体的硬件架构不光 要考虑系统本身也要考虑人的因素 腰性 酒 司 全雪 快冒 计算单元 m 感知 决策 控制 自动驾驶的硬件架构 自动驾驶系统主要包含三个部分:感知、决策、控制。从整个 硬件的架构上也要充分考虑系统感知、决策、控制的功能要求。整 体设计和生产上要符合相关车规级标准,如IS026262、AECQ-100、 TS16949等相关认证和标准。目前L1、L2、ADAS系统的硬件架构体 系和供应链相对完善符合车规级要求。 感知层:依赖大量传感器的数据,分为车辆运动、环境感知、 驾驶员检测三大类。 车辆运动传感器:速度和角度传感器提供车辆线控系统的相关横 行和纵向信息。惯性导航+全球定位系统=组合导航,提供全姿态信息 参数和高精度定位信息。 环境感知传感器:负责环境感知的传感器类似于人的视觉和听觉, 如果没有环境感知传感器的支撑,将无法实现自动驾驶功能。主要依 靠激光雷达、摄像头、亳米波雷达的数据融合提供给计算单元进行算 法处理。w2X就是周围一切能与车辆发生关的事物进行通信,包括V2V 车辆通信技术、V2Ⅰ与基础设施如红绿灯的通信技术、V2P车辆与行 人的通信。 驾驶员监测传感器:基于摄像头的非接触式和基于生物电传感器 的接触式。通过方向盘和仪表台内集成的传感器,将驾驶员的面部细 节以及心脏、脑电等部位的数据进行收集,再根据这些部位数据变化, 判断驾驶员是否处于走神和疲劳驾驶状态。 计算单元部分:各类传感器采集的数据统一到计算单元处理,为 了保证自动驾驶的实时性要求,软件响应最大延迟必须在可接受的 围内,这对计算的要求非常高。目前主流的解决方案有基于GPU、FPGA ASIC等 车辆控制:自动驾驶需要用电信号控制车辆的转向、制动、油门 系统,其中涉及到车辆地盘的线控改装,目前在具备自适应巡航、紧 急制动、白动泊车功能的车上可以直接借用原车的系统,通过CAN总 线控制而不需要过度改装 警告系统:主要是通过声音、图像、振动提醒司机注意,通过HMI 的设计有效减少司机困倦、分心的行为。 、自动驾驶的传感器 光雷詁 围憬头 毫来述 组合导 自动驾驶的传感器 摄像头:主要用于车道线、交通标示牌、红绿灯以及车辆、行 人检测,有检测信息全面、价格便宜的特定,但会受到雨雪天气和 光照的影响。由镜头、镜头模组、滤光片、CMOS/CD、ISP、数据 传输部分组成。光线经过光学镜头和滤光片后聚焦到传感器上,通 过CMoS或CCD集成电路将光信号转换成电信号,再经过图像处理器 (ISP)转换成标准的RAW,RGB或YUV等格式的数字图像信号,通 过数据传输接口传到计算机端。 激光雷达:激光雷达使用的技术是飞行时间法( Time of Flight)根据光线遇到障碍的折返时间计算距离。为了覆盖一定角 度范围需要进行角度扫描,从而出现了各种扫描原理。主要分为: 同轴旋转、棱镜旋转、MEMS扫描、相位式、闪烁式。激光雷达不光 用于感知也应用于高精度地图的测绘和定位是公认L3级以上自动驾 驶必不可少的传感器。 毫米波雷达:主要用于交通车辆的检测,检测速度快、准确, 不易受到天气影响,对车道线交通标,等无法检测。亳米波雷达由 芯片、天线、算法共同组成,基木原理是发射一束电磁波,观察回 波与入射波的差异来计算距离、速度等。成像精度的衡量指标为距 离探测精度、角分辨率、速度差分辨率。毫米波频率越,带宽越 宽,成像约精细,主要分为77GHz和24GHz两种类型。 组合导航:GNSS板卡通过天线接收所有可见GPS卫星和RTK的 信号后,进行解译和计算得到自身的空间位置。当车辆通过遂道或 行驶在高耸的楼群间的街道时,这种信号盲区由于信号受遮挡而不 能实施导航的风险。就需要融合INS的信息,INS具有全天候、完 全自主、不受外界干扰、可以提供全导航参数(位置、速度、姿 态)等优点,组合之后能达到比两个独立运行的最好性能还要好的 定位测姿性能。 、自动驾驶传感器的产品定义 声波面达 傻头 毫术或国达 酒光雷达 组合导 自动i(AcC 紧急制动【AEB 行人检测(PD 交谱志别〔TSR 车临寫警告(LDW) 泊车辅(PA 自动写驶(APL35 自动驾驶的传感器 这张表总结了常见白动驾驶功能所使用的传感器,以及各个传 感器的应用。 针对L1、L2的自动驾驶功能各国也纷纷出台了相关标准,加速 了市场的发展和产品落地。欧盟新车安全评鉴协会(E-NCAP)从2013 年起便在评分规则中增加了ADAS内容,到2017年速庋辅助系统 (SAS)、自动紧急制动(AEB)、车道偏离预警/车道偏离辅助 ① LDW/LKD)的加分要求为系统,装机量达到100%。美国国家公路交 通安全管理局( NHTSA)和高速公路安全保险协(IIHS)也提出2022年 将自动紧急制动(AEB)等ADAS功能纳入技术标准。 正常柏油路面(摩撚系数0.6)下的剝车距离《米) 车速 km/h 30 40 6070 90100120 陈车275.910516423632142529656 .5 整体制动距离=(系统反应时闻+制动反应时间)“车速+刹车距离 车 0 30 4050 60 70 90100120 制动8.314221.6302403515642779934127.8 拒离 自动驾驶传感器的产品定义 自动驾驶要求局限于车辆的ODD(0 perational Design Domain), 即设计适用范围。城市道路+城际高速是自动驾驶汽车普遍的适用范 围。我国城市封闭道路最高限速80公里/小时,高速公路限速120 公里/小时。干燥的柏油路面摩擦系数是0.6,根据刹车距离公式: S=V*V/2gμ去计算刹车距离得出第一行的表格,再结合自动驾驶系 统反应时间和制动系统反应时间得出下表 从两个表格可以看岀,剎车距离与速度的平方成正比,与摩擦系 数成反比。当摩擦系数一定时,刹车距离取决于车速,如果车速增加 1倍,刹车距离将增大至4倍。摩捺系数μ主要与路面材质和天气相 关 自动驾驶传感器在中国最高限速120公里的情况下,探测距离达 到150m就可以满足需求了,自动驾驶的技术开发者可以根据实际场 景的速度来选择所需要的传感器,没有必要一味追求传感器的性能提 高整体成本。

...展开详情
img
Simon Hwu

关注 私信 TA的资源

上传资源赚积分,得勋章
    最新推荐