谷歌无人驾驶汽车工作原理详尽解析

发布时间:2016-02-18 阅读量:4674 来源: 我爱方案网 作者:

【导读】无人汽车阵营中,谷歌的研究和探索应该是最为深入和先进的。让一辆车实现完全无人的在城市道路上行驶确实是件很难的事。但与很多人对无人汽车“还只能在实验场地和特殊路况下进行测试和调试”不同,其实谷歌的无人车Google Car已经具备了相当程度的实用价值。今天就让我们看看Google Car的详细工作原理,看看它到底靠不靠谱。
 
Google Car“不是一辆车”
 
首先有一点是需要说明的:Google Car虽然外形是一辆汽车,其行使的也是汽车的功能,但Google Car更应该算是一个机器人。对Google Car的研究也基本不是在汽车行业的领域,而是在机器人领域来进行的。因为对“汽车”的部分来说,如传动装置、使用燃料等方面。Google Car的构造与普通的有人驾驶汽车几乎没有任何不同,Google Car与有人驾驶汽车最大的不同在于它能够自主探明周围的环境并智能的做出反应,以达到最终到达目的地的使命。这句话里的关键就在于“智能”二字。将这个区别梳理清楚,就能发现从本质上来说,Google Car是一个能够将你送到目的地的智能机器人。而不只是单纯的一辆车。
 

Google Car
 
既然是智能机器人,Google Car会需要一双能看的眼睛和一个能思考的大脑。而这些就由车上众多的精密测量仪器和强大的处理器来完成了:
 
Velodyne 64-beam laser
 
Google Car上最重要也是最贵的器件就是头顶的这台VelodyneLidar公司生产的HDL-64E 64线激光发射器了。它可以一边旋转一边不间断的发射64束最远射程可达120米的激光束,并接收反射回来的光束,依据返回时间的差别计算出物体与汽车之间的距离。从而绘制出汽车周围实时的3D地形图。并且因为光束非常密集并且刷新频率非常快,综合探测数据后还可以判断出物体的形状、大小和大致的运动轨迹,以此作为接下来行动的判断依据之一。HDL-64E的性能非常强大。每秒可以给Google Car的处理器提供130万组数据,这可以保证提供给Google Car处理器的信息几乎是实时的。当然这也对处理器提出了更高的要求,这里暂且按下不表。下图就是在HDL-64E的运作下Google Car看到的世界:
 
Google Car眼中的世界,这是未经处理器处理过的原始数据样貌
 
Google Car会将收集到的数据与车体内置的谷歌地图已有的信息进行整合,从而判断出相当精确的四周的状况,为做出反应打下良好基础。
 
GPS和摄像头
 
理论上HDL-64E已经足以确定汽车的位置了。但在环境复杂的道路上,驾驶者和行人的安全都需要多重保障。因此谷歌给Google Car配了更直观的眼睛:摄像头。Google Car有一对向前的摄像头,其之间有着一定的距离。从两个摄像头传回的画面的视差就像人的两只眼睛一样,可以帮助车辆判断自己的位置、行进的速度等信息。Google Car的车胎轮毂上同样带有位置传感器,用于探测车轮转动,也能帮助车辆进行定位。再同GPS得出的数据进行整合。数组数据共同保证车辆定位的准确性。
 
另外,摄像头还可以辨识出路上出现的交通标志和信号灯等物体,以保证自身的运行会严格遵守交通规则。这点是激光发射器很难办到的。
 
信号灯、斑马线、行车线、限速标识……交通标示无处不在,它们是道路安全的保证。
 
车载雷达
 
HDL-64E是有一定判断物体运动轨迹和速度的能力的。但其获得的数据毕竟不实时,并且
 
要将其与车辆自身的速度结合,计算出两者的相对运行速度,还需要许多额外的计算量。因此谷歌为车辆前后都配备了车载雷达,它们可以很精确的测出前后车辆与Google Car的相对速度,以此判断接下来的车速该如何变化。
 
车前的雷达
 
处理器
 
以上所有传感器的数据都会汇集起来并传输给位于汽车右后方的中央处理器进行处理,由于所有数据都是实时的,因此流量异常庞大(可达到1GB每秒)。因此Google Car的车在计算机的性能也是非常强的。处理器会参照各传感器提供过来的数据,并绘制出一份最终的周边环境地形图。它会将所有对其意义不同的物体用不同的颜色标示出来。如粉色代表暂时不会与行进路线相交的物体,绿色代表已经阻挡在行进路线上的物体等。然后车内的程序,或者说AI就会对路况作出判断,随时根据道路情况决定汽车下一步的行动。
 
经过车载处理器处理后的世界的样子
 
Google Car的AI已经具有相当程度的道路智能,规划目的地路线这样的小事早已不值一提,在遇到一些临时或者突发的事件的时候Google Car也能及时作出合适的反应:比如在交通灯变绿色的时候,汽车开始拐弯,但这时有路人从前面走过,这时Google Car将会让路。另一个例子是,在通过没有红绿灯的十字路口的时候,它会根据大家通用的守则让其它车先过,如果其它车辆没有反应,它在通过路口之前将先往前行进一点,以表明自己的意图。
 
结语
 
了解了谷歌为保护道路安全设置的诸多保险措施、完善的检测和判断机制,再结合Google Car的表现,我们很有理由相信无人驾驶汽车在不远的将来就将大面积替代有人驾驶的车辆。事实上,早在2012年,美国内华达州机动车辆管理局就已经为Google Car颁发了美国首个“自动驾驶”汽车的车牌。使得Google Car可以合法上路,尽管该法规同时规定该车上路时车上必须至少有2人在监视车辆的运行状况。但这更多只是因为技术暂时的不成熟而做出的一个临时的限制条款。我们有理由相信,不会分神、疲劳、能随时兼顾周围所有状况的车载AI的驾驶能力终有一天会超过人类驾驶员。
相关资讯
国产突围!川土微电子CA-IF1044AX-Q1 CAN收发器:全链路自主化与EMC性能双突破

随着汽车智能化、电动化浪潮加速,CAN收发器作为车载网络的核心通信接口,其可靠性与安全性成为产业链关注焦点。然而,国际局势的不确定性使得供应链自主可控需求迫在眉睫。川土微电子推出的CA-IF1044AX-Q1 CAN收发器,实现了从设计、晶圆制造到封测的全链条国产化,并通过欧洲权威机构IBEE/FTZ-Zwickau的EMC认证,成为兼具安全性与高性能的国产车规级解决方案。

“中国芯”逆袭时刻:新唐携7大新品打造全场景AIoT解决方案矩阵

在万物互联与智能化浪潮席卷全球的今天,新唐科技以颠覆性创新奏响行业强音。4月25日,这场历时10天、横跨七城的科技盛宴在深圳迎来高潮,以"创新驱动AI、新能源与车用科技"为主题,汇聚全球顶尖行业领袖,首次公开七大核心产品矩阵,展现从芯片设计到智能生态的全链条创新能力,为半导体产业转型升级注入新动能。

半导体先进制程技术博弈:台积电、英特尔与三星的差异化路径

在2025年北美技术研讨会上,台积电正式宣布其A14(1.4nm)工艺将于2028年量产,并明确表示无需依赖ASML最新一代High NA EUV光刻机。这一决策背后,折射出全球半导体巨头在技术路线、成本控制和市场竞争中的深层博弈。

嵌入式主板EMB-3128:轻量级边缘计算的工业级解决方案

随着AIoT技术的快速落地,智能设备对高性能、低功耗嵌入式硬件的需求持续攀升。华北工控推出的EMB-3128嵌入式主板,搭载Intel® Alder Lake-N系列及Core™ i3-N305处理器,以高能效比设计、工业级可靠性及丰富的接口配置,成为轻量级边缘AI计算的理想选择。该主板支持DDR5内存、多模态扩展接口及宽温运行环境,可广泛应用于智能家居、工业自动化、智慧零售等场景,助力产业智能化升级。

从ASMI财报看行业趋势:AI芯片需求爆发如何重塑半导体设备市场?

作为全球半导体沉积设备领域的龙头企业,荷兰ASM国际(ASMI)近日发布2024年第一季度财报,展现强劲增长动能。财报显示,公司当季新增订单额达8.34亿欧元(按固定汇率计算),同比增长14%,显著超出市场预期的8.08亿欧元。这一表现主要受益于人工智能芯片制造设备需求激增与中国市场的战略性突破,同时反映出半导体产业技术迭代与地缘经济博弈的双重影响。