自动驾驶技术综述1:自动驾驶算法软件架构介绍

这篇具有很好参考价值的文章主要介绍了自动驾驶技术综述1:自动驾驶算法软件架构介绍。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

前言:

自动驾驶技术是一个庞大的工程体系,软件架构、功能算法、控制规划、感知识别、建图定位、电气架构、车载控制器、验证体系等等,有太多的角度可以去切入。对于自动驾驶功能与算法开发,自动驾驶功能的分级是很重要的,自动驾驶的功能衍变就是随着自动驾驶功能的分级推进而不断发展。而随着自动驾驶等级的不断提高,对应的功能使用场景以及软件架构也发生相应的调整。

想系统学习自动驾驶算法的小伙伴,可以关注订阅以下专栏:

决策规划算法系统解析:https://blog.csdn.net/nn243823163/category_11685852.html

Apollo仿真与调试:https://blog.csdn.net/nn243823163/category_11807746.html

智能驾驶算法解析与仿真:https://blog.csdn.net/nn243823163/category_11935534.html

一、自动驾驶系统分级

国内与国际对于自动驾驶系统都划分为0~5级,每一级对应的功能如下:

0级:前向碰撞预警 FCW算法、车道偏离预警 LDW Lane Departure Warning、侧向报警BSD、开门预警DOW、倒车辅助预警RCTA、泊车辅助PA、驾驶员疲劳检测DMS;

1级:定速巡航系统 CC算法、自适应巡航系统 ACC算法 Adaptive Cruise Contro、车道纠偏辅助 LDP Lane Departure Prevention、车道居中辅助 LKA Lane Keep Assist、自动紧急制动 AEB算法、行人保护 PDS

2级:自动泊车算法 APA、交通拥堵辅助TJA、自动变道功能 LCS;

2.5级:高速公路导航辅助NOP、城区导航辅助

3级:高速公路单车道自动驾驶TJP、高速公路多车道自动驾驶HWP

4级:代客泊车AVP、港口园区无人驾驶

5级:完全自动驾驶

国内自动驾驶分级如下图所示:

自动驾驶架构,自动驾驶算法与仿真技术,人工智能,系统架构,自动驾驶,ADAS,智能驾驶

国际标准如下:

自动驾驶架构,自动驾驶算法与仿真技术,人工智能,系统架构,自动驾驶,ADAS,智能驾驶

比较形象与直观的理解可以参考下图:

自动驾驶架构,自动驾驶算法与仿真技术,人工智能,系统架构,自动驾驶,ADAS,智能驾驶

二、系统架构

自动驾驶系统的架构可以如下图表示。最下层是硬件层,传感器、执行器、V2X设备等硬件都属于这一层;中间层是控制器,由MCU或者SOC加各种接口构成,接口包括CAN、以太网、LVDS等接口与硬件层相连接;在控制器的芯片中还要运行操作系统以及中间件,中间件提供了软件接口以及调度管理工具,来进行上层各个软件模块之间的管理与通信。在软件层进行功能模块的实现,感知、预测、决策规划、控制、数据储存等功能,都在软件层进行实现。

自动驾驶架构,自动驾驶算法与仿真技术,人工智能,系统架构,自动驾驶,ADAS,智能驾驶

对于自动驾驶软件,之前的L2系统从架构上通常按照以下3个模块进行划分:感知、决策规划、控制;通常认为感知相当于人类的眼睛,与传感器连接,将传感器识别到的原始信号识别为目标以及道路的各个属性;决策规划相当于人类的大脑,处理感知或得的信息,并做出决策;控制层相当于人类的四肢,接受决策规划模块的控制,操纵执行器进行横向与纵向的控制。

自动驾驶架构,自动驾驶算法与仿真技术,人工智能,系统架构,自动驾驶,ADAS,智能驾驶

接下来这个框架图将感知、决策规划、控制这3个模块更加细致的展现。

感知模块的输入可以是各种传感器:摄像头、激光雷达、毫米波雷达等,同时感知也会接受车身传感器的信息来对感知结果进行修正。决策规划模型又分为行为决策、轨迹规划、轨迹生成等模块。控制模块主要分为横向控制与纵向控制,横向控制主要是控制转向系统,纵向控制涉及油门与刹车的控制。

自动驾驶架构,自动驾驶算法与仿真技术,人工智能,系统架构,自动驾驶,ADAS,智能驾驶

软件架构的另外一种表述如下:

自动驾驶架构,自动驾驶算法与仿真技术,人工智能,系统架构,自动驾驶,ADAS,智能驾驶

以上的软件架构图是目前主流L2功能的架构图,随着自动驾驶功能向着L3迈进以及NOP等L2.5 功能的出现,自动驾驶软件架构也出现了进一步的发现,目前主流的NOP架构可以参考下图。可以看到,与L2的架构相比,NOP的架构中多了MAP、定位、Routing 模块。

其中HDMAP模块提供了高精地图数据,与感知提供的车道线数据相比,高精地图提供的车道线数据更准确、可视距离更远、而且可以反映出道路的拓扑结构。

定位模块则给出当前车辆所在的位置,结合HDMAP的数据给出局部地图。

Routing则给出全局的路径规划结果,作为局部路径规划的参考。

自动驾驶架构,自动驾驶算法与仿真技术,人工智能,系统架构,自动驾驶,ADAS,智能驾驶

NOP架构更详细的描述可以参考下图:

自动驾驶架构,自动驾驶算法与仿真技术,人工智能,系统架构,自动驾驶,ADAS,智能驾驶

以上介绍了L2以及L2.5功能的自动驾驶算法架构,后续会继续深入介绍各个模块,欢迎大家持续关注文章来源地址https://www.toymoban.com/news/detail-741598.html

到了这里,关于自动驾驶技术综述1:自动驾驶算法软件架构介绍的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【大唐杯学习超快速入门】5G技术原理仿真教学——5G网络架构演进

    2,3G未写 需要记下各个网元的位置,以及各个网元间接口。 与e-nodeB之间接入的是MME与S-GW MME还会与HSS连接 SGW P-GW IP sever都与PCRF连接,构成一个三角 接入网: E-UTRAN(Evolved UMTS Terrestrial Radio Access Network):演进的UMTS陆地无线接入网 eNodeB(Evolved Node B):演进型Node B ,简称e

    2024年02月08日
    浏览(51)
  • 【大唐杯学习超快速入门】5G技术原理仿真教学——5G网络协议架构

    这一部分主要考察了从ue到gnb的DU与CU再到核心网,从用户面到控制面,各部分的接口,以及协议栈。首先要记住各个协议的内涵,使用在哪里,然后要记住协议栈。在做题的时候对应位置同一层的协议必定是相同的。 学习参考如下链接 5G架构和协议栈 5GNR协议栈 5G空口协议栈

    2024年02月11日
    浏览(43)
  • 自动驾驶车辆运动规划方法综述 - 论文阅读

    本文旨在对自己的研究方向做一些记录,方便日后自己回顾。论文里面有关其他方向的讲解读者自行阅读。 参考论文:自动驾驶车辆运动规划方法综述 1 摘要 规划决策模块中的运动规划环节负责生成车辆的 局部运动轨迹 ,决定车辆行驶质量的决定因素 未来关注的重点: (

    2024年01月17日
    浏览(53)
  • 综述:自动驾驶中的 4D 毫米波雷达

    论文链接:《4D Millimeter-Wave Radar in Autonomous Driving: A Survey》 4D 毫米波 (mmWave) 雷达能够测量目标的距离、方位角、仰角和速度,引起了自动驾驶领域的极大兴趣。这归因于其在极端环境下的稳健性以及出色的速度和高度测量能力。 然而,尽管与其传感理论和应用相关的研究迅

    2024年01月18日
    浏览(39)
  • 综述:自动驾驶中的多模态 3D 目标检测

    在驾驶场景中,自动驾驶车辆需要精准高效的感知运算,时刻预测其所处的驾驶环境。 其中,感知系统将各种传感器数据转化为语义信息,是自动驾驶系统的核心和不可缺少的组成部分。 图像具有丰富的语义信息,点云包含深度信息。 两者具有互补特性,可以提高三维物体

    2024年02月03日
    浏览(40)
  • 用于自动驾驶的基于深度学习的图像 3D 目标检测:综述

    论文地址:https://ieeexplore.ieee.org/abstract/document/10017184/ 准确、鲁棒的感知系统是理解自动驾驶和机器人驾驶环境的关键。自动驾驶需要目标的 3D 信息,包括目标的位置和姿态,以清楚地了解驾驶环境。 摄像头传感器因其颜色和纹理丰富且价格低廉而广泛应用于自动驾驶中。摄

    2024年02月03日
    浏览(45)
  • 自动驾驶地面车辆的雷达里程计:方法与数据集综述

    Nader J. Abu-Alrub, Nathir A. Rawashdeh, Senior Member, IEEE         摘要: 雷达里程计在过去十年中受到越来越多的关注。它是在不利条件下进行机器人状态估计的最佳解决方案之一,其他内部感知和外部感知传感器可能在这些条件下无法胜任。雷达被广泛采用,对天气和光照条件具

    2024年02月15日
    浏览(38)
  • 5.【自动驾驶与机器人中的SLAM技术】2D点云的scan matching算法 和 检测退化场景的思路

    这里实现了基于g2o优化器的优化方法。 图优化中涉及两个概念-顶点和边。我们的优化变量认为是顶点,误差项就是边。我们通过g2o声明一个图模型,然后往图模型中添加顶点和与顶点相关联的边,再选定优化算法(比如LM)就可以进行优化了。想熟悉g2o的小伙伴们感兴趣的话

    2024年02月03日
    浏览(38)
  • 自动驾驶和辅助驾驶系统的概念性架构(二)

    摘要: 本篇为第二部分主要介绍底层计算单元、示例工作负载 前言        本文档参考自动驾驶计算联盟(Autonomous Vehicle Computing Consortium)关于自动驾驶和辅助驾驶计算系统的概念系统架构。该架构旨在与SAE L1-L5级别的自动驾驶保持一致。本文主要介绍包括功能模块图,涵盖了

    2024年02月10日
    浏览(37)
  • 自动驾驶和辅助驾驶系统的概念性架构(一)

    摘要: 本文主要介绍包括功能模块图,涵盖了底层计算单元、示例工作负载和行业标准。 前言 本文档参考自动驾驶计算联盟(Autonomous Vehicle Computing Consortium)关于自动驾驶和辅助驾驶计算系统的概念系统架构。 该架构旨在与SAE L1-L5级别的自动驾驶保持一致。本文主要介绍包括

    2024年02月10日
    浏览(36)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包