Слава роботам: изучаем системы автопилота в современных авто

Содержание

Слава роботам: изучаем системы «автопилота» в современных авто

Слава роботам: изучаем системы автопилота в современных авто

Технический прогресс неумолимо движется вперед, к новым горизонтам. Если еще каких-то пять-шесть лет назад магнитола с USB-входом в автомобиле была предметом гордости автовладельца и желанной добычей для хулиганов, то сейчас и телевизор на торпедо мало кого удивит.

Однако инженеры автомобильных концернов работают не только ради развлечения, но и для облегчения жизни водителя.

Все больше и больше разработок касаются сферы автомобильного «искусственного интеллекта», все шире и шире они применяются в серийных образцах.

Автоматические парковочные системы, адаптивный круиз-контроль, управляемые компьютерной программой автомобили… С чего все началось и что нас ждет в ближайшем будущем?

Volvo City Safety: тормозить или нет — решает авто

Еще в начале двухтысячных концерн Volvo Cars представил миру совершенно новое слово в решении проблемы аварий на скорости менее 30 км/ч — систему City Safety. Впервые установленная на Volvo V40, система и по сей день используется в модельном ряде Volvo: она входит в стандартное оборудование автомобилей S60, S80, XC70, XC60 и V40 Cross Country.

Как это работает?

Под лобовым стеклом автомобиля, у зеркала заднего вида, располагается оптический радар, позволяющий определить наличие препятствий и характер их движения на расстоянии до 6 метров.

Если препятствие зафиксировано, система City Safety очень короткое время ждет решения водителя (о чем написано в руководстве по эксплуатации: «водитель может обойти систему City Safety, ускорившись, изменив траекторию движения или затормозив»).

Если водитель не предпринимает никаких действий (система не оповещает водителя о возможности столкновения, чтобы к ее работе автовладелец не успел привыкнуть), машина автоматически сбрасывает газ и активирует тормозную систему, а также включает «аварийку», предупреждая других участников движения.

В чем польза?

По заверениям инженеров Volvo, система City Safety предотвращает практически все аварии на малых скоростях. Если разница в скорости между двумя возможными участниками ДТП меньше 15 км/ч, столкновения чаще всего удается избежать.

Если же скорость в пределах 15-30 км/ч, происходит оптимальное снижение скорости, а негативные последствия удара сводятся к минимуму.

Чем больше разница в скорости, тем больше ответственности ложится на плечи водителя, а если сам автомобиль движется быстрее 50 км/ч, система автоматически отключится, так как на высоких скоростях ее эффективность стремится к нулю.

Тем не менее в условиях города — пробках, невысоких скоростных режимах и т.д. — система City Safety успешно помогает предотвращать все большее и большее количество аварий. Неудивительно, что в 2009 году страховая компания Allianz присудила Volvo Car Corporation почетную награду «Гениальное изобретение».

Системы обнаружения пешеходов: развитие идеи автотормоза

И снова шведы.

В 2010 году компания Volvo развила успешную идею своей системы City Safety и на ее основе создала схожую — систему Pedestrian Detection, позволяющую распознать наличие людей возле автомобиля и путем сбрасывания скорости помочь снизить силу удара (или даже полностью предотвратить столкновение) с человеком. Идея оказалась востребованной, и в настоящее время существуют три модификации системы:

  • «Родоначальник» Pedestrian Detection System от Volvo;
  • Advanced Pedestrian Detection System от TRW Automotive;
  • EyeSight от Subaru.

Как это работает?

Подход к решению основной задачи у всех модификаций схож и конструктивно, и программно.

Для обнаружения пешеходов используются видеокамеры и радар (правда, EyeSight обходится без последнего, что ничуть не мешает этой системе выполнять свои задачи), которые позволяют на расстоянии до 40 метров обнаружить пешехода и оценить как траекторию его движения относительно автомобиля, так и возможность столкновения.

Принцип работы схож с City Safety: ожидается реакция от водителя (однако в этом случае сигнал ему все-таки подается, чаще всего на экран мультимедийной системы), если реакции не следует, автомат доводит автомобиль до полной остановки.

В чем польза?

На скоростях до 35 км/ч система обнаружения пешеходов, по заверениям разработчиков, позволяет полностью избежать столкновения. При большей скорости полностью избежать аварии, безусловно, автоматика не может, но старается свести риск травмирования к минимуму.

Однако условностей в этом случае намного больше: водителю следует помнить, что в темное время суток или в условиях плохой видимости компьютеру сложнее распознать силуэт человека с датчиков. А пешеходам было бы неплохо уяснить: далеко не во всех автомобилях эта система вообще есть, поэтому не стоит сломя голову бежать перед надвигающейся машиной.

Системы автоматической парковки: нет шуткам о женщинах!

На современном рынке представлены множество систем, помогающих водителю в парковке, вплоть до ее осуществления без помощи водителя.

Как это работает?

Конструкция системы автопарковки делится на три основных блока:

  1. Блок ультразвуковых датчиков. Они расположены по всему периметру автомобиля и определяют расстояние до ближайших объектов.
  2. Управляющий блок, принимающий эти данные и преобразующий их.
  3. Исполнительные устройства поворачивающие руль или, открывающие дроссельную заслонку для приведения машины в движение и т.п.

Работу системы автоматической парковки можно разделить на два этапа: поиск подходящего места и непосредственно сама парковка.

На первом этапе работают только ультразвуковые датчики, которые оценивают ситуацию по периметру автомобиля и при наличии свободного места подают сигнал о переходе на следующий этап.

А в самой парковке участвуют все три блока, через механизмы управления автомобилем задавая скорость, направление и траекторию движения.

В чем польза?

Все достаточно очевидно: неопытные автомобилисты больше не должны краснеть от стыда и трястись от гнева, когда у них не получается втиснуть свою машину между двумя другими.

Впрочем, как показали многочисленные практические испытания, квалифицированный автомобилист умеет парковаться лучше, чем большинство таких систем.

Поставить пятиметровый автомобиль с зазором в 5-7 сантиметров от соседних машин серийному автопилоту не под силу. Надо полагать, что это вопрос времени.

Адаптивный круиз-контроль: от автотормоза к автогазу

Если идея автоматического торможения для предотвращения аварий первой пришла к инженерам Volvo, то идея автоматического круиз-контроля посетила многих автопроизводителей одновременно, став логическим продолжением самой системы Cruise Control. Так, сейчас широко известны следующие варианты:

  • Preview Distance Control от Mitsubishi;
  • Radar Cruise Control от Toyota;
  • Distronic (Distronic Plus) от Mercedes-Benz;
  • Active Cruise Control от BMW;
  • Adaptive Cruise Control от Volkswagen, Audi, Honda.

Как это работает?

Они все схожи между собой. Сама система представляет из себя три основных блока — датчик расстояния, блок управления и исполнительные устройства. Датчик (один или несколько, как в Distronic Plus) устанавливается на передний бампер и позволяет оценить расстояние до впередиидущего автомобиля.

Для этого используются лидары — инфракрасный луч сканирует пространство перед собой и по отражению от объекта определяет расстояние до него. Он недорог, но подвержен влиянию погодных условий. Или для той же цели используют радары — расстояние до объекта определяется отражением электромагнитных волн.

Датчики передают значение расстояния в управляющий блок, который одновременно с этим фиксирует:

  • скорости управляемого автомобиля и автомобиля впереди;
  • угол поворота рулевого колеса;
  • боковое ускорение автомобиля;
  • радиус кривой движения.

На основании этих данных блок управления для системы круиз-контроля сравнивает рекомендуемое значение скорости с текущей, и, если они не совпадают, через электронные системы автомобиля подает команду исполняющим устройствам (ESP, АКПП и т.д.).

В чем польза?

«Обычный» круиз-контроль на загруженных трассах — штука бесполезная. Всякий раз, когда перед вами оказывается фура, «чайник» или трактор, приходится переходить к ручному управлению. Адаптивная система намного практичнее и действительно экономит немало нервов.

Сегодня системы адаптивного круиз-контроля позволяют работать в широком диапазоне скорости — от 30 до 180 км/ч, а в самых продвинутых вариантах — и от 0 до 200.

В условиях же плотного движения, благодаря функции Stop and Go, система позволяет вообще забыть о педалях, приводя автомобиль в движение вместе с основным потоком и останавливая его при необходимости.

Неудивительно, что именно эта система послужила основой для следующей, ранее считавшейся фантастической, а теперь уже абсолютно реальной системы автоматического управления.

Системы автоматического управления: «Вкалывают роботы, а не человек!»

Да, уже далеко не за горами тот день, когда звание «водитель» смогут носить не только люди, но и компьютеры. На сегодняшний день комплексно подошли к автоматизации автомобильного движения две компании — поисковый гигант Google, уже давно разрабатывающий не только поисковик, и (это ли не повод для гордости?) амбициозная российская компания «РобоСиВи».

Об отечественной разработке известно очень мало, только лишь наличие двух основных блоков — позиционирования, использующего ГЛОНАСС, и технического зрения, состав которого до сих пор хранится в тайне. А вот Google охотно делится с миром информацией.

Как это работает?

Схема работы состоит все из тех же трех блоков–датчиков, блока управления и управляющих систем. Целью работы сенсоров служит фиксирование информации об автомобиле. Подобной системе не обойтись без большого количества датчиков:

  • лидары (оптические датчики) для создания полной трехмерной картины в радиусе 60 метров;
  • радары для фиксации объектов, расположенных дальше этой границы;
  • видеокамеры для определения пешеходов, других движущихся объектов и сигналов светофора;
  • датчик оценки местоположения — GPS-модуль, определяющий позицию машины на карте;
  • датчик движения, определяющий направление ускорения/замедления и продольный/поперечный крен автомобиля.

Данные с этих датчиков передаются в управляющий блок, передающий команды устройствам управления.

В чем польза?

Пока еще ни в чем, так как до внедрения системы в массы еще далеко. Инженерам и программистам есть над чем работать.

Так, driverless car, как называют в Google автомобиль с такой системой, до сих пор не может нормально двигаться в условиях сильного дождя или по заснеженным трассам; не различает временные дорожные знаки, будь то знак аварийной остановки или мигающие лампы; очень плохо различает разметку, особенно на парковках. Тем не менее к августу этого года тестовые образцы откатали уже более 1,1 миллиона километров по дорогам Соединенных Штатов, а алгоритмы поведения системы постоянно улучшаются.

Что нас ждет дальше?

Учитывая современные темпы и направления развития автоматизации в автомобилестроении, можно сделать сам собой напрашивающийся вывод: уже в ближайшее время человека за рулем сможет заменить машина. А такое понятие, как «водитель», и вовсе устареет.

Сбывается мечта Сережи Сыроежкина из всем известного произведения «Приключения Электроника»: «Вкалывают роботы, а не человек!». И пусть пока техника несовершенна, кто знает, что будет через десять, пятнадцать, двадцать лет? Сбудутся ли предсказания фантастов? Доживем — увидим.

Источник: http://car-avz.ru/glavnaya/sovety-masteru/12287-slava-robotam-izuchaem-sistemy-avtopilota-v-sovremennykh-avto

Автопилот своими силами. Часть 1 — набираем обучающие данные

Слава роботам: изучаем системы автопилота в современных авто

Привет, Хабр. Это пост-отчет-тьюториал про беспилотные автомобили — как (начать) делать свой без расходов на оборудование. Весь код доступен на github, и помимо прочего вы научитесь легко генерить такие класные картинки:

Поехали!

Вкратце

Краткое содержание для знакомых с темой: традиционно для набора обучающей выборки для автопилота на основе машинного обучения нужен был специально оборудованный автомобиль с достаточно информативной CAN шиной и интерфейсом к ней, что дорого.

Мы поступим проще и бесплатно — будем набирать такие же по сути данные просто со смартфона на лобовом стекле. Подходит любой авто, никаких модификаций оборудования. В этой серии — вычисляем поворот руля в каждый момент времени по видео.

Если в этом абзаце всё понятно, можно перепрыгивать через введение сразу к сути подхода.

Что-зачем-почему более подробно

Итак, ещё пару лет назад без серьёзных ресурсов большой корпорации в тему автопилотов было не сунуться — один только LIDAR сенсор стоил десятки тысяч долларов, но недавняя революция в нейросетях всё изменила.

Стартапы из нескольких человек с простейшими наборами сенсоров из пары вебкамер на равных конкурируют по качеству результата со знаменитыми брендами.

Почему бы не попробовать и нам, тем более столько качественных компонентов уже в открытом доступе.

Автопилот преобразует данные сенсоров в управляющие воздействия — поворот руля и требуемое ускорение/замедление. В системе с лазерными дальномерами, как у Google, это может выглядеть так:

Простейший же вариант сенсора — видеокамера, “смотрящая” через лобовое стекло. С ним и будем работать, ведь камера на телефоне уже есть у каждого.

Для вычисления управляющих сигналов из “сырого” видео хорошо работают сверточные нейросети, но, как и любой другой подход машинного обучения, предсказывать правильный результат их нужно научить.

Для обучения нужно (а) выбрать архитектуру модели и (б) сформировать обучающую выборку, которая будет демонстрировать модели различные входные ситуации и “правильные ответы” (например, угол поворота руля и положение педали газа) на каждую из них.

Данные для обучающей выборки обычно записывают с заездов, где машиной управляет человек. То есть водитель демонстрирует роботу, как надо управлять машиной.

Хороших архитектур нейросетей хватает в открытом доступе, а вот с данными ситуация более печальная: во-первых данных просто мало, во-вторых почти все выборки — из США, а у нас на дорогах много от тех мест отличий.

Дефицит открытых данных легко объясним. Во-первых данные — не менее ценный актив, чем экспертиза в алгоритмах и моделях, поэтому делиться никто не торопится:

The rocket engine is the models and the fuel is the data.
Andrew Ng

Во-вторых, процесс сбора данных недёшев, особенно если действовать “в лоб”. Хороший пример — Udacity.

Они специально подобрали модель автомобиля, где рулевое управление и газ/тормоз завязаны на цифровую шину, сделали интерфейс к шине и считывают оттуда данные напрямую. Плюс подхода — высокое качество данных.

Минус — серьезная стоимость, отсекающая подавляющее большинство непрофессионалов. Ведь далеко не каждый даже современный авто пишет в CAN всю нужную нам информацию, да и с интерфейсом придется повозиться.

Мы поступим проще.

Записываем “сырые” данные (пока что это будет просто видео) смартфоном на лобовом стекле как видеорегистратором, затем софтом “выжимаем” оттуда нужную информацию — скорость движения и поворотов, на которых уже можно будет обучать автопилот. В результате получаем почти бесплатное решение — если есть держалка для телефона на лобовое стекло, достаточно нажать кнопку, чтобы набирать обучающие данные по дороге на работу.

В этой серии — “выжималка” угла поворота из видео. Все шаги легко повторить своими силами с помощью кода на github.

Задача

Решаем задачу:

  • Есть видео с камеры, жестко закрепленной к авто (т.е. камера не болтается).
  • Требуется для каждого кадра узнать текущий угол поворота руля.

Ожидаемый результат:

Сразу чуть упростим — вместо угла поворота руля будем вычислять угловую скорость в горизонтальной плоскости. Это примерно эквивалентная информация если знать поступательную скорость, которой мы займемся в следующей серии.

Решение

Решение можно собрать из общедоступных компонент, немного их доработав:

Первый шаг — восстановление траекториии камеры в трехмерном пространстве с помощью библиотеки SLAM по видео (simultaneous localization and mapping, одновременная локализация и построение карты). На выходе для каждого (почти, см. нюансы) кадра получаем 6 параметров положения: 3D смещение и 3 угла ориентации.

В коде за эту часть отвечает модуль optical_trajectories

Нюансы:

  • При записи видео не гонитесь за максимальным разрешением — дальше определенного порога оно только повредит. У меня хорошо работают настройки в окрестностях 720х480.
  • Камеру нужно будет откалибровать (инструкции, теория — актуальны части 1 и 2) на тех же настройках, с которыми записывалось видео с заезда.
  • Системе SLAM нужна “хорошая” последовательность кадров, за которую можно “зацепиться” как за точку отсчета, поэтому часть видео в начале, пока система не “зацепится” останется не аннотированным. Если на вашем видео локализация не работает совсем, вероятны либо проблемы с калибровкой (попробуйте откалибровать несколько раз и посмотрите на разброс результатов), либо проблемы с качеством видео (слишком высокое разрешание, слишком сильное сжатие и т.д.).
  • Возможны срывы отслеживания SLAM системой, если между соседними кадрами потеряется слишком много ключевых точек например, стекло на мгновение залило всплеском из лужи). В этом случае система сбросится в исходное не локализованное состояние и будет локализовываться заново. Поэтому из одного видео можно получить несколько траекторий (не пересекающихся во времени). Системы координат в этих траекториях будут совершенно разными.
  • Конкретная библиотека ORB_SLAM2, которой я воспользовался, дает не очень надежные результаты по поступательным перемещениям, поэтому их пока игнорируем, а вот вращения определяет неплохо, их оставляем.

Определяем плоскость дороги

Траектория камеры в трехмерном пространстве — это хорошо, но напрямую еще не дает ответа на конечный вопрос — поворачивать налево или направо, и насколько быстро. Ведь у системы SLAM нет понятий “плоскость дороги”, “верх-низ”, и т.д. Эту информацию тоже надо добывать из “сырой” 3D траектории.

Здесь поможет простое наблюдение: автомобильные дороги обычно протягиваются гораздо дальше по горизонтали, чем по вертикали. Бывают конечно исключения, ими придется пренебречь. А раз так, можно принять ближайшую плоскость (т.е. плоскость, проекция на которую дает минимальную ошибку реконструкции) нашей траектории за горизонтальную плоскость дороги.

Горизонтальную плоскость выделяем прекрасным методом главных компонент по всем 3D точкам траектории — убираем направление с наименьшим собственным числом, и оставшиеся два дадут оптимальную плоскость.

За логику выделения плоскости также отвечает модуль optical_trajectories

Нюанс:

  • Из сути главных компонент понятно, что кроме горных дорог выделение главной плоскости будет плохо работать если машина всё время ехала по прямой, — ведь тогда только одно направление настоящей горизонтальной плоскости будет иметь большой диапазон значений, а диапазон по оставшемуся перпендикулярному горизонтальному направлению и по вертикали будут сопоставимы.Чтобы не загрязнять данные большими погрешностями с таких траекторий, проверяем, что разброс по последнему главному компоненту значительно (в 100 раз) меньше, чем по предпоследнему. Не прошедшие траектории просто выкидываем.

Вычисляем угол поворота

Зная базисные векторы горизонтальной плоскости v1 и v2 (два главных компонента с наибольшими собственными значениями из предыдущей части), проецируем на горизонтальную плоскость оптическую ось камеры:

Таким образом из трехмерной ориентации камеры получаем курсовой угол автомобиля (с точностью до неизвестной константы, т.к. ось камеры и ось автомобиля в общем случае не совпадает). Поскольку нас интересует только интенсивность поворота (т.е. угловая скорость), эта константа и не нужна.

Угол поворота между соседними кадрами дает школьная тригонометрия (первый множитель — абсолютная величина поворота, второй — знак, определяющий направление налево/направо). Здесь под at понимаем вектор проекции ahorizontal в момент времени t:

Эта часть вычислений тоже делается модулем optical_trajectories. На выходе получаем JSON файл следующего формата:
{ “plane”: [ [ 0.35, 0.20, 0.91], [ 0.94, -0.11, -0.33] ], “trajectory”: [ …, { “frame_id”: 6710, “planar_direction”: [ 0.91, -0.33 ], “pose”: { “rotation”: { “w”: 0.99, “x”: -0.001, “y”: 0.001, “z”: 0.002 }, “translation”: [ -0.005, 0.009, 0.046 ] }, “time_usec”: 223623466, “turn_angle”: 0.0017 }, …..}

Значения компонент:

  • plane — базисные векторы горизонтальной плоскости.
  • trajectory — список элементов, по одному на каждый успешно отслеженный системой SLAM кадр.
    • frame_id — номер кадра в исходном видео (начиная с 0).
    • planar_direction — проекция отпической оси на горизонтальную плоскость
    • pose — положение камеры в 3D пространстве
    • time_use — время с начала видео в микросекундах
    • turn_angle — горизонтальное вращение относительно предыдущего кадра в радианах.

Убираем шум

Мы почти у цели, но остается еще проблема. Посмотрим на получившийся (пока что) график угловой скорости:

Визуализируем на видео:

Видно, что в общем направление поворота определяется правильно, но очень много высокочастотного шума. Убираем его Гауссовским размытием, которое является низкочастотным фильтром.

Сглаживание в коде производится модулем smooth_heading_directions

Результат после фильтра:

Это уже можно “скормить” обучаемой модели и рассчитывать на адекватные результаты.

Визуализация

Для наглядности по данным из JSON файлов траекторий можно наложить виртуальный руль на исходное видео, как на демках выше, и проверить, правильно ли он крутится. Этим занимается модуль render_turning.

Также легко построить покадровый график. Например, в IPython ноутбуке с установленным matplotlib:

import matplotlib%matplotlib inlineimport matplotlib.pyplot as pltimport json json_raw = json.load(open('path/to/trajectory.json'))rotations = [x['turn_angle'] for x in json_raw['trajectory']]plt.plot(rotations, label='Rotations')plt.show()

На этом пока всё. В следующей серии — определяем поступательную скорость, чтобы обучить еще и управление скоростью, а пока что приветствуются pull-request'ы.

Источник: https://habr.com/post/325704/

Виды автопилота в авто: 5 уровней лени – Кроссоверы 2019-2020

Слава роботам: изучаем системы автопилота в современных авто

С каждым годом мы (пишем) и вы (читаете) о новинках автомобилей, всё более интересных и навороченных системах безопасности и, как венец эволюции этих систем, попытках автопроизводителей максимально автоматизировать процесс вождения, чтобы наконец уйти от назойливого «человеческого фактора».

Об этом мы и поговорим в статье ниже — об автопилотах, главных (и не очень) различиях в них. И, пусть косвенно, о эволюции человеческой лени, когда понятие «личный автомобиль» неожиданно может превратиться пусть в комфортабельное, пусть личное — но такси.

С немногословным водителем и подборкой любимой музыки.

Как-то исторически сложилось, что уровни «умности» автомобильного автопилота разделили на 6 рангов — от полного отсутствия любой автоматизации до полного же отсутствия ручного управления. Вот по повышению и пойдем.

Уровень автопилота 0: педали

Нулевой «левел» и в играх, и в жизни — это скучно.

Строго говоря, подавляющее большинство не только старых (более 20 лет), но и вполне современных автомобилей не оснащаются вообще никакими системами, которые бы могли автоматизировать или упростить движение.

В таком случае только водитель на 100% отвечает не только за «продольное» движение (т.е. собственно вперед и назад), а и «боковое» перемещение (повороты).

У части новых автомобилей есть только зачатки автопилота в форме разнообразных датчиков и сенсоров. Но их роль сводится к системе же предупреждений: например, контроль рядности движения с звуковым «сопровождением» при незапланированном съезде без включения поворотников.

При этом часть современных систем безопасности хоть и может вмешиваться в процесс движения — но делает это только в крайних случаях (системы превентивного торможения и пр.), что также не даёт возможности их включения к системам автопилотирования хотя бы первого уровня.

Уровень автопилота 1: ассистенты

Если нулевой «левел» был у в сущности всех достаточно дешевых автомобилей, то первый (ассистенты, они же помощники движению) уже стал приятным бонусом для автомобилей классом повыше.

При этом водитель по-прежнему полностью контролирует все перемещения машины, допуская «автоматику» только для движения по трассе или магистрали.

В последних случаях речь идет об адаптивном круиз-контроле, когда радар «цепляется» за впереди едущий автомобиль и корректирует скорость в зависимости от ведущего.

При этом, увы, «простой» круиз-контроль (удержание выбранной скорости и набор её в случае торможения (последнее — усилиями водителя)) к автоматике и автопилоту отношения не имеет. И да, даже самый умный адаптивный «круиз» может только разгоняться и тормозить — без перестроения по полосам.

Уровень автопилота 2: разнополосное движение

Второй «левел» уже интереснее: на еще более дорогих и премиальных авто можно доверить автопилоту движение всё по той же трассе или магистрали — но имея в рукаве не одну полосу движения, а все доступные. Количество радаров и дальних сонаров при этом увеличивается многократно: передние, задние, боковые, диагональные…

То есть чисто теоретически речь уже идет о частичной автоматизации.

Почему же только частичной? Просто потому, что почти никто из автопроизводителей не хочет избавляться от хотя бы косвенного, но участия водителя в процессе собственно вождения.

Говоря еще проще, руки придется постоянно держать на руле, а если нет — то электроника звуком и вибрацией напомнит, что в машине главное — это всё же тот самый кусок мяса и костей в кожаном мешке.

При этом городские условия для даже самых современных машин всё еще очень сложны, все возможные варианты развития событий и выбегающих к троллейбусу бабушек не способны предвидеть ни Тесла, ни Гугл. Но они искренне пытаются.

Уровень автопилота 3: терминатор Т-800

У третьего уровня автопилота две основные проблемы: во-первых (как и Терминатор) это вопрос пока еще будущего. А во вторых… законы. Вернее, Венская конвенция о дорожном движении далёкого прошлого 1968-го, согласно которой водитель обязан постоянно контролировать автомобиль в движении. Так что прежде чем вводить в повседневную жизнь новый уровень автопилота — придется поменять законы.

Хотя речь тут идет еще не об полноценном автоматическом пилотировании, однако об уже условной автоматизации. Датчики уже не требуют постоянного контроля со стороны водителя, позволяя полностью насладиться общением друг с другом. НО — только в определенных условиях движения (те же трассы, автобаны, пр.

). В случае же, если автоматика считает необходимым передать власть обратно человеку (читай — в данной ситуации достигла своих пределов) — водитель принимает обратно свою работу. Пределы же часто вызываются внешними факторами, а не внутренними конфликтами морали. О последних речь еще вообще не идет.

Уровень автопилота 4: терминатор Т-1000

Увы, четвертый уровень пока еще более фантастичен, чем третий, ведь речь тут идет о вмешательстве человека только в наиболее сложных условиях движения. Например, плохая видимость, отсутствие собственно дороги и прочее.

И если со вторым еще можно согласиться (где наша не проезжала?), то сложно конкурировать простому человеческому зрению с ультра-современными радарами, лидарами (лазерная версия радара), инфракрасными датчиками и прочее, и прочее.

Особенно ночью в тумане.

Так или иначе, а уровень 4 подразумевает именно это — полный автопилот «за исключением» наиболее сложных для машины условий. А во всех остальных случаях не факт, что руль и педали вообще будут доступны.

Впрочем, не на 100% этот «левел» чистая фантастика: возможность машины самостоятельно припарковаться вообще без участия водителя (а сейчас и вовсе без людей в салоне) вполне укладывается в один из сценариев полностью автопилота.

Уровень автопилота 5: Future is coming

Руль, педали…. пф, прошлый век! Только автоматика и полное исключение водителя в вождение. Наиболее скучный вариант, если подумать — сидеть в кресле из точки А к точке Б можно и в такси.

Но работы в этом направлении уже ведутся: на подходе немало прототипов от разных производителей, всё управление которыми сводится к ым командам. Остаётся только расслабиться и получать удовольствие.

Ну а если хочется увидеть всю разницу между уровнями быстро и наглядно (или просто наконец дочитали эту статью) — вот фото:

Источник: http://krossovery.info/avtopilot-v-avtomobilyah/

Автопилот для машин: как работает и зачем нужен?

Слава роботам: изучаем системы автопилота в современных авто

Не для кого не секрет, что все больше производителей автомобилей смотрят в сторону автономного управления транспортом. Появления полностью беспилотной машины лишь вопрос времени.

Такие гиганты как Tesla вовсю внедряют автоматическое управление машиной, при помощи компьютера и вскоре мы увидим, как машина самостоятельно смоет передвигаться по любым дорогам и доставлять человека в любую точку на карте, без единого прикосновения приборов управления транспортом.

Многие двигаются в этом направлении, и даже компании, изначально ни как не связанные с автомобилестроением, все же пробуют свои силы в данном направлении. Само близко приближенная компания к полностью автономной машине, считается выше упомянутая Tesla.

По сути компания находится в режиме бета-теста, так как на данном этапе исключить водителя не получается, в основном из -за того, что не получается создать сто процентную безопасную систему. Но все недоработки выявляются на уже выпущенных моделях и в кротчайшие сроки устраняются.

Надо полагать, что когда эксплуатируемые автомашины перестанут отправлять отчеты о багах и прочих дефектах, то следующим шагом будет полное исключения человека за рулем.

Для чего же нужен автопилот

Преимущество использования автопилота может быть неоспоримым. Мелочи, на подобии автоматической парковки, были придуманы еще до Tesla и разрекламированы по всему миру. Основными целями автопилота должны быть безопасность и комфорт.

Под комфортом можно подразумевать полное расслабление в дороге, отвлечение от напряженного управления транспортом. Вспомните хотя бы, как тяжело стоять в пробке, где постоянно приходится выдавать алгоритм: газ- тормоз.

А теперь представьте себе, каково сидеть в машине, которая сама трогается вместе с потоком и сама останавливается, и все, что Вам необходимо, это указать машине, куда она должна Вас доставить.

Машина сама проедет пробку (вероятно даже выстроит маршрут, по которому можно будет объехать затор), сама припаркуется и будет ждать дальнейших указаний!

Что касается безопасности, то не для кого не секрет, что компьютер всегда был и будет стремительнее в принятии решения, чем человеческая реакция.

Вспомним, что стоп- сигналы на автомобили стоят не просто так, а потому, что человеческий мозг быстрее воспримет информацию, о том, что идущая впереди машина начинает тормозит при загоревших ярким светом красных огней, чем если бы сигналов не было и мозг не сразу бы воспринял то, что машина замедляет ход и он сейчас идет на сближение. Компьютер же в этом случае еще быстрее, и начать сбавлять ход он может практически мгновенно, как только датчики зафиксируют сокращение дистанции между автомашинами.

Возьмем другую ситуацию. Человек поехал на зеленый сигнал светофора, и будучи уверенным, что у него преимущество, расслабил бдительность и не заметил, как не особо одаренный мозгом водитель, летит на красный свет по перпендикулярной улице. Секунда, и мы видим страшное ДТП, возможно даже со смертельным исходом.

А теперь представьте себе, что у машины стоял автопилот. Компьютер не растеряет бдительность и зафиксировав быстро приближающийся автомобиль, притормозит, избежав аварии.

Что уж говорить, если бы автопилот стоял у машины, ехавшей на красный, и предположим, что компьютер в принципе не дал бы проехать машине на запрещающий сигнал светофора, и не позволил бы ей разогнаться.

Конечно же, приведенные выше примеры, относятся не только к автопилоту. Современные машины обладают бортовым компьютером, следящим за положением на дороге и помогающем водителю. Но речь идет о перспективе полного автоуправления автомобилем.

Почти все сто процентов произошедших ДТП на дорогах, так или иначе связаны с человеческим фактором, и лишь малая толика случаев, связаны с техническими неисправностями авто, случившихся внезапно. Компьютер же сможет минимизировать количество ДТП.

Например, по данным из доклада правительства США в 2017 году, автопилот Tesla сократил количество ДТП с участием машин данной марки на 40%. Теперь представьте себе, если автопилоты будут стоять на всех машинах, и будут они куда совершенней нынешних прототипов.

Да, опасение сбоя в электронике имеют место быть. Но техническая неисправность может случиться с любой машиной, что войдет именно в этот малый процент случаев ДТП. Если же сбой произойдет в самом программном обеспечении, то это по существу, опять же человеческий фактор, так как именно разработчики ПО не уследили за недоработкой.

Но как бы цинично это не звучало: каждое ДТП, совершенной из- за несовершенства ПО, будет вносить свой вклад в развитие автопилота, так как информация о баге будет отправлена в центр, где его быстро исправят и выкатят обновление на все действующие автопилоты. С человеком же такого проделать не получится.

Если водитель проехал на красный свет, нельзя это пофиксить и заставить все других водителей перестать это делать, а автопилот можно!

Думаю, основное предназначение автопилота будет дальня поездка. Как и с авиацией, где автопилот позволяет пилотам хоть немного расслабиться в дальнем перелете, так и с автомобилями. Например, дальнобойщик может хоть немного расслабиться в дальней поездке, что повысит производительность и минимизирует ДТП, случившемся из- за невнимательность, возникающей при переутомлении.

Как бы то ни было, будущее, описанной многими фантастами, неумолимо приближается, и мы стоит у самых его истоков, наблюдая за всем из первых рядов. Уже совсем скоро, мы увидим, как транспорт передвигается по дороге абсолютно без помощи человека.

Одним из направлений, над которым работают в настоящий момент, это беспилотный общественный транспорт.

Уже можно представлять, как электробусы без водителя и, возможно, без кондуктора будут колесить по городам, развозя его жителей с феноменальной пунктуальностью и безопасностью!

По сути, неразрешенным вопросом остается выявление ответственной стороны, если ДТП все же свершится из- за автопилота. Кто будет возмещать ущерб и отвечать по закону, владелец авто или его разработчик? Пусть этот вопрос решают в правительствах, а мы будем наблюдать и верить, что в будущем, автопилоты будут на столько совершенны, что по их вине не свершится ни одной аварии на дорогах.

Как работает автопилот в машине

У компьютера нет органов чувств в привычном для человека понимании, но все же он «видит» все, что происходит на дороге, как в прямом так и в переносном смысле, а кое в чем, его «зрение» превосходит человеческое. Разберем автопилот на примере все той же машины от Tesla.

По сути автопилот опирается на четыре элемента отслеживания дороги и ситуации на ней. GPS-трекер следит за правильным выполнением все работ других устройств, для избегания некорректных действий.

Радар отслеживает другие машины вокруг транспорта, причем на данный момент, ему не помеха погодные условия, такие как ливень, туман и т.п. К тому же радар способен отследить различные объекты сквозь препятствия, например, находящимися за другой машиной.

Ультразвуковые сенсоры так же предназначены для фиксации объектов вокруг машины, и к тому же они способны определить плотность данных объектов. На данный момент машины Tesla оснащены 12 такими датчиками по всему периметру машины.

Камеры, в количестве 8 штук, размещенные так же по периметру машины, позволяют компьютеры отслеживать все, что происходит вокруг машины на 360°. Так же фронтальная камера определяет разметку на дороге и дорожные знаки!

Центральный компьютер анализирует все полученные данные и на их основе совершает то или иное действие. Например, двигаясь по трассе, водителю достаточно включить поворотник, что бы машина поняла, что нужно перестроиться в другую полосу движения.

Но вот перестроится ли она? Вот в чем вопрос! Дело в том, что даже при команде водителя перестроиться в другой ряд, компьютер проанализирует ситуацию вокруг машины и примет решения, безопасно ли перестраиваться в данный момент.

Например датчики могут зафиксировать быстрое приближения маши позади на соседнем ряду и компьютер просто откажется выполнять опасный маневр, который может привести к ДТП.

Это лишь малое достоинство нынешних автопилотов, но подобных достоинств огромное множество и становится их все больше и в скором времени водителю необязательно будет давать команду на перестроение, а компьютер сам решит, нужно это или нет!

Что мы имеем по итогам

Безусловно, автопилот в машине, это совсем уже ближайшее будущее. Безопасность движения, автопилот повышает в разы. Конечно же, каждый задастся вопросом, доверится ли он бездушной машине, или все же решит сам управлять машиной. Но давайте посмотрим правде в глаза, недоверие компьютеру стоит лишь в ключе собственного авто.

Каждый водитель моет заявить, что он побоится отдать управление своим транспортом компьютеру, но он не был бы против, если компьютер управлял машиной, которая только что пролетела на запрещающий сигнал светофора, или так, что только что подрезала его на трассе! Все довольно относительно, и лишь время покажет, друг нам автопилот или еще одна головная боль дорожной полиции!

Источник: https://it-mentor.net/avtopilot-dlya-mashin-kak-rabotaet-i-zachem-nuzhen/

Современные системы автопилота для авто, виды, принцип и особенности работы

Слава роботам: изучаем системы автопилота в современных авто

Если вы найдете ошибку в тексте, выделите её мышью и нажмите Ctrl+Enter. Спасибо.

Еще совсем недавно по-настоящему умный автомобиль, способный принимать самостоятельные решения, можно было увидеть только в кино.

Но, как известно, все фантазии гениальных людей рано или поздно находят свое отображение в реальном мире.

Технический прогресс шагнул так далеко, что появление уникальных роботов-помощников в автомобиле уже никого не удивляет.

А ведь действительно, переоценить пользу каждой из описанных в статье системы очень сложно.

Все они рассчитаны в первую очередь на обеспечение безопасности водителя, пассажиров и других участников движения.

Итак, приступим.

Volvo City Safety

Разработчики концерна Volvo всегда славились своими уникальными разработками. Не разочаровали они своих поклонников и в этот раз.

Вы должны помнить тот уникальный прорыв, когда в первые годы двадцать первого века появилась система City Safety.

С ее помощью планировалось решить множество проблем с аварийностью на небольшой скорости (на перекрестках, пешеходных переходах и так далее).

Впервые система была смонтирована на Volvo V40, но ее актуальность еще не утрачена. Многие современные модели оборудуются City Safety и сегодня.

Принцип работы системы очень прост. Между зеркалом заднего вида и лобовым стеклом устанавливается специальный радар, который анализирует наличие препятствий впереди транспортного средства.

Контролируемое расстояние – не более шести метров. Как только препятствие впереди зафиксировано системой City Safety, водитель должен принять решение – сделать маневр или притормозить.

Если действий не предпринято, тогда система действует сама – сбрасывается газ и активирует тормозную систему.

Последний этап – включение «аварийки». Предупреждение водителя об активации производится путем звукового оповещения.

Разработчики компании Volvo уверяют, что с помощью данной системы можно уйти от аварийности на небольших скоростях. Но стоит отметить, то разница не должна быть больше 15 км/ч.

При большей скорости (до 30 км/ч) столкновение вероятно, но последствия для участников ДТП будут минимальными, ведь система сделает все необходимое для снижения скорости.

При движении авто на скорости больше 50 км/ч City Safety отключается автоматически, ведь ее эффективность в этом случае нулевая.

Как показывает практика, в условии пробок, когда автолюбитель может задуматься, потерять бдительность или случайно перепутать педаль – это настоящее спасение.

Система обнаружения пешеходов

Над этой разработкой также хорошо потрудились шведские мастера. Но разработка получилась уже более современной и появилась на автомобилях только с 2010 года.

По сути, система Pedestrian Detection стала неким продолжением City Safety. Задача такого «робота» – своевременно распознать человека впереди машины, сбросить скорость и таким способом минимизировать силу удара.

Данная идея сразу же была подхвачен и появилось три ее подвида (у разных производителей):

  • Pedestrian Detection System от Вольво;
  • Advanced Pedestrian Detection System от TRW;
  • Automotive EyeSight от Субару.

Принцип работы прост. При этом все указанные выше системы очень похожи по конструкции и программному обеспечению.

Роль обнаружителей пешеходов выполняет радар и видеокамера. При этом в последней версии от Субару радара нет вовсе.

Все три системы способны обнаруживать человека на расстоянии до 40 метров.

Самое интересное, что система обрабатывает траекторию движения пешехода и рассчитывает вероятность аварии.

И снова-таки Pedestrian Detection (или другой ее вид) ждет, будет ли водитель предпринимать какие-либо действия. Если нет, то система останавливает автомобиль самостоятельно.

Разработчики уверяют, что данная разработка показывает максимальную эффективность на скорости до 35 км/час. в этом случае столкновения можно избежать совсем.

Если же скорость больше, то, как минимум, снижается тяжесть последствий от ДТП.

Единственный минус такой системы – в ночной «слепоте». В условиях недостаточной освещенности она может попросту не распознать силуэт на дороге.

Система автоматической парковки

До сих пор в сети попадается множество роликов с самыми различными историями парковки.

И действительно, многие автолюбители никак не могут научиться парковать машину (особенно, в условиях плотного транспортного потока). Как же работает данная система?

Здесь все просто. В основе системы три блока – блок датчиков (чаще всего они работают на принципе ультразвука и расположены по периметру транспортного средства), блок управление (на него приходят данные и производится их обработка), а также непосредственно исполнительные устройства.

Задача последних – поворачивать руль и своевременно открывать дроссельную заслонку.

Работает система в два основных этапа. Сначала осуществляется поиск подходящего места для машины. Далее – происходит сам процесс парковки.

Для выполнения первой задачи хватает одной системы – ультразвуковых датчиков. Далее подключается несколько основных блоков – они задают направление, скорость и траекторию движения транспортного средства.

Преимущества системы неоспоримы – даже новичок за несколько минут справляется со сложной парковкой, и ему совсем не нужно краснеть перед другими автолюбителями.

Система все делает сама – быстро и без аварий. К слову, испытания показали, что профессиональные автолюбители все равно могут припарковать автомобиль намного качественнее.

Адаптивный круиз-контроль

Казалось бы, сама система круиз-контроля – это уже чудесная разработка. Но производители компании Volvo (и снова шведы отличились) пошли дальше – они дополнили уже существующего робота.

Система адаптивного круиз-контроля также стала популярной и начала использоваться в других авто под самыми различными названиями.

К примеру, у Фольцвагена, Ауди и Хонды – это Adaptive Cruise Control, у Мерседеса – Distronic (Distronic Plus), у Митсубиши – Distance Control, у Тойота – Radar Cruise Control.

Все системы очень похожи, и по конструкции, и по принципу действия. В основе три блока – исполнительная система, блок управления и датчик расстояния.

Датчик смонтирован на переднем бампере – его задача измерять расстояние до автомобиля, который движется спереди.

Преимущества инфракрасного устройства – сравнительная дешевизна и отсутствие боязни к негативным природным факторам.

К слову, для определения расстояния часто используется и радар.

Информация с датчиков поступает к управляющему блоку, где фиксируются следующие параметры – радиус кривой движения, боковое ускорение, величина угла поворота руля, а также скорость основной машины и транспортного средства, которое идет впереди.

Этих данных достаточно, чтобы круиз-контроль принял правильное решение и при необходимости затормозил авто.

Для чего нужна такая система? Здесь все просто. На загруженной трассе от «круиза» мало пользы, ведь перед фурой или “чайником” приходится переходить на ручное управление.

В этом отношении адаптивная система по-настоящему спасает. При этом она эффективна в довольно широком скоростном диапазоне – от 30 и до 180 километров в час.

Некоторые более прогрессивные версии могут похвастаться и вовсе идеальным диапазоном – от 0 до 200 км/час.

В условиях плотного потока на трассе с помощью такой системы можно вообще забыть о педалях.

Системы автоматического управления

Еще недавно самостоятельно перемещающийся автомобиль был из разряда фантастики и увидеть такое чудо можно было только в кино. Но две компании – Гугл и РобоСиВи решили воплотить смелый замысле в реальность.

К примеру, Google уже подходит к окончательной стадии разработки беспилотных автомобилей.

О данной разработке известно пока очень мало, ведь ее еще нет в серийных моделях. Но кое-что уже есть. В основе «робота» два блока – так называемое техническое зрение и ГЛОНАСС.

Принцип работы прост. Здесь работают управляющие системы, блок управления и три блока-датчика.

Естественно, что в столь сложной системе количество датчиков должно быть большим:

  • видеокамеры (для отслеживания пешеходов и недвижимых объектов);
  • оптические датчики (создают трехмерную картинку в радиусе 60 метров);
  • датчик GPS (для оценки местоположения автомобиля);
  • радары (фиксируют объекты вокруг);
  • датчик движения (определяет скорость, направление и наличие крена машины).

Конечно, до внедрения системы в жизнь еще далеко, но сама задумка говорит о серьезных перспективах.

При этом разработчикам пока не удалось решить проблему с плохой погодой, к примеру, дождем или туманом, когда система может не распознать те или иные дорожные знаки. Но работа ведется, и результаты радуют все больше.

Выводы

Сегодня уже сложно предположить, что будет дальше, ведь великим умам человечества уже удалось очень многое.

Пройдет несколько десятков лет и понятие водитель вообще может исчезнуть из нашего обихода.

Тенденция уже сегодня видна невооруженным глазом.

Если в статье есть видео и оно не проигрывается, выделите любое слово мышью, нажмите Ctrl+Enter, в появившееся окно введите любое слово и нажмите “ОТПРАВИТЬ”. Спасибо.

ПОДЕЛИТЬСЯ НОВОСТЬЮ С ДРУЗЬЯМИ:

Источник: https://AutoTopik.ru/vse-pro-avtomobili/735-city-safety-pedestrian-detection.html

Поделиться:
Нет комментариев

    Добавить комментарий

    Ваш e-mail не будет опубликован. Все поля обязательны для заполнения.