self_driving系统

自动驾驶平台主要组成：高精度地图(HD Maps)，定位(Localization)，感知(Perception),预测(Prediction),规划(Planning),控制(Control). 

随笔：汽车利用激光和雷达数据，将这些传感器感知内容与高分辨率地图进行对比，这种对比能使汽车以个位数厘米级精度进行自定位.

L1：为驾驶员辅助 该等级为驾驶员提供加速或者转向支持

L2：部分自动化 车辆自动控制几项功能如自动巡航个车道保持 

L3：有条件的自动化 车辆自主驾驶 但是驾驶员必须在必要时刻接管

L4：高度自动化 车辆个各方面不希驾驶员的参与 车辆可能不存在任何驾驶员控制设备 车辆或许需要地理围栏的限制

L5：完全自动化 不需要地理围栏 可以再任何区域自主运行

无人驾驶车包括五个核心部件：计算机视觉 传感器融合 定位 路径规划 控制

随笔：无人驾驶车辆也是线控驾驶车辆，，控制器区域网络(CAN)是车辆的内部通信网络.

计算机系统通过CAN卡连接汽车内部网络,发送加速,制动,和转向信号.

全球定位系统(GPS）帮助确定位置

惯性测量装置(IMU)测量观察车辆的运动和位置

激光雷达(LIDAR)由一组脉冲激光器组成，车辆头顶的LIDAR可360度获取反射信息

摄像头捕获图像数据，计算机视觉获取并分析，例如可通过图像的颜色识别交通灯

雷达(RADAR)用于检测障碍物，分辨率低但经济实惠  擅长测量其他车辆的速度

硬件平台组成：

开放式软件层包括：实时操作系统(RTOS) 运行时框架 应用程序模块层

随笔：改进了共享内存的功能和性能，去中心化和数据兼容性

共享内存降低了需要访问不同模块时的数据复制需求，用于一对多传输方案

去中心化：

数据兼容性：Protobuf

应用程序模块：MAP引擎 定位 感知 规划 控制 端到端驾驶 人机接口(HMI).

云服务：

传统地图误差在m级别 高精度地图误差在cm级 同时高进度地图能传递更多信息,三维特征 颜色等语义

定位：

高精度地图的构建五个部分：数据采集 数据处理 对象检测 手动验证 地图发布

GPS是GNSS的一种：

实时运动定位RTK：

IMU重要组成部分：加速度计和陀螺仪

IMU弥补GPS更新频率低的问题 GPU纠正IMU的运动误差

在GPS信号弱的地方 采用LIDAR与高精度地图匹配来定位

感知：

LIDAR：

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！