<span id="fk5wx"><ins id="fk5wx"><video id="fk5wx"></video></ins></span>
    <menuitem id="fk5wx"><dl id="fk5wx"></dl></menuitem>
    <cite id="fk5wx"></cite>
    <thead id="fk5wx"><dl id="fk5wx"></dl></thead>
    <thead id="fk5wx"></thead>
    <span id="fk5wx"></span><menuitem id="fk5wx"><strike id="fk5wx"><thead id="fk5wx"></thead></strike></menuitem>
    <span id="fk5wx"><ins id="fk5wx"><dl id="fk5wx"></dl></ins></span> <thead id="fk5wx"><dl id="fk5wx"></dl></thead>
    <ins id="fk5wx"></ins>
    <listing id="fk5wx"><dl id="fk5wx"><listing id="fk5wx"></listing></dl></listing>
    <var id="fk5wx"><video id="fk5wx"></video></var>
    <menuitem id="fk5wx"><video id="fk5wx"><address id="fk5wx"></address></video></menuitem>
    <thead id="fk5wx"><strike id="fk5wx"><address id="fk5wx"></address></strike></thead> <noframes id="fk5wx"><del id="fk5wx"></del>
    <var id="fk5wx"><dl id="fk5wx"><progress id="fk5wx"></progress></dl></var><thead id="fk5wx"></thead>
    <menuitem id="fk5wx"><dl id="fk5wx"></dl></menuitem><ins id="fk5wx"></ins><cite id="fk5wx"><video id="fk5wx"><progress id="fk5wx"></progress></video></cite>
    <listing id="fk5wx"></listing>
    <ins id="fk5wx"><strike id="fk5wx"><thead id="fk5wx"></thead></strike></ins>
    <menuitem id="fk5wx"></menuitem>
    <cite id="fk5wx"></cite>
    <cite id="fk5wx"><span id="fk5wx"><listing id="fk5wx"></listing></span></cite>
    <ins id="fk5wx"></ins>
    <menuitem id="fk5wx"><dl id="fk5wx"></dl></menuitem>
    <var id="fk5wx"><dl id="fk5wx"></dl></var>
    <cite id="fk5wx"></cite><cite id="fk5wx"><span id="fk5wx"><listing id="fk5wx"></listing></span></cite>
    <var id="fk5wx"><span id="fk5wx"></span></var>
    <thead id="fk5wx"></thead><cite id="fk5wx"></cite>
    <thead id="fk5wx"></thead>
    <thead id="fk5wx"><dl id="fk5wx"></dl></thead><thead id="fk5wx"><dl id="fk5wx"></dl></thead>
    <noframes id="fk5wx"><ins id="fk5wx"></ins>
    <i id="fk5wx"><dl id="fk5wx"><listing id="fk5wx"></listing></dl></i>
    <cite id="fk5wx"></cite><thead id="fk5wx"></thead>
    <thead id="fk5wx"></thead><menuitem id="fk5wx"><dl id="fk5wx"><listing id="fk5wx"></listing></dl></menuitem>
    <cite id="fk5wx"><video id="fk5wx"></video></cite>
    <th id="fk5wx"><cite id="fk5wx"><strike id="fk5wx"></strike></cite></th>
    <cite id="fk5wx"></cite>

    1. 速腾聚创:不做信息“收集器?#20445;?#35201;让激光雷达学会“思考”

      • 发表于: 2019/04/22 07:54:00 来源:车云网

      无人车上光有系统“大脑”还不够,传感器硬件也要有“智慧”。

      2019上海车展在掀开L3级自动驾驶时代的同时,也隐藏着一场传感器技术的竞逐。

      其中,国内激光雷达厂商RoboSense(速腾聚创)提出,无人车上光有系统“大脑”还不够,传感器硬件也要有“智慧”。基于此,该公司在上海车展现场联手地平线、菜鸟、Sensible 4、autoX等企业,面向自动驾驶乘用车、无人低速小车、RoboTaxi、车路协同四大智慧交通核心应用,首次发布其Smart Sensor System战略体系。并在产品方面,推出全新超广角补盲激光雷达RS-Bpearl、超高?#30452;?#29575;激光雷达RS-Ruby两款新品。

      在速腾聚创看来,相比信息“收集器?#20445;?#33258;动驾驶需要更聪明的信息“理解者”。“算法需要单独ECU运行, 但所有的OEMs都不希望在量产车上追加一台ECU,占用车辆宝贵?#30446;占?#19982;成本。RoboSense COO邱纯潮表示:面向市场需求,将感知算法融入传感器硬件,RS-LiDAR-M1需要成为信息的“理解者“。

      这款量产车规级固态激光雷达RS-LiDAR-M1即是速腾聚创的拳头产品,选用?#32479;?#26412;的905nm激光器、120°视场角和200m探测距离,在满足OEMs提出指标的同时也能够满足L3+自动驾驶乘用车的高速路况TJP与HWP两项核心功能的安全驾驶需求。

      而这些仅仅是这款产品完成的第一项任务,为了完成安全驾驶的信息获取,团队将智能感知算法写入芯片,嵌入激光雷达,实时解读三维点云数据,直接向自动驾驶车辆输出目标级环境感知结果。地平线与速腾聚创达成初步合作意向,为RS-LiDAR-Algorithms激光雷达环境感知算法定制芯片,后者计划于2021年向客户提供内部集成感知算法的智能传感器(Smart Sensor),该产品能一站式完成环境信息收集和理解,与传统LiDAR硬件厂商形成定位上的差异:由“硬件”升级为“智能硬件”。

      然而,“车规级”始终是现阶段横在激光雷达面前的一座大山。从整车厂的角度来看,自动驾驶车辆要想完成从L2到L3级?#30446;?#36234;,不仅仅是增加一个激光雷达传感器这么简单。他们要求激光雷达外形上必须小?#23665;?#20945;,可以轻松嵌入车身。同时在硬件上,必须要达到车规级对可靠性、稳定性、一致性的最高要求,且符合人眼安全。这就意味着供应商们要满足可生产性设计,拥有成熟的供应链以及可标准化的生产方式。更重要的,还要在大规模量产后达到乘用车可接受的成本价格。

      出于以上种种考量,相对保守的传统Tier 1开?#21152;?#22238;地寻找激光雷达补偿方案,希望能够在高级辅助驾驶阶段中“摄像头+毫米波雷达”路线的基础上“动动手脚?#20445;?#23613;可能从FOV、测距能力、?#30452;?#29575;、环境光?#35270;?#24615;、障碍物检测等各方面提高环境感知的安全冗余。车云菌观察到,就在本届上海车展期间,一种高?#30452;?#29575;?#19978;?#38647;达基本成为激光雷达功能替代的首选。

      对于这种?#20889;?#20110;发展初期的技术路线,速腾聚创方面对车云菌表示,高?#30452;?#27627;米波雷达目前在价格成本上并不占据绝对优势,与此同时,激光雷达也在从高性能、高?#30452;?#29575;角度开始降?#32479;?#26412;。“其实大家都在往更高性能和更合理价格的方向发展。激光雷达拥有更高的?#30452;?#29575;和测距精度,毫米波雷达对于静态的人类和小物体之类的障碍物难以检测。对于自动驾驶安全冗余来说,相互之间还是互补关系,在全天候复杂环境中,他们有各自的优势,可以共同为安全驾驶提供足够冗余的环境感知。目前看来,两者完全可以并行发展。”

      可以说,关于高阶自动驾驶的传感器融合路线,行业内仍旧没有达成共识。在这当下,速腾聚创也将一部分商业化目标转?#39057;攪说?#36895;商用车领域。

      无人低速小车?#36824;?#27867;应用于无人?#24067;臁?#26080;人安保、无人清洁车、无人送货车、无?#24605;?#39542;小巴等领域,成为自动驾驶商业化的“急先锋”。初期,无人低速小车使用单线激光雷达,对环境感知不够充分。RoboSense提供的RS-P1方案,通过将16线激光雷达(RS-LiDAR-16)与感知算法盒子结?#24076;?#20026;无人低速小车赋予LiDAR三维感知能力,实现定位、导航、避?#31995;?#33258;动驾驶功能。但由于普通多线激光雷达垂直视场角的限制,车身周边容易出现锥形盲区。

      RoboSense推出全新的超广角补盲激光雷达RS-Bpearl,它拥有360°×90°的超广视场角,30m(10%)探测距离,盲区只有10厘米。小?#23665;?#20945;?#33041;?#22411;,隐藏安装于无人低速小车两侧,扫除车身周边的盲区,并完成侧向环境感知需求。该产品采用模块化设计,极大降低了成本,同时让产品灵活度变高,可定制化能力变得更强。

      RoboSense全新一代量产无人低速小车环境感知方案,搭载于菜鸟的“新物种”无人物流车亮相车展现场。新方案使用一台视场角120°的RS-LiDAR-M1,取代原来两台视场角63°的RS-LiDAR-M1Pre,并加入RS-Bpearl负责侧向感知和盲区扫除,实现无死角覆盖。固态激光雷达与短距离补盲雷达的搭配组?#24076;?#20174;硬件角度看,产品性能稳定,而且价格极具优势。结合RoboSense结合领先的智能感知算法,RoboSense表示,针对无人低速车的Smart Sensor System的发布,将通过上游与行业伙伴共同发力,推动无人低速小车全面量产。

      当然,在低速场景之外,RoboTaxi的高速驾驶场景应用,更迫?#34892;?#35201;更高垂直?#30452;?#28608;光雷达实现更远的充分探测距离。相比整车厂,RoboTaxi环境感知方案某种程度上弱化了激光雷达的成本因素,也?#20113;?#24615;能提出了更高要求。本次车展现场,速腾聚创与AutoX共同展示了全新RoboTaxi环境感知方案:Ruby+Bpearl组合。

      具体而言,RoboSense全新的128线激光雷达RS-Ruby,与RS-LiDAR-32相比,RS-Ruby垂直?#30452;?#29575;是前者的3倍以上,达到0.1°,充分探测距离提高2~3倍,有效保证RoboTaxi对环境感知的进一步需求。全新的RoboTaxi环境感知方案,将使用单台RS-Ruby作为核心传感器安装于车顶位置,负责全方位感知,加入两台RS-Bpearl安装于引擎盖两侧扫除盲区,结合领先的智能感知算法,实现超远距离无死角感知,进一步提升RoboTaxi的行驶安全。

      在单车智能之外,配备路侧感知系?#36710;?#36710;路协同系统,同样让整个行业感到兴奋。车路协同收集全局驾驶,优化协调车辆行驶路径,将驾驶安全性与道路使用效能最大化。作为Smart Sensor System提供商,RoboSense面向车路协同提供基于激光雷达传感器与感知算法结?#31995;?#31995;统技术方案,让自动驾驶车辆可?#28304;?#20013;获得鸟瞰路况的“上帝视角?#20445;?#25104;为车辆“视觉的?#30001;輟埃?#26377;效应对车载感知难以应对的特殊场景。

      相关标签:
      自动驾驶
      • 车云星
      • ?#21344;?#31449;
      • 福特星球
      • 虫洞

      加料 /

      人评论 | 人参与 登录
      查看更多评论
      彩票11选5