大学毕业设计选题选了个:基于深度学习的户外3D目标跟踪算法。这个题目,看到这个选题第一眼我就想到了现在火热的辅助驾驶,目标跟踪对应就有避让策略。
谈到辅助驾驶,大家都知道什么算力、芯片、毫米波雷达、激光雷达、超声波雷达、车内摄像头等等。可能大家都不知道他们分别拿来干嘛的,分别做什么工作,有什么区别。只知道摄像头越多越好,算力越高越好。
那我就按照我这几天查阅的资料,翻阅的论文来用简单的语言来解释一下我了解的辅助驾驶。
首先是算力:
我们先看一个最近的算力排行榜
G6还算挺高的哈,排了个第二。算力是不是越高越好,没错确实是。
但是他不决定一切,辅助驾驶或者说人工智能依赖三个关键元素:算力,算法,数据。
算力:芯片提供的计算效率,TOPS为单位,1TOPS为每秒进行1万亿次计算。(计算机专业的都已经对这么大的数字不意外了)
数据:通过各种途径收集的具有代表性的数据(情况)。
算法:处理数据的手段。
这么解释还是有点偏专业哈,我们来举个炒菜的例子:算力就是我炒菜的火力(大火,中火,小火),数据就是我的原材料(肉,葱姜蒜),算法就是我的做法(红烧,清蒸)。
那我们要做好一道菜,那么三个关键元素缺一不可,并且得相互配合,紧密关联。算力都可以用成本堆起来,但是我觉得车企更应该关心的是自己的核心算法。好的算法可以在100算力下就完成某个功能,但是差的算法可能需要120、130、140。
那么数据是什么?下面我们就来讲数据的来源。
激光雷达:
激光雷达利用回波成像来构显被探测物体的,相当于蝙蝠是依靠超声波探知的区别。主要就是通过计算发送波时间和接收波时间的差值来计算物体的距离。
激光雷达的精确度很高,成本也很高。但他又个缺点:容易受到自然光或是热辐射的影响。
毫米波雷达:
目前大量应用于汽车的盲点监测、变道辅助。雷达安装在车辆的后保险杠内,用于监测车辆后方两侧的车道是否有车、可否进行变道。
他也是用于计算距离的,原理也跟蝙蝠差不多。
对于毫米波雷达而言,虽然抗干扰能力较强,但是距离和精确度确实硬伤。
激光雷达和毫米波雷达的速度都很快,以光速计算。那么速度不成问题就要看精确程度了。两者相互配合可以给予辅助驾驶更高的精确度。但是成本也就上去了。
超声波雷达:
超声波雷达一般用在泊车的距离感应,自动泊车当然也有用到。
因为超声波很容易受到天气影响,所以他在高速行驶的汽车上就很难准确计算距离,精确度不高。所以一般不用在高速或者城区的辅助驾驶。但是他经常被用在短距离测量,特别有优势。
这三个雷达提供了我们辅助驾驶的所有数据。
了解了这些概念之后我们来看G6:
G6Pro车型搭载12个超声波雷达,5个毫米波雷达。
G6Max车型搭载12个超声波雷达,5个毫米波雷达,2个激光雷达。
并且我们在选购Pro和Max版本的时候可以看到,Max版本支持XNGP辅助驾驶,Pro版本支持XPILOT辅助驾驶。由这些配置我们就能看出来这些雷达的重要性!!
Max版本的两个激光雷达给予了XNGP辅助驾驶更加精确的数据。算法我们可以软更新。那么硬件上的雷达和芯片我们都不能换(腾势N7好像可以更换芯片)。
针对现有的车型,其实算力都是过剩的。车企也很聪明,“预留硬件,等待后期软更新”。预留高算力,新功能通关软件更新的方式来升级,因为硬件升级太麻烦了。
Max固然好,Pro也不差。根据自己的需求去选择适合自己的版本。不要盲目跟风,也不要过度信任辅助驾驶,毕竟现在的辅助驾驶才L2-L3级别。