博客水木

当地时间7月30日，自动驾驶初创公司Drive.ai在得克萨斯州推出了自动驾驶按需服务，该服务将覆盖方圆两英里的范围。Drive.ai将与一家致力于“最后一英里”交通选择的公司FriscoTMA共同运营，两英里区域内的乘客可以通过手机App使用该服务。 提到Drive.ai这家公司，只要不是对自动驾驶足够关注的朋友都会感到很陌生，但这...继续阅读

如雨后春笋一样，汽车界的巨头们迫不及待地挨个向媒体和世人展示并阐释自己在高度自动驾驶方面已经取得的成就——上个月24日，德尔福改装了一辆奥迪Q5从旧金山出发，一路自动驾驶前往目的地纽约，本周二宝马（中国）在大本营佳程广场与媒体进行了一场关于宝马自动驾驶科技的媒体沟通会。尽管宝马没能像沃尔沃一样令媒体...继续阅读

如果把汽车比做人，那么VCU就是人的大脑。这里记载了汽车底盘的状态（车速、油门踏板开度、制动踏板状态、方向盘转角等）、汽车车身的状态（车门状态、车窗状态、前照灯状态、转向灯状态等）以及发动机的状态（转速，输出扭矩、燃油消耗等）。作为汽车与生俱来的传感器，好好使用这些信号不仅能极好的控制汽车，还能够通...继续阅读

常见的超声波雷达有两种。第一种是安装在汽车前后保险杠上的，也就是用于测量汽车前后障碍物的倒车雷达，这种雷达业内称为UPA；第二种是安装在汽车侧面的，用于测量侧方障碍物距离的超声波雷达，业内称为APA。可应用于泊车库位检测和高速横向辅助。 今天介绍的是一款极其常见的传感器——超声波雷达。如果你觉得超声波雷...继续阅读

激光雷达的普及所遇到的最大挑战是：成本过高。单独一个雷达的价格可能就超过了普通小汽车的价格，因此现阶段还没有大规模量产的可能性。 为了推进自动驾驶技术的发展，同时要解决摄像机测距、测速不够精确的问题。工程师们选择了性价比更高的毫米波雷达作为测距和测速的传感器。毫米波雷达不仅拥有成本适中的有点，而且...继续阅读

上一次的分享里，我介绍了一个重要的感知传感器——摄像机。摄像机作为视觉传感器，能为无人车提供丰富的感知信息。但是由于本身感知原理的缺陷，导致摄像机的测距并不是那么准确。 工程师们为了解决测距的问题，引入了激光传感器。这就是我们常在Level 3级别以上的无人车上看到的设备。比如通用用于研究Level 4级别自动...继续阅读

上一次的分享里，介绍了GPS+IMU这组黄金搭档，这两个传感器的组合能够实现城区道路自动驾驶的稳定定位功能，解决了第一个大问题“我”在哪的问题。 为了能让无人车能像人一样，遇到障碍物或红灯就减速，直到停止；遇到绿灯或前方无障碍物的情况，进行加速等操作。这就需要车载传感器去周围的环境进行感知。 应用于无人车...继续阅读

上一次的分享里，我介绍了GPS的原理（三角定位）及特性（精度、频率），同时也从无人车控制的角度，讨论了为什么仅有GPS无法满足无人车的定位要求。 为了能让无人驾驶系统更高频率地获取定位信息，就必须引入频率更高的传感器。这就是这一次内容的主角——IMU（Inertial Measurement Unit）惯性测量单元。 下图就是百度A...继续阅读

上一次的分享里，我对百度 Apollo 计划的技术框架做了介绍，如图。 如果要完成 Apollo 1.0 的“封闭场地寻迹自动驾驶”功能，需要解决一个重要的问题：我（无人车）在哪？ “我在哪”这个问题，在 Apollo 1.0 的架构中完全依赖 GPS（全球定位系统） 和 IMU（惯性测量单元）。 今天的分享，我会用尽可能简单的语言，介绍...继续阅读

一个结论：实现越复杂的功能，所需要的传感器越多，对控制器的性能要求也越高。 第二篇我会结合Apollo 1.0和Apollo 2.0所开放的模块，谈谈我对百度Apollo技术框架的理解。并告诉大家不写代码，如何成为自动驾驶工程师！ 先上一张百度Apollo的技术架构图。 可以看出除了第一排在云端工作的的模块，剩下的模块都是需要实时...继续阅读