特斯拉ADAS

特斯拉ADAS

Tesla 目前在Model S和Model X上面采用的自动辅助驾驶系统集成了12个超声波传感器,用来识别周围环境:
特斯拉ADAS_第1张图片

一个前置摄像头,用来辨识前方物体:

特斯拉ADAS_第2张图片

一个前置雷达,用来辨识前方物体:

特斯拉ADAS_第3张图片

以及卫星高精度地图:

特斯拉ADAS_第4张图片

接下来的部分便十分有趣,Tesla虽然在所有车上面内置了自动辅助驾驶的硬件,但是真正把完整的自动辅助驾驶交给用户其实是一个不短的过程,而这其中促成这一切的关键是OTA空中更新——最初的Tesla只是拥有道路辅助警告,依靠每一辆Tesla都拥有免费的无线3G/4G
LTE网络,通过OTA来获取最新的软件和功能进一步扩展辅助驾驶的潜力:

·
2014年10月在所有Tesla车型上面安装自动辅助驾驶硬件(6.0系统)

·
2014年11月开启道路偏离警告和速度提示(通过摄像头读取路边车速牌)

·
2014年12月开启自适应定速巡航系统以及前方碰撞预警

·
2015年3月开启自动紧急刹车和盲点预警

·
2015年10月开启自动方向盘接管,侧方位碰撞躲避和一字位自动停车,真正意义上实现了自动辅助驾驶功能(正式启用7.0系统)

·
2016年1月开启十字位停车,弯道车速适应以及召唤进出车库(7.1系统)

特斯拉ADAS_第5张图片

所以图中的Tesla 自动辅助驾驶其实是一整套套件的合集,Tesla每次开放一点,最后完整成一体才有了现在看到的自动辅助驾驶Autopilot。这其中每一次更新都经过了内部测试,封测,路测,验证以及更新到实际Tesla车队,再通过车队反馈数据进一步加强自动辅助驾驶。所以不同于Google,Apple目前闭门造车搞无人驾驶,Tesla 是采用了一种迭代和渐进式的方式来逐步实现真正意义上的无人驾驶,两种方式各有优劣,后面会进一步分析。

接下来的内容更加有趣,这张关于车队学习幻灯片介绍了几个重要数据:

从自动辅助驾驶硬件开始收集道路数据开始到2016年5月,Tesla收集了12亿五千万公里的数据。

从自动辅助驾驶激活到2016年5月,Tesla收集了1亿6千万公里的自动驾驶数据。

车队每天会记录420万公里里程数据(现在这个数据已经扩大到500万公里),只需要大约6小时便可以收集100万公里数据。

Tesla非常聪明的一点是在2014年10月之后的车身上全面安装了自动辅助驾驶硬件,即便是你没有花钱激活自动辅助驾驶功能,你的车一样会在路上搜集数据。

8.0时代的Autopilot ——通向未来之路

Autopilot自动辅助驾驶再升级:通过雷达看世界。

特斯拉车主推8.0版本软件中,最显著的就是Autopilot自动辅助驾驶升级。通过使用车辆搭载的雷达,采用更先进的信号处理,生成一幅世界的影像。该雷达是Autopilot自动辅助驾驶配套硬件的组成部分,全部2014年10月之后出厂的特斯拉车型都搭载了这一雷达。一直以来,该雷达一直是主摄像头以及图像处理系统的辅助传感器。

所以如果把7.0时代的Autopilot称之为Autopilot
1.0,那么8.0里面的Autopilot 称之为2.0毫不为过,它根本不是对于之前1.0的修补,而是彻底重写了整个自动辅助驾驶:

·
Autopilot 1.0 基于Mobileye的图像识别技术,主要数据来自于车顶的Mobileye摄像头,车首的雷达和周边雷达只是提供辅助信息。

·
而Autopilot 2.0则是基于雷达识别环境,主要数据来源于车身上的雷达,而辅助数据则来源于车队学习的高精度地图和白名单。

所以之前的分析就派上用场了,通过雷达来成像主要难点就是如何解决误报False Positive,正是因为雷达成像的特殊性,一个很小的金属物体可能会被识别成一堵墙,所以人们才不费周折的去用高成本Lidar,但是Tesla确通过自己的技术巧妙解决了。

Tesla专门用三段来描述这个例子:

特定波长的光子可以轻易地穿越雾、粉尘、雨、雪,然而金属物品看起来如同镜子。雷达可以看见人体,但是他们被显示为部分透明。木制品和涂色塑料制品这些对人类而言显而易见的物品,对雷达而言,几乎都像玻璃一样透明。

另一方面,任何凹型的金属表面不仅仅会反光,更会将反射信号放大数倍。比如,一个丢弃在公路上的易拉罐,如果凹状瓶底朝向车头,就会被显示成为一个大型的危险障碍物,但这时候,你一定不想猛踩刹车而避过这个易拉罐。

因此,如何避免由于错误报警而导致车辆停止行进,是使用雷达带来的一个大问题。在车辆即将撞上大型物体时,刹车是必要的 ---- 但不应该是为了避开一个易拉罐。这些不必要的刹车行为,轻则令人不快,重则导致驾驶员受伤。

所以Tesla想说的就是:解决雷达的误报问题了!

你可能感兴趣的:(摄像头,计算机视觉,自动驾驶,深度学习,传感器)