#本文由作者授权发布,文章仅代表作者观点,不代表IPRdaily立场#
来源:IPRdaily中文网(iprdaily.cn)
作者:王绢 北京集慧智佳知识产权管理咨询股份有限公司 吹IP
原标题:老司机 | 无人驾驶离我们不再遥远
无人驾驶这项技术听起来不明觉厉,但确实是能为人民造福的好科技!如果我有一辆无人驾驶汽车就给它安上APP,让它自己去跑滴滴赚钱,画面好美,哈哈哈。。。
第三届世界互联网大会期间,百度无人驾驶车首次载着乘客上路。在浙江乌镇一段3.16公里长的城市开放道路上,超过200名嘉宾体验了无人驾驶汽车。
除了百度,不得不提在无人驾驶车领域的领头兵谷歌。谷歌从2009年就开始了无人驾驶项目的研发,至今谷歌的无人驾驶车已经跑过了超过300万公里的测试路程。
从专利的角度窥探谷歌无人驾驶车技术之路
1 谷歌无人驾驶汽车发展趋势
从无人驾驶汽车研究的提出到现在,谷歌的无人驾驶汽车的研究大致经历了三个阶段,如下图:
专利布局也早在2008年就已经开始,其申请趋势如下:
图1 谷歌无人驾驶车领域专利申请量
可见谷歌在无人驾驶领域的研发在逐年提升,专利布局量已经达到一个相当高的水平。
2 谷歌在无人驾驶车领域的专利布局地域
图2 谷歌无人驾驶车领域专利布局地域
谷歌在无人驾驶车领域可谓是全面布局,重点在美国,同时在世界知识产权组织、欧洲专利局、中国及韩国也有适量数量专利布局。不得不说谷歌无人驾驶车这盘棋下得够大。
3 谷歌无人驾驶汽车技术发展脉络
第一代无人驾驶车
其初始的技术发展就是沿着检测分析计算、自我学学习及执行三个部分延续的。
1
采用激光雷达
第一代无人驾驶车的车顶使用Velodyne公司生产的64束激光器传感器,用以旋转扫描周围行驶环境进而来构造环境模型,这是获取外界信息的重要入口也是无人驾驶汽车控制的基础,其体现在利用传感器精确地捕捉周围路况信息(美国专利号US8346426B1)和针对激光传感器本身的优化设计,包括增加探测精度(US8948370B2)和激光雷达结构优化(US8836922B1)。
图3 捕捉周围路况信息(US8346426B1)
2
突出地图优势
另一方面,基于谷歌自身的地图数据分析能力(US8527199B1),其无人驾驶汽车还借助GPS匹配行驶路线和学习路线的能力,通过无线自组织网络进行多车辆的相互识别(V2V方式),精确计算行车之间的距离(US8849494B1)和基于当下位置做出行车方面的控制决策(US8195394B1)。
图4 精确计算行车间距(US8849494B1)
图5 行车的控制决策(US8195394B1)
总体来看,谷歌的第一代无人驾驶汽车就是在原有的传统汽车上,增加一些功能设定,使之具备一些初级的无人驾驶功能,能够在简单路况环境下进行自主操作行驶,同时尝试着将自身地图方面的优势与智能汽车进行融合。
2
第二代无人驾驶车
第二代无人驾驶车的核心主线仍然是检测分析计算、自我学习及执行,但在每一块都得到了细节上的延伸。
1
加强环境感知
针对环境检测和感知方面,更多地考虑了在行驶过程中的突发复杂情况的检测,一方面增加了行驶道路上的不确定性车辆的感知(CN104094177A),甚至在检测附近有侵略性驾驶车辆的情况下主动调整去驾驶行为(CN105008200A)。
图6 侵略性驾驶车辆的情况下主动调整去驾驶行为(CN105008200A)
2
收购图像识别技术公司
另一方面,借助与所收购公司如图片分析公司Jetpac美国工业知觉公司(Industrial Perception)等的技术融合,对图像/图片识别分析进行深入地研究。
通过与Jetpac公司在图像识别技术上的融合,对行驶道路上的目标障碍物的检测和识别匹配得到改进,体现在匹配识别时间的缩短和相关识别复杂程度的提升,并解决了在检测图像质量不佳的情况下提升其道路标示的可确定性,同时还增加了对行驶天气环境的感知,进一步获取更多行踪条件信息;对检测部件的改进体现在计算点阵电控线路(US9069060)等方面。
分析计算是无人驾驶汽车的核心,第二代无人驾驶汽车的逻辑算法涉及更为广泛在行驶开始前增加了自主规划能力,通过用户输入界面的输入目的地信息,在实际的路线规划中避免可预期的道路障碍,根据行驶路线情况主动控制和调节车速(US8965691B1),基于其他车辆行驶车道判断是否偏离原先的行车路线,可以基于周边障碍物的检测进行变更车道,在变道过程中重新制定新的行车路线等等。
图7 自动控制和调节车速(US8965691B1)
3
收购人工智能深度学习公司
第二代无人驾驶汽车的最大特点是突出了无人驾驶汽车自身的自我学习能力,谷歌相继收购了加拿大深度学习企业DNNresearch公司和深度学习算法公司DeepMind。
目前,其相关技术的重点主要集中在无人驾驶汽车行驶过程中,基于原有的行驶数据能够在自主驾驶和人为控制之间切换(CN104837705A)。
图8 自动和人工驾驶模式之间的切换(CN104837705A)
4
拓展车联网应用
作为自身全自主无人驾驶汽车的补充,谷歌也逐步介入车联网领域,为无人驾驶车在行驶过程中基于地图数据与周围环境识别和匹配功能提供新的帮助(US8527199B1)。
3
第三代无人驾驶汽车
经过前两代的无人驾驶汽车的研究和兼并合作、相关技术公司的技术补充,谷歌的无人驾驶汽车也逐步成型,于是基于对技术相关部件的整合以及将该无人驾驶汽车推向市场,在借鉴智能交通枢纽工具Pod Car原型之后,谷歌推出自主设计并研发的无人驾驶汽车原型。不同的是该设计中没有传统汽车里的方向盘,油门或者刹车,以及辅助驾驶人员,取而代之的是各种传感器以及软件系统。
1
增强人机交互体验
同时,对无人驾驶汽车的细节做了进一步完善,谷歌计划在无人车中加入Project Soli的可穿戴智能设备芯片实现手势控制和人工干预,通过实时检测双手和手指上的微小活动并根据设定执行相应动作,来控制车内音响空调温度雨刷器座椅,或者用来改变巡航行驶状态的参数,是谷歌在智能汽车内娱乐信息系统的人机交互技术的体现。
2
更加关注行人安全
谷歌计划采用深度基于神经网络技术的视频分析系统用来给车描摹一个更广阔的视域,通过深度网络学习的能力,自动驾驶车经过现有数据和已有数据比对的过程,能够在0.25秒左右的时间内准确识别行人。
3
整合谷歌广告及地图服务等优势资源
谷歌还逐步升级优化车载媒介系统,基于位置服务的广告云端媒体服务和基于关键词的地图搜索等传统谷歌优势技术服务的支撑。
国内无人驾驶车专利状况
国内对无人驾驶车的研究开始得比较晚。百度无人驾驶车虽在世界互联网大会亮相,但起步也较晚,其专利布局从2014年才开始。目前为止百度在无人驾驶车领域共积累不足百件专利,并且也集中在中国。其涉及的技术领域主要在传感、定位、识别及控制方面。
传感
采集周边车辆信息,实现实时采集车辆信息以对车辆进行实时违章监控,提高对车辆的监控力度(CN104916138A)。
图9 周边车辆信息的处理方法(CN104916138A)
2
定位
定位方面包括无人车定位精度的确定方法,具体为获取依据无人车的传感定位数据实时定位得到的定位坐标信息;依据所述无人车的GPS数据、IMU数据和激光点云数据,确定所述无人车的真实坐标信息;将获取的定位坐标信息与确定的真实坐标信息进行匹配,依据匹配结果确定所述无人车的定位精度。(CN106225790A)。
3
识别
识别方面包括行车路线的匹配(CN104978420A),车道线的识别(CN105046235A),车道线数据处理(CN105260699A)等。
图10 行车路线匹配方法(CN104978420A)
4
控制
涉及自动停车(CN104742881A)、刹车(CN104786923A)等控制。
图11 自动泊车方法(CN104742881A)
最后一吹
国内无人驾驶车研究起步较晚,专利技术积累量不多。因此,需要多引进国外技术,以期能实现五年内无人驾驶车上路的愿望。而国外,诸如谷歌这样对无人驾驶车研发较成熟的企业同样存在挑战。最大的挑战就是降低事故率,若能实现比人类驾驶更安全,那么离无人驾驶车上路则不会太远了。
来源:IPRdaily中文网(iprdaily.cn)
作者:王绢 北京集慧智佳知识产权管理咨询股份有限公司 吹IP
编辑:IPRdaily.cn LoCo
校对:IPRdaily.cn 纵横君
IPRdaily诚聘英才!(点击图片,了解详情)
本文来自IPRdaily.cn 中文网并经IPRdaily.cn中文网编辑。转载此文章须经权利人同意,并附上出处与作者信息。文章不代表IPRdaily.cn立场,如若转载,请注明出处:“http://www.iprdaily.cn/”
文章不错,犒劳下辛苦的作者吧