5G自动驾驶研究与进展

本期要分享的是北京邮电大学路兆铭教授的精彩演讲内容:《5G自动驾驶研究与进展》。主要分为以下几部分内容:

通用自动驾驶网关模组的出世,可以“突破1项障碍”,需要“面对2个难点”,具备“3大核心能力”。

“1项障碍”

即单车智能的改装成本巨大。研究通用网关设备,使自动驾驶车具备网联能力,可以大大减少智能车辆的改装成本。

“2项难点”

1)模组复杂,开发难。涉及种类众多,集成度高;

2)系统复杂,通用难:需要考虑适配各种车辆。

“3大核心能力”

1)通用适配能力:适配任何车型,提供能力接入;

2)通信与感知融合能力:5G网络,感知融合;

3)决策下发&流量卸载能力:灵活可靠地进行驾驶决策与控制。

此外,通用网关模组还拥有“6大特点”。

下图为5G自动驾驶网关模组架构。

总之,5G自动驾驶的技术演进和测试需要通用自动驾驶网关。

全场景高精度定位

高精度地图和全场景高精度定位是实现L5级别自助驾驶路径规划的前提条件。

高精度地图可以为车辆环境感知提供辅助,提供超视距路况信息,并帮助车辆进行规划决策。高精度定位将自动驾驶汽车的环境感知结果与高精度地图进行对比,得到车辆在高精度地图中的精确位置和姿态。

通俗点说,高精度定位主要是为了解决“我在哪里”的问题。

高精度定位涉及到多种定位技术的融合计算,需要强大的计算资源。由于单车计算能力有限,往往需要将数据传输到MEC上。

场景1:

在隧道中,差分GPS信号较弱,惯导也会产生累积误差,要靠图像和基站为车辆提供精确的定位。

场景2:

在高速公路上,可以通过差分GPS,图像和基站定位融合感知车辆的位置。

场景3:

在夜晚,图像感知能力较差,主要靠基站和差分GPS获取车辆的位置。

差分GPS、惯导、图像、基站等多种定位手段获得的位置数据,通过5G网络上传到移动边缘计算服务器进行融合计算,得出车辆的精确位置,再通过5G网络将位置信息回传给车辆。

当网络具备边缘计算能力后,许多核心层和终端层的计算负荷都可以整合到边缘层进行,极大地降低网络传输的数据量,也为低时延赋能。

终端层:

车辆终端层决策的最大优势为时延小,主要进行与车辆安全性紧密相关的决策,如紧急刹车制动等。

边缘云:

该层配备的MEC平台具有强大的计算能力和虚拟化能力,能够承载多种自动驾驶应用。并且能够对基站数据进行匹配分流,在移动网络边缘完成对自动驾驶车辆数据分析处理。

核心层:

覆盖范围极广,计算能力最为强大,但由于距离机动车较远,传输时延相对较大,主要进行对时延要求不是特别敏感的初始规划、道路级规划、宏观交通调度、车辆大数据监管、全局路径规划和全局高精度地图管理。如实时完成每个自动驾驶车辆的道路级规划,优化整个道路交通网的车流。

最后,附上5G边缘计算系统架构图。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181111B1JUSX00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券