విషయ సూచిక[దాచు][చూపండి]
మోటార్ సైకిళ్ళు, ఆటోమొబైల్స్, ట్రక్కులు మరియు డ్రోన్లతో సహా వివిధ రకాల వాహనాలను నావిగేట్ చేయడానికి, నడిపించడానికి మరియు ఆపరేట్ చేయడానికి స్వయంప్రతిపత్త వాహనాల్లో సెన్సార్లు మరియు సాఫ్ట్వేర్ మిళితం చేయబడతాయి.
అవి ఎలా అభివృద్ధి చేయబడ్డాయి లేదా రూపొందించబడ్డాయి అనేదానిపై ఆధారపడి, వాటికి డ్రైవర్ సహాయం అవసరం కావచ్చు లేదా ఉండకపోవచ్చు.
పూర్తిగా స్వయంప్రతిపత్తి కలిగిన కార్లు మానవ డ్రైవర్లు లేకుండా సురక్షితంగా పనిచేయగలవు. కొన్ని, ఇష్టం గూగుల్ యొక్క వేమో ఆటోమొబైల్లో స్టీరింగ్ వీల్ కూడా ఉండదు.
పాక్షికంగా స్వయంప్రతిపత్తి కలిగిన వాహనం, a టెస్లా, వాహనంపై పూర్తి నియంత్రణను తీసుకోవచ్చు కానీ సిస్టమ్ సందేహాస్పదంగా ఉంటే, సహాయం చేయడానికి మానవ డ్రైవర్ అవసరం కావచ్చు.
లేన్ గైడెన్స్ మరియు బ్రేకింగ్ సహాయం నుండి పూర్తిగా స్వతంత్ర, స్వీయ డ్రైవింగ్ ప్రోటోటైప్ల వరకు ఈ కార్లలో స్వీయ-ఆటోమేషన్ యొక్క వివిధ స్థాయిలు చేర్చబడ్డాయి.
డ్రైవర్ లేని ఆటోమొబైల్స్ యొక్క లక్ష్యం ట్రాఫిక్, ఉద్గారాలు మరియు ప్రమాదాల రేట్లు తగ్గించడం.
ప్రజల కంటే స్వయంప్రతిపత్త వాహనాలు ట్రాఫిక్ నిబంధనలకు కట్టుబడి ఉండటం వల్ల ఇది సాధ్యమవుతుంది.
సాఫీగా నడపడానికి, కారు ఉన్న ప్రదేశం లేదా ఏదైనా సమీపంలోని వస్తువులు, గమ్యస్థానానికి అత్యంత చిన్నదైన మరియు సురక్షితమైన మార్గం మరియు డ్రైవింగ్ సిస్టమ్ను ఆపరేట్ చేయగల సామర్థ్యం వంటి నిర్దిష్ట సమాచారం అవసరం.
అవసరమైన పనులను ఎప్పుడు మరియు ఎలా నిర్వహించాలో అర్థం చేసుకోవడం చాలా ముఖ్యం.
ఈ ఆర్టికల్తో సహా చాలా విషయాలను కవర్ చేస్తుంది సిస్టమ్ ఆర్కిటెక్చర్ స్వయంప్రతిపత్తమైన కార్లు, అవసరమైన భాగాలు మరియు వాహన తాత్కాలిక నెట్వర్క్ల (VANETలు) కోసం.
స్వయంప్రతిపత్త వాహనం కోసం అవసరమైన భాగాలు
నేటి స్వయంప్రతిపత్త వాహనాలు కెమెరాలు, GPS, జడత్వ కొలత యూనిట్లు (IMUలు), సోనార్, లేజర్ ఇల్యూమినేషన్ డిటెక్షన్ మరియు రేంజ్ (లిడార్), రేడియో డిటెక్షన్ మరియు రేంజింగ్ (రాడార్), సౌండ్ నావిగేషన్ మరియు రేంజింగ్ (సోనార్)తో సహా వివిధ రకాల సెన్సార్లను ఉపయోగిస్తాయి మరియు 3D పటాలు.
ఈ సెన్సార్లు మరియు సాంకేతికతలు కలిసి స్టీరింగ్, యాక్సిలరేషన్ మరియు బ్రేకింగ్లను నియంత్రించడానికి నిజ సమయంలో డేటాను విశ్లేషిస్తాయి.
రాడార్ సెన్సార్లు చుట్టుపక్కల కార్ల ఆచూకీని ట్రాక్ చేయడంలో సహాయపడతాయి. పార్కింగ్ సమయంలో వాహనాలు అల్ట్రాసోనిక్ సెన్సార్లతో సహాయపడతాయి.
రెండు రకాల సెన్సార్లను ఉపయోగించి లిడార్ అని పిలువబడే సాంకేతికత సృష్టించబడింది. ఆటోమొబైల్ చుట్టూ ఉన్న పర్యావరణం నుండి కాంతి పల్స్లను ప్రతిబింబించడం ద్వారా, లైడార్ సెన్సార్లు రోడ్డు మార్గాల మార్జిన్లను గుర్తించగలవు మరియు లేన్ మార్కర్లను గుర్తించగలవు.
ఇవి ఇతర వాహనాలు, పాదచారులు మరియు సైకిళ్లు వంటి ప్రక్కనే ఉన్న అడ్డంకుల గురించి డ్రైవర్లను హెచ్చరిస్తాయి.
కారు చుట్టూ ఉన్న ప్రతిదాని పరిమాణం మరియు దూరం లైడార్ టెక్నాలజీని ఉపయోగించి కొలుస్తారు, ఇది వాహనాన్ని దాని పరిసరాలను వీక్షించడానికి మరియు ఏవైనా ప్రమాదాలను గుర్తించడానికి అనుమతించే 3D మ్యాప్ను కూడా సృష్టిస్తుంది.
పగటి సమయంతో సంబంధం లేకుండా, అది ప్రకాశవంతంగా లేదా చీకటిగా ఉన్నా, వివిధ రకాల పరిసర కాంతిలో సమాచారాన్ని రికార్డ్ చేయడంలో ఇది అద్భుతమైన పని చేస్తుంది.
ఆటోమొబైల్ దాని పరిసరాలను గుర్తించడానికి మరియు దాని స్థానాన్ని గుర్తించడానికి లైడార్ మరియు కెమెరాలతో పాటు కెమెరాలు, రాడార్ మరియు GPS యాంటెన్నాలను ఉపయోగిస్తుంది.
పాదచారులు, బైకర్లు, ఆటోమొబైల్స్ మరియు ఇతర అడ్డంకులను కెమెరాలు తనిఖీ చేస్తాయి, అయితే ట్రాఫిక్ సిగ్నల్లను గుర్తించడం, రహదారి సంకేతాలు మరియు గుర్తులను చదవడం మరియు ఇతర వాహనాలను ట్రాక్ చేయడం.
అయినప్పటికీ, మసక లేదా నీడ ఉన్న ప్రదేశాలలో వారు చాలా కష్టపడవచ్చు. స్వయంప్రతిపత్త వాహనం తన ముందు ఉన్న రహదారిని డిజిటల్గా మ్యాప్ చేయడానికి లిడార్, రాడార్, కెమెరాలు, GPS యాంటెనాలు మరియు అల్ట్రాసోనిక్ సెన్సార్ల మిశ్రమాన్ని ఉపయోగించడం ద్వారా అది ఎక్కడికి వెళుతుందో చూడగలదు.
హై-లెవల్ సిస్టమ్ ఆర్కిటెక్చర్
అవసరమైన సెన్సార్లు, యాక్యుయేటర్లు, హార్డ్వేర్ మరియు సాఫ్ట్వేర్ ఆర్కిటెక్చర్లో జాబితా చేయబడ్డాయి, ఇది AVలలో మొత్తం కమ్యూనికేషన్ మెకానిజం లేదా ప్రోటోకాల్ను కూడా ప్రదర్శిస్తుంది.
అవగాహన
ఈ దశలో పర్యావరణానికి సంబంధించి AV స్థానాన్ని గుర్తించడం మరియు వివిధ రకాల సెన్సార్లను ఉపయోగించి AV చుట్టూ ఉన్న వాతావరణాన్ని గ్రహించడం వంటివి ఉంటాయి.
AV ఈ దశలో RADAR, LIDAR, కెమెరా, రియల్ టైమ్ కైనటిక్ (RTK) మరియు ఇతర సెన్సార్లను ఉపయోగిస్తుంది. గుర్తింపు మాడ్యూల్స్ ఈ సెన్సార్ల నుండి డేటాను స్వీకరిస్తాయి మరియు దానిని పాస్ చేసిన తర్వాత ప్రాసెస్ చేస్తాయి.
సాధారణంగా, AVలో నియంత్రణ వ్యవస్థ, LDWS, TSR, తెలియని అడ్డంకుల గుర్తింపు (UOR), వాహన స్థానాలు మరియు స్థానికీకరణ (VPL) మాడ్యూల్ మొదలైనవి ఉంటాయి.
ప్రాసెస్ చేసిన తర్వాత నిర్ణయాధికారం మరియు ప్రణాళిక దశకు సంయుక్త సమాచారం అందించబడుతుంది.
నిర్ణయం & ప్రణాళిక
AV యొక్క కదలికలు మరియు ప్రవర్తన గ్రహణ ప్రక్రియ సమయంలో అందుకున్న సమాచారాన్ని ఉపయోగించి ఈ దశలో నిర్ణయించబడతాయి, ప్రణాళిక చేయబడతాయి మరియు నియంత్రించబడతాయి.
మెదడు సూచించే ఈ దశ, మార్గ ప్రణాళిక, చర్య అంచనా, అడ్డంకి ఎగవేత మొదలైన వాటిపై ఎంపికలు చేయబడతాయి.
ఎంపిక అనేది నిజ-సమయ మ్యాప్ డేటా, ట్రాఫిక్ ప్రత్యేకతలు, ట్రెండ్లు, వినియోగదారు సమాచారం మొదలైన వాటితో సహా ఇప్పుడు మరియు చారిత్రాత్మకంగా అందుబాటులో ఉన్న సమాచారంపై ఆధారపడి ఉంటుంది.
డేటా లాగ్ మాడ్యూల్ ఉండవచ్చు, అది తప్పులు మరియు డేటాను తదుపరి ఉపయోగం కోసం ట్రాక్ చేస్తుంది.
కంట్రోల్
నియంత్రణ మాడ్యూల్ నిర్ణయం మరియు ప్రణాళిక మాడ్యూల్ నుండి సమాచారాన్ని స్వీకరించిన తర్వాత AV యొక్క భౌతిక నియంత్రణకు సంబంధించిన కార్యకలాపాలు/చర్యలను అమలు చేస్తుంది, స్టీరింగ్, బ్రేకింగ్, యాక్సిలరేటింగ్ మొదలైనవి.
చట్రపు
చివరి దశలో గేర్ మోటార్, స్టీరింగ్ వీల్ మోటార్, బ్రేక్ పెడల్ మోటార్ మరియు యాక్సిలరేటర్ మరియు బ్రేక్ కోసం పెడల్ మోటార్లు వంటి చట్రానికి అతికించబడిన మెకానికల్ భాగాలతో పరస్పర చర్య ఉంటుంది.
నియంత్రణ మాడ్యూల్ ఈ అన్ని భాగాలను సిగ్నల్ చేస్తుంది మరియు నిర్వహిస్తుంది.
ఇప్పుడు మేము వివిధ కీలక సెన్సార్ల రూపకల్పన, ఆపరేషన్ మరియు ఉపయోగం గురించి మాట్లాడే ముందు AV యొక్క సాధారణ కమ్యూనికేషన్ గురించి మాట్లాడుతాము.
రాడార్
AVలలో, ఆటోమొబైల్స్ మరియు ఇతర వస్తువులను కనుగొనడానికి మరియు గుర్తించడానికి పర్యావరణాన్ని స్కాన్ చేయడానికి RADARలు ఉపయోగించబడతాయి.
విమానాశ్రయాలు లేదా వాతావరణ వ్యవస్థలు వంటి సైనిక మరియు పౌర ప్రయోజనాల కోసం RADARలు తరచుగా ఉపయోగించబడతాయి మరియు అవి మిల్లీమీటర్-వేవ్ (mm-వేవ్) స్పెక్ట్రమ్లో పనిచేస్తాయి.
సమకాలీన ఆటోమొబైల్స్లో 24, 60, 77 మరియు 79 GHzలతో సహా వివిధ ఫ్రీక్వెన్సీ బ్యాండ్లు ఉపయోగించబడతాయి మరియు 5 నుండి 200 మీ [10] కొలత పరిధిని కలిగి ఉంటాయి.
ప్రసారం చేయబడిన సిగ్నల్ మరియు తిరిగి వచ్చిన ప్రతిధ్వని మధ్య ToFని లెక్కించడం ద్వారా, AV మరియు వస్తువు మధ్య దూరం నిర్ణయించబడుతుంది.
AVలలో, RADARలు సూక్ష్మ-యాంటెన్నాల శ్రేణిని ఉపయోగిస్తాయి, ఇవి పరిధి రిజల్యూషన్ మరియు బహుళ లక్ష్య గుర్తింపును మెరుగుపరచడానికి లోబ్ల సేకరణను సృష్టిస్తాయి. mm-Wave RADAR దాని పెరిగిన చొచ్చుకుపోవటం మరియు పెద్ద బ్యాండ్విడ్త్ కారణంగా డాప్లర్ షిఫ్ట్లోని వైవిధ్యాన్ని ఉపయోగించడం ద్వారా ఏ దిశలోనైనా దగ్గరి-శ్రేణి వస్తువులను ఖచ్చితంగా అంచనా వేయగలదు.
mm-వేవ్ రాడార్లు ఎక్కువ తరంగదైర్ఘ్యం కలిగి ఉన్నందున, అవి వర్షం, మంచు, పొగమంచు మరియు తక్కువ వెలుతురులో పనిచేయడానికి వీలు కల్పించే యాంటీ-బ్లాకింగ్ మరియు యాంటీ-కాలుష్య సామర్థ్యాలను కలిగి ఉంటాయి.
అదనంగా, mm-వేవ్ రాడార్ల ద్వారా సాపేక్ష వేగాన్ని లెక్కించడానికి డాప్లర్ షిఫ్ట్ని ఉపయోగించవచ్చు. వాటి సామర్థ్యం కారణంగా, mm-వేవ్ రాడార్లు అడ్డంకిని గుర్తించడం మరియు పాదచారులు మరియు వాహన గుర్తింపుతో సహా అనేక రకాల AV అప్లికేషన్లకు బాగా సరిపోతాయి.
అల్ట్రాసోనిక్ సెన్సార్లు
ఈ సెన్సార్లు 20-40 kHz పరిధిలో పని చేస్తాయి మరియు అల్ట్రాసోనిక్ తరంగాలను ఉపయోగిస్తాయి. వస్తువు యొక్క దూరాన్ని కొలవడానికి ఉపయోగించే మాగ్నెటో-రెసిస్టివ్ మెమ్బ్రేన్ ఈ తరంగాలను ఉత్పత్తి చేస్తుంది.
ప్రతిధ్వనించిన సిగ్నల్కు ఉద్గార తరంగం యొక్క సమయం-ఆఫ్-ఫ్లైట్ (ToF) లెక్కించడం ద్వారా, దూరం నిర్ణయించబడుతుంది. అల్ట్రాసోనిక్ సెన్సార్ల యొక్క సాధారణ పరిధి 3 మీటర్ల కంటే తక్కువ.
సెన్సార్ అవుట్పుట్ ప్రతి 20 msకి రిఫ్రెష్ చేయబడుతుంది, ఇది ITS యొక్క కఠినమైన QoS అవసరాలకు అనుగుణంగా నిరోధిస్తుంది. ఈ సెన్సార్లు సాపేక్షంగా చిన్న బీమ్ డిటెక్షన్ పరిధిని కలిగి ఉంటాయి మరియు దర్శకత్వం వహించబడతాయి.
అందువల్ల, పూర్తి-క్షేత్ర దృష్టిని పొందడానికి, అనేక సెన్సార్లు అవసరం. అయినప్పటికీ, అనేక సెన్సార్లు పరస్పర చర్య చేస్తాయి మరియు గణనీయమైన శ్రేణి లోపాలను కలిగిస్తాయి.
లిడార్
LiDARలో 905 మరియు 1550 nm స్పెక్ట్రా ఉపయోగించబడింది. మానవ కన్ను 905 nm పరిధి నుండి రెటీనా దెబ్బతినే అవకాశం ఉంది కాబట్టి, ప్రస్తుత LiDAR రెటీనా నష్టాన్ని తగ్గించడానికి 1550 nm బ్యాండ్లో పనిచేస్తుంది.
200 మీటర్ల వరకు LiDAR గరిష్ట పని పరిధి. సాలిడ్-స్టేట్, 2D మరియు 3D LiDAR అనేది LiDAR యొక్క విభిన్న ఉపవర్గాలు.
2D LiDARలో వేగంగా తిరిగే అద్దం మీద ఒకే లేజర్ పుంజం చెదరగొట్టబడుతుంది. పాడ్పై అనేక లేజర్లను ఉంచడం ద్వారా, 3D LiDAR పరిసరాల యొక్క 3D చిత్రాన్ని పొందవచ్చు.
రహదారి పక్కన ఉన్న LiDAR వ్యవస్థ ఖండన మరియు నాన్-ఇంటర్సెక్షనల్ జోన్లలో వాహనం నుండి పాదచారుల (V2P) ఢీకొనే సంఖ్యను తగ్గిస్తుందని నిరూపించబడింది.
ఇది 16-లైన్, నిజ-సమయ, గణనపరంగా ప్రభావవంతమైన LiDAR వ్యవస్థను ఉపయోగిస్తుంది.
లోతైన ఆటో-ఎన్కోడర్ను కృత్రిమంగా ఉపయోగించమని సూచించబడింది నాడీ నెట్వర్క్ (DA-ANN), ఇది 95 మీటర్ల పరిధిలో 30% ఖచ్చితత్వాన్ని సాధిస్తుంది.
లో, 64-లైన్ 3D LiDARతో కలిపి సపోర్ట్ వెక్టర్ మెషీన్ (SVM) ఆధారిత అల్గారిథమ్ పాదచారుల గుర్తింపును ఎలా మెరుగుపరుస్తుందో ప్రదర్శించబడింది.
mm-వేవ్ రాడార్ కంటే మెరుగైన కొలత ఖచ్చితత్వం మరియు 3D దృష్టి ఉన్నప్పటికీ, పొగమంచు, మంచు మరియు వర్షంతో సహా ప్రతికూల వాతావరణంలో LiDAR తక్కువ పనితీరును ప్రదర్శిస్తుంది.
కెమెరాలు
పరికరం యొక్క తరంగదైర్ఘ్యంపై ఆధారపడి, AVలలోని కెమెరా ఇన్ఫ్రారెడ్- లేదా కనిపించే-కాంతి-ఆధారితంగా ఉంటుంది.
ఛార్జ్-కపుల్డ్ పరికరం (CCD) మరియు కాంప్లిమెంటరీ మెటల్-ఆక్సైడ్-సెమీకండక్టర్ (CMOS) ఇమేజ్ సెన్సార్లు కెమెరా (CMOS)లో ఉపయోగించబడతాయి.
లెన్స్ నాణ్యతపై ఆధారపడి, కెమెరా గరిష్ట పరిధి 250 మీ. కనిపించే కెమెరాలు ఉపయోగించే మూడు బ్యాండ్లు-ఎరుపు, ఆకుపచ్చ మరియు నీలం-మానవ కన్ను లేదా 400–780 nm (RGB) వలె అదే తరంగదైర్ఘ్యంతో వేరు చేయబడతాయి.
రెండు VIS కెమెరాలు స్టీరియోస్కోపిక్ దృష్టిని సృష్టించడానికి అనుమతించే డెప్త్ (D) సమాచారాన్ని కలిగి ఉన్న కొత్త ఛానెల్ని సృష్టించడానికి ఏర్పాటు చేసిన ఫోకల్ లెంగ్త్లతో జతచేయబడతాయి.
కెమెరా (RGB-D) ద్వారా ఈ సామర్థ్యానికి ధన్యవాదాలు వాహనం చుట్టూ ఉన్న ప్రాంతం యొక్క 3D వీక్షణను పొందవచ్చు.
780 nm మరియు 1 mm మధ్య తరంగదైర్ఘ్యం కలిగిన నిష్క్రియ సెన్సార్లు ఇన్ఫ్రారెడ్ (IR) కెమెరా ద్వారా ఉపయోగించబడతాయి. గరిష్ట ప్రకాశంలో, AVలలోని IR సెన్సార్లు దృశ్య నియంత్రణను అందిస్తాయి.
ఈ కెమెరా ఆబ్జెక్ట్ రికగ్నిషన్, సైడ్ వ్యూ కంట్రోల్, యాక్సిడెంట్ రికార్డింగ్ మరియు BSDతో AVలకు సహాయం చేస్తుంది. అయినప్పటికీ, మంచు, పొగమంచు మరియు మారుతున్న కాంతి పరిస్థితులు వంటి ప్రతికూల వాతావరణంలో, కెమెరా పనితీరు మారుతుంది.
కెమెరా యొక్క ప్రాథమిక ప్రయోజనాలు పర్యావరణం యొక్క ఆకృతి, రంగు పంపిణీ మరియు ఆకృతిని ఖచ్చితంగా సేకరించి రికార్డ్ చేయగల సామర్థ్యం.
గ్లోబల్ నావిగేషన్ శాటిలైట్ సిస్టమ్ మరియు గ్లోబల్ పొజిషనింగ్ సిస్టమ్, ఇనర్షియల్ మెజర్మెంట్ యూనిట్
ఈ సాంకేతికత AV దాని ఖచ్చితమైన స్థానాన్ని గుర్తించడం ద్వారా నావిగేట్ చేయడంలో సహాయపడుతుంది. గ్రహం యొక్క ఉపరితలం చుట్టూ కక్ష్యలో ఉన్న ఉపగ్రహాల సమూహం GNSS ద్వారా స్థానికీకరించడానికి ఉపయోగించబడుతుంది.
సిస్టమ్ AV యొక్క స్థానం, వేగం మరియు ఖచ్చితమైన సమయంపై డేటాను నిల్వ చేస్తుంది.
అందుకున్న సిగ్నల్ మరియు ఉపగ్రహ ఉద్గారాల మధ్య ToFని గుర్తించడం ద్వారా ఇది పని చేస్తుంది. AV స్థానాన్ని పొందేందుకు గ్లోబల్ పొజిషనింగ్ సిస్టమ్ (GPS) కోఆర్డినేట్లు తరచుగా ఉపయోగించబడతాయి.
GPS-సంగ్రహించిన కోఆర్డినేట్లు ఎల్లప్పుడూ ఖచ్చితమైనవి కావు మరియు అవి సాధారణంగా 3 మీ సగటు విలువ మరియు 1 మీ ప్రామాణిక వైవిధ్యంతో స్థాన లోపాన్ని జోడిస్తాయి.
మెట్రోపాలిటన్ పరిస్థితులలో, పనితీరు మరింత క్షీణిస్తుంది, 20 మీటర్ల వరకు ఉన్న ప్రదేశంలో లోపం మరియు నిర్దిష్ట తీవ్రమైన పరిస్థితులలో, GPS స్థానం లోపం సుమారు 100 మీ.
అదనంగా, వాహనం యొక్క స్థానాన్ని ఖచ్చితంగా నిర్ణయించడానికి AVలు RTK వ్యవస్థను ఉపయోగించగలవు.
AVలలో, వాహనం యొక్క స్థానం మరియు దిశను డెడ్ రెకనింగ్ (DR) మరియు జడత్వ స్థానం ఉపయోగించి కూడా నిర్ణయించవచ్చు.
సెన్సార్ ఫ్యూజన్
సరైన వాహన నిర్వహణ మరియు భద్రత కోసం, AVలు తప్పనిసరిగా స్థానం, స్థితి మరియు బరువు, స్థిరత్వం, వేగం మొదలైన ఇతర వాహన కారకాల గురించి ఖచ్చితమైన, నిజ-సమయ జ్ఞానాన్ని పొందాలి.
ఈ సమాచారాన్ని AVలు వివిధ రకాల సెన్సార్లను ఉపయోగించి తప్పనిసరిగా సేకరించాలి.
అనేక సెన్సార్ల నుండి పొందిన డేటాను విలీనం చేయడం ద్వారా, పొందికైన సమాచారాన్ని ఉత్పత్తి చేయడానికి సెన్సార్ ఫ్యూజన్ టెక్నిక్ ఉపయోగించబడుతుంది.
కాంప్లిమెంటరీ మూలాధారాల నుండి పొందిన ప్రాసెస్ చేయని డేటా యొక్క సంశ్లేషణను పద్ధతి అనుమతిస్తుంది.
ఫలితంగా, సెన్సార్ ఫ్యూజన్ వివిధ సెన్సార్ల నుండి సేకరించిన మొత్తం ఉపయోగకరమైన డేటాను విలీనం చేయడం ద్వారా దాని పరిసరాలను ఖచ్చితంగా అర్థం చేసుకోవడానికి AVని అనుమతిస్తుంది.
AVలలో ఫ్యూజన్ ప్రక్రియను నిర్వహించడానికి కల్మాన్ ఫిల్టర్లు మరియు బయేసియన్ ఫిల్టర్లతో సహా వివిధ రకాల అల్గారిథమ్లు ఉపయోగించబడతాయి.
ఇది రాడార్ ట్రాకింగ్, శాటిలైట్ నావిగేషన్ సిస్టమ్లు మరియు ఆప్టికల్ ఓడోమెట్రీతో సహా అనేక అప్లికేషన్లలో ఉపయోగించబడుతుంది కాబట్టి, కల్మాన్ ఫిల్టర్ వాహనం స్వయంప్రతిపత్తితో పనిచేయడానికి కీలకమైనదిగా పరిగణించబడుతుంది.
వెహిక్యులర్ అడ్-హాక్ నెట్వర్క్లు (VANETలు)
VANETలు మొబైల్ అడ్ హాక్ నెట్వర్క్ల యొక్క కొత్త సబ్క్లాస్, ఇవి ఆకస్మికంగా మొబైల్ పరికరాలు/వాహనాల నెట్వర్క్ను సృష్టించగలవు. వెహికల్-టు-వెహికల్ (V2V) మరియు వెహికల్-టు-ఇన్ఫ్రాస్ట్రక్చర్ (V2I) కమ్యూనికేషన్ VANETలతో సాధ్యమవుతుంది.
అటువంటి సాంకేతికత యొక్క ప్రాథమిక లక్ష్యం రహదారి భద్రతను పెంచడం; ఉదాహరణకు, ప్రమాదాలు మరియు ట్రాఫిక్ జామ్ల వంటి ప్రమాదకర పరిస్థితుల్లో కార్లు ఒకదానికొకటి మరియు నెట్వర్క్తో కీలక సమాచారాన్ని ప్రసారం చేయగలవు.
కిందివి VANET సాంకేతికత యొక్క ప్రాథమిక భాగాలు:
- OBU (ఆన్-బోర్డ్ యూనిట్): ఇది ప్రతి వాహనంలో ఉంచబడిన GPS-ఆధారిత ట్రాకింగ్ సిస్టమ్, ఇది వాటిని ఒకదానితో ఒకటి మరియు రోడ్సైడ్ యూనిట్లతో (RSU) ఇంటరాక్ట్ చేయడానికి అనుమతిస్తుంది. OBU రిసోర్స్ కమాండ్ ప్రాసెసర్ (RCP), సెన్సార్ పరికరాలు మరియు సహా అనేక ఎలక్ట్రానిక్ భాగాలతో తయారు చేయబడింది. వినియోగదారు ఇంటర్ఫేస్లు, అవసరమైన సమాచారాన్ని పొందడానికి. బహుళ RSUలు మరియు OBUల మధ్య కమ్యూనికేట్ చేయడానికి వైర్లెస్ నెట్వర్క్ను ఉపయోగించడం దీని ప్రాథమిక ప్రయోజనం.
- రోడ్సైడ్ యూనిట్ (RSU): వీధులు, పార్కింగ్ స్థలాలు మరియు జంక్షన్లలో ఖచ్చితమైన పాయింట్ల వద్ద ఉంచబడిన స్థిర కంప్యూటర్ యూనిట్లు RSUలు. స్వయంప్రతిపత్త వాహనాలను మౌలిక సదుపాయాలకు అనుసంధానించడం దీని ప్రధాన లక్ష్యం మరియు ఇది వాహన స్థానికీకరణకు కూడా సహాయపడుతుంది. అదనంగా, వాహనాన్ని ఇతర ఆర్ఎస్యులకు లింక్ చేయడానికి దీనిని ఉపయోగించవచ్చు నెట్వర్క్ టోపోలాజీలు. అదనంగా, అవి సౌర శక్తితో సహా పరిసర శక్తి వనరులపై అమలు చేయబడ్డాయి.
- విశ్వసనీయ అథారిటీ (TA): ఇది VANETల ప్రక్రియ యొక్క ప్రతి దశను నియంత్రించే ఒక సంస్థ, చట్టబద్ధమైన RSUలు మరియు వాహన OBUలు మాత్రమే నమోదు చేయగలవు మరియు పరస్పర చర్య చేయగలవని నిర్ధారిస్తుంది. OBU IDని నిర్ధారించడం మరియు వాహనాన్ని ప్రామాణీకరించడం ద్వారా, ఇది భద్రతను అందిస్తుంది. అదనంగా, ఇది హానికరమైన కమ్యూనికేషన్లను మరియు బేసి ప్రవర్తనను కనుగొంటుంది.
VANETలు వాహనాల కమ్యూనికేషన్ కోసం ఉపయోగించబడతాయి, ఇందులో V2V, V2I మరియు V2X కమ్యూనికేషన్లు ఉంటాయి.
వాహనం 2 వాహన కమ్యూనికేషన్
ట్రాఫిక్ రద్దీ, ప్రమాదాలు మరియు వేగ పరిమితులకు సంబంధించి ఆటోమొబైల్లు ఒకదానితో ఒకటి మాట్లాడుకునే మరియు కీలకమైన సమాచారాన్ని మార్పిడి చేసుకునే సామర్థ్యాన్ని ఇంటర్-వెహికల్ కమ్యూనికేషన్ (IVC) అంటారు.
V2V కమ్యూనికేషన్ పాక్షికంగా లేదా పూర్తిగా మెష్ టోపోలాజీని ఉపయోగించి వివిధ నోడ్లను (వాహనాలు) కలపడం ద్వారా నెట్వర్క్ను సృష్టించవచ్చు.
ఇంటర్-వెహికల్ కమ్యూనికేషన్ కోసం ఎన్ని హాప్లు ఉపయోగించబడుతున్నాయనే దానిపై ఆధారపడి అవి సింగిల్-హాప్ (SIVC) లేదా మల్టీ-హాప్ (MIVC) సిస్టమ్లుగా వర్గీకరించబడ్డాయి.
MIVCని ట్రాఫిక్ మానిటరింగ్ వంటి సుదూర కమ్యూనికేషన్ కోసం ఉపయోగించుకోవచ్చు, లేన్ మెర్జింగ్, ACC మొదలైన స్వల్ప-శ్రేణి అప్లికేషన్ల కోసం SIVCని ఉపయోగించవచ్చు.
BSD, FCWS, ఆటోమేటెడ్ ఎమర్జెన్సీ బ్రేకింగ్ (AEB) మరియు LDWSతో సహా అనేక ప్రయోజనాలు V2V కమ్యూనికేషన్ ద్వారా అందించబడతాయి.
వాహనం 2 ఇన్ఫ్రాస్ట్రక్చర్ కమ్యూనికేషన్
రోడ్సైడ్-టు-వెహికల్ కమ్యూనికేషన్ (RVC) అని పిలువబడే ప్రక్రియ ద్వారా ఆటోమొబైల్స్ RSUలతో కమ్యూనికేట్ చేయగలవు. ఇది పార్కింగ్ మీటర్లు, కెమెరాలు, లేన్ మార్కర్లు మరియు ట్రాఫిక్ సిగ్నల్లను గుర్తించడంలో సహాయపడుతుంది.
కార్లు మరియు మౌలిక సదుపాయాల మధ్య తాత్కాలిక, వైర్లెస్ మరియు ద్వి దిశాత్మక కనెక్షన్.
ట్రాఫిక్ నిర్వహణ మరియు పర్యవేక్షణ కోసం, మౌలిక సదుపాయాల డేటా ఉపయోగించబడుతుంది. కార్లు ఇంధన ఆర్థిక వ్యవస్థను పెంచడానికి మరియు ట్రాఫిక్ ప్రవాహాన్ని నిర్వహించడానికి అనుమతించే వివిధ వేగ పారామితులను సర్దుబాటు చేయడానికి అవి ఉపయోగించబడతాయి.
RVC వ్యవస్థను అవస్థాపన (URVC) ఆధారంగా స్పార్స్ RVC (SRVC) మరియు సర్వవ్యాప్త RVCగా విభజించవచ్చు.
SRVC సిస్టమ్ హాట్స్పాట్లలో మాత్రమే కమ్యూనికేషన్ సేవలను అందిస్తుంది, అంటే ఓపెన్ పార్కింగ్ స్థలాలు లేదా పెట్రోల్ స్టేషన్లను గుర్తించడం వంటివి, అయితే URVC వ్యవస్థ మొత్తం మార్గంలో, అధిక వేగంతో కూడా కవరేజీని అందిస్తుంది.
నెట్వర్క్ కవరేజీకి హామీ ఇవ్వడానికి, URVC సిస్టమ్కు పెద్ద పెట్టుబడి అవసరం.
వాహనం 2 అంతా కమ్యూనికేషన్
పాదచారులు, రోడ్డు పక్కన ఉన్న వస్తువులు, పరికరాలు మరియు గ్రిడ్ (V2P, V2R మరియు V2D) (V2G)తో సహా V2X ద్వారా కారు ఇతర సంస్థలతో కనెక్ట్ కావచ్చు.
ఈ రకమైన కమ్యూనికేషన్ను ఉపయోగించి, డ్రైవర్లు ప్రమాదంలో ఉన్న పాదచారులు, సైక్లిస్టులు మరియు మోటార్సైకిల్ రైడర్లను కొట్టడాన్ని నివారించవచ్చు.
పాదచారుల తాకిడి హెచ్చరిక (PCW) వ్యవస్థ V2X కమ్యూనికేషన్కు కృతజ్ఞతలు తెలుపుతూ విపత్తు తాకిడి సంభవించే ముందు రోడ్డు పక్కన ఉన్న ప్రయాణీకుల డ్రైవర్ను హెచ్చరిస్తుంది.
పాదచారులకు ముఖ్యమైన సందేశాలను పంపడానికి, PCW స్మార్ట్ఫోన్ యొక్క బ్లూటూత్ లేదా నియర్ ఫీల్డ్ కమ్యూనికేషన్ (NFC) ప్రయోజనాన్ని పొందవచ్చు.
ముగింపు
స్వయంప్రతిపత్తమైన కార్లను నిర్మించడానికి ఉపయోగించే అనేక సాంకేతికతలు అవి పనిచేసే విధానంపై పెద్ద ప్రభావాన్ని చూపుతాయి.
అత్యంత ప్రాథమికంగా, కారు తన చుట్టూ ఉన్న మార్గం మరియు దాని మార్గంలోని ఇతర వాహనాల గురించి సమాచారాన్ని అందించే సెన్సార్ల శ్రేణిని ఉపయోగించి దాని పరిసరాల మ్యాప్ను అభివృద్ధి చేస్తుంది.
ఈ డేటా సంక్లిష్టమైన మెషిన్-లెర్నింగ్ సిస్టమ్ ద్వారా విశ్లేషించబడుతుంది, ఇది కారు అమలు చేయడానికి చర్యల సమితిని రూపొందిస్తుంది. వాహనం యొక్క పరిసరాల గురించి సిస్టమ్ మరింత తెలుసుకున్నందున ఈ ప్రవర్తనలు క్రమం తప్పకుండా మార్చబడతాయి మరియు నవీకరించబడతాయి.
అటానమస్ వెహికల్ సిస్టమ్ ఆర్కిటెక్చర్ యొక్క అవలోకనాన్ని మీకు అందించడానికి నా ఉత్తమ ప్రయత్నాలు ఉన్నప్పటికీ, తెరవెనుక చాలా ఎక్కువ జరుగుతున్నాయి.
మీరు ఈ జ్ఞానాన్ని విలువైనదిగా కనుగొంటారని మరియు దానిని ఉపయోగించుకుంటారని నేను నిజంగా ఆశిస్తున్నాను.
సమాధానం ఇవ్వూ