自動駕駛相關知識學習筆記

一、概要

因為想知道SIL、HIL是什么仿真工具,故而瀏覽了自動駕駛相關的知識。

資料來源《自動駕駛——人工智能理論與實踐》胡波 林青 陳強 著;出版時間:2023年3月

二、圖像的分類、分割與檢測任務區別

如圖所示,這些更高階的圖像理解任務往往都可以歸類為目標檢測語義分割這兩種基本的任務,或者基于這兩種任務的擴展(實例分割)?。不同于單純的圖像分類,目標檢測需要定位出在一張圖像中每個物體(例如行人)的類別以及位置范圍,而實例分割更進一步,需要以像素為單位給出每個物體的范圍。

目標檢測包括對車輛、行人、非機動車、交通信號燈和標志等進行檢測。這個任務中需要同時做兩件事情:一是分類,識別出目標是什么;二是定位出目標在哪里。前者不言而喻,對于后者,例如定位出目標在一個十字路口,需要能夠分辨出是哪個位置的交通燈及交通燈分別是什么信號,這樣才能相應地根據交通信號的指示移動。更細節地,目標檢測可以分為2D和3D檢測。前者是在一個2D圖像上檢測出物體,它的目標輸出是在圖像坐標系中的一個矩形框。后者是在3D空間中的檢測,目標輸出是3D的邊界框。考慮到2D像素空間仍然只是3D空間的投影,而且如果考慮到畸變、地面的不平等因素,這種投影還存在不規則的因素,因此相對而言,2D像素空間中的檢測與分割都還需要額外的處理才能用于后續的決策,而3D空間中的檢測則可以較方便地用于決策規劃環節。?

三、超參數

常見的超參數及其對模型訓練的敏感性(其數值變化對模型訓練的影響能力)

四、實現自動駕駛功能的流程

?五、自動駕駛系統研發流程

1、按信息處理過程劃分

2、自動駕駛汽車研發工程示意圖

(1)路采規劃:該環節主要是對路采進行詳細的路徑規劃,例如在全國哪些省市進行路采,采集什么樣的路況和場景,有哪些代表性的天氣狀況需要采集,以及車隊的人員配備和管理。

(2)測試車改裝:該環節涉及測試車的功能規劃,傳感器的選擇、安裝、標定,數據獲取系統(包括傳感器記錄儀、預標注系統、存儲系統、車載電源等)的安裝調試。

(3)裸數據采集:該環節需要注意相關法規的監管。在中國,公開道路上的地理信息數據的采集行為受《中華人民共和國測繪法》的約束,需要有地理信息勘測甲級資質的圖商監管。

(4)數據上傳:采集好的數據需要從路測場地通過物流的方式運輸回數據中心上傳,物流的過程同樣也需要接受圖商的監管。到達數據中心后,需要快速地將數據上傳到數據中心的數據湖中存儲,并將存儲介質數據清除后通過物流送回路測場地循環使用。

(5)海量數據存儲:根據不同的項目目標和規劃,每天采集的數據量可能從數太字節(terabyte,TB)到數百太字節不等,由于數據量巨大,因此數據中心的數據上傳應盡量采用自動化手段實現。數據中心側應部署支持海量數據規模的數據湖存儲設備接收每日上傳的路采裸數據,同時應部署元數據庫對路采裸數據的元數據進行管理(數據治理)?。

(6)數據清洗+預處理:一旦有新的裸數據進入數據湖,系統就可以開始數據處理的流程。先由圖商對數據做脫敏(去除車牌等敏感信息)操作以及坐標系的偏轉操作,再通過高性能計算集群對數據進行清洗(去除鏡頭被遮擋等的圖像數據)和相應的預處理(亮度調節、對比度調節等)?。

(7)數據標注:對于需要進行深度學習(deep learning,DL)訓練的數據,通過手動或半自動的標注平臺進行標注(labeling),以生成監督學習需要的真值數據。

(8)自動駕駛產品規劃:由自動駕駛的產品經理對自動駕駛的功能進行產品規劃,并針對不同功能的自適應巡航控制(adaptive cruise control,ACC)系統、自動緊急制動(autonomous emergency braking,AEB)系統、車道偏離警示(lanedeparture warning,LDW)系統等制定不同的測試方案。

(9)算法模型訓練:利用傳感器數據進行物體識別、語義分割、實例分割等基于卷積神經網絡的深度學習訓練,將達到訓練精度的模型用于推理,從傳感器數據中抽取出各種場景要素。

(10)仿真場景庫:使用抽取出來的場景要素生成場景庫,業界比較權威的場景庫是基于自動化及測量系統標準協會(association for standardization ofautomation and measuring systems,ASAM)規定的OpenDrive和OpenScenario場景庫。在后期的虛擬仿真中,此環節生成的場景庫將用于為數字仿真模型車生成虛擬的仿真場景。

(11)虛擬仿真:通過Simulink、Prescan、Carsim等虛擬仿真工具對算法進行“軟件在環(SiL)”虛擬仿真,在仿真環節中仿真道路路面、交通參照物、車輛、行人以及天氣條件下的環境信息(例如雨霧或者夜間照明時的路面信息)?。通過對各種基本要素的排列組合形成各種復雜的場景,盡可能多地覆蓋各種罕見場景(cornercase),讓數字仿真模型車在這些復雜場景中做各種測試并記錄結果。每次測試完 ? 成后利用測試結果對數字仿真模型車的算法和參數進行優化,循環往復,直到得到滿足自動駕駛分級功能要求的結果。

(12)硬件仿真:對SiL仿真過程中達到功能標準的算法進行“硬件在環(HiL)”仿真驗證。在SiL仿真過程的代碼跑通后,再基于必要的硬件在環平臺,檢測代碼在傳感器、計算單元等硬件系統上運行中的錯誤和兼容性問題。然后進行“車輛在環(ViL)”仿真,將相關的軟硬件系統集成到車輛平臺上,在封閉場地中完成相關測試,檢測代碼是否出現問題。

(13)道路測試:基于“司機在環(DiL)”?,在測試場地和政府允許的公開道路進行場地測試,檢測自動駕駛系統的運行情況,獲得司機的主觀評價及驗證人機交互等功能。

(14)量產:以上各項測試都通過后,就可以進入量產階段,在汽車成品中進行大量部署。

六、自動駕駛系統的仿真測試

1、軟件在環(SiL)仿真測試系統架構

2、硬件在環(HiL)仿真測試系統架構

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/65344.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/65344.shtml
英文地址,請注明出處:http://en.pswp.cn/web/65344.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

springcloud 介紹

Spring Cloud是一個基于Spring Boot的微服務架構解決方案集合,它提供了一套完整的工具集,用于快速構建分布式系統。在Spring Cloud的架構中,服務被拆分為一系列小型、自治的微服務,每個服務運行在其獨立的進程中,并通過…

Blazor用戶身份驗證狀態詳解

在 Blazor 應用程序中,AuthenticationState 是一個核心概念,用于表示用戶的身份驗證狀態。它提供有關當前用戶的信息,例如是否已登錄、用戶的身份信息(如用戶名、角色等)。 AuthenticationState 通常由 Authenticatio…

VAxios

VAxios(或v-axios)是一個基于Axios的Vue插件,旨在讓開發者在Vue項目中更方便、快捷地引入和使用Axios。以下是對VAxios的詳細介紹: 一、功能與特性 VAxios作為Axios的Vue封裝插件,繼承了Axios的眾多特性,…

什么是 ERP?

目錄 企業資源計劃(ERP)的定義 ERP與財務管理的區別 ERP基礎知識 ERP的業務價值 ERP簡史 ERP部署模式:從本地部署到云端 ERP云 — 新的ERP交付模式 遷移至ERP云技術解決方案的7個原因 企業資源計劃(ERP)的定義 …

Linux環境下確認并操作 Git 倉庫

在軟件開發和版本控制中,Git 已成為不可或缺的工具。有時,我們需要確認某個目錄是否是一個 Git 倉庫,并在該目錄中運行腳本。本文將詳細介紹如何確認 /usr/local/src/zcxt/backend/policy-system-backend 目錄是否是一個 Git 倉庫&#xff0c…

【PLL】非線性瞬態性能

頻率捕獲、跟蹤響應,是大信號非線性行為鎖相范圍內的相位、頻率跟蹤,不是非線性行為 所以:跟蹤,是線性區域;捕獲,是大信號、非線性區域 鎖定范圍:沒有周跳(cycle-slipping&#xff0…

QML學習(七) 學習QML時,用好Qt設計器,快速了解各個組件的屬性

在初步學習QML時,特別建議看看Qt設計器,先利用Qt Quick設計師的使用,快速的對Qt Quick的各個組件及其常用的屬性,有個初步的了解和認識。如果初始學習一上來直接以代碼形式開干,很容易一頭霧水。而設計器以最直白的所見…

回調函數和工廠模式

回調函數和工廠模式可以結合使用,以實現靈活的對象創建和動態行為。這種結合通常用于需要根據特定條件創建對象并在對象上執行某些操作的場景。以下是如何將回調函數與工廠模式結合的示例和解釋。 結合使用的場景 動態對象創建:使用工廠模式創建不同類型…

find 查找文件grep匹配數據

一、find介紹 1. find . -iname "*.txt"查找當前目錄下各個文件夾下的txt屬性的文件(i忽略大小寫)。 2.find . -type f 查找當前目錄下各個文件夾下的文件 3.find . -type d 查找當前目錄下各個文件夾下的目錄 4.find . -type f | xargs grep -ain -E "匹配…

Mac上鴻蒙配置HDC報錯:zsh: command not found: hdc -v

這個問題困擾了好久,按照官方文檔去配置的,就是會一直報錯,沒有配置成功,主要原因是官網ide的路徑可能和你本地的ide的路徑不一致,因為官網的ide版本可能是最新的 一.先查找你本地的toolchains目錄在哪里,…

CS·GO搬磚流程詳細版

說簡單點,就是Steam買了然后BUFF上賣,或許大家都知道這點,但就是一些操作和細節問題沒那么明白。我相信,你看完這篇文章以后,至少會有新的認知。 好吧,廢話少說,直接上實操! 首先準…

“深入淺出”系列之FFmpeg:(1)音視頻開發基礎

我的音視頻開發大部分內容是跟著雷霄驊大佬學習的,所以筆記也是跟雷老師的博客寫的。 一、音視頻相關的基礎知識 首先播放一個視頻文件的流程如下所示: FFmpeg的作用就是將H.264格式的數據轉換成YUV格式的數據,然后SDL將YUV顯示到電腦屏幕上…

【Linux】Linux開發:GDB調試器與Git版本控制工具指南

Linux相關知識點可以通過點擊以下鏈接進行學習一起加油!初識指令指令進階權限管理yum包管理與vim編輯器GCC/G編譯器make與Makefile自動化構建 在 Linux 開發中,GDB 調試器和 Git 版本控制工具是開發者必備的利器。GDB 幫助快速定位代碼問題,G…

【設計模式-2】23 種設計模式的分類和功能

在軟件工程領域,設計模式是解決常見設計問題的經典方案。1994 年,Erich Gamma、Richard Helm、Ralph Johnson 和 John Vlissides(四人幫,GoF)在《設計模式:可復用面向對象軟件的基礎》一書中系統性地總結了…

谷粒商城-高級篇完結-Sleuth+Zipkin 服務鏈路追蹤

1、基本概念和整合 1.1、為什么用 微服務架構是一個分布式架構,它按業務劃分服務單元,一個分布式系統往往有很多個服務單元。由于服務單元數量眾多,業務的復雜性,如果出現了錯誤和異常,很難去定位 。主要體現在&#…

小米智能啞鈴上市,代理 IP 視角下的智能健身新篇

在智能科技與健康生活深度融合的時代,小米以其敏銳的市場洞察力和強大的創新能力,不斷拓展智能生態版圖。米家智能啞鈴的發布,無疑是其在智能健身領域的又一重要舉措。而當我們從代理 IP 的獨特視角來審視這一產品,會發現其中蘊含…

基于Python的音樂播放器 畢業設計-附源碼73733

摘 要 本項目基于Python開發了一款簡單而功能強大的音樂播放器。通過該音樂播放器,用戶可以輕松管理自己的音樂庫,播放喜愛的音樂,并享受音樂帶來的愉悅體驗。 首先,我們使用Python語言結合相關庫開發了這款音樂播放器。利用Tkin…

實際開發中,常見pdf|word|excel等文件的預覽和下載

實際開發中,常見pdf|word|excel等文件的預覽和下載 背景相關類型數據之間的轉換1、File轉Blob2、File轉ArrayBuffer3、Blob轉ArrayBuffer4、Blob轉File5、ArrayBuffer轉Blob6、ArrayBuffer轉File 根據Blob/File類型生成可預覽的Base64地址基于Blob類型的各種文件的下載各種類型…

微信小程序中的 storage(本地存儲)和內存是兩個完全不同的存儲區域

這是一個非常關鍵且容易混淆的概念 既然 this.globalData.appId appId 是將 appId 存儲在內存中,為什么微信小程序中的 wx.getStorage 和 wx.setStorage(本地存儲)中沒有 appId,并且您提出了一個非常重要的疑問:stor…

【C++數據結構——查找】二叉排序樹(頭歌實踐教學平臺習題)【合集】

目錄😋 任務描述 相關知識 1. 二叉排序樹的基本概念 2. 二叉排序樹節點結構體定義 3. 創建二叉排序樹 4. 判斷是否為二叉排序樹 5. 遞歸查找關鍵字為 6 的結點并輸出查找路徑 6. 刪除二叉排序樹中的節點 測試說明 通關代碼 測試結果 任務描述 本關任務&a…