无人驾驶车辆,其实在国外由于涉及其他人的安全,所有的车辆系统的运行都是报备的。所以有着这样的一个图,我们可以从中学到一些东西。下图里面灰色的是正常的行驶里程,橙色的是出现意外的情况。
Autonomous Vehicle Disengagement Reports:https://www.dmv.ca.gov/portal/dmv/detail/vr/autonomous/disengagement_report
Bosch, LLC
Delphi Automotive Systems, LLC
Google Auto, LLC
Nissan North America, Inc
Mercedes-Benz Research & Development North America, Inc
Tesla Motors, Inc.
Volkswagen Group of America, Inc.
这里定义的问题是,自动驾驶系统无法启动和需要人的辅助和干预两大类。从图上看,Google由于积累了大量的历史数据,相对处于优势。
在参考文献1中,里面重点分析了Google的问题
与设计差异的驾驶策略:比如行驶路线太靠近路边停放车辆
感知和判断错误:车内感知系统错误识别道路物体
软件问题
硬件失效:硬件设备发生故障
对道路其他车辆和行人的行为错误预测
气候条件
紧急车辆:警车/救护车
施工区域
这个细致的情况,其实可以在文件《Nissan Autonomous Vehicle Disengagement Report》里面找到的
比较喜欢Nissan的地方,是里面报告非常全
控制系统无法工作
CAN总线负载率太高
路径无法生成
前方测量无法识别,快撞上啦
利用机器视觉技术的检测行人和信号灯
利用雷达(激光、毫米波)检测前行车辆
高精度定位及数字地图
基于复杂环境感知及通信的路径规划和轨迹跟踪
基于机器视觉技术的纵横向控制
利用毫米波雷达测车间距离的纵向控制
Nissan的决策是根据匹配的确定算法来做的,根据信息和规则树来对比。搞不定的时候,就需要人来协助了。
小结
1)越看这些资料越觉得好玩,很多东西,只有认真去解读其架构和实际的报告才有些体会
2)原来一块块的算法以后可能真给一个学习的CNN给打败了,这是原有模式的难点
参考文件:
US Consumer Watchdog assesses “Why Self-Driving Cars Fail”
Developing an Autonomous Vehicle Control System for Intersections Using Obstacle/Blind Spot Detection Frames
联系客服