自动驾驶发展从技术驱动转向数据驱动
发布时间：2022-08-26 12:01:01 所属栏目：大数据 来源：互联网
导读：一、自动驾驶发展逐步从技术驱动转向数据驱动 如今，自动驾驶传感器方案及计算平台已日趋同质化，供应商技术差距日益收窄。近两年自动驾驶技术迭代飞速推进，量产落地加速。根据佐思数据中心，2021年，国内L2级辅助驾驶乘用车上险量累计达479.0万辆，同比增
|
一、自动驾驶发展逐步从技术驱动转向数据驱动 如今，自动驾驶传感器方案及计算平台已日趋同质化，供应商技术差距日益收窄。近两年自动驾驶技术迭代飞速推进，量产落地加速。根据佐思数据中心，2021年，国内L2级辅助驾驶乘用车上险量累计达479.0万辆，同比增长 58.0%。2022年1-6月，中国L2级辅助驾驶在乘用车新车市场渗透率攀升至32.4%。 对于自动驾驶而言，数据贯穿研发、测试、量产、运营维护等全生命周期。伴随智能网联汽车传感器数量的快速增加，ADAS和自动驾驶车辆数据的生成量也呈现指数级增长，从GB到TB、PB、EB直至将来的ZB。以数据驱动的汽车进化，满足用户个性化的需求，车企才能走实走远。 根据《汽车采集数据处理安全指南》，汽车采集数据是指汽车传感设备、控制单元采集的数据，以及对其进行加工后产生的数据，可细分为车外数据、座舱数据、运行数据和位置轨迹数据等。 根据网信办2021年8月颁布的《汽车数据安全管理若干规定（试行）》对汽车数据收集、分析、存储、传输、查询、应用、删除等全流程做了详细的规定。在开展汽车数据处理过程中坚持“车内处理”、“默认不收集”、“精度范围适用”、“脱敏处理”等数据处理原则，减少对汽车数据的无序收集和违规滥用。在自动驾驶技术开发过程中，数据收集及处理等首先要合法合规。 数据采集/清洗 从汽车摄像头、毫米波雷达、激光雷达及超声波雷达收集来的大量非结构化数据（图像、视频、语音）可能是原始的和混乱的。为使数据有意义，需对其进行清理、结构化与整理。首先将来自多个来源的数据导入适当的存储库，标准化数据格式，并根据相关规则进行聚合。而后检查损坏、重复或丢失的数据点，并丢弃可能影响数据集整体质量的不需要的数据。最后，用标签对在不同条件下捕获的视频进行分类，例如白天、夜晚、晴天、下雨等。此步骤提供了对将用于训练、验证的清洗后的结构化数据。 数据标注 对数据采集后经过清洗的结构化数据需要进行标注。标注是将编码值分配给原始数据的过程。编码值包括但不限于分配类标签、绘制边界框和标记对象边界。需要高质量的标注来教授监督学习模型对象是什么以及测量训练模型的性能。 在自动驾驶领域，数据标注处理的场景通常包括换道超车、通过路口、无红绿灯控制的无保护左转、右转，以及一些复杂的长尾场景诸如闯红灯车辆、横穿马路的行人、路边违章停靠的车辆等。 常用的标注工具包括图片通用拉框、车道线标注、驾驶员面部标注、3D点云标注、2D/3D融合标注、全景语义分割等。由于大数据的发展和大型数据集数量的增加，数据标注工具的使用不断迅速扩大。 数据传输 如今，数据采集的频率已进入毫秒级别，需要的是数千个信号维度(如总线信号、传感器内部状态、软件埋点、用户行为及环境感知数据等)的高精度数据，同时避免数据丢失、乱序、跳变及延时，并在高精度高质量前提下，极大压缩传输/存储成本。车联网数据的上下行链路比较长（从车端MCU、DCU、网关、4G/5G到云端）需要保证各链路节点的数据传输质量。 针对数据传输的新变化，部分企业已能提供高效的数据采集及车云一体传输方案，例如智协慧同EXCEEDDATA灵活数采平台方案，在车端边缘计算环境基于实时数据，实现了10毫秒级实时运算，用于触发灵活数据采集上传功能，上传的数据已经经过计算和筛选，显著降低上传的数据量。此外对车端原始信号进行100-300倍无损压缩和存储，云端管理平台保存无损高压缩比的车端高质量信号, 支持数采算法的下发、多种采集模式的触发、采集数据实时上传到业务桌面的一键式下载，按车辆、按事件、按时间段等多重灵活筛选，随用随解，存算分离，实现了车云同构的数据采集-计算-上传-加工的闭环；2021年，国内首个搭载智协慧同EXCEEDDATA解决方案的量产车型已落地（高合HiPhiX）。 （编辑：唐山站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
