侵权投诉
焊接机器人 喷涂机器人 搬运机器人 装配机器人 切割机器人 其它机器人
订阅
纠错
加入自媒体

【重磅】特斯拉产业链专题:进击王者 引领未来(上)

2016-08-12 18:29
潇纵
关注

  在多种传感器当中,视觉传感器的性价比最高,其可以应用于车道线识别、行人识别、交通标志识别和前向碰撞等多种功能。

  红外夜视系统的功能是提升夜间行车安全。主动式与被动式红外夜视系统是两种主流的技术路线。主动式通过CCD接受物体反射的对应敏感频谱成像,而被动式的红外焦平面探测器接受物体的红外辐射成像。两者各有优势,将在较长时间内共存。

  激光雷达的基本原理是TOF(TimeofFlight),在这些非标状态下,通过视觉识别车道线的车辆定位方式不可行,必须通过激光雷达实时扫描周围环境。

  传感器数据融合包括传感器接口、仲裁判定、导航、用户接口、全局管理等几个模块,是无人驾驶软件开发中最大的难点之一。

  3.2.2.2.判断:算法是ADAS系统的灵魂

  3.2.2.3.执行:初级应用为报警,逐渐进化到车辆控制

  ADAS系统通过传感器获取数据,主芯片完成判断后,初级应用通过声音、图像、振动对驾驶者进行警示。与电子控制功能结合后,逐渐进化到对车辆的自动控制。

  HUD能够将显示投影在驾驶者视线正前方,是显示ADAS警示信息的最优选择,我们预测,HUD的发展将显著受益ADAS系统的普及。

  油门、转向、刹车的电子控制相对较为成熟,与ADAS系统配合后可以实现自动控制功能。

  3.2.3.国内ADAS系统研发处于起步阶段

  随着自主品牌需求的提升,国产ADAS进入前装的机会同步提升。前装ADAS产品准入门槛高,现阶段多为德尔福、博世等海外配套厂商主导。国内初创团队多从前装360环视、后装行车记录仪(附加ADAS功能)等安全要求相对较低的产品切入。

  3.3.深度学习与互联:互联网企业逐鹿无人驾驶汽车

  互联网巨头凭借大数据与深度学习卡位人工智能,进军无人驾驶汽车。由于传统车机械构造复杂,供应链体系相对封闭与稳定,新进入者多选择电动车作为突破口,互联、电动、智能三条发展主线实现融合。

  互联网巨头掌握大数据与深度学习技术,在无人驾驶领域潜力巨大。现阶段ADAS最高级的图像算法基于浅层学习,需要人工提取足够多的特征参数作为输入,机器通过自学习实现数据收敛,完成对应的识别预判等操作。无人驾驶阶段需依赖人工智能,处理的场景与数据相比ADAS系统是指数级增长,机器深度学习成为必须。

  硬件角度,深度学习对于系统运算能力提出了极高的要求,芯片厂商也纷纷提前布局。

  3.3.1.车联网延伸单车感知判断功能,实现全网络无人驾驶

  车联网的终极目是组建传感器网络,实现数据的无缝传输,依托云计算平台实现全网络的无人驾驶。我们认为,车联网的发展,将伴随着车内网(In-VehicleNetwork)的数据互通与向外延伸,辅之以车际网(V2x)的数据交换,再结合移动互联(MobileInternet)的数据全面贯通,并向着全网络无人驾驶的终极目标全速发展。

  3.3.2.高精度地图是无人驾驶的重要组件

  在辅助/无人驾驶系统中,地图服务的核心功能是自动导航,同时延伸到了安全、舒适、节能等多个领域。四维图新、高德等图商拥有导航电子地图测绘资质,在国内的无人驾驶应用中具体不可替代性。

<上一页  1  2  3  4  5  6  7  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号