您現在的位置：首頁 > 艾氪英諾Explorer-E：為智慧出行提供全量感知 | 產品介紹
艾氪英諾Explorer-E：為智慧出行提供全量感知 | 產品介紹
蘇州艾氪英諾機器人科技有限公司（Suzhou Exinova Robot Technology Co., Ltd.）成立于2019年，由清華大學、浙江大學和電子科技大學研發團隊共同成立，是一家以新一代人工智能技術為核心，賦能自動駕駛的高新技術類企業，總部設立于蘇州。艾氪英諾通過多源融合優化技術和邊緣計算技術，打造邊緣側感知平臺（即“路腦”產品Explorer E），拓寬自動駕駛運行設計域，可應用于車路協同自動駕駛和智慧交通等領域。
艾氪英諾Explorer-E 產品搭載艾氪英諾自研多源融合算法和相應的訓練模型，支撐智能道路C2～C5、自動駕駛L2～L4的平滑演進。Explorer-E以不同傳感器為輸入，通過感知融合、定位、預測、決策規劃等功能模塊對多源感知數據進行融合處理，獲取道路參與者的類型、行駛速度、航向角、位置等信息，以及障礙物等道路狀況信息，并以結構化的數據輸出。總體而言，Explorer-E 遵循平臺化與標準化原則，支持組件服務化、接口標準化，實現軟硬件解耦，通過一套軟件架構支持多種軟件硬件配置。
Explorer-E原理框架圖
1. Explorer-E 功能介紹
Explorer-E由多個功能模塊構成，具體如下：
感知融合模塊
感知融合模塊是利用激光雷達、攝像頭、毫米波雷達、超聲波雷達等傳感器采集的路況信息，對采集到的信息進行基于人工智能技術的多源數據融合，實現對交通目標/事件檢測識別，進而實現對路況全要素全時空的全量感知。
艾氪英諾Explorer-E“路腦”產品的融合感知模塊具有豐富的外設接口數據庫（可兼容市場上主流的激光雷達、攝像頭等傳感器）、豐富的算法模型數據庫、廣泛的預設應用場景、優異的核心算法，實現感知算法場景化精準識別25種機動車行為、8種非機動車行為、18種混合交通事件行為。
車端或路端安裝的傳感器主要有激光雷達、毫米波雷達、超聲波雷達、攝像頭等傳感器，其中激光雷達和攝像頭是主要的感知傳感器，實現對周圍環境以及車輛的位置、速度進行實時測量；車端的毫米波雷達主要用來實現防碰撞預測功能，提升無人駕駛的穩定性和安全性，路端的毫米波雷達主要實現超遠距的物體追蹤和測速；車端的超聲波雷達主要用來實現近距離的補盲，進一步減少車輛的盲區范圍，為車輛自動停靠時提供實時監測。通過USB接口或者Ethernet接口與車載OBU相連，OBU將感知數據上傳至感知融合模塊。在部署時，為減低后期數據處理的難度，需要對各個攝像頭的內參對標定，以及與激光雷達在時間和空間的標定，降低因時空錯位造成的感知信息存在的偏差。感知融合模塊對接收的數據進行必要的前期處理比如清洗、降噪、去除地面、匹配等后經過深度學習算法對感知數據進行類型識別，輸出結構化的數據。感知融合模塊的基本框圖如圖2所示。路端和車端攝像頭和激光雷達獲取的感知信息進行預處理，之后利用深度學習網絡實現對目標的檢測，并對2D圖像信息檢測到的目標和3D點云信息檢測的目標進行初步融合，對兩者的檢測目標做交叉驗證，然后都進行了目標跟蹤，最后通過融合模塊，實現激光雷達、毫米波雷達、攝像頭三種傳感器跟蹤后的目標序列融合，獲取穩定可靠的檢測結果。
感知模塊設備能直接存儲或通過計算設備存儲有效的檢測信息，存儲容量滿足存儲最近15天，時間間隔2 min的檢測數據。此外，感知模塊可以將結構化的數據上傳至云平臺，實現數字孿生對真實路況的重建。
感知融合模塊基本框圖
定位模塊
定位功能根據高精度地圖、傳感器等信息估計車輛位置，包括本車的絕對位置以及和靜態動態環境的相對位置等。傳感器的輸入來自于傳感器或者感知融合模塊，定位信息輸出至其它模塊，基于激光雷達點云定位模塊的框圖如圖3所示。在路端根據部署傳感器的GNSS信息，結合感知的目標位置通過坐標轉換實現對目標的定位，并可結合車端傳感器的信息實現對目標位置的精確定位。
定位模塊基本框圖
預測模塊
預測模塊通過障礙物的歷史狀態信息以及感知模塊感知的當前障礙物的信息結合車輛的位置和規劃信息，來預測障礙物的未來一段時間軌跡，其框圖如圖4所示。感知模塊作為預測模塊的上游，向預測模塊提供障礙物的位置、朝向、速度、加速度等信息。預測模塊根據感知模塊輸出的感知信息，通過自身算法給出障礙物未來的預測行為和預測軌跡，供下游規劃模塊進行自車軌跡的規劃。
預測模塊可分為行為預測和軌跡預測兩部分：
行為預測功能，主要對包括行人、機動車在內的交通參與者意圖判斷，包括橫穿、變道、左轉、右轉、掉頭、巡航、加速、減速等。
軌跡預測功能，主要對包括行人、機動車在內的交通參與者的行動軌跡進行預測，預測交通參與者未來n秒內軌跡。
預測功能依據感知融合和自動定位等信息輸入，對行人，車輛，騎行者等交通參與者的行為意圖和行駛軌跡做出預測。具體的信息輸入包括傳感獲取到的可移動目標的當前數據和歷史數據，含地圖信息在內的周圍靜態交通環境信息，自車的位置和狀態信息，通過V2X獲取到的交通參與者的信息等。其中，行人的姿態和手勢、車輛燈光等信息都是預測服務的重要依據。
預測模塊框圖
決策規劃模塊
決策規劃功能是車輛最終駕駛行為決策和軌跡規劃模塊，輸出對于車輛姿態控制的命令。通過融合感知模塊，獲取車輛行駛區域內交通信息，為無人駕駛車輛提供路徑規劃與決策。路徑規劃可以分為全局規劃和局部規劃。其中全局規劃在地圖或者前期SLAM所建立的地圖輔助下，規劃一條最優化且可行的路徑。局部規劃是在全局優化的前提下，根據行駛過程中道路實時路況如障礙物、會車等產生的局部行駛路徑。
控制模塊
在傳統無人駕駛模式下，控制模塊的目標是基于路徑規劃模塊輸出的目標軌跡和定位模塊輸出的車輛狀態生成方向盤、驅動、剎車控制命令，并通過 CAN 模塊給車輛底層執行器。
設備管理與運維模塊
艾氪英諾Explorer-E“路腦”產品為傳感器、MEC等路側設備提供整體設備管理和運維管理功能。設備管理與運維模塊，為路側設備接入系統提供安全的身份認證方式和數據存儲、傳輸加密管理；能夠遠程配置、查看設備的參數及運行狀態；能夠遠程關閉、重啟設備；能夠遠程查看設備的日志文件，并進行必要的故障分析；提供設備拓撲關系管理，顯示網絡中的邊緣計算設備、IPC、雷達、雷攝一體機等設備的拓撲關系。
設備管理與運維模塊主要包括以下幾個功能：
設備數據統計：通過地圖模式顯示路側設備。地圖默認顯示監控區域的中心位置，默認展示所有已接入的設備，并以小圖標的方式標注在地圖上，單擊設備圖標會顯示該設備的詳細信息，未接入的設備不在地圖上展示。
設備列表：設備列表分別展示已注冊的邊緣Edge、路側RSU、攝像頭IPC、雷達、車輛以及信號機的設備接入信息，可以查看詳情和編輯。
設備注冊：從設備名稱、設備編碼、硬件類型、位置編碼、端口號、IP地址、經緯度等維度提供路側設備接入注冊。
設備卸載：將某個路側設備從路側感知系統中卸載。
設備查詢：查詢已接入的路側設備信息，包括攝像頭、雷達、邊緣計算單元、RSU；查詢功能提供可通過地圖上查看已接入的設備；通過篩選設備類型，在地圖上高亮同類型的所有設備；通過輸入設備ID，在地圖上高亮顯示相應的設備。
設備管理與運維模塊框圖
2. Explorer-E 軟件性能
Explorer-E對目標檢測實現的指標如下：
可實現的交通事件檢測如下：
3. Explorer-E 應用場景
Explorer-E可以應用在車路協同和智慧交通等多種場景中，艾氪英諾在相關場景中均有實際應用案例。
車路協同場景
隨著單車智能不斷普及，單車智能實際中存在的諸多問題如長尾問題也不斷暴露出來，嚴重影響無人駕駛的安全性。通過在路端部署傳感器可以有效提升自動駕駛安全，彌補車端感知不足，擴展自動駕駛ODD（車輛運行設計域），提升自動駕駛的點到點能力，同時可以提高傳感器的復用率，可避免重復建設，降低成本。利用Explorer-E，可以實現多源傳感器的數據融合，為無人駕駛提供更高的安全性。圖6顯示的是Explorer-E在車路協同場景中的部署示意圖。
Explorer-E在車路協同場景中部署示意圖
下圖顯示的是在常熟某路口部署的實例。在該路口中部署有毫米波雷達、激光雷達等傳感器，通過Explorer-E軟件對傳感器數據的融合處理，將路口的路況信息如車輛的位置、速度、航向角，行人的位置等傳送給無人物流車，提高其駕駛的安全性。
Explorer-E在車路協同場景中的應用案例
下圖顯示的是Explorer-E在全息路口部署的案例，在該路口中部署有激光雷達、攝像頭等傳感器，通過攝像頭2D數據和激光雷達3D點云數據的融合，實現了對該路口路況全要素全時空的感知。
Explorer-E在車路協同場景中的應用——全息路口
智慧交通場景
Explorer-E在智慧交通場景中部署示意圖
上圖是Explorer-E在智慧交通場景中的部署示意圖。在山東某高速路上部署約340套激光雷達攝像頭等傳感器，對過往車輛進行違法抓拍，實現了“全路段感知、全過程管控、全天候通行”的智慧高速公路目標。
除了在封閉/半封閉的道路上部署傳感器實現對車輛的監控外，還可以部署在航道，對過往的船只尺寸、吃水深度等信息做檢測，如下圖所示。
用于船只檢測的Explorer-E
