手机网站
手机网站
雷锋网新智运行按: 10月26日至27日，2019第二届世界智能运行峰会和长三角G60科创走廊智能运行产业峰会在苏州高速铁路新城正式召开。 峰会主要以“自动驾驶批量生产时代，自行车智能与车道协同演出的道路，新型车内交流探索”三个主题为焦点，数十名高校、主机工厂、第1层、科技公司嘉宾与参加者共同探讨智能驾驶的未来发展方向。
此次峰会由苏州市相城区人民政府承办，苏州高铁新城管理委员会、雷锋网(公共编号:雷锋网)新智运行承办，江苏省智能网络连接汽车产业革新联盟、江苏省人工智能学会智能运行技术专业委员会、清华大学苏州汽车研究院、中国移动通信集团等组织合作。
东南大学机械工程学院副院长、江苏省新能源汽车创新联盟执行理事长殷国栋的演讲主要分析了智能驾驶的许多重要感觉技术，雷锋网新智驾驶进行了不改变演讲意图的编辑。 以下是全文
当今学术和产业界有智能驾驶、自动驾驶、无人驾驶、智能网络汽车等多种名称，不同的单词总体上有狭义的广义部分，但都是指融合现有技术，提高汽车智能的大平台。
在这样的环境下，轿车的应用场景离真正的实用化还有距离，但是一直在研究。 我们希望可以落地的场景还包括限定场景的挖掘机、路机等农业上的自动农具。 科技部、中国农村中心也有自动农机专业，支持农业装备智能化。 百度，蚂蚁制造的物流车也在普及的限定场面。
在此过程中需要解决的关键技术是智能感知、决策、控制、路径规划的总体方案，包括车辆识别、人行道识别。
我们看到的是非常美丽的场景，实际上很困难，研究场景和实际场景是不对称的，完全没有概念。
真实的场景有很多问题，不如我们想象的那样，研究人员、开发人员必须有慎重的态度。 目前主流的解决方案有可见光相机、红外热像仪、激光雷达等几种不同的感知方案。 广义上，这些方案能很好地确定车辆自身的状态。
车辆状态信息探测技术
许多专家将无人驾驶车定义为拥有四个车轮的机器人。 这是一个非常巧妙的定义，表示智能车和很多场景机器人类似，但实际上车辆的状态完全不同。 汽车是走路的，所以不确定因素非常复杂。
目前的状态信息感知方法有GPS/INS组合导航，国家有自己的北斗导航系统，非常准确。
另一种可以在视觉导航系统中识别各种不确定的小障碍物，但是许多传统方法是基于离线的。 我希望能在运动环境中提取自己的状态。
另一个是激光导航系统，在前天的比赛中很多车取得了非常好的成绩，实践这种方法。 激光导航系统可以根据现在相城地区的比赛场景，规划自己的真正路线。
我们想用多传感器定位信息，但是在这个过程中需要处理的问题非常多。 汽车的最大要求是安全的，多传感器融合的实时性、准确性必须保证。 在这个过程中，我们也实践了很多特殊场面。
第一个是农用拖拉机，无人驾驶，在特定的场合可以做一定的工作。 第二个被定义为小型坦克。 这辆车虽然不是真的车，但是可以综合所有的传感器来制作信息。 我们制作的方程式车，使用单相机和雷达组合的大脑，非常有效。 另外，多车联合，多车未来，想融合不确定的多车定位系统。
另外，推测车辆行驶中的所有状态可能有路面状态的推测、车辆的正常加速、品质的不平衡等。
激光雷达探测技术
对车辆来说安全性是非常重要的。 激光雷达应该非常普遍，为智能车辆和机器人相关智能装备提供可行性，价格不断下降，对汽车产业非常重要。
激光SLAM被很多人使用，它比以前的设备准确，信息丰富，可以检测很多移动物体。 在此过程中，我们希望利用卡尔曼滤波器对车辆的许多非线性状态进行预测、环境观测、地图更新等良好估计。 然后可以将所有常见问题转变为图像处理。
粒子滤波是大数据计算的非常好的方法。 多线激光雷达可以通过环境地图感知系统构建当前的路径规划，进行实时定位和地图构建。 在这个过程中，我想实时地构筑地图，为了取得以后的所有信息和现在的姿势，制作地板。
今天，包括中国移动、无锡天安集团所在的汽车网络在内，都是在5G环境下，一辆车必须与网络、云平台整体相结合。 这也是我们在做的事。
视觉环境识别技术
许多传统的方法不适应当前智能车获取数据和信息的要求。 因为我们现在的行驶环境非常复杂。
在传统视觉方法的基础上，我们必须将现代人工智能与深度算法相结合进行训练。 要实时反映现在的速度需要训练多少次？ 训练次数越多，进入实际环境的车辆精度越高。 我们必须识别交通场景、识别真实场景和识别交通标志。 并且，以获得正确的人、车和静态动态的各种障碍物的位置为目的。
正确的分割精度越来越难。 利用视觉进行状态推测是指在车辆行驶中，推测外部的行驶状态。
红外环境探测技术
在好天气的情况下，因为这次的比赛很少使用红外线，所以我相信晚上去比赛的话，很多比赛队会放弃的。 因为我们还没有开发出适合晚上的场景。 有人经常开玩笑。 你的这辆车晚上出发巡逻，发挥警告的作用，晚上12点开启旋转警灯。 晚上不行，技术不行，说晚上不敢干。
现有的传感器补充红外线传感器，晚上可以识别，简单实用，现在必须加入。 用红外线传感器首先收集图像数据集，构建非常好的数据库，在高质量的网络上进行训练。
我们使用的神经网络结构可以收集这条路的所有场景，将不同车型、不同物体的特征放在红外线上进行特征提取。 我们可以提取这里的小特征或者没有明显特征的东西，供我们使用。 我感觉我可以做决策。
另一个是红外线目标的动态追踪，不仅仅是这个人追踪也是必要的。 我们也开发了大脑控制电动汽车。 说白了，想左边走，欢迎去东南大学。
多传感器融合环境感知技术
单个传感器不能满足真正的感知系统，很多人在研究多传感器融合的感知技术。 传感器的类型越来越多，无论有多少种，一定要分类，最后实现信息融合，适应真正的场景。
这些技术方案摆在实际场合有优缺点。 一个方案能移植到另一个方案里吗？ 不行。 场景改变时，所有要求都会改变，要求精度改变时，计划也会改变。
我们可以解决一切方案的优点中可能出现的一些问题，让所有的车都进去，解决真正的问题。 解决了这个问题之后，我们为了在春夏秋冬不同的天气下采集，制作了双眼数据库。 这是最困难的地方。 最好进行标准匹配。 其次在红外热像仪中，首先进行人工标记和自动标记，采集各种障碍物，制作训练样品。 最后将训练样本放入大数据库标记。
我们与南京大学合作，旨在使这个数据库非常大，利用双模式的训练，快速适应真实的场景。 此外，我们不仅验证了理论上的前期研究，还验证了一些虚拟平台，以便车辆实际上可以在24小时后随时适应不同天气的不同场景。
技术推广有很多有效的方法，如神经网络等，这些方法不仅有车辆，还有军事目标的获得等很多场合，是非常规的感觉系统，是智能交通各种不确定的交通流动和安全场所的设定。 我个人认为，环境感觉的复杂性对我们提高车辆和未来智能装备的智能水平有很大的好处。
