无人驾驶的一二三四五六

  交通的实现提供了更多的可能，随着低速无人驾驶的逐渐普及与各地区高速无人驾驶试验区域的开设，我们生活的方方面面都开始有无人驾驶身影的存在。无人驾驶技术的提升也让无人驾驶的发展模式愈发统一，其概念也越发清晰，今天智驾最前沿就带大家来聊聊无人驾驶中的一、二、三、四、五、六。

  一个概念即是指无人驾驶的概念，无人驾驶，又称为无人驾驶汽车、电脑驾驶汽车、无人车，是一种通过高级辅助驾驶系统对司机进行辅助或者不一定要通过驾驶员做相关操作的车辆。作为自动化载具，无人驾驶汽车可以不需要人类操作即能感知其环境并对需要出行的路径进行导航，自主完成出行过程。全无人驾驶汽车通过雷达（激光雷达、毫米波雷达）、车载摄像头等硬件设备及软件系统协调合作，让无人驾驶汽车可以在无需驾驶员操作的情况下，就完成出行操作，安全可靠地将乘客送达目的地。

  单车智能即在无人驾驶汽车上加装足够多的硬件设备（激光雷达、毫米波雷达、车载摄像头等），让自动驾驶汽车能够得到更完善的交通信息，并可以自主对交通信息进行辨别。单车智能更加偏向于个体智能，即对无人驾驶汽车个体的智能化提出了更高的要求。

  智能网联即将无人驾驶汽车联入到交通网络内，车辆与车辆、车辆与行人、车辆与道路等交通参与者之间可以将出行路径、规划及行驶状态等数据发送到云端，并分享给每一个交通参与者。智能网联的发展可以让无人驾驶汽车获得更多的交通信息，并能提前对出行状态做出调整，从而确保出行的安全。智能网联更加偏向于整体智能，即道路、车辆、行人等所有交通参与者之间的智能。智能网联是现阶段大家普遍认同的无人驾驶落地方案，但因为法律和法规不完善、交通设施改造安排不明确、大众认可度并不是非常高等，依旧面临很多的问题。

  无人驾驶汽车想要完成自主行驶，就需要像是人行走一样，“看”得清道路是第一要求，感知就是让无人驾驶汽车可以对交通环境进行理解和把握，通过感知系统的加持，无人驾驶汽车可以对交通环境中障碍物（车辆、行人）的位置、速度及接下来可能的行为；交通环境中可以行驶的区域、交通规则（车道线检测、红绿灯识别、交通标识识别）等信息进行获取，自动驾驶汽车还能够最终靠感知系统清楚自己所处的位置（定位）从而能够为进一步的决策和规划提供重要的道路信息。

  自动驾驶汽车“看”的清是第一步，而对于“看”到的信息做多元化的分析决策，并对之后的出行行为进行规划，则是更重要的一个环节。就像人在路面行走一样，需要对自己要走的路径进行规划，无人驾驶汽车也要对获得的道路信息进行规划，根据规划方向的不同，可大致分为行为规划、任务规划和动作规划。无人驾驶汽车根据出行任务，对交通情况（车辆、行人等）信息做多元化的分析，从而做出对应的判断，如超车、停车、绕行等。规划系统就像是人类的大脑，会对获得的道路信息做多元化的分析判断，并根据出行任务，对驾驶行为做出调整。规划这一环节，就是人类驾驶员在驾驶汽车过程中对于交通环境对处理过程，规划对于无人驾驶汽车很重要，想要让无人驾驶汽车安全行驶，可处理各种交通环境，则需要无人驾驶汽车可以对不同的场景做出及时反应，在面对诸如“乘客优先”还是“行人优先”等决策时，可以直接给出最佳解决方案。

  控制这一环节，则是无人驾驶汽车落地的最直观的体现，作为无人驾驶汽车整套系统的最底层，担负着人类驾驶员“手”和“脚”的角色，控制管理系统对于无人驾驶汽车做出的规划做出一定的反应，让无人驾驶汽车成功完成加速、减速、避让等一系列动作，无人驾驶控制执行的核心技术最重要的包含车辆的纵向控制和横向控制技术。

  无人驾驶的发展路径有着很清晰的四个方向，即我们所熟知的汽车“新四化”（电动化、智能化、网联化、共享化）。

  汽车电动化发展，给自动驾驶汽车的实现提供了良好的载体，相较于燃油车发动机作为动力来源，在工作过程中会出现爆燃等不可控因素，电动汽车拥有更强的可控性。由于电动汽车主要是依靠发电机和电动机来操纵汽车，能够最终靠对输出电压的变化，来有效控制发电机和电动机的转速，从而能够对汽车实现高效控制。无人驾驶汽车需要自主完成出行过程，想要提高无人驾驶汽车的安全性，对于无人驾驶汽车的有效控制是必不可少的。

  汽车电动化发展现阶段依旧存在续航能力过低、温度对续航里程影响较大等问题，当这些弊端得到解决，电动汽车能轻松实现与燃油车同等工作效能后，汽车智能化技术将得到逐步发展。智能化，主要是指单车智能，也是高级辅助驾驶系统的一种体现，虽然现在很多汽车都已经搭载了高级辅助驾驶系统，但仅实现了L2、L3的部分无人驾驶，距离L5的无人驾驶还有非常长一段路要走，单车智能技术的提升，给无人驾驶的实现提供了技术储备和实现可能，慢慢地提高单车智能的技术，一步步实现单车智能下的无人驾驶，是实现L5级别无人驾驶的过渡，也是必不可少的一种方案，因此汽车智能化是无人驾驶实现的必要阶段。

  网联化即车联网技术的发展，单车智能的发展拥有成本过高、装载感知硬件过多等弊端，网联化的发展，将单车智能感知交通的任务通过车联网技术，以数据传输的方式传达给参与交通的车辆，通过V2X（车辆与车辆、车辆与行人、车辆与道路等）技术，将多变的道路信息传送给已经实现单车智能的汽车，让车辆在道路上行驶过程中能提前被告知、提前做出对应反馈，可以使无人驾驶更安全，更高效，也能够在一定程度上促进交通的管理，提高行驶效率，无人驾驶时代一定离不开网联化。

  随着无人驾驶时代的到来，共享化的出行方式获将成为优化交通发展、完善交通规划的有效方式，通过共享化，可以让无人驾驶汽车使用效率达到最高，能节约更多的停车场地开发。

  自动驾驶的发展离不开域控制器的技术提升，域控制器可以将原先孤立的ECU相互融合，通过一个或多个大脑来操控全车的ECU与传感器，可以让更多功能类似，但是相互分离的ECU集成到一个比ECU更强大的处理器硬件平台上，域控制器的发展将让汽车智能化升级的研发成本逐步降低，加速无人驾驶技术的落地。域控制器大致上可以分为动力域、车身域、底盘域、座舱域和无人驾驶域的五域集中式电子电器架构。

  即安全域，是一种智能化的动力总成管理单元，大多数都用在动力总成的优化与控制，在电动汽车中主要是指电驱和电控系统的集成化，同时兼具电气智能故障诊断、智能节电、总线通信等功能。

  车身域主要是将分散化的功能组合慢慢地过渡到集成所有车身电子控制功能，全车身如刹车灯、尾门锁等设备的控制集成化到一起，可以大大降低整车重量，降低各部件的控制成本。

  底盘域主要是和汽车的行驶相关，是行驶系统、传动系统、转向系统和制动系统的集成，主要负责汽车各驱动部件的连接、动力传输、转向、制动等功能，是汽车作为出行工具的主要控制域，底盘域的发展也是无人驾驶汽车能否落地的重要的条件。与动力域类似，底盘域内所涉及的控制管理系统大多都具备较高的安 全等级要求，需要符合 ASIL-D 安全等级（ASIL 系列中最高安全等级）。因此底盘域亦具备着较高的行业门槛，目前多数底盘域控制器仍处于实验室阶段。

  座舱域主要负责汽车座舱电子系统功能，集成了包括智能座舱如组合仪表、中控大屏、抬头显示等功能，不同于传统座舱由几个分散子系统或单独模块等组成，座舱域需要具备卓越的处理性，可以将多屏联动、多屏驾驶等复杂智能座舱功能成为现实。

  无人驾驶域需要具备多传感器融合、定位、路径规划、无线通讯、决策控制、高速通讯等能力，自动驾驶域需要外接如毫米波雷达、激光雷达、车载摄像头、惯性导航等硬件设备，以此来实现无人驾驶的感知、决策能力，其核心是芯片的解决能力，最终目标是实现无人驾驶的算力需求，简化设备，提高无人驾驶系统的集成度。无人驾驶域也是负责汽车在无人驾驶状态下底层核心数据、联网数据的安全保障工作，是推动L3及以上更高等级无人驾驶的核心部件。

  国际汽车工程师学会，根据高级辅助驾驶系统参与行驶过程的程度，将无人驾驶分为L0-L5共6个等级。

  由车辆完成所有驾驶操作，人类驾驶员无需保持注意力集中，但限定道路和环境条件

  2021年8月20日由工业与信息化部提出、全国汽车标准化技术委员会归口的GB/T 40429-2021《汽车驾驶自动化分级》推荐性国家标准由国家市场监督管理总局、国家标准化管理委员会批准发布（国家标准公告2021年第11号文），也已于2022年3月1日起实施。在此分级中，也将无人驾驶分成了6个等级，其中0-2级为驾驶辅助，系统辅助人类执行动态驾驶任务，驾驶主体仍为驾驶员；3-5级为无人驾驶，系统在设计运行条件下代替人类执行动态驾驶任务，当功能激活时，驾驶主体是系统。

  “十问十答” /

  需要5G？ /

  随着科技的发展，传统的农机行业正趋于饱和，新生事物层出不穷，无论是传统农机还是从业者都面临如何转变发展方式与经济转型的问题。农机

  系统就是当下最热的概念之一。身为新时代农机人，作业的提质增效是无论如何也绕

  场景中的不同任务，同时实现优异的性能和效率。这些任务包括对象检测、分割、车道检测、可行驶区域分割和深度估算，这些都是

  系统 /

  行业的持续不断的发展，慢慢的变多的朋想进入这个行业，甚至有一些别的行业工作多年的朋友都想转入

  的核心技术主要是人工智能中的机器学习与深 度学习两个方向。在本文中，我们的关注点在于机器学习算法

  中的机器学习 /

  技术概述 /

  领域，却是一个新鲜的话题。基础架构的工作包括硬 件、onboard（车载系统）、云端三大板块。在我们认为，

  基础架构 /

  正成为交通领域的最大变量。任何人都可以造成交通拥堵。只要你踩一脚刹车，你后面的司机就得跟着踩刹车，然后他后面的司机也得照做，这样刹车再启动的行为，可以传递好几公 里。国际

  与车路协同 /

  智能座舱抬头显示HUD的3种C-HDU、W-HDU及AR-HUD产品形态概述

  AMD Versal AI Edge自适应计算加速平台之PL通过NoC读写DDR4实验(4)

  AMD Versal AI Edge自适应计算加速平台之PL LED实验（3）

  使用Altera Interface Planner高效设计FPGA引脚布局

  I.MX6ULL-飞凌 ElfBoard ELF1板卡- 移植zbar的方法