Jadual Kandungan[Sembunyi][Tunjukkan]
Penderia dan perisian digabungkan dalam kenderaan autonomi untuk mengemudi, mengemudi dan mengendalikan pelbagai kenderaan, termasuk motosikal, kereta, trak dan dron.
Bergantung pada cara ia dibangunkan atau direka, ia mungkin memerlukan bantuan pemandu atau tidak.
Kereta autonomi sepenuhnya boleh beroperasi dengan selamat tanpa pemandu manusia. Beberapa, suka Waymo Google kereta, malah tidak boleh mempunyai stereng.
Kenderaan separa autonomi, seperti a Tesla, boleh mengawal sepenuhnya kenderaan tetapi mungkin memerlukan pemandu manusia untuk membantu jika sistem mengalami keraguan.
Darjah automasi kendiri yang berbeza disertakan dalam kereta ini, daripada panduan lorong dan bantuan brek kepada prototaip pandu sendiri yang bebas sepenuhnya.
Matlamat kereta tanpa pemandu adalah untuk menurunkan trafik, pelepasan dan kadar kemalangan.
Ini mungkin kerana kenderaan autonomi lebih mahir mematuhi peraturan lalu lintas berbanding orang.
Untuk pemanduan yang lancar, maklumat tertentu diperlukan, seperti lokasi kereta atau mana-mana objek berdekatan, laluan terpendek dan paling selamat ke destinasi, dan kapasiti untuk mengendalikan sistem pemanduan.
Adalah penting untuk memahami masa dan cara melaksanakan tugas yang diperlukan.
Artikel ini akan merangkumi banyak perkara, termasuk seni bina sistem untuk kereta autonomi, komponen yang diperlukan dan rangkaian ad hoc kenderaan (VANET).
Komponen yang diperlukan diperlukan untuk Kenderaan Autonomi
Kenderaan autonomi hari ini menggunakan pelbagai penderia, termasuk kamera, GPS, unit ukuran inersia (IMU), sonar, pengesanan dan julat pencahayaan laser (lidar), pengesanan dan julat radio (radar), navigasi bunyi dan julat (sonar), dan peta 3D.
Bersama-sama, penderia dan teknologi ini menganalisis data dalam masa nyata untuk mengawal stereng, pecutan dan brek.
Penderia radar membantu dalam menjejaki keberadaan kereta di sekelilingnya. Kenderaan dibantu dengan sensor ultrasonik semasa parkir.
Teknologi yang dikenali sebagai lidar telah dicipta dengan menggunakan kedua-dua jenis penderia. Dengan memantulkan denyutan cahaya dari persekitaran sekitar kereta, penderia lidar boleh mengesan margin jalan raya dan mengenal pasti penanda lorong.
Ini juga memberi amaran kepada pemandu tentang halangan bersebelahan, seperti kenderaan lain, pejalan kaki dan basikal.
Saiz dan jarak segala-galanya di sekeliling kereta diukur menggunakan teknologi lidar, yang turut mencipta peta 3D yang membolehkan kenderaan melihat persekitarannya dan mengenal pasti sebarang risiko.
Tidak kira masa hari, sama ada cerah atau suram, ia melakukan kerja yang hebat untuk merekodkan maklumat dalam pelbagai jenis cahaya ambien.
Kereta itu menggunakan kamera, radar dan antena GPS, bersama lidar dan kamera, untuk mengesan persekitarannya dan mengenal pasti lokasinya.
Kamera memeriksa pejalan kaki, penunggang basikal, kereta dan halangan lain sambil juga mengesan isyarat lalu lintas, membaca tanda dan tanda jalan serta menjejaki kenderaan lain.
Walau bagaimanapun, mereka mungkin mengalami masa yang sukar di kawasan yang redup atau gelap. Kenderaan autonomi boleh melihat ke mana ia pergi dengan menggunakan gabungan lidar, radar, kamera, antena GPS dan penderia ultrasonik untuk memetakan jalan di hadapannya secara digital.
Seni bina Sistem peringkat tinggi
Penderia, penggerak, perkakasan dan perisian penting disenaraikan dalam seni bina, yang juga menunjukkan keseluruhan mekanisme komunikasi atau protokol dalam AV.
Persepsi
Peringkat ini terdiri daripada mengenal pasti lokasi AV berhubung dengan persekitaran dan mengesan persekitaran di sekeliling AV menggunakan pelbagai penderia.
AV menggunakan RADAR, LIDAR, kamera, kinetik masa nyata (RTK) dan penderia lain pada langkah ini. Modul pengecaman menerima data daripada penderia ini dan memprosesnya selepas menyampaikannya.
Secara umum, AV terdiri daripada sistem kawalan, LDWS, TSR, pengecaman halangan tidak diketahui (UOR), modul penentududukan dan penyetempatan kenderaan (VPL), dsb.
Maklumat gabungan diberikan kepada peringkat membuat keputusan dan perancangan selepas diproses.
Keputusan & Perancangan
Pergerakan dan tingkah laku AV diputuskan, dirancang dan dikawal pada langkah ini menggunakan maklumat yang diterima semasa proses persepsi.
Peringkat ini, yang akan diwakili oleh otak, adalah tempat pilihan dibuat pada perkara seperti perancangan laluan, ramalan tindakan, pengelakan halangan, dsb.
Pilihan adalah berdasarkan maklumat yang kini dan boleh diakses mengikut sejarah, termasuk data peta masa nyata, spesifik trafik, arah aliran, maklumat pengguna, dsb.
Mungkin terdapat modul log data yang menjejaki kesilapan dan data untuk kegunaan kemudian.
Mengawal
Modul kawalan melaksanakan operasi/tindakan yang berkaitan dengan kawalan fizikal AV, seperti stereng, brek, memecut, dsb. selepas menerima maklumat daripada modul keputusan dan perancangan.
Casis
Langkah terakhir melibatkan interaksi dengan bahagian mekanikal yang dilekatkan pada casis, seperti motor gear, motor stereng, motor pedal brek, dan motor pedal untuk pemecut dan brek.
Modul kawalan memberi isyarat dan menguruskan semua komponen ini.
Sekarang kita akan bercakap tentang komunikasi umum AV sebelum bercakap tentang reka bentuk, operasi dan penggunaan pelbagai sensor utama.
RADAR
Dalam AV, RADAR digunakan untuk mengimbas persekitaran untuk mencari dan mengesan kereta dan objek lain.
RADAR sering digunakan dalam kedua-dua tujuan ketenteraan dan awam, seperti lapangan terbang atau sistem meteorologi, dan ia beroperasi dalam spektrum gelombang milimeter (mm-Gelombang).
Jalur frekuensi yang berbeza, termasuk 24, 60, 77, dan 79 GHz, digunakan dalam kereta kontemporari dan mempunyai julat ukuran 5 hingga 200 m [10].
Dengan mengira ToF antara isyarat yang dihantar dan gema yang dikembalikan, jarak antara AV dan objek ditentukan.
Dalam AV, RADAR menggunakan pelbagai antena mikro yang mencipta koleksi lobus untuk meningkatkan resolusi julat dan pengenalan berbilang sasaran. mm-Wave RADAR boleh menilai dengan tepat objek jarak dekat dalam sebarang arah dengan menggunakan varians dalam anjakan Doppler kerana kebolehtembusannya yang meningkat dan lebar jalur yang lebih besar.
Memandangkan radar Gelombang mm mempunyai panjang gelombang yang lebih panjang, ia menampilkan keupayaan anti-sekatan dan anti-pencemaran yang membolehkannya berfungsi dalam hujan, salji, kabus dan cahaya malap.
Selain itu, anjakan Doppler boleh digunakan untuk mengira halaju relatif melalui radar Gelombang mm. Disebabkan keupayaannya, radar Gelombang mm sangat sesuai untuk pelbagai aplikasi AV, termasuk pengesanan halangan, dan pengecaman pejalan kaki dan kenderaan.
Sensor Ultrasonik
Penderia ini berfungsi dalam julat 20–40 kHz dan menggunakan gelombang ultrasonik. Membran magneto-resistif yang digunakan untuk mengukur jarak objek menghasilkan gelombang ini.
Dengan mengira masa penerbangan (ToF) gelombang yang dipancarkan kepada isyarat bergema, jarak ditentukan. Julat tipikal penderia ultrasonik adalah kurang daripada 3 meter.
Output sensor disegarkan setiap 20 ms, yang menghalangnya daripada mematuhi keperluan QoS ketat ITS. Penderia ini mempunyai julat pengesanan rasuk yang agak kecil dan diarahkan.
Oleh itu, untuk mendapatkan penglihatan medan penuh, banyak sensor diperlukan. Walau bagaimanapun, banyak penderia akan berinteraksi dan boleh mengakibatkan ketidaktepatan julat yang ketara.
LiDAR
Spektrum 905 dan 1550 nm digunakan dalam LiDAR. Memandangkan mata manusia terdedah kepada kerosakan retina dari julat 905 nm, LiDAR semasa beroperasi dalam jalur 1550 nm untuk mengurangkan kerosakan retina.
Sehingga 200 meter adalah julat kerja maksimum LiDAR. LiDAR keadaan pepejal, 2D dan 3D ialah subkategori LiDAR yang berbeza.
Pancaran laser tunggal tersebar di atas cermin yang berputar dengan pantas dalam LiDAR 2D. Dengan meletakkan beberapa laser pada pod, LiDAR 3D boleh memperoleh gambar 3D persekitaran.
Telah ditunjukkan bahawa sistem LiDAR tepi jalan mengurangkan bilangan perlanggaran kenderaan-ke-pejalan kaki (V2P) di kedua-dua zon persimpangan dan bukan persimpangan.
Ia menggunakan sistem LiDAR 16 talian, masa nyata, berkesan dari segi pengiraan.
Adalah dicadangkan untuk menggunakan pengekod auto mendalam tiruan rangkaian neural (DA-ANN), yang mencapai ketepatan 95% merentasi julat 30 m.
Dalam, ia ditunjukkan bagaimana algoritma berasaskan mesin vektor sokongan (SVM) digabungkan dengan LiDAR 64D 3 baris boleh meningkatkan pengecaman pejalan kaki.
Walaupun mempunyai ketepatan pengukuran dan penglihatan 3D yang lebih baik daripada radar Gelombang mm, LiDAR berprestasi kurang baik dalam cuaca buruk termasuk kabus, salji dan hujan.
Kamera
Bergantung pada panjang gelombang peranti, kamera dalam AV boleh sama ada berasaskan inframerah atau cahaya kelihatan.
Penderia imej peranti berganding cas (CCD) dan logam-oksida-semikonduktor (CMOS) pelengkap digunakan dalam kamera (CMOS).
Bergantung pada kualiti lensa, julat maksimum kamera adalah sekitar 250 m. Tiga jalur yang digunakan oleh kamera kelihatan—Merah, Hijau dan Biru—dipisahkan oleh panjang gelombang yang sama seperti mata manusia, atau 400–780 nm (RGB).
Dua kamera VIS digabungkan dengan jarak fokus yang ditetapkan untuk mencipta saluran baharu yang mengandungi maklumat kedalaman (D), membolehkan penciptaan penglihatan stereoskopik.
Pandangan 3D bagi kawasan sekeliling kenderaan boleh diperolehi berkat keupayaan ini melalui kamera (RGB-D).
Penderia pasif yang mempunyai panjang gelombang antara 780 nm dan 1 mm digunakan oleh kamera inframerah (IR). Dalam pencahayaan puncak, penderia IR dalam AV menawarkan kawalan visual.
Kamera ini membantu AV dengan pengecaman objek, kawalan pandangan sisi, rakaman kemalangan dan BSD. Walau bagaimanapun, dalam cuaca buruk, seperti salji, kabus, dan keadaan cahaya yang berubah-ubah, prestasi kamera berubah.
Faedah utama kamera ialah keupayaannya untuk mengumpulkan dan merekodkan tekstur, pengedaran warna dan bentuk persekitaran dengan tepat.
Sistem Satelit Navigasi Global dan Sistem Kedudukan Global, Unit Pengukuran Inersia
Teknologi ini membantu AV dalam menavigasi dengan menentukan lokasi tepatnya. Sekumpulan satelit dalam orbit mengelilingi permukaan planet digunakan oleh GNSS untuk menyetempat.
Sistem menyimpan data pada lokasi AV, kelajuan dan masa yang tepat.
Ia berfungsi dengan memikirkan ToF antara isyarat yang diterima dan pelepasan satelit. Koordinat Global Positioning System (GPS) sering digunakan untuk mendapatkan lokasi AV.
Koordinat yang diekstrak GPS tidak selalu tepat, dan ia biasanya menambah ralat kedudukan dengan nilai min 3 m dan variasi piawai 1 m.
Dalam situasi metropolitan, prestasi semakin merosot, dengan ralat di lokasi sehingga 20 m, dan dalam keadaan teruk tertentu, ralat kedudukan GPS adalah lebih kurang 100 m.
Selain itu, AV boleh menggunakan sistem RTK untuk menentukan kedudukan kenderaan dengan tepat.
Dalam AV, kedudukan dan arah kenderaan juga boleh ditentukan menggunakan pengiraan mati (DR) dan kedudukan inersia.
Sensor Pelakuran
Untuk pengurusan dan keselamatan kenderaan yang betul, AV mesti mendapat pengetahuan masa nyata yang tepat tentang lokasi, status dan faktor kenderaan lain seperti berat, kestabilan, halaju, dsb.
Maklumat ini mesti dikumpulkan oleh AV menggunakan pelbagai penderia.
Dengan menggabungkan data yang diperoleh daripada beberapa sensor, teknik gabungan sensor digunakan untuk menghasilkan maklumat yang koheren.
Kaedah ini membenarkan sintesis data tidak diproses yang diperoleh daripada sumber pelengkap.
Akibatnya, gabungan sensor membolehkan AV memahami persekitarannya dengan tepat dengan menggabungkan semua data berguna yang dikumpul daripada pelbagai sensor.
Jenis algoritma yang berbeza, termasuk penapis Kalman dan penapis Bayesian, digunakan untuk menjalankan proses gabungan dalam AV.
Oleh kerana ia digunakan dalam beberapa aplikasi, termasuk pengesanan RADAR, sistem navigasi satelit dan odometri optik, penapis Kalman dilihat sebagai penting untuk kenderaan beroperasi secara autonomi.
Rangkaian Ad-Hoc Kenderaan (VANET)
VANET ialah subkelas baharu rangkaian ad hoc mudah alih yang boleh mencipta rangkaian peranti/kenderaan mudah alih secara spontan. Komunikasi kenderaan-ke-kenderaan (V2V) dan kenderaan-ke-infrastruktur (V2I) boleh dilakukan dengan VANET.
Matlamat utama teknologi sedemikian adalah untuk meningkatkan keselamatan jalan raya; contohnya, dalam situasi berbahaya seperti kemalangan dan kesesakan lalu lintas, kereta boleh berinteraksi antara satu sama lain dan rangkaian untuk menyampaikan maklumat penting.
Berikut adalah komponen utama teknologi VANET:
- OBU (unit on-board): Ia adalah sistem penjejakan berasaskan GPS yang diletakkan di dalam setiap kenderaan yang membolehkan mereka berinteraksi antara satu sama lain dan dengan unit tepi jalan (RSU). OBU dilengkapi dengan beberapa komponen elektronik, termasuk pemproses arahan sumber (RCP), peranti sensor dan antara muka pengguna, untuk mendapatkan maklumat penting. Tujuan utamanya ialah menggunakan rangkaian wayarles untuk berkomunikasi antara berbilang RSU dan OBU.
- Unit Tepi Jalan (RSU): RSU ialah unit komputer tetap yang diletakkan pada titik tepat di jalan, tempat letak kereta dan persimpangan. Objektif utamanya ialah untuk menghubungkan kenderaan autonomi kepada infrastruktur, dan ia juga membantu dengan penyetempatan kenderaan. Selain itu, ia boleh digunakan untuk memautkan kenderaan ke RSU lain menggunakan pelbagai topologi rangkaian. Selain itu, ia telah dijalankan pada sumber tenaga ambien termasuk tenaga solar.
- Pihak Berkuasa Dipercayai (TA): Ia adalah badan yang mengawal setiap langkah proses VANET, memastikan bahawa hanya RSU dan OBU kenderaan yang sah boleh mendaftar dan berinteraksi. Dengan mengesahkan ID OBU dan mengesahkan kenderaan, ia menawarkan keselamatan. Selain itu, ia mendapati komunikasi yang berbahaya dan tingkah laku ganjil.
VANET digunakan untuk komunikasi kenderaan, yang termasuk komunikasi V2V, V2I dan V2X.
Komunikasi Kenderaan Kenderaan 2
Keupayaan kereta untuk bercakap antara satu sama lain dan bertukar maklumat penting mengenai kesesakan lalu lintas, kemalangan dan sekatan kelajuan dikenali sebagai komunikasi antara kenderaan (IVC).
Komunikasi V2V boleh mencipta rangkaian dengan menggabungkan pelbagai nod (Kenderaan) bersama-sama menggunakan topologi mesh, sama ada separa atau penuh.
Ia dikategorikan sebagai sistem hop tunggal (SIVC) atau berbilang hop (MIVC) bergantung pada bilangan hop digunakan untuk komunikasi antara kenderaan.
Walaupun MIVC boleh digunakan untuk komunikasi jarak jauh, seperti pemantauan lalu lintas, SIVC boleh digunakan untuk aplikasi jarak dekat seperti penggabungan lorong, ACC, dll.
Banyak faedah, termasuk BSD, FCWS, brek kecemasan automatik (AEB) dan LDWS, ditawarkan melalui komunikasi V2V.
Komunikasi Infrastruktur Kenderaan 2
Kereta boleh berkomunikasi dengan RSU melalui proses yang dikenali sebagai komunikasi tepi jalan ke kenderaan (RVC). Ia membantu dalam pengesanan meter letak kereta, kamera, penanda lorong dan isyarat lalu lintas.
Sambungan ad hoc, wayarles dan dwiarah antara kereta dan infrastruktur.
Untuk pentadbiran dan penyeliaan lalu lintas, data infrastruktur digunakan. Ia digunakan untuk melaraskan pelbagai parameter kelajuan yang membolehkan kereta memaksimumkan penjimatan bahan api dan menguruskan aliran trafik.
Sistem RVC boleh dipisahkan kepada Sparse RVC (SRVC) dan Ubiquitous RVC bergantung kepada infrastruktur (URVC).
Sistem SRVC hanya menawarkan perkhidmatan komunikasi di kawasan panas, seperti untuk mencari tempat letak kereta terbuka atau stesen minyak, manakala sistem URVC menawarkan liputan di sepanjang laluan, walaupun pada kelajuan tinggi.
Untuk menjamin liputan rangkaian, sistem URVC memerlukan pelaburan yang besar.
Kenderaan 2 Segala-galanya Komunikasi
Kereta itu boleh berhubung dengan entiti lain melalui V2X, termasuk pejalan kaki, objek tepi jalan, peranti dan Grid (V2P, V2R dan V2D) (V2G).
Menggunakan komunikasi jenis ini, pemandu boleh mengelak daripada melanggar pejalan kaki, penunggang basikal dan penunggang motosikal yang berisiko.
Sistem Amaran Perlanggaran Pejalan Kaki (PCW) boleh memberi amaran kepada pemandu penumpang di tepi jalan sebelum perlanggaran dahsyat berlaku berkat komunikasi V2X.
Untuk menghantar mesej penting pejalan kaki, PCW boleh memanfaatkan Bluetooth telefon pintar atau Komunikasi Medan Berdekatan (NFC).
Kesimpulan
Banyak teknologi yang digunakan untuk membina kereta autonomi boleh memberi impak besar pada cara ia beroperasi.
Pada asasnya, kereta itu membangunkan peta persekitarannya menggunakan pelbagai penderia yang memberikan maklumat tentang laluan di sekelilingnya dan kenderaan lain di laluannya.
Data ini kemudiannya dianalisis oleh sistem pembelajaran mesin yang rumit, yang menghasilkan satu set tindakan untuk dilaksanakan oleh kereta. Tingkah laku ini kerap diubah dan dikemas kini apabila sistem mengetahui lebih lanjut tentang persekitaran kenderaan.
Di sebalik usaha terbaik saya untuk membentangkan kepada anda gambaran keseluruhan seni bina sistem kenderaan autonomi, terdapat banyak lagi yang berlaku di sebalik tabir.
Saya benar-benar berharap anda akan mendapati pengetahuan ini berharga dan memanfaatkannya.
Sila tinggalkan balasan anda