您的位置 首页 股票炒股

如何看待百度无人驾驶车完成路测?

谢邀。相关从业人员,本身对谷歌无人车的那套方案有一定了解,这里仅仅从技术层面简单谈一下。 百度从事无人车研究的…

谢邀。相关从业人员,本身对谷歌无人车的那套方案有一定了解,这里仅仅从技术层面简单谈一下。

百度从事无人车研究的相关消息似乎是半年前左右流出来的。据我所知,百度这一块只做了不到两年,时间比较短。从技术上来说,百度能在这么短时间内完成这一成绩,十分厉害。非常惊喜的是百度做的是完全无人驾驶,这方面技术要求很高。目前国内外大多数厂商都是做驾驶辅助这方面,而纯粹的无人驾驶,全世界范围内也不过那么几家。这点值得自豪。

无人车从技术角度来看,涉及学科很广。简单来说包括perception, control, planning, hardware等几部分。我本身比较了解的是perception这一块,从目前了解到的一点信息来看,百度无人车系统从sensor calibration, mapping, localization, object detection, tracking等方面来讲,和比谷歌无人车平台类似,属于硬货。 这套方案目前来说比较成熟,能实现一定程度上的无人驾驶。但是门槛也比较高,需要投入很大,并且实现起来极其繁琐复杂。非常佩服百度有魄力从事这方面研究,并且能够在这么短时间内取得不错的成果。不过真正实现无人驾驶,还有很多多如牛毛的问题需要解决。谷歌这么多年来也还在探索这方面的解决方案,很好奇不知道百度将来有什么打算。

非常期待百度下一步的动作。不知道将来百度是否会加入deep learning进行perception的相关工作?这方面是百度强项,也是目前无人驾驶技术积极探索的方向之一。

———————————————————————————–

2015/12/11更新

看到许多帖子都在无脑黑,稍微多讲一点。

关于驾驶的几个等级划分(Autonomous car)

目前无人驾驶(LEVEL 4)主要基于LIDAR,也就是百度无人车头顶那个大的Sensor。这玩意可以扫描周边100米半径的路况,相关信息被用于Mapping,localization,detection,可以说是无人车的眼睛。这一设备的好处在于基本上无论白天黑夜,都能对周边的环境有很好的感知。而基于LIDAR的无人车技术也是目前最成熟的,目前google,uber等无人车驾驶厂商正在使用这个sensor(我记得一个好像是10万美金左右的价格)。

因此传统汽车厂商,包括奔驰特斯拉等,都没有使用这个Sensor(消费者根本买不起。。)。 相反,传统车厂目前的辅助驾驶技术(LEVEL 3)基于相机,雷达(成本低)。这一技术目前还存在许多问题,精度普遍不高。单单从获取场景深度点云这一步来说,LIDAR直接给出结果(100m半径),相机还要做stereo Vision(半径30米左右)。基于LiDAR可以给城市绘制3D地图,并用3D地图进行车载定位(精度10厘米级别)。而基于相机的技术根本就没有这一块,纯粹使用GPS(精度几米)。从学术角度来说,目前基于相机的无人驾驶有许多难题,没有个十年八年(甚至更长时间)根本无法完全攻克并满足无人驾驶的需求。这也是为什么特斯拉的自动驾驶会归为辅助驾驶(LEVEL 3),因为目前还无法过渡到Level 4。

————————————————————————————————————

2015/12/12更新

这里非常非常简单的谈谈主流无人驾驶/辅助驾驶在Perception方面的常见方法:

基于LIDAR的无人驾驶思路是:

前期准备:驾驶员开车收集数据(3D) ->建立城市3D地图->在地图里面标注好车道,交通牌等。

无人驾驶: GPS给出车子大概的位置->汽车通过和之前建立的地图对比,确认现在的位置(误差10cm内)->检测交通牌(分类器)以及周边物体(lidar给出物体3D点云)->追踪周边物体,避免碰撞->无人驾驶Get.

可以看到这一阶段地图 以及LIDAR的数据非常关键。因为车辆对环境提前有了准备,对城市了如指掌,因此精度较高,可以满足Level 4 无人驾驶要求。但是缺点是必须提前对需要驾驶的场景建模,获取精确的三维地图,且成本高。这是目前互联网公司,包括google,uber,baidu使用的方法。

基于相机/雷达的无人驾驶思路是:

前期准备: 离线训练分类器(Machine Learning),用于检测车道,行人,汽车等等。

驾驶阶段: GPS给出大概位置(误差几米) -> 系统自动检测车道 -> 沿着车道走 -> 检测周边行人,车辆 -> 追踪周边物体,避免碰撞->无人驾驶Get。

变向: GPS检测到了路口附近->检测到车道准备变向->运气好找到车道(通过), 运气不好检测不到车道(驾驶员你来开)。

可以看出这几个阶段对检测算法要求很高。万一检测算法不准,就要人手控制,否则很容易发生事故。这种方法的优点是不需要提前对城市进行建模,门槛较低。但是定位基本靠GPS,而GPS误差比较大,无法保证定位精度。另外训练分类器需要海量数据,对于任何没有训练到的数据,算法都无法应对(因此很多时候需要人进行手动驾驶)。这也是为什么目前基于相机的无人驾驶技术,只能达到Level 3驾驶辅助的程度,而无法达到Level 4无人驾驶。目前传统汽车厂商(奔驰等)基本走这一个路线。

两者比较:

个人认为基于相机的无人驾驶是无人驾驶的最终形态,Lidar也必然会被相机所逐渐取代。然而,受限于目前的算法,技术,基于相机的无人驾驶技术至少需要10-15年才可能进阶到Level 4。与此同时,基于Lidar的无人驾驶技术,则可以在5年内达到商用Level 4的水准,提前进入市场。这也是为什么google等厂商目前技术基于Lidar,同时积极开展与研究基于相机的无人驾驶技术的重要原因。另外,目前绝大多数厂商(就我所知,国内已经有数十个厂商开展这方面的研究)正在展开基于相机的无人驾驶/辅助驾驶工作,竞争环境比较激烈。而基于Lidar的无人驾驶技术,则只有几个互联网巨头公司进行开展。

————————————————————————————————————

对于知乎这里的无脑喷,我想说无人驾驶的每一步,都是当前学术研究的热点,并且很多方向都没有被完全攻克。另外无人驾驶,据我所知没有开源代码,所以不是什么‘国外一开源,国内就自主’的骗钱项目。目前一个看法是无人驾驶应该讲两者结合,基于Lidar,Camera。但是一切都在探索之中。

————————————————————————————————————-

12/15跟新

不少人认为无人驾驶无法克服国内城乡复杂的交通环境,因此并无卵用。的确,现阶段无人驾驶技术无法应对农村或者小城镇复杂的交通情况。但是凡事一点一点来,不一定非要100%解决无人驾驶才能上路,才能商业化。即使只从北京开始推广,无人驾驶技术依然有数百万潜在用户,依然有很大的商业价值。

而无人驾驶技术本身,代表着Robotics,Computer Vision, Planning, Control等多个工程学科的最高水平。这些正是国内所欠缺的。无人驾驶的许多技术,可以用在很多行业。大到无人机导航(Amazon无人机送快递),室内导航+虚拟现实(微软的hololens)。小到目前流行的扫地机器人等,都和无人驾驶技术密切相关。

————————————————————————————————————-

12/22跟新

目前高级辅助驾驶的研究(Level 3)在国内十分火热。这方面门槛低,基本上投资个千把万,找十来个博士就能进这个行业。同时,各个厂商对最终产品的性能要求更是各有不同。有些目标很高,希望把高级辅助驾驶做的接近Level 4,只有在很少的情况下驾驶员才需要进行驾驶干预。有些则认为只要加入车辆检测,道路监测,碰撞提示就好,甚至不需要做什么control,尽快进入市场才是王道。

本文来自网络,不代表伊好股票网立场,转载请注明出处:https://www.yhaow.com/chaogu/1951.html

作者: 伊好股票网

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

联系我们

联系我们

0898-88881688

在线咨询: QQ交谈

邮箱: email@wangzhan.com

工作时间:周一至周五,9:00-17:30,节假日休息

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

关注微博
返回顶部