117.83.121.* 2017-03-31 10:53:28 |
師傅:加油!
我:好的!師傅!
師傅:加油!
我:謝謝師傅!
師傅:我是喊你踩油門!
還記得當初考駕照時的一把辛酸淚嗎?學員之間的問候,也成了今天你被教練罵了嗎?終于好不容易拿到駕照,心驚肉跳的上路,生怕一緊張把油門當剎車踩。而隨著無人駕駛技術的成熟,未來我們或許將不用在考駕照。
在討論無人駕駛技術前,先來科普下無人駕駛的實現步驟,以便于了解目前的技術發展水平。從自動化程度來講,業界將自動化程度分為四個階段,駕駛輔助、半自動駕駛、高度自動駕駛和完全的自動駕駛。
駕駛輔助階段,系統設計主要是為駕駛員提供協助,包括重要或者有益的駕駛信息,例如:車道的偏離預警、盲點監測、碰撞預警、倒車雷達/影像、360環視影像等系統。其特點是車輛和人是主體,系統只是起輔助作用。
駕駛輔助階段,在這一階段里系統在駕駛員收到預警信息,未作出回應后,會自動的采取干預措施。其特點是駕駛人是主體,系統有選擇的進行控制。
高度自動駕駛,系統設定在一定的場景下,無需人工干預。例如:車輛的自動泊車、自適應巡航駕駛等。其特點是系統是主體,駕駛者起到輔助作用。
完全自動駕駛,這是無人駕駛的**目的,系統完全的取代人,自動駕駛汽車。比較典型的是2014年谷歌推出的沒有方向盤、油門或者剎車的無人駕駛汽車。
去年的烏鎮世界互聯網大會期間,百度無人汽車進行了完全自動駕駛的路測。無人車從看到緊急情況到剎車只需0.1秒。這次的測試,相比以往也更加嚴格、苛刻,**的將汽車置于開放復雜的城市道路中,且全程由“百度汽車大腦”自動控制。
“百度汽車大腦”由高精度地圖、定位、感知、智能決策與控制四大模塊構成。通過交通場景物體識別技術和環境感知技術,實現高精度車輛探測識別、跟蹤、距離和速度估計、路面分割、車道線檢測,為自動駕駛的智能決策提供依據。
在無人汽車行駛的過程中,通過無人汽車的車身布滿了傳感器,激光雷達、毫米波雷達、攝像頭、超聲波雷達及組合的導航模塊,進行數據的收集。據實驗數據統計,單輛無人車在行駛過程中,每小時產生的數據量大約為100G,同時無人汽車所使用的高精度地圖,精確到厘米級別,每公里的數據量也是傳統地圖的10萬倍。
伴隨著無人駕駛技術的日益成熟發展,軌道交通領域的自動駕駛也來了。今年,北京的地鐵將建成開通內地首條無人駕駛地鐵線路——燕房線,全程16.6公里,共設9個車站,**行駛速度100km/h,共4輛編組,**載客量為1262人。
近距離觀看無人地鐵的駕駛艙模型,只能看夠看到一個按鈕。在喚醒之后,車輛從出庫、發車、行駛、停車、開關門、回庫、休眠、洗車等均由控制中心自動控制,司機也從繁忙的地鐵工作中解放出來。
而要實現這樣的場景,對線路的技術要求也更高。以燕房線為例,列車具備障礙物和脫軌檢測的功能,一旦識別前方障礙物,車輛會立刻停止運行。這樣極大的縮短了人工發現問題,采取制動的反應時間。相較于傳統的人工駕駛,無人駕駛不受情緒、疲勞的外部困擾,車輛的安全系數也更高。
智能汽車的風口已經來臨,在不遠的將來,汽車都將實現無人駕駛。而企業的生產現在就已經走完了這一步,目前富士康的自動化工廠已經可以做到無人值守,關燈生產的水平。在微締MES系統的控制下,智能生產流程實智能記錄,每一個單一機器都有數據的積累,通過物聯網技術再將產生的大量數據進行整理分類、建立數據模型。在整個生產過程中通過影像辯識、信號處理,實現所有生產過程全記錄。
在富士康工廠內,機器可以保持**24小時,一周7天連續不斷地自動化生產,產品的良品率也保持著99%以上。與之相關的生產人員也由以前的180個“作業員”輪班,變為24個“技術員”管理。
微締MES智能工廠整體解決方案,看中的不僅看的是縮短生產制造人數,更是重要的是減少成本,提高產品質量。
|