Re: [討論] ACC撞防撞車是不是設計太智障
※ 引述《rfvujm (Rfvujm)》之銘言:
: 今天看新聞啦
: 又看到三寶開ACC撞防撞車
: ACC沒考慮前車突然急煞或失去動力的情況嗎
: 前方遠遠有不動的物體就這樣直直給他撞下去?
其實感測器感測距離比人眼還遠,問題在感知上(確認前方是否有車)
自駕技術分
1. Sensing(感測)
2. Perception(感知)
3. Planning(規劃)
4. Control(控制)
最難的一直都是感知
感測到前方有物體是一回事,再進一步確認前方物體是一輛車又是一回事
目前市售車主要配置毫米波雷達+視覺辨識(輔助)
1. 雷達並不是偵測不到靜止物
但為了避免誤作動,選擇只輸出移動物體量測
2. 攝影機會有少數例子無法感知的情況(斜著的貨車、翻覆的貨車等)
3. ACC屬於ADAS(Advanced Driver Assistance Systems)只是輔助駕駛
遇到靜止物體沒反應比誤作動突然煞車影響小的多
[雷達]
https://i.imgur.com/AInOO4D.jpg
黃色的點是車用雷達的數據
https://i.imgur.com/s1BEZDB.jpg
無法確定雷達感測到的是前車、人孔蓋、橋墩、懸掛的號誌或看板
避免錯誤偵測造成急煞,只輸出可動的物體量測
為了解決感測靜止物體造成誤作動的問題
一些廠商有在開發4D Imaging Radar
https://i.imgur.com/O5TxpCd.jpg
量測物理量:距離、方位角、高度角、速度
Arbe: Radar Revolution. Delivered
https://www.youtube.com/watch?v=Yc4MfzbbtuI
The RadSee 4D Imaging Radar
https://www.youtube.com/watch?v=h7t-6_wiZKM
[視覺]
視覺是根據演算法得到"距離"的資訊
但要開發一套100%正確的演算法太強人所難
相較於"直接量測"到物理量
演算法"計算"得到物理量
會讓軟體複雜度增加,這對系統強健性而言不是啥好事
當然以上討論的都還停留在輔助駕駛階段
Intel副總裁兼Mobileye總裁/首席執行官在CES演講中提過
https://i.imgur.com/AVwH4KT.jpg
ADAS和自駕差異不在於能力
而是平均失效間隔時間(MTBF, Mean Time Between Failures)
也就是當ADAS往自駕邁進時
除了要滿足功能外,更重要的是確保足夠可靠(極低失效跳脫機率)
關於這點,美國密西根大學M-City自動駕駛實驗室的彭暉提過
https://i.imgur.com/c4vJW1n.jpg
訂定ODD(Operational Design Domain)
Lv4自駕在ODD運作,確保系統安全,是比較負責人的作法
ODD會受當地交通環境複雜度影響
例如:
1. 交通號誌(不同位置、被招牌擋住之類)
2. 車道寬度、車道線清晰程度
3. 用路人習慣、駕駛習慣
需要因地制宜,適合A區域的ODD不能直接套用到B區域
所以如何制定合理的ODD
成為目前自駕車發展討論相當熱烈的議題&難題
補充一下光達
傳統光達(AM lidar)量測到的三維點雲,但不包含速度資訊
速度必須經由不同時間點的數據進行推算
(點雲分類、時間軸前後關聯、過濾雜訊,進而推算該物體速度)
https://i.imgur.com/i3DSwxa.jpg
所以目前有發展FCMW(frequency modulated continuous wave)光達
可以直接量測速度
但光達依舊有些感測問題
1. 鏡像、玻璃材質測不到(光穿透)
2. 黑色物體偵測距離偏短(吸收能量)
3. 惡劣天候感測能力不佳,甚至前車水花、海邊風砂干擾的問題
光達、雷達、攝影機三者互補
會是"安全"且最全面的作法
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 60.251.209.37 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/car/M.1637024328.A.097.html
推
11/16 09:02,
2年前
, 1F
11/16 09:02, 1F
推
11/16 09:03,
2年前
, 2F
11/16 09:03, 2F
→
11/16 09:06,
2年前
, 3F
11/16 09:06, 3F
→
11/16 09:06,
2年前
, 4F
11/16 09:06, 4F
推
11/16 09:08,
2年前
, 5F
11/16 09:08, 5F
推
11/16 09:11,
2年前
, 6F
11/16 09:11, 6F
噓
11/16 09:11,
2年前
, 7F
11/16 09:11, 7F
推
11/16 09:11,
2年前
, 8F
11/16 09:11, 8F
推
11/16 09:12,
2年前
, 9F
11/16 09:12, 9F
→
11/16 09:13,
2年前
, 10F
11/16 09:13, 10F
AI絕對有用,但是並非萬解
不能啥都丟給演算法處理
推
11/16 09:22,
2年前
, 11F
11/16 09:22, 11F
推
11/16 09:22,
2年前
, 12F
11/16 09:22, 12F
→
11/16 09:22,
2年前
, 13F
11/16 09:22, 13F
→
11/16 09:23,
2年前
, 14F
11/16 09:23, 14F
→
11/16 09:24,
2年前
, 15F
11/16 09:24, 15F
→
11/16 09:25,
2年前
, 16F
11/16 09:25, 16F
推
11/16 09:39,
2年前
, 17F
11/16 09:39, 17F
→
11/16 09:39,
2年前
, 18F
11/16 09:39, 18F
→
11/16 09:40,
2年前
, 19F
11/16 09:40, 19F
推
11/16 09:47,
2年前
, 20F
11/16 09:47, 20F
推
11/16 10:23,
2年前
, 21F
11/16 10:23, 21F
→
11/16 10:38,
2年前
, 22F
11/16 10:38, 22F
→
11/16 10:38,
2年前
, 23F
11/16 10:38, 23F
→
11/16 10:48,
2年前
, 24F
11/16 10:48, 24F
不是任何東西丟給Machine Learning,期待一個近似100%正確的演算法
我上面也有講
功能達到和足夠可靠是兩回事
推
11/16 10:48,
2年前
, 25F
11/16 10:48, 25F
推
11/16 10:48,
2年前
, 26F
11/16 10:48, 26F
→
11/16 10:54,
2年前
, 27F
11/16 10:54, 27F
→
11/16 10:54,
2年前
, 28F
11/16 10:54, 28F
→
11/16 10:56,
2年前
, 29F
11/16 10:56, 29F
→
11/16 10:56,
2年前
, 30F
11/16 10:56, 30F
推
11/16 11:02,
2年前
, 31F
11/16 11:02, 31F
推
11/16 11:04,
2年前
, 32F
11/16 11:04, 32F
推
11/16 11:45,
2年前
, 33F
11/16 11:45, 33F
推
11/16 11:47,
2年前
, 34F
11/16 11:47, 34F
推
11/16 11:57,
2年前
, 35F
11/16 11:57, 35F
推
11/16 12:00,
2年前
, 36F
11/16 12:00, 36F
藍色lidar、白色radar
https://i.imgur.com/nPmeMdl.jpg
Radar data is much noisier than lidar data
靜止的反射干擾訊號太多啦
天橋、大樓、人孔蓋、號誌、停車場出口閘門、減速丘.....一堆有的沒的
系統會一直提醒,光想像就很痛苦
→
11/16 12:01,
2年前
, 37F
11/16 12:01, 37F
→
11/16 12:18,
2年前
, 38F
11/16 12:18, 38F
推
11/16 12:18,
2年前
, 39F
11/16 12:18, 39F
→
11/16 12:19,
2年前
, 40F
11/16 12:19, 40F
演算法不能100%解決問題
所以才有新型態4D雷達(解決靜止物感知)、FMCW光達(直接輸出速度而非計算)
推
11/16 12:33,
2年前
, 41F
11/16 12:33, 41F
推
11/16 12:41,
2年前
, 42F
11/16 12:41, 42F
→
11/16 12:52,
2年前
, 43F
11/16 12:52, 43F
→
11/16 12:52,
2年前
, 44F
11/16 12:52, 44F
推
11/16 12:53,
2年前
, 45F
11/16 12:53, 45F
→
11/16 12:53,
2年前
, 46F
11/16 12:53, 46F
→
11/16 12:54,
2年前
, 47F
11/16 12:54, 47F
推
11/16 12:56,
2年前
, 48F
11/16 12:56, 48F
→
11/16 12:56,
2年前
, 49F
11/16 12:56, 49F
推
11/16 13:00,
2年前
, 50F
11/16 13:00, 50F
→
11/16 13:00,
2年前
, 51F
11/16 13:00, 51F
→
11/16 13:00,
2年前
, 52F
11/16 13:00, 52F
推
11/16 13:01,
2年前
, 53F
11/16 13:01, 53F
單純滿足功能當然很簡單
要做到相當穩定可靠的程度談何容易
推
11/16 13:36,
2年前
, 54F
11/16 13:36, 54F
推
11/16 14:39,
2年前
, 55F
11/16 14:39, 55F
推
11/16 15:46,
2年前
, 56F
11/16 15:46, 56F
→
11/16 15:47,
2年前
, 57F
11/16 15:47, 57F
推
11/16 16:20,
2年前
, 58F
11/16 16:20, 58F
推
11/16 16:37,
2年前
, 59F
11/16 16:37, 59F
→
11/16 16:37,
2年前
, 60F
11/16 16:37, 60F
→
11/16 16:41,
2年前
, 61F
11/16 16:41, 61F
→
11/16 16:41,
2年前
, 62F
11/16 16:41, 62F
→
11/16 16:41,
2年前
, 63F
11/16 16:41, 63F
推
11/16 17:27,
2年前
, 64F
11/16 17:27, 64F
→
11/16 17:27,
2年前
, 65F
11/16 17:27, 65F
推
11/16 21:35,
2年前
, 66F
11/16 21:35, 66F
推
11/17 01:37,
2年前
, 67F
11/17 01:37, 67F
※ 編輯: chandler0227 (42.72.181.47 臺灣), 11/17/2021 08:42:31
推
11/17 14:15,
2年前
, 68F
11/17 14:15, 68F
討論串 (同標題文章)