自主可视化

自动驾驶可视化工具使大规模测试成为可能。

巴拉哈 Spectrum-Scan is a lidar system for autonomous driving that replaces several spinning lasers with one stationary device. Fiber optics send and receive signals to small prisms on the exterior. Image courtesy of Baraja.


将自动驾驶开发称为竞赛并不是夸张的事情。包括深度学习,通用图形处理单元(GP-GPU),人工智能和计算机视觉在内的各种尖端技术正在适应使无人驾驶汽车和卡车成为日常生活。一些供应商正在努力创建所需的工程工具。

与大多数重大工程挑战一样,测试是该行业成功或失败的地方。人类平均每行驶1亿英里行驶一次致命的车祸。兰德公司(Rand Corporation)估计,在该行业获得广泛的监管批准之前,将需要进行110亿英里的试驾。截至2018年7月,Alphabet Inc.(Google)的子公司Waymo的行驶里程已超过800万英里。其他领先的开发商,包括Uber和通用汽车,紧随其后。

干邑白兰地 combines 3D geographic data with autonomous driving software to create virtual test drive environments. 图片由Cognata提供。 干邑白兰地 combines 3D geographic data with autonomous driving software to create virtual test drive environments. 图片由Cognata提供。

“We’现在,我们已经在美国25个城市进行了测试,获得了不同天气条件和地形的经验:从密歇根州的雪街到旧金山的陡峭山丘,再到凤凰城的沙漠,”Waymo最近在其博客中宣布。“而且,由于我们从一辆车上学到的教训可以与整个车队共享,因此,每增加一英里,就显得尤为重要。”

模拟是记录所需里程的唯一合理方法。行业领导者和新兴企业都在努力使可视化和仿真技术适应激光雷达,雷达,声纳和计算机视觉的使用。其他人正在创建虚拟驾驶环境,以模拟每种可以想象的驾驶场景。

两个开发堆栈

以色列初创公司Cognata的首席执行官Danny Atsmon说,这需要两种可视化来进行仿真。Cognata是一家以色列初创公司,拥有深度学习,高级驾驶员辅助系统(ADAS),3D图形和地理定位方面的专家。首先是完全渲染的可视化。“从所有传感器获得的图像看起来应该像真实的东西,”阿特斯蒙说。需要完整呈现的驾驶地形可视化效果,以训练自动驾驶并验证结果。

可视化的第二种形式是不呈现的。对未经训练的人来说,它看起来像是运动中的多边形:汽车和行人都是矩形;车道是线。 Atsmon说,这是世界的语义视图,是引导系统解释驾驶环境所需的基础级别。两个软件堆栈可指导自动驾驶汽车。 Perception堆栈获取原始传感器数据并创建环境模型。“它必须能够在20米之外的75号展示一辆汽车° in the center lane,”Atsmon解释。结果是车辆解释和定位的数据。然后,质量堆栈决定车辆如何与世界互动。“物件在哪里?你在哪里?我该怎么办?”是Atsmon如何描述Quality堆栈的工作。“可以将它想象成大脑的两个部分:一个部分处理视觉,一个部分使信息有意义。”

干邑白兰地’的软件创建了数字孪生子,用于测试汽车和城市基础设施,后者来自现有3D地理数据。然后,自动驾驶软件会引导虚拟汽车穿越虚拟景观。在模拟中将重新创建传感器,并包括所有道路细节,包括交通标志和车道线。虚拟汽车不会孤立行驶;其他汽车和行人,历史交通状况和时段照明也添加到了组合中。通过使用现实世界的地理数据,科涅塔’的动态交通模型可以模拟孟买或德国高速公路的驾驶情况。

更好的激光雷达

自动驾驶汽车中的关键传感技术之一是激光雷达(激光雷达),土木工程师已经使用了几年来捕获3D地理数据。 伍德赛德资本合伙人最近预测,由于激光雷达在汽车领域的快速增长,到2032年,激光雷达产业将成为一个100亿美元的市场(高于2017年的14亿美元)。

汽车用激光雷达是一个相对较新的改进。市场尚未围绕单一的使用方法或供应商进行合并。挑战在于激光如何前后移动以扫描周围环境。大型激光雷达供应商Velodyne LiDAR使用128束激光,每秒旋转64次。对于固定平台或飞行缓慢的无人机而言,运动部件和复杂性都很好,但是事实证明,汽车的使用非常困难。

铯提供了用于实时收集和选择性流式传输3D数据的软件,以实现自动车辆可视化。图片由铯提供。 Cesium提供了用于实时收集和选择性流式传输3D数据的软件,以实现自动车辆可视化。 图片由铯提供。

一家澳大利亚初创公司Baraja正在研究一种新的,机械上更简单的方法来将激光雷达作为自动驾驶视觉工具。代替多个旋转激光器,而是通过透镜发射单个激光器,该透镜以棱镜折射可见光的方式折射红外光。瞄准是通过调节波长而不是移动激光器来实现的。

巴拉哈’s的共同创始人来自电信业,在电信业中,一种类似的方法创建了波分复用技术,其中光分裂成许多波长,但在一根光缆中传播。由于汽车上没有传感器的最佳点,因此大多数竞争方法都会在多个点安装激光雷达。巴拉哈只使用一个埋在车内的激光。光脉冲通过光纤电缆传播到散布在外部的小棱镜上。巴拉哈认为,其Spectrum-Scan技术将通过两种方式显着降低自动驾驶汽车的生产成本:零件的初始成本和通过消除大多数活动零件而降低的日常维护成本。

重新利用仿真工具

机械仿真公司自1996年以来一直是软件开发人员,提供车辆动力学模型仿真。现在,它正在利用其专业知识来开发用于自动驾驶开发的新系列仿真产品。过渡使机械仿真从仅车辆行为的数学模型转变为与不断变化的环境的相互作用。“模拟条件已扩展到包括在数十万甚至数百万次模拟中与许多内置控制器一起运行,”机械仿真公司首席执行官/首席技术官Michael Sayers博士说。

用于自动驾驶汽车模拟的新产品线包括动画资源(行人,自行车和动物),路面,标牌,GPS数据等。新产品线支持车辆传感器和交互式交通,并可以与MATLAB / Simulink,LabVIEW,ETAS ASCET和其他工程软件交换数据。

地理空间数据融合

一辆自动驾驶汽车每天可以收集4 TB的数据。多个传入的数据流包括相机图像(40 MB / s),激光雷达点(70 MB / s)以及来自GPS,陀螺仪和加速度计的各种基于时间的遥测。所有这些数据必须作为异构3D地理空间数据集进行编译并实时提供。 Cesium已经进入3D地理空间流媒体行业多年,现在正在为其服务增加自动驾驶汽车开发。公司’过去的工作包括用于跟踪太空中的每颗卫星并创建具有64亿个数据点的亚厘米点云的软件。

铯仅在进行自动驾驶汽车可视化,而将自动驾驶汽车开发堆栈的其他部分留给其他人使用。它提供了一种开放的时间动态流格式CZML,能够将多个输入帧批处理成一个视觉文件。该技术最初是为航空视觉数据融合而开发的。开源Cesium 3D Tiles管理流处理过程,仅提供当前虚拟视图所需的3D模型部分。 Cesium是开放标准的拥护者,与50多家软件供应商具有开发人员关系。

Share This Article

订阅我们的免费杂志, 免费的电子邮件通讯或两者兼而有之!

加入超过90,000名工程专业人士,他们将在新闻发布后立即获得最新的工程新闻。


About the Author

Randall Newton的头像
兰德尔·牛顿

Randall S. Newton是Consilia Vektor的首席分析师,涉及工程技术。自1985年以来,他以各种角色进入计算机图形行业。

  Follow DE
#19150