实现自动驾驶的最新技术动向 (上)

关键技术及其定位:“看得见的区域”和“看不见的区域”

2015/12/08

概 要

  除了各整车厂的积极展示和宣传,政府也就实现自动驾驶车发表了积极的讲话,作为实现自动驾驶手段的各配套厂是如何看待当前形势的呢?

  本报告将分上下两篇,围绕TU-Automotive Japan主办的TU-Automotive Japan 2015 (The Westin Tokyo 10/20-21; 到去年为止名为Telematics Japan) 中自动驾驶相关分会上各配套厂的演讲内容,介绍各整车厂在各自专业领域所设定的发展方向、问题及解决方法、实现时间等。

  上篇将介绍英特尔株式会社战略企划室Automotive Unit、Chief Advanced Service Architect 兼 Director / 名古屋大学客座副教授 野边继男以“自动驾驶技术的最新动向和今后课题”为题的演讲。作为实现自动驾驶的关键技术,野边继男强调了可看到车辆前方100m左右的“看得见的区域”的Deep Learning,以及更远处“看不见的区域”的汽车物联网 “Vehicle IoT (Internet of Things)”。

  下篇将介绍博世、大陆、QNX与WIN DRIVER (都是嵌入式操作系统的供应商) 在专题讨论会上的演讲。

 相关报告

实现自动驾驶的最新技术动向 (下) 博世、大陆的自动驾驶蓝图、技术课题和未来展望等 (2015年12月)

自动驾驶技术的发展蓝图:Telematics Japan 2014:梅赛德斯奔驰道路测试结果、梅赛德斯奔驰/日产/本田的实用化日程表 (2014年11月)
自动驾驶:哪些技术掌握关键 (2014年11月)



自动驾驶的对象领域及其实现时间

  英特尔的野边继男表示,2020年各整车厂希望实现的应该是“Level 3”的自动驾驶,在一定条件下,无需驾驶员的监控。并以时速为横轴,周边情况预测的困难度为纵轴制作图表,绘制了自动驾驶的对象领域 (图1)。

  按“高速公路”、“主干道”、“生活道路”的顺序实现自动驾驶较为困难。图中红字的时间是2014年4月14日戴姆勒公司发布的各领域的设想实现时间,与野边继男的想法基本一致。

自动驾驶的Level及一般定义

Level 系统 定义
Level 1 安全驾驶辅助系统 系统进行加速、转向、制动中的一项操作
Level 2 部分自动驾驶系统 系统进行加速、转向、制动中的多项操作
Level 3 智能自动驾驶系统 加速、转向、制动操作均由系统进行,
系统提出请求时由驾驶员应对。
Level 4 完全自动驾驶系统 加速、转向、制动操作均由系统进行,驾驶员不参与驾驶。

(MarkLines根据日本国土交通省等机构的定义制作)

 

自動運転の対象とする領域とその想定実現時期
图1) 自动驾驶的对象领域及其设想实现时间 (来自英特尔公司资料)

 



“看得见的区域”和“看不见的区域”

  接着,野边继男提出新的概念 (图2),将Level 3时期的自动驾驶区分为“看得见的区域 (到车辆前方100m左右为止)”和“看不见的区域 (100m之外)”,并对其必要性和技术性课题进行了解说。

 

「見える世界」と「見えない世界」の概念
图2) “看得见的区域”和“看不见的区域”的概念 (来自英特尔公司资料)


  汽车最多仅需10秒就会通过“看得见的区域”,但到了Level 3,自动驾驶系统要将驾驶的主导权归还至驾驶员手中的所需时间更长 (例如数十秒),这时车辆仍将处于自动驾驶的状态,行驶在未知的道路。

  图2中,野边继男将“看得见的区域”的自动驾驶定义为利用传感技术的进步和Deep Learning提高识别精度,并逐步实现的“自律性 (小脑) 自动驾驶 (粉色)”; 将包括“看不见的区域”在内的自动驾驶定义为利用前方数公里道路信息逐步实现的“计划性 (大脑) 自动驾驶 (黄色)”。

  野边继男还强调,无论在上述哪个领域,高精度地图都是必要条件。

 



“看得见的区域”‥自律性自动驾驶

  首先对“看得见的区域”进行考察得知,对于移动的物体,需要自律性 (小脑) 的实时反应。

  野边继男认为,要实现一般道路上的自动驾驶,最困难的就是判断是否能通过路口 (图3)。在这种情况下,行人、自行车、摩托车、汽车等鱼龙混杂,移动的方向也各不相同。静止物体也都朝着不同方向。信号灯是难点,单靠图像识别技术的进步,很难正确把握在路口的连续区间哪个信号灯对应哪个路口。

  能获得距离信息的LIDAR (LIght Detection and Ranging) 与高精度地图信息的组合,或许是最现实的答案。

 

交差点の通過判断に把握が必要となる情報量の例
图3) 判断能否通过路口的所必须掌握的信息量案例 (来自英特尔公司资料)


  谷歌已在加利福尼亚州的路面上开展试验,利用LIDAR,以“点和群”来把握路口周边的物体,利用Deep Learning提高识别精度。图4是谷歌公开的识别结果案例,将各种朝向、各种姿势的点和群识别为“人”。

 

Deep Learning
图4) 利用LIDAR信息的图像,通过Deep Learning判断车辆和人
(来自英特尔公司资料)


  利用Deep Learning,推进驾驶演算法的开发,或能提前实现自动驾驶。

 



“看不见的区域”‥计划性自动驾驶

  接着,野边继男就“看不见的区域”,在Level 3的自动驾驶中,要想把驾驶主导权充分交还至驾驶员手中,需要2分钟,期间 (如在高速公路上则已行驶数千公里) 想要实现安全驾驶,“计划性 (大脑) 自动驾驶”不可或缺 (图5)。

 

「見えない世界」の自動運転
图5) “看不见的区域”的自动驾驶 (来自英特尔公司资料)


  高精度的地图信息自然是必要条件,但地图信息的更新却仍停留在地图制作时的信息。此时,如利用“Vehicle IoT”,可充分利用以往通过车辆的信息,随时更新地图信息,保持在最新状态。所以说,要实现“计划性自动驾驶”,“Vehicle IoT”可说是必须的基本技术 (图6)。

 

Vehicle IoTによる地図のアップデート
图6) 利用“Vehicle IoT”对地图进行更新 (来自英特尔公司资料)


  另外,野边继男表示,地图上的数据基本是静止物体,因此无需进行实时更新。而活动物体可由上述“自律性自动驾驶”实时应对。


  野边继男对今后或将进一步发展的Vehicle IoT表现出些许担忧,例如,每个国家/地区的信息种类、内容及格式都有所不同。这种情况会对自动驾驶的普及造成极大障碍,因此制定统一的国际标准尤为重要。

 

<全球汽车产业平台 MarkLines>