《复杂环境下L4级自动驾驶系统核心技术开发及应用》

点击下载 ⇩

1.研究目的:自动驾驶作为人工智能技术可能最先落地的产业化领域,可以大幅度改变人类出行和生活方式,然而传统乘用车上的自动驾驶技术难以短期内得以攻破并加以应用。该项目依托公司已有的自动驾驶技术实力,开发复杂限定环境下的自动驾驶系统核心技术,并将相关技术应用到物流、环卫等自动驾驶专用车上,以期推动自动驾驶产品的产业化应用。

2.主要技术创新点:

(1)基于深度学习的多模态多维度融合感知技术。针对激光雷达、视觉传感器和毫米波雷达等多类型传感器输出数据模态形式不一、数据维度不同的问题,开发出基于深度学习的多模态多维度融合感知技术,实现了不同形式数据在不同维度上的数据融合,包括像素级及目标级的融合,显著提高了传感器融合精度及复杂环境的适应能力。

(2)基于多源信息融合的高精度定位定姿技术。针对GPS、IMU、激光匹配定位及轮速记等多类型传感器单一应用定位精度不足、适应范围有限的问题,开发出基于多源信息的高精度定位定姿技术,实现了不同传感器的优势互补,复杂行驶工况下的定位精度优于5-10cm。

(3)融合道路模型和目标意图的行为预测技术。行为预测技术是自动驾驶系统中最复杂也是最关键的模块,其不仅与道路环境密切相关,还涉及到目标复杂意图分析,该项目开发出融合道路模型和目标意图的行为预测技术,简化了预测模型及开发周期,显著改善了目标预测的精度及稳定性。

(4)基于强化学习及规则约束的混合决策技术。基于学习的决策方法在未知场景下输出异常,而基于规则的决策方法在普通场景下逻辑繁杂,拟人化效果不佳,开发出基于强化学习及规则约束的混合决策方法,综合了两类方法的优点,实现了未知场景的在线学习,既保证了系统安全,又实现了拟人化决策,提高了决策系统的适应能力及智能化水平。

(5)增强型车规级计算平台开发。该项目开发出异构堆栈计算平台架构,FPGA用于激光点云处理及深度网络实现,GPU用于路径及运动规划搜索并行运算,CPU用于感知、规划及控制通用逻辑计算,MCU用于底层执行和系统监测,这样既降低了功耗也充分发挥出各处理器的优势,同时也可进行互联冗余,进一步提高了系统的安全性和稳定性。

3.成果产生的价值:该项目获得3项发明专利,10项实用新型专利,软件著作权10项,发表论文11篇,其中SCI论文5篇。和百度、北汽、京东、华为等进行了深度合作,为公司创收1600万元。该项成果并亮相2018年春节晚会。

  1. 下载详细PDF版/Doc版

提示:为方便大家复制编辑,博主已将PDF文件制作为Word/Doc格式文件。