分享
Scan me 分享到微信

百度公布智能驾驶的三个场景,包括高速公路、自动泊车和商用车

百度智能汽车事业部顺应“Apollo”计划的战略构想,将自己定位为领先的自动驾驶解决方案提供商,主要聚焦于制定三类特定场景下的自动驾驶解决方案。

  泰伯网讯 据凤凰科技报道,5月8日,百度智能汽车事业部(L3)总经理顾维灏近日在硅谷参加由英伟达(NVIDIA)举办的2017年度GPU技术大会(GTC)时表示,百度智能汽车事业部顺应“Apollo”计划的战略构想,将自己定位为领先的自动驾驶解决方案提供商,主要聚焦于制定三类特定场景下的自动驾驶解决方案:第一,高速公路行驶场景;第二,自动代客泊车场景;第三,卡车或商用车的自动驾驶。

泰伯网
百度智能汽车事业部总经理顾维灏在GTC大会上演讲

  顾维灏说,在高速公路行驶场景中,高速公路行驶占据了一半以上的驾驶总时间,且道路环境相对封闭和稳定,显然是自动驾驶绝佳的应用场景。 在自动代客泊车场景中,停车位资源在北京、纽约或伦敦这些大城市非常紧张,因此百度自动驾驶团队希望为司机解决这些问题。另外,在运营商用车的费用中,人力和燃料成本分别占据三分之一,剩下的三分之一才是汽车本身。实际上,商用车在环境相对封闭的港口、矿场及工厂等地上按照固定路线低速运行,实现自动驾驶较为容易,将自动驾驶技术应用到物流运输等商用车上,能节约大量的人力成本和燃料成本。因此,发展自动商用车同样具有经济意义。

  百度自2012年开始便与英伟达就人工智能领域展开多项合作,并在2016年的百度世界大会上宣布将共同打造自动驾驶汽车平台。大会上,顾维灏展示了百度自动驾驶技术在英伟达DRIVE PX 2上的应用成果。据他介绍,通过使用英伟达的GPU 和相关代码库(TensorRT),百度DNN深度神经网络模型训练速度快了大约1000倍,整整提升了三个数量级,因此节省了大量研发时间。

  高精地图是保证自动驾驶安全性的关键所在。顾维灏说,自动化是百度高精地图的核心竞争优势,自动化程度超90%,能自动识别包交通标志、地面标志、车道线、信号灯等上百种目标,相对精度达0.1-0.2米,准确率高达95%以上。对于自动化程度的计算方法,顾维灏解释是将目标检测率与准确率相乘得出。此外,在DRIVE PX2上运行的百度自定位技术,能够实现厘米级精度,在路测中横向误差仅为20cm、纵向误差则为2米,满足L3自动驾驶在高速路场景下的应用。

  庞大的数据储备也是百度发展自动驾驶的优势之一。百度自动驾驶开放平台Road Hackers可提供海量中国路情驾驶数据的开放、基于深度学习的自动驾驶算法的演示和自动驾驶算法基准测试评比。顾维灏介绍,百度地图采集车队,积累了海量的街景图像、道路汽车状况等数据。同时还记录了车辆在采集图像过程中方向盘转角、刹车、加速和其它动作信息。依托庞大数据库,百度可以使用端到端深度学习算法教汽车像人类一样驾驶。通过模仿人类司机的驾驶行为,可以更好地避免自动驾驶车辆在转弯、刹车以及加速中的“生硬”和“突然”,带来舒适的乘车体验。

参与评论

【登录后才能评论哦!点击

  • {{item.username}}

    {{item.content}}

    {{item.created_at}}
    {{item.support}}
    回复{{item.replynum}}
    {{child.username}} 回复 {{child.to_username}}:{{child.content}}

更多精选文章推荐

泰伯APP
感受不一样的阅读体验
立即打开