返回第六百四十四章 底特律的自动驾驶之路(2 / 2)无人驾驶帝国首页

uddin说“应用处理器需要所有数据,并进行比较,以确定它从系统中获得的信息是否准确。”

避开障碍物

确定汽车位置也是一项让汽车自动化成为可能的困难事儿。

一项更大、更复杂的任务是确定前面车辆的情况,它是停还是走。

要做到这一点,研究人员正采用立体视觉摄像机,雷达系统和激光。

立体视觉摄像机还没有在汽车上发挥大的作用,它使用的相机就类似于智能手机上采用的。

工程师说,这些摄像机可以提供重要的信息,但研究人员还没有想出如何使它这发挥更大的作用。

einhltz说“人可以看图片并即刻挑选出特征,”“我们的大脑很善于这样子做,但让一个基于系统的摄像头从一系列图像信息中提取相同的信息就真的很难。”

工程师们正在继续努力。红外摄像机能够使汽车捕捉到前方场景的热图像,使其更容易识别车道上是动物还是人类。

此外,研究人员正致力于开发这样一种软件,它能理解相机图像并且警告汽车关于附近的障碍。

基于雷达的系统也正有着类似的进步。

高达77频率的高频产品被利用来寻找车辆前面几百米范围内的障碍物。

目前,这种系统在现在的车辆上有应用如自动适配巡航控制系统和碰撞警示。

对于汽车,最大的进步在于使用设备。

脉冲激光发出的光,反射障碍,并反弹至板载接收继而测量光的飞行时间,使系统知道离附近障碍物的距离。

像威力达激光雷达的日64系统在旋转塔使用多达64个独立激光器,发射出高速的平行光脉冲,从而使车辆的计算机创建一个立体的“点云”的障碍。

威力登雷达的总经理和执行副总裁伍兹。

斯图尔特说如果你想作出实时自主决策,你需要有足够的信息,就像我们用我们的眼睛,耳朵和鼻子。

“为了做到这一点,你必须很快调出数据。”

道路交通零事故

这种技术的出现给工程师带来了一个巨大的挑战。

计算机系统必须能够处理每秒钟接收到的大量传感器数据。

“这就是软件”,斯坦福大学光子学研究的执行董事汤姆贝尔说。

“信息的整合过程,即将许多不同来源的数据整合起来,是关键。不管怎样,你必须收集这些数据并使它们交迭,形成一个紧密的可供车辆使用的嵌套空间。”

对于计算机演算规则系统开发的重视,已给大挑战比赛的优胜者带来了回报。

据贝尔说,由于对软件的高度重视,斯坦福大学队在2005和2007的比赛中,分别夺得了第一名和第二名。

“他们没有赢,因为他们的硬件平台比较好,”他说。

他们赢了,因为他们有更好的软件。它主要是能收集不同类型传感器数据并将其整理成一个决策路径,来车辆优化车辆的速度和方向。

工程师说,该软件的持续发展,将在预测车辆的运行情况方面起到关键作用。

一些专家建议,如果所有车辆都是自制的,目前自动汽车就可以到道路上行驶了。

不幸的是,以那种方式,自动迁移将无法完成。第一个这样的车辆到达时,他们将不得不面对超速的人为驾驶的“流氓车”,在停车标志前不断的鸣笛,并不能启动其转向指示灯。

uddin说,“所有的汽车制造商都正在努力使这种技术适应于道路。他们需要确保车辆能够应对不可预见的情况。”

这就是多数专家期望经过一系列的初期步骤后达到成品汽车的自动化的原因。

通过开始的自动适配恒速操纵器到车道保持及障碍规避,这项技术将会以全新的水平证明自己。

公众将就这一问题辩论多年,甚至可能是几十年。

伍兹说“和美国的其他事物一样,这件事归根结底是看我们是否有明智的方法来承担责任。技术肯定是可行的,但它将会使我们都退一步,来消化它。”

专家说

“这个概念取得成功的关键是人们相信车辆自动化可以大大降低米国每年超过3万起交通意外死亡事故。

三到四万起交通意外死亡应该是不能接受的。

当有人在一场车祸中丧生,应该上全国的头条新闻。总有一天,我们对汽车的期望也会是零事故行驶。”

请记住本书首发域名:net。手机版阅读网址: