随着我们向自动驾驶迈进,除了在单个车辆中使用之外,与其他道路使用者共享实时基础设施信息和数字地图数据将变得越来越有必要。共享数据将补充经典地图数据,并为驾驶员提供全面的道路网络图。
自动驾驶还需要高精度的数据,以及有关相关性和有效性的信息。传统的导航系统——它们不是云连接的,只有在车辆进入服务时偶尔更新——无法提供这一点。
人群感应
因此,在未来,捆绑来自不同交通参与者的数据(分布式感知和映射)将变得至关重要。传感器数据不仅会收集个别车辆,还会提供给所有道路使用者。车辆将相互通信,并与周围环境中的其他车辆交换数据。车辆数据也将在云中存储和评估,以在测量一段道路时进行地图优化等目的。许多司机已经参与了这个间接数据收集过程,因为他们通过智能手机提供数据。这方面的一个例子是用于交通报告的交通拥堵数据。
从云中获得的信息质量取决于数据量。提供信息的车辆越多,对环境的映射就越精确。交通标志识别就是一个很好的例子。即使是最新的导航系统也没有关于所有道路限速的信息。他们通常只提供主要道路的这些信息。他们也无法提供有关最近实施的速度限制变更的信息。前置摄像头中的路标识别功能可以弥补这一信息鸿沟。但是,净识别率并不理想。而在恶劣的天气和恶劣的照明条件下,它甚至更低。
另一方面,如果数十万辆汽车的车队定期将其数据发送到中央云存储库进行评估,则净识别率将大大提高。这被称为“人群感知”,与任何地图提供商的特殊测量工具相比,庞大的数据量提供了更加精确和最新的图片。除了交通标志数据之外,混合动力和电动汽车还需要与传输和驾驶策略相关的路线信息,而配备主动式底盘的汽车将需要道路状况数据,例如光滑度或结冰情况。对于所有类型的车辆,都需要有关弯道、车道和交通路线的附加信息。
地图信息必须由元数据补充,以便车辆可以检查数据的有效性。例如,今天的地图不包括数据的年龄或老化模型(即,它们不提供关于如何将旧数据归类为可靠的信息)。所有这些信息对于自动驾驶汽车都是必要的,因为地图的不同特征以不同的速度老化。例如,车辆感应到的黑冰数据在数小时甚至数分钟后将失效。相比之下,关于隧道的信息可能在几年后仍然有效。
从车辆到云端
一辆装备精良的现代化车辆每分钟会产生数 GB 的传感器数据。由于网络容量有限,并非所有这些数据都可以传输,因此必须减少数据量。为此,首先将传感器数据与云中车辆的现有地图数据进行比较。例如,在交通标志识别的情况下,系统会检查该标志在地图资料中是否具有相同的对应物。如果没有,则将信息上传到云端。
即使存在数据匹配,上传信息以便验证地图材料可能仍然有意义。是否传输数据的决定取决于老化模型,目标是传输尽可能少的数据和尽可能多的必要数据。
一旦相关数据进入云存储库,就必须对其进行预处理、分组、排序和解释。在预处理阶段,明显不正确的特征被丢弃。然后,对各个地图特征的信息进行分组。•当1 0 0辆汽车提供有关特定道路标志的信息时,最初会有1 0 0个数据记录,这些记录将与标志的精确位置或感知的最大速度限制略有不同。然后使用数据挖掘来确定这1 0 0个数据记录是否都与完全相同的符号相关,该符号位于何处,以及它是什么类型的符号。然后执行计算以查看是否可以将特征分配给现有地图数据。之后,系统解释数据以确定标志是否是新的,以及是否必须调整老化模型。例如,可变信息路标可能会发生这种情况。
从云端到 ECU
分析完云中的信息后,必须将其传输回车辆。传输过程需要各种协议。当在相对较长的时间间隔内进行增量更新时,使用导航数据标准(NDS) 格式。还有几种专有格式,以及用于较短间隔更新的OpenLR 标准。
数据传播在不同层次上进行了模块化,以将快速变化的信息与很少更新的信息分开。这减少了数据传输期间的带宽需求并简化了更新过程。同时,它确保车载系统始终拥有最新的可用信息。将此信息与相关性元数据相结合还可以评估数据的可靠性。
来自云端的信息首先被集成到导航系统的地图资料中。然后将其传输到相关的 ECU,以便辅助功能可以通过高级驾驶员辅助系统接口规范 ( ADASIS) 等协议使用它。预期驾驶系统,例如 Elektrobit 电子地平线解决方案,使用 ADASIS Reconstructor 接收 ADASIS Provider 发送的数据(在导航系统内),然后将其正确分类到 ECU 的数据结构中。ADASIS 协议可确保组件正确交互。
真实性和数据保护
人群感应的技术功能必须符合数据保护法规。为此,来自车辆的传感器数据最初会被缩减和压缩,然后通常会在传输到云端之前对其进行匿名、签名和加密。
匿名保护了司机的隐私。匿名化后在处理过程中,需要保证同一类型的连续信息可以分配给云中的发送者。例如,如果系统在短时间内多次收到“车辆静止”消息,它必须知道该信息是与一辆还是多辆车辆有关。如果它是由几辆车发送的,则可以假设它们处于交通拥堵状态。车辆的身份无关紧要,不同信息类型与一辆车相关的事实也是如此。
但是,也有一些例外。例如,如果车辆发送技术缺陷信息,则需要由其制造商正确识别。因此,对于所有信息,有必要在匿名性和身份识别之间找到平衡。对数据进行签名,以便评估和验证其真实性和可信度。它还使用标准加密方法(例如对称和非对称加密)进行加密以确保安全传输。
自学系统
许多汽车制造商已经将传感器数据存储在云端。但是,他们仍然在有效使用它时遇到问题。他们的分析往往侧重于特定功能,并且是手动执行的。未来,要收集和评估的数据将变得越来越复杂。为了发挥传感器的潜力,有必要提高数据处理链的自动化程度。合适的系统将涵盖从数据挖掘和评估到数据传输和使用的整个过程。汽车制造商将始终保留数据的所有权。
我们仍处于车辆传感器数据使用的早期阶段。中低价位汽车中驾驶员辅助功能数量的增长将导致未来几年可分析数据量的增加。所描述的技术允许来自云的数据用于舒适和安全功能。人群感应信息将提供道路网络的精确图像,这将是自动驾驶不可或缺的基础。
审核编辑:郭婷
-
传感器
+关注
关注
2541文章
49840浏览量
746938 -
自动驾驶
+关注
关注
781文章
13437浏览量
165095
发布评论请先 登录
相关推荐
聊聊自动驾驶离不开的感知硬件
FPGA在自动驾驶领域有哪些优势?
FPGA在自动驾驶领域有哪些应用?
自动驾驶识别技术有哪些
深度学习在自动驾驶中的关键技术
雷诺集团将与自动驾驶公司WeRide达成合作
吉利与Foretellix合作开发自动驾驶汽车
未来已来,多传感器融合感知是自动驾驶破局的关键
大众汽车和Mobileye加强自动驾驶合作
自动驾驶感知算法提升处理策略
![<b class='flag-5'>自动驾驶</b><b class='flag-5'>感知</b>算法提升处理策略](https://file1.elecfans.com/web2/M00/B9/53/wKgZomWM1diAWgXrAAHfsXqgNh4066.png)
LabVIEW开发自动驾驶的双目测距系统
自动驾驶路径跟踪控制的种类
自动驾驶中的多感知源/单感知源提升方案
![<b class='flag-5'>自动驾驶</b>中的多<b class='flag-5'>感知</b>源/单<b class='flag-5'>感知</b>源提升方案](https://file1.elecfans.com/web2/M00/A9/CD/wKgaomU12s6Ad7LpAAAulptiP7k639.png)
评论