Tartalomjegyzék[Elrejt][Előadás]
Az érzékelőket és a szoftvereket az autonóm járművekben kombinálják, hogy navigálhassanak, kormányozhassanak és üzemeltethessenek különféle járműveket, beleértve a motorkerékpárokat, az autókat, a teherautókat és a drónokat.
Kifejlesztésüktől vagy tervezésüktől függően előfordulhat, hogy szükségük van vezetői segítségre, vagy nem.
A teljesen autonóm autók embervezetők nélkül is biztonságosan működhetnek. Néhány, mint A Google Waymo autó, még kormánya sem lehetett.
Egy részben autonóm jármű, mint pl Tesla, átveheti a teljes irányítást a jármű felett, de szükség lehet egy emberi vezető segítségére, ha a rendszerben kétségek merülnének fel.
Különböző fokú önautomatizálást tartalmaznak ezek az autók, a sávirányítástól és fékezési segítségtől a teljesen független, önvezető prototípusokig.
A vezető nélküli autók célja a forgalom, a károsanyag-kibocsátás és a balesetek számának csökkentése.
Ez azért lehetséges, mert az autonóm járművek ügyesebben tartják be a közlekedési szabályokat, mint az emberek.
A zökkenőmentes vezetéshez bizonyos információkra van szükség, mint például az autó vagy a közelben lévő tárgyak elhelyezkedése, a célállomáshoz vezető legrövidebb és legbiztonságosabb út, valamint a vezetési rendszer működésének képessége.
Kulcsfontosságú, hogy megértsük, mikor és hogyan kell elvégezni a szükséges feladatokat.
Ez a cikk sok területet érint, beleértve a Rendszer Felépítés autonóm autókhoz, szükséges alkatrészekhez és jármű ad hoc hálózatokhoz (VANET).
Az autonóm járműhöz szükséges alkatrészek
A mai autonóm járművek számos érzékelőt alkalmaznak, beleértve a kamerákat, GPS-t, inerciális mérőegységeket (IMU-k), szonárt, lézeres megvilágítás érzékelést és hatótávolságot (lidar), rádióérzékelést és távolságmérőt (radar), hangnavigációt és távolságmérőt (szonár), és 3D térképek.
Ezek az érzékelők és technológiák együtt valós időben elemzik az adatokat a kormányzás, a gyorsítás és a fékezés szabályozása érdekében.
A radarszenzorok segítenek nyomon követni a környező autók hollétét. A járműveket a parkolás során ultrahangos érzékelők segítik.
A lidar néven ismert technológiát mindkét típusú érzékelő felhasználásával hozták létre. Azáltal, hogy a fényimpulzusokat visszaverik az autó körüli környezetről, a lidar érzékelők érzékelik az utak peremét és azonosítják a sávjelzőket.
Ezek figyelmeztetik a vezetőket a szomszédos akadályokra, például más járművekre, gyalogosokra és kerékpárokra.
Az autó körül minden elem méretét és távolságát a lidar technológia segítségével mérik, amely egy 3D-s térképet is készít, amely lehetővé teszi a jármű számára a környezet megtekintését és az esetleges kockázatok azonosítását.
A napszaktól függetlenül, legyen az világos vagy borongós, kiváló munkát végez az információk rögzítésében különböző típusú környezeti megvilágítás mellett.
Az autó kamerákat, radar- és GPS-antennákat, valamint lidart és kamerákat használ a környezet érzékelésére és a helyzetének azonosítására.
A kamerák ellenőrzik a gyalogosokat, kerékpárosokat, autókat és egyéb akadályokat, miközben észlelik a közlekedési jelzéseket, leolvasják a közúti jelzéseket és jelzéseket, és nyomon követik a többi járművet.
A félhomályos vagy árnyékos területeken azonban nehéz dolguk lehet. Az autonóm jármű a lidar, radar, kamerák, GPS-antennák és ultrahangos érzékelők keverékével látja, merre halad, hogy digitálisan feltérképezze az előtte haladó utat.
Magas szintű rendszer architektúra
A nélkülözhetetlen érzékelők, aktuátorok, hardver és szoftver az architektúrában találhatók, amely az AV-k teljes kommunikációs mechanizmusát vagy protokollját is bemutatja.
Észlelés
Ez a szakasz magában foglalja az AV helyzetének azonosítását a környezethez képest, és az AV körüli környezet érzékelését különféle érzékelők segítségével.
Az AV ebben a lépésben RADAR-t, LIDAR-t, kamerát, valós idejű kinetikai (RTK) és egyéb érzékelőket használ. A felismerő modulok ezektől az érzékelőktől veszik az adatokat, és továbbadás után feldolgozzák azokat.
Általában az AV egy vezérlőrendszerből, LDWS-ből, TSR-ből, ismeretlen akadályfelismerőből (UOR), járműpozicionáló és -helymeghatározó (VPL) modulból stb. áll.
Az összevont információkat a feldolgozás után a döntéshozatal és a tervezés szakaszába adják.
Döntés és tervezés
Az AV mozgását és viselkedését ebben a lépésben az észlelési folyamat során kapott információk alapján határozzák meg, tervezik és irányítják.
Ebben a szakaszban, amelyet az agy képviselne, döntéseket hoznak olyan dolgokban, mint az útvonaltervezés, a cselekvés előrejelzése, az akadályok elkerülése stb.
A választás a jelenleg és a múltban elérhető információkon alapul, beleértve a valós idejű térképadatokat, forgalmi jellemzőket, trendeket, felhasználói információkat stb.
Lehetne egy adatnapló modul, amely nyomon követi a hibákat és az adatokat későbbi használatra.
Ellenőrzés
A vezérlőmodul az AV fizikai vezérlésével kapcsolatos műveleteket/műveleteket hajt végre, mint például kormányzás, fékezés, gyorsítás stb., miután megkapta a döntési és tervezési modultól kapott információkat.
Alváz
Az utolsó lépés az alvázra rögzített mechanikus részekkel való interakciót foglalja magában, például a hajtóműves motorral, a kormánykerék-motorral, a fékpedálmotorral, valamint a gáz- és fékpedálmotorokkal.
A vezérlőmodul jelzi és kezeli az összes összetevőt.
Most az AV általános kommunikációjáról fogunk beszélni, mielőtt a különféle kulcsérzékelők tervezéséről, működéséről és használatáról beszélnénk.
RADAR
Az AV-kban a RADAR-okat a környezet pásztázására használják, hogy megkeressék és megkeressék az autókat és más tárgyakat.
A RADAR-okat gyakran alkalmazzák katonai és polgári célokra is, például repülőtereken vagy meteorológiai rendszerekben, és milliméteres hullámú (mm-hullám) spektrumban működnek.
A kortárs autókban különböző frekvenciasávokat használnak, beleértve a 24, 60, 77 és 79 GHz-et, és mérési tartományuk 5-200 m [10].
A továbbított jel és a visszaadott visszhang közötti ToF kiszámításával meghatározható az AV és a tárgy közötti távolság.
Az AV-k esetében a RADAR-ok egy sor mikroantennát alkalmaznak, amelyek lebenyek gyűjteményét hoznak létre a hatótávolság-felbontás és a többszörös cél azonosítása érdekében. Az mm-hullámú RADAR bármilyen irányban képes pontosan felmérni a közeli objektumokat, kihasználva a Doppler-eltolás varianciáját a megnövekedett áthatolhatóság és a nagyobb sávszélesség miatt.
Mivel az mm-Wave radarok hosszabb hullámhosszúak, blokkolás- és szennyezésgátló képességekkel rendelkeznek, amelyek lehetővé teszik, hogy esőben, hóban, ködben és gyenge fényviszonyok között működjenek.
Ezenkívül a Doppler-eltolás használható a relatív sebesség kiszámítására mm-hullámú radarok segítségével. Képességüknek köszönhetően az mm-Wave radarok kiválóan alkalmasak az AV alkalmazások széles skálájára, beleértve az akadályérzékelést, valamint a gyalogos- és járműfelismerést.
Ultrahangos érzékelők
Ezek az érzékelők a 20–40 kHz-es tartományban működnek, és ultrahanghullámokat alkalmaznak. Az objektum távolságának mérésére használt mágneses rezisztív membrán generálja ezeket a hullámokat.
A kibocsátott hullám repülési idejét (ToF) számítva a visszhangzott jelhez, a távolság meghatározásra kerül. Az ultrahangos érzékelők jellemző hatótávolsága kevesebb, mint 3 méter.
Az érzékelő kimenete 20 ms-onként frissül, ami megakadályozza, hogy megfeleljen az ITS szigorú QoS követelményeinek. Ezeknek az érzékelőknek viszonylag kicsi a nyaláb érzékelési tartománya, és irányítottak.
Ezért a teljes látóterű látás eléréséhez számos érzékelőre van szükség. Azonban sok érzékelő kölcsönhatásba lép, és jelentős hatótávolság-pontatlanságot eredményezhet.
LIDAR
A LiDAR-ban 905 és 1550 nm-es spektrumot használunk. Mivel az emberi szem a 905 nm-es tartományban érzékeny a retina károsodására, a jelenlegi LiDAR az 1550 nm-es sávban működik, hogy csökkentse a retina károsodását.
Akár 200 méter a LiDAR maximális hatótávolsága. A szilárdtest, 2D és 3D LiDAR a LiDAR különböző alkategóriái.
Egyetlen lézersugár van szétszórva egy tükör felett, amely gyorsan forog a 2D LiDAR-ban. Több lézer elhelyezésével a 3D LiDAR 3D képet készíthet a környezetről.
Bebizonyosodott, hogy az út menti LiDAR rendszer csökkenti a jármű-gyalogos (V2P) ütközések számát mind a kereszteződéses, mind a nem kereszteződéses zónákban.
16 soros, valós idejű, számításilag hatékony LiDAR rendszert alkalmaz.
Javasoljuk, hogy egy mély automatikus kódoló mesterséges neurális hálózat (DA-ANN), amely 95%-os pontosságot ér el 30 m-es tartományban.
Bemutatják, hogyan javíthatja a gyalogosfelismerést egy támogatási vektorgép (SVM) alapú algoritmus egy 64 soros 3D LiDAR-ral kombinálva.
Annak ellenére, hogy a LiDAR jobb mérési pontossággal és 3D-látással rendelkezik, mint egy mm-hullámú radar, a LiDAR kevésbé jól teljesít kedvezőtlen időjárási körülmények között, például ködben, hóban és esőben.
fényképezőgépek
Az eszköz hullámhosszától függően az AV-k kamerája infravörös vagy látható fény alapú lehet.
A fényképezőgépben (CMOS) töltéscsatolt eszközt (CCD) és komplementer fém-oxid-félvezető (CMOS) képérzékelőket használnak.
Az objektív minőségétől függően a fényképezőgép maximális hatótávolsága körülbelül 250 m. A látható kamerák által használt három sávot – a pirosat, a zöldet és a kéket – ugyanaz a hullámhossz választja el, mint az emberi szem, vagyis 400–780 nm (RGB).
Két VIS kamera meghatározott gyújtótávolsággal párosul, hogy egy új csatornát hozzon létre, amely mélységi (D) információkat tartalmaz, lehetővé téve a sztereoszkópikus látás létrehozását.
Ennek a funkciónak köszönhetően a kamera (RGB-D) segítségével 3D-s képet kaphat a jármű körüli területről.
Az infravörös (IR) kamera 780 nm és 1 mm közötti hullámhosszú passzív érzékelőket használ. Csúcsmegvilágítás esetén az AV-k infravörös érzékelői vizuális vezérlést kínálnak.
Ez a kamera az AV-kat tárgyfelismeréssel, oldalnézeti vezérléssel, balesetrögzítéssel és BSD-vel segíti. Kedvezőtlen időjárás esetén, például hó, köd és változó fényviszonyok esetén azonban a fényképezőgép teljesítménye megváltozik.
A kamera elsődleges előnye, hogy képes pontosan összegyűjteni és rögzíteni a környezet textúráját, színeloszlását és alakját.
Globális navigációs műholdrendszer és globális helymeghatározó rendszer, inerciális mérőegység
Ez a technológia segíti az AV-t a navigációban azáltal, hogy meghatározza a pontos helyét. A bolygó felszíne körül keringő műholdak egy csoportját használja a GNSS a lokalizációhoz.
A rendszer adatokat tárol az AV helyéről, sebességéről és pontos idejéről.
Úgy működik, hogy kitalálja a fogadott jel és a műhold kibocsátása közötti ToF-et. A Global Positioning System (GPS) koordinátáit gyakran használják az AV hely meghatározásához.
A GPS által kinyert koordináták nem mindig pontosak, és jellemzően 3 m-es középértékkel és 1 m-es standard eltéréssel adnak hozzá egy pozícióhibát.
Nagyvárosi helyzetekben a teljesítmény tovább romlik, akár 20 m-es helyhiba is előfordulhat, bizonyos súlyos körülmények között pedig a GPS-pozíció hiba körülbelül 100 m.
Ezenkívül az AV-k használhatják az RTK rendszert a jármű helyzetének pontos meghatározására.
Az AV-kban a jármű helyzete és iránya is meghatározható a holtpontszámítás (DR) és a tehetetlenségi helyzet segítségével.
Fusion érzékelő
A jármű megfelelő kezelése és biztonsága érdekében az AV-knak pontos, valós idejű ismeretekkel kell rendelkezniük a jármű helyéről, állapotáról és egyéb olyan tényezőkről, mint a tömeg, a stabilitás, a sebesség stb.
Ezt az információt az AV-knak kell összegyűjteniük, különféle érzékelőket használva.
A több érzékelőtől kapott adatok összevonásával a szenzorfúziós technikát alkalmazzák koherens információ előállítására.
A módszer lehetővé teszi a kiegészítő forrásokból nyert feldolgozatlan adatok szintézisét.
Ennek eredményeként a szenzorfúzió lehetővé teszi az AV számára, hogy pontosan felfogja a környezetét azáltal, hogy egyesíti a különböző érzékelőktől gyűjtött összes hasznos adatot.
Különböző típusú algoritmusokat használnak, beleértve a Kalman-szűrőket és a Bayes-szűrőket, hogy végrehajtsák a fúziós folyamatot az AV-kban.
Mivel számos alkalmazásban használják, beleértve a RADAR-követést, a műholdas navigációs rendszereket és az optikai kilométer-mérést, a Kalman-szűrő kulcsfontosságú a jármű autonóm működéséhez.
Jármű ad-hoc hálózatok (VANET)
A VANET-ek a mobil ad hoc hálózatok új alosztályai, amelyek spontán módon hozhatnak létre mobileszközök/járművek hálózatát. A VANET-ekkel lehetséges a jármű-jármű (V2V) és a jármű-infrastruktúra (V2I) kommunikáció.
Az ilyen technológia elsődleges célja a közúti biztonság növelése; Például veszélyes helyzetekben, mint például balesetek és forgalmi dugók, az autók kölcsönhatásba léphetnek egymással és a hálózattal, hogy döntő fontosságú információkat továbbítsanak.
A VANET technológia elsődleges összetevői a következők:
- OBU (on-board unit): Ez egy minden járműben elhelyezett GPS-alapú nyomkövető rendszer, amely lehetővé teszi, hogy kölcsönhatásba léphessenek egymással és az út menti egységekkel (RSU). Az OBU számos elektronikus komponenssel van felszerelve, beleértve az erőforrás-vezérlő processzort (RCP), érzékelő eszközöket és felhasználói felületek, a lényeges információk megszerzéséhez. Elsődleges célja, hogy vezeték nélküli hálózatot használjon több RSU és OBU közötti kommunikációhoz.
- Roadside Unit (RSU): Az RSU-k rögzített számítógépes egységek, amelyek az utcák, parkolók és csomópontok pontos pontjain vannak elhelyezve. Fő célja az autonóm járművek összekapcsolása az infrastruktúrával, valamint segít a jármű lokalizációjában. Ezenkívül felhasználható egy jármű összekapcsolására más RSU-kkal, különféle felhasználási módokkal hálózati topológiák. Ezenkívül környezeti energiaforrásokkal, köztük napenergiával működtek.
- Megbízható hatóság (TA): Ez egy olyan szerv, amely a VANET-folyamat minden lépését ellenőrzi, biztosítva, hogy csak a legális RSU-k és jármű-OBU-k regisztrálhassanak és működjenek együtt. Az OBU azonosító megerősítésével és a jármű hitelesítésével biztonságot kínál. Ezenkívül káros kommunikációt és furcsa viselkedést talál.
A VANET-eket járműkommunikációra használják, amely magában foglalja a V2V, V2I és V2X kommunikációt.
2. jármű Jármű kommunikáció
Az autók azon képességét, hogy beszéljenek egymással, és döntő fontosságú információkat cseréljenek a forgalmi torlódásokkal, balesetekkel és sebességkorlátozásokkal kapcsolatban, járművek közötti kommunikációnak (IVC) nevezik.
A V2V kommunikáció létrehozhatja a hálózatot különböző csomópontok (járművek) összekapcsolásával egy háló topológia segítségével, akár részlegesen, akár teljes mértékben.
Egy-ugrásos (SIVC) vagy többugrásos (MIVC) rendszerként vannak besorolva attól függően, hogy hány ugrást használnak a járművek közötti kommunikációhoz.
Míg a MIVC használható nagy hatótávolságú kommunikációra, például forgalomfigyelésre, a SIVC rövid hatótávolságú alkalmazásokhoz, például sávösszevonáshoz, ACC stb.
A V2V kommunikáció számos előnyt kínál, köztük a BSD-t, az FCWS-t, az automatikus vészfékezést (AEB) és az LDWS-t.
2. jármű infrastrukturális kommunikációja
Az autók kommunikálni tudnak az RSU-kkal az út menti-jármű kommunikáció (RVC) néven ismert folyamaton keresztül. Segít a parkolóórák, kamerák, sávjelzők és közlekedési jelzőlámpák észlelésében.
Ad hoc, vezeték nélküli és kétirányú kapcsolat az autók és az infrastruktúra között.
A forgalom lebonyolítására és felügyeletére az infrastruktúra adatait használják fel. Különböző sebességparaméterek beállítására szolgálnak, amelyek lehetővé teszik az autók számára az üzemanyag-fogyasztás maximalizálását és a forgalom irányítását.
Az RVC rendszer az infrastruktúrától függően szétválasztható a Sparse RVC-re (SRVC) és az Ubiquitous RVC-re (URVC).
Az SRVC rendszer csak a hotspotokon kínál kommunikációs szolgáltatásokat, például nyitott parkolóhelyek vagy benzinkutak felkutatására, míg az URVC rendszer a teljes útvonalon, még nagy sebességnél is lefedettséget biztosít.
A hálózati lefedettség garantálása érdekében az URVC rendszer nagy beruházást tesz szükségessé.
Vehicle 2 Minden kommunikáció
Az autó V2X-en keresztül kapcsolódhat más entitásokhoz, beleértve a gyalogosokat, az út menti objektumokat, az eszközöket és a Grid-t (V2P, V2R és V2D) (V2G).
Az ilyen típusú kommunikáció segítségével a járművezetők elkerülhetik a veszélyeztetett gyalogosok, kerékpárosok és motorosok elütését.
A gyalogos ütközésre figyelmeztető (PCW) rendszer a V2X kommunikációnak köszönhetően figyelmeztetheti a vezetőt az út menti utasokra, mielőtt katasztrofális ütközés történik.
A gyalogosok számára fontos üzenetek elküldéséhez a PCW kihasználhatja az okostelefon Bluetooth vagy Near Field Communication (NFC) funkcióját.
Következtetés
Az autonóm autók gyártásához használt számos technológia nagy hatással lehet azok működésére.
A legalapvetőbb esetben az autó egy sor érzékelő segítségével térképet készít a környezetéről, amelyek információkat szolgáltatnak a körülötte lévő útvonalról és az útjában lévő többi járműről.
Ezeket az adatokat azután egy bonyolult gépi tanulási rendszer elemzi, amely egy sor műveletet generál az autó számára. Ezeket a viselkedéseket rendszeresen módosítják és frissítik, ahogy a rendszer többet tud meg a jármű környezetéről.
Annak ellenére, hogy mindent megteszek, hogy áttekintést nyújtsak az autonóm járműrendszer architektúrájáról, még sok minden történik a színfalak mögött.
Őszintén remélem, hogy értékesnek találja ezt a tudást, és hasznosítani fogja.
Hagy egy Válaszol