51PLC智控网

 找回密码
 立即注册
51PLC智控网 51PLC智控网 工控头条 查看内容

5G及物联网行业-5G自动驾驶

2021-10-18 10:57| 发布者: admin| 查看: 89| 评论: 0

摘要: 作者:宜通物联网研究院物联网研究院报告自动驾驶基本概念自动驾驶分为 6 个等级:Level 0:人工驾驶,无驾驶辅助系统,仅提醒。Level 1:辅助人工驾驶,可实现单一的车速或转向控制自动化,仍由人工驾驶(如定速巡 ...
作者:宜通物联网研究院
物联网研究院报告

自动驾驶基本概念

自动驾驶分为 6 个等级:





Level 0:人工驾驶,无驾驶辅助系统,仅提醒。

Level 1:辅助人工驾驶,可实现单一的车速或转向控制自动化,仍由人工驾驶(如定速巡航、ACC)。

Level 2:部分自动驾驶,可实现车速和转向控制自动化,驾驶员必须始终保持监控(如车道中线保持)。

Level 3:有条件自动驾驶,可解放双手(hands off),驾驶员监控系统并在必要时进行干预。

Level 4:高级自动驾驶,可解放双眼(eyes off),在一些预定义的场景下无需驾驶员介入。

Level 5:全自动驾驶,完全自动化,不需要驾驶员(driverless)。


关于自动驾驶的基本原理,需了解三大关键词:传感器、数据融合(Data Fusion)、100%安全性决策。

1.传感器

自动驾驶需要的传感器系统主要有三种类型:摄像头、雷达和激光雷达。

1.1.摄像头

摄像头是自动驾驶必备的传感器,包括前视、后视和 360 度摄像系统,后视和 360 度摄像头主要提供 360 度外部环境呈现,前视摄像头主要用于识别行人、车辆、道路、交通标志等。

1.2.雷达(RADAR)

自动驾驶需要多个雷达传感器,其功能是无线探测和测距,主要用于盲点检测、防碰撞、自动泊车、制动辅助、紧急制动和自动距离控制等应用。目前的雷达系统主要基于 24GHz 和 77GHz,相较于 24GHz,77GHz在测量距离和速度时具有更高的精度,以及更高的角分辨率,且还具备天线尺寸小、干扰小等优点。

1.3.激光雷达(LiDAR)

LiDAR,即 Light Detection And Ranging 的缩写,它是一种基于激光的系统,除发射器(激光器)外,系统还具备高灵敏度的接收器。LiDAR 主要用于测量静止和移动物体的距离,并通过处理提供所检测物体的三维图像。

LiDAR 应用于自动驾驶所面临的挑战是,如何克服在雨雪、雾、温度等环境影响下识别较远距离的物体,同时,这玩意成本太高,目前不适合汽车领域的大规模部署。

2.数据融合(Data Fusion)

数据融合就是将不同传感器(如雷达、摄像头和激光雷达)数据进行智能化合成,实现不同信息源的互补性、冗余性和合作性,从而做出更好、更安全的决策。比如摄像头具有分辨颜色(识别指示牌和路标)的优势,可易受恶劣天气环境和光线的影响,但雷达在测距、穿透雨雾等有优势,两者互补融合可作出更精确、更可靠的评估和判断。

3.100%安全性决策

一旦出现交通事故,重则导致人身伤亡,因此,自动驾驶对技术安全的要求相当苛刻,需实现接近 100%的安全性。

简而言之,自动驾驶就是通过传感器收集全面的环境信息,再对信息融合处理,并作出接近 100%安全性决策。

网联自动驾驶

单车智能自动驾驶主要依靠车辆自身的视觉、毫米波雷达、激光雷达等传感器进行环境感知、计算决策和控制执行。环境感知通过车载传感器完成对周围环境的探测以及定位功能。计算决策一方面将传 感器数据进行分析处理,实现对目标的识别;另一方面进行行为预测和全局路径规划、局部路径规划和即时动作规划,决定车辆当前及未来的运动轨迹。控制执行主要包括车辆的运动控制以及人机交互,决定每个执行器如电机、油门、刹车等控制信号。目前单车智能自动驾驶在环境感知、计算决策和控制执行的多个环节均存在不同程度的技术瓶颈和挑战,在应用过程中也出现了各种失效的问题,从而导致了自动驾驶的网联需求。

1.环境感知的挑战和网联需求

目前,单车智能自动驾驶的技术解决方案,视觉传感器、激光雷达、毫米波雷达以及红外夜视、超声波等成熟的传感器是主要的产品组成。各类别传感器的标称技术指标持续稳步发展,不断满足自动驾驶需求,逐渐接近人类驾驶员的感知能力,甚至在部分技术能力上实组成。各类别传感器的标称技术指标持续稳步实现了超越,例如探测距离200 米以上、综合精度能够达到厘米级甚至毫米级等。但是各类传感器的可靠性,以及对突发事件的响应能力上仍然存在不足。一方面,容易受到遮挡、恶劣天气等环境条件影响, 如十字交叉路口、隧道出入口等。网联化通过车路协同、车车协同发展,能不断满足自动驾驶需求,逐渐接近人类驾驶员的感知能力,甚至在部分技术能力够极大地拓展单车的感知范围,并且不受遮挡限制,能够让单车提早发现未知状况,能够应对目标突然驶入等目前在自动驾驶测试和事故中难以应对的状况。此外,单车智能自动驾驶在目标预测、驾驶意图“博弈”等方面存在困难。网联化能够直接给出关键结果状态信息, 例如信号灯状态、周边车辆的下一步动作意图、当前路况下最佳的行驶路线等,减少了复杂的基于传感信息的计算处理过程,并且能够准确地了解周围交通参与者的意图。

2.计算决策的挑战和网联需求

计算决策主要实现的功能可以分为两类,一是对环境感知数据进行目标识别,深度神经网络是目前在感知中使用最多的方式,也是目前对算力消耗需求最大的计算任务;二是针对感知的结果以及车辆的行驶任务,给出行驶路线、车辆动作的决策规划。在硬件上,计算决策主要承载在基于 CPU、GPU、DSP、AI 芯片、MCU 等多核异构分布的计算处理平台上。算力和功耗之间的矛盾是目前单车智能自动驾驶计算处理平台遇到的重要瓶颈。同时,由于交通行为更多是众多参与者之间互相“博弈”,在路径动作的决策规划环节,单车智能自动驾驶难以给出最佳的解决方案。

网联化有望分担单车的算力消耗,基于云控平台给出全局最优的驾驶策略。在算力方面,一是网联化作为“超级传感器”能够直接给出感知的目标结果,省去了复杂的对传感器信号的计算分析过程,如红绿灯的判断,从而大大减轻了单车的算力需求;二是能够借助云计算、边缘计算等能力,有望将路侧的算力引入,例如在路侧安装视觉传感器、激光雷达等传感器,将路侧感知结果进行下发等。在驾驶策略方面,在特定场景下,网联化能够集中采集其范围内的交通参与主体,根据所有主体的目的和状态,给出全局最优的解决方案,无需再通过“试探”和“博弈”给出决策规划,在矿山、港口、物流等非公共开放道路的特定场景下已经得到验证应用。

3.控制执行的挑战和网联需求

单车智能自动驾驶的控制执行主要根据计算决策给出的动作命令,通过车辆的动力学模型和人机交互界面,给到电机、油门、刹车 等执行机构。在控制执行方面,考虑自动驾驶系统和人类驾驶之间的协同处理以及车辆控制的可靠性、安全性,控制系统的冗余备份、高实时响应是主要的技术需求。网联化在控制执行方面能够提供远程遥 控驾驶、协同驾驶的应用模式。例如在某些危险或不适合人类进入的场合,需要通过5G远程遥控驾驶来操作远端的车辆进行作业,目前在无人矿山等场合下已得到应用。在车辆编队行驶等方面,借助头车和后排车辆的控制执行信息交互,后排车辆能够按照头车的统一命令进行驾驶,减轻后排车辆的感知计算任务负载。网联化能够将车辆的控制和执行从单车上分开,助力打造一批创新性的应用模式。

网联化自动驾驶汽车能做什么呢,举例说明:



如上图,道路前方弯道处停有一辆抛锚的汽车,但由于正好处于弯道,汽车本地的摄像头、雷达等传感器无法检测到,眼看一场车祸正要酿成悲剧。这时,如果是网联化自动驾驶汽车,就能通过通信网络共享信息,感知弯道处抛锚的车辆,此时汽车显示屏上会提示前方有车辆,并启动减速和转向,安全通过。



再来一个案例



如上图,前方的大卡车挡住了视线,而对面正驶来一辆汽车时要超车,毫无疑问是非常危险的。当驾驶员刚打左转灯准备超车时,网联化自动驾驶汽车就能通过显示屏立即提示,前方有来车,不能超车…

直到危险解除后,才顺利超车,安全通过。

网联自动驾驶的技术体系架构 

1. 全局视图下的网联自动驾驶技术体系



如上图所示,网联自动驾驶的体系架构可以按照“终端”“连接”“计算与服务”三个维度来进行解构,网联自动驾驶技术体系的“终端”包含智能网联汽车和路侧智能化系统这两个广义终端。“连接”是实现“人-车-路-云”相互连通的各类通信技术,按照网络类型可分为公众电信网、公安专网、交通专网等,按照网络技术可分为移动通信网络、光纤接入网等。“计算与服务”承载着网联自动驾驶各类服务的数据支撑与应用实现能力,从物理实体上包括边缘计算平台与云平台;从业务逻辑上包含数据底座、开放接口、应用服务等;从服务功能上包括以红绿灯信息推送、盲区感知、隧道高精度定位为代表的协同感知类应用,全局路径规划、车辆编队行驶等协同决策类应用, 5G远程遥控驾驶等协同控制类应用,以及高精度地图下载、OTA升级等数据支撑业务等。

智能网联汽车和路侧智能化系统可以看作两个系统级“终端,可以被进一步解构为 “终端”“连接”“计算与服务”等若干子类。智能网联汽车内部的“终端”包含车载通信网关、车载感知设备,以及智慧座舱、域控制器等汽车电子系统;“连接”主要是车内高速总线与多协议车内通信技术融合;“计算与服务”涉及异构计算平台、车载 操作系统、感知识别与行为决策算法等。路侧智能化系统的“终端” 主要有路侧通信终端、路侧感知设备、道路交通智能化设备等;“连接”主要以交通、公安等专网或本地局域网为主;“计算与服务”主要包含路侧边缘计算系统、路侧感知与服务能力、路-云协同等。

在这种系统整体结构分解的思路中,“终端”是载体,“连接”是途径,“计算”是手段,“服务”是目的,“人-车-路-云”各个环节的关 键技术深度协同,形成了统一融合的网联自动驾驶技术体系架构。

2. 智能网联汽车视角下的网联自动驾驶技术体系

在智能网联汽车视角下,结合全局视角技术体系的解构思路,网联自动驾驶按照技术环节可分为感知、连接、计算与服务,其中网联系统是与雷达、摄像头、定位等并列的一种感知技术,车内电子电气 架构(E/E)、车载计算平台归属于连接和计算的范畴,服务主要是与自动驾驶有关的预测和决策等,如下图所示。在智能网联汽车视角下,车辆的安全是非常重要的技术环节,需要遵循相应的功能安全体系(ISO 2626),以及预期功能安全体系(SOTIF)。



在智能网联汽车视角下,自动驾驶对以 C-V2X 为代表的网联系 统提出了诸多要求,包括应用时延、消息集的可用性、消息内数据的可靠性、消息与车内感知的相互备份性等。该视角特点可总结为:(1) 网联系统将作为车辆感知系统的一部分,可提供车辆盲区信息、超视距信息、交管信息等传统车载传感器无法直接提供的信息;(2)自动驾驶对于网联系统相关的功能安全、预期功能安全体系非常关切,有待进一步研究并形成跨行业共识;(3)自动驾驶对典型应用场景的消息集标准化需求强烈,有必要推动形成消息集持续演进机制,支撑网联自动驾驶基础设施广泛部署。

3. 信息通信视角下的网联自动驾驶技术体系

在信息通信视角下,网联自动驾驶遵循“端-管-云-业务”的典型信息通信体系架构,一方面,无论是车载、路侧系统的各类终端,都是网络内的车联网终端用户;另一方面,各类终端通过 C-V2X 等移动通信网络或光纤接入网络接入到边缘计算平台或云平台,平台上的各类应用为终端用户提供通用或定制化服务,如下图所示。



在信息通信视角下,一方面终端是网络服务的主体,需要为终端业务需求针对性地调整网络能力或者服务特点;另一方面对终端对于网络或服务的匹配性提出了明确要求,例如工作频率要求、射频一致性、通信协议一致性、数据集一致性等。该视角特点可总结为:(1) 网联自动驾驶系统遵循“端-管-云-业务”架构,各环节主体需要受到 频段许可以及电信业务资质等ICT领域政策法规的监管;(2)ICT 企业希望自动驾驶企业对应用、网络、服务等提出需求,在此基础上开展管、云、服务方面的系统研发与部署;(3)ICT 企业可针对自动驾驶应用提供“标准+定制”服务,但如何明确并提供网联数据可靠性或置信度仍需进一步研究。

4. 交通与交管视角下的网联自动驾驶技术体系

在交通与交管视角下,车联网与智慧交通系统按照业务类型垂直分类,网联自动驾驶可视作涉及到多个传统业务类型增强与融合的新兴业务系统,例如在传统的交通信号智能控制系统基础上增加了数据开放与广播,在交通标志标线、车辆超速预警、典型违法预警系统等基础上增加了信息融合与实时播发功能等,如下图所示。



交通与交管视角下,各类业务应用需要道路侧智能化设备与基础数据平台的支撑。对于网联自动驾驶来说,需要在路侧智能化设备和基础数据平台方面增加新的实体和功能,包括新增 C-V2X 路侧通信单元、新增路侧感知计算融合系统、部署V2X 信息的采集与发布功能等,实现网联系统与传统智能交通系统的融合演进。交通与交管视角的特点可总结为:(1)交通与交管系统按照“感知-传输-计算-应用”的层级来设计,以 C-V2X 为代表的网联系统建设与交通新基建融合发展已形成行业共识;(2)C-V2X 等网联功能作为一种新型感知发布方式,可以使交通与交管系统增强与智能网联汽车的交互,促进交通与交管业务从路端向车端延伸;(3)交通与交管行业需要基于现有智能交通业务提炼网联自动驾驶所需服务,与现有系统融合演进、并通过 C-V2X 等网联系统与网联自动驾驶进行耦合。

C-V2X 能做什么?

C-V2X,C 即 Cellular,V2X 就是 vehicle-to-everything,指车与外界的信息交换,它是基于蜂窝网络的车联网技术。

与雷达、激光雷达等传感器不同,我们可以把 V2X 视为一种无线传感器系统的解决方案,它允许车辆通过通信信道彼此共享信息,它可检测隐藏的威胁,扩大自动驾驶感知范围,能预见接下来会发生什么,从而进一步提升自动驾驶的安全性、效率和舒适性。C-V2X 被认为是自动驾驶的关键推动因素之一。

V2X 主要包括 V2N(车辆与网络 / 云)、V2V(车辆与车辆)、V2I(车辆与道路基础设施)和 V2P(车辆与行人)之间的连接性。



国际标准组织 3GPP 定义了基于 LTE 移动通信技术演进形成的 LTE-V2X、5G 及 5G V2X 标准化技术。LTE-V2X 于 2017 年 3 月完 成标准化,引入了工作在 5.9GHz 频段的直通链路(PC5 接口)通信方式。2020 年 7 月,3GPP 宣布 R16 NR-V2X 版本冻结,引入了单播和组播模式、HARQ 反馈、CSI 测量上报、NR/LTE 基站调度 LTE-V2X/NR-V2X 资源、NR-V2X 与 LTE-V2X 共存等新技术特性,支持高阶调制和空间复用并优化了资源选择机制。3GPP于2020 年第 3 季 度启动 R17 相关的标准化工作。

在 Rel. 14 中,V2V 通信基于 D2D( Device-to-Device)通信,其为 Rel.12 和 Rel.13 版本中的 Proximity Services (ProSe) 近距离通信技术的一部分。D2D 接口被命名为 PC5 接口,以实现可支持 V2X 要求的增强型功能,这些增强型功能包括:支持高达 500Km / h 的相对车速、支持 eNB 覆盖范围内的同步操作、提升资源分配性能、拥塞控制和流量管理等。

在 Rel. 14 中,LTE-V2X 主要有两种操作模式:通过 PC5 接口点对点通信(V2V)和通过 LTE-Uu 与网络通信(V2N)。



基于 PC5 接口的 V2V 通信也包括两种模式:管理模式(PC5 Mode 3)和非管理模式(PC5 Mode 4),当网络参与车辆调度时称为管理模式,当车辆独立于网络时称为非管理模式。在非管理模式下,基于车辆间的分布式算法来进行流量调度和干扰管理;在管理模式下,通过 Uu 接口的控制信令由基站(eNB)辅助进行流量调度和干扰管理。

C-V2X 持续平滑演进到了 5G V2X,对功能进行了进一步增强,以支持低延迟和高可靠性 V2X 服务。

除了 PC5 和 Uu 接口,C-V2X 技术构架还包括 V2X 控制功能、边缘应用服务器和 V2X 应用服务器。



V2X 控制功能(V2X control function)位于核心网,其为实现 V2X 通信向 UE 提供必要的参数以执行相关网络动作。

V2X 应用服务器可部署于网络之外,由车企、移动运营商或第三方来运营,从而跨运营商跨车厂,这也解决了过去车企担心的依赖 C-V2X 会导致自动驾驶业务被电信运营商所控制的问题。

边缘应用服务器靠近数据源部署,解决了时延和网络负荷问题,将在许多V2X 用例(比如实时高清地图更新等)中发挥重要作用。

自动驾驶需要5G

目前基于 LTE 的 V2N 已经覆盖了很多车联网用例,比如交通信息提示、地图更新、OTA 固件更新。未来 V2V 和 V2I 将广泛应用于车联网的低时延、远距离通信场景。

你可以将 C-V2X 看成是连接 V2N 和 V2V/V2I 的粘合剂,其依托于成熟的蜂窝网络生态,随着5G网络的大规模部署,C- V2X将在未来自动驾驶领域发挥关键的作用。

1.5G的速度是最大的优势

基于 5G 近实时的高清视频传输,V2N 和 V2V 互补(V2N2V),如前所述,让自动驾驶不仅能“眼观六路”,还能“耳听八方”,实现 100%安全性。



2.5G 网络切片技术提供始终如一的 QoS 保障



网络切片 vs 无网络切片性能监控

与互联网“尽力而为”的数据传输不同,网络切片可提供始终如一的低时延和高速率服务保障,这对于安全性要求极高的自动驾驶领域尤为关键。比如,当汽车行驶于网络拥塞区域(比如演唱会、体育场附近),网络切片技术仍然能优先保障汽车通信的高速率和低时延性能。

3、边缘计算是自动驾驶的未来

5G核心网控制面与数据面彻底分离,NFV 令网络部署更加灵活,从而使能分布式的边缘计算部署。边缘计算将更多的数据计算和存储从“核心”下沉到“边缘”,部署于接近数据源的地方,一些数据不必再经过网络到达云端处理,从而降低时延和网络负荷,也提升了数据安全性和隐私性。

这对于时延要求极高、数据处理和存储量极大的自动驾驶领域而言,重要性不言而喻。多接入边缘计算(MEC)与以 C-V2X 为代表的网联技术深度融合,可支撑实现网联自动驾驶的多类应用场景。MEC 与 C-V2X 融合系统可采用多层系统架构,通常包括路侧 MEC 设备以及区域 MEC 平台,如下图所示。两类 MEC 相对独立,并可根据应用场景对于边缘计算的不同需求而灵活组合形成“标准+定制化”的解决方案。



路侧 MEC 设备具备部署灵活的特点,可结合直连通信模式在局域范围内形成业务闭环,适合在重点位置高密度部署,实现更全面的融合感知能力和一定的融合决策能力。区域 MEC 平台可为更大范围的用户提供强大的计算、存储能力,同时具有路由、分流等功能,可通过蜂窝通信模式与 5G 网络紧密结合,支持更高的无线传输速率, 实现更精准的融合决策和融合控制能力。

5G自动驾驶的挑战

5G自动驾驶已成为我国发展高等级自动驾驶的明确技术主线, “网联”是加强路侧基础设施对车端赋能的“管道”,也是推动“聪明的车”与“智慧的路”深度融合的支撑性技术。但是从技术和产业发展的成熟度来看,网联深度支撑自动驾驶仍然面临技术融合、基础设施建设、以及商业运营模式等方面的困难和挑战。

网联深度协同的技术体系仍需完善,路侧基础设施尚未建立起功能安全等级等概念。一是路侧消息采信机制难以建立。当前,整车厂、 零部件厂商及互联网企业普遍认为路侧信源只能与车载传感器同等 对待,即自动驾驶车辆无法对外部信息直接采信,仍需以车载传感器结合路侧信息输入,进行融合感知判定,路侧传感器作为冗余信源, 一定程度上可以解决共性原因失效的问题。未来或可通过在路侧消息中附加可靠性等级来保证消息的可信度,例如,戴姆勒提出在路侧传输信息或者认证信息中添加汽车安全完整性等级(ASIL)或安整全完性等级(SIL)信息以确保消息的可信等级。二是传输信道可靠性难以保证。网联自动驾驶需要 5G 网络提供大带宽、超高可靠低时延、 广连接的通信环境,但无线信道质量往往受遮挡、散射、多径衰落等 因素的影响较大,导致时延、丢包率等掣肘路侧消息传输可靠性的指标难以保证。三是跨行业、跨地域数字身份认证尚未协同统一。车与车、车与路的信任问题,是依托网联技术实现完全自动驾驶的必要条件,目前行业采用基于公钥基础设施(PKI)的数字身份认证机制, 为车载通信设备、路侧通信设备发放合法的数字证书,实现通信过程的身份认证。从行业及地方管理角度来看,需要不同行业主管部门、 不同地区建立协同统一的数字身份认证机制,维护协同互认的数字证书信任关系。四是与车端相符的路侧功能安全界定尚不明确。传统汽车企业对将网联化技术深度融入整车研发迭代的意愿尚存疑虑,关键在于路侧基础设施缺乏与车端相匹配的功能安全及预期功能安全体系,难以建立面向智能网联汽车的事故责任认定机制。基于车端功能安全及 SOTIF的安全评价方法,积极探索路侧基础设施的功能等级要求及安全界定标准,或将推动车路协同深度融合。

基础设施建设规划尚未明晰,数据互通壁垒掣肘产业生态培育。一是参与主体多元化,建设运营模式尚不清晰。车联网跨行业、跨领域的属性决定了产业参与主体多元化的特点,直接导致建设运营呈现碎片化状态。当前政府独资/合资企业、高速公路业主、运营商等参与主体在建设运营方面各具优劣势,但均面临运营模式不清晰的问题, 未来车联网业务形态及商业模式仍需政府和产业界共同探索。二是基建投资规模大,建设规划路径尚未明确。网联自动驾驶依赖路侧基础设施覆盖率和车载终端渗透率跨越式提升,但路侧基础设施涉及种类多、行业分布广、投资规模大,存在投资回报不确定、安全责任风险等问题。当前部分城市或高速路段进行智能网联化改造,也存在缺乏统一的工程建设方案以及对交通整体的布局考虑。同时,车载终端渗透率、路侧设施建设密度较低,无法支撑全时空、全要素的道路交通信息感知,难以支撑各类自动驾驶应用的落地。三是产业生态难建立, 需打破数据互联互通壁垒。各类基础设施隶属于不同建设主体,所采集数据分属于不同企业、不同主管部门,势必存在信息孤岛现象。实现设备互联、平台数据互通,一方面需要跨行业、跨部门统筹协同,打破行业平台管理壁垒;另一方面,亟待完善设备通信接口、系统平台接口、消息一致性等方面的标准化体系。

网联自动驾驶的商业运营模式仍处于设计探索阶段,配套政策法规亟待完善。一是缺乏面向公众服务的“杀手级”应用。网联应用逐步面向交通安全和效率类场景,通过预警类信息提示、车速/路径引导等方式提升交通通行效率,但乘用车用户对此类业务反应并不强烈,刚性需求不明。即使针对一些相对高价值网联应用,如信号灯信息推 送、交叉口碰撞预警等,由于基础设施部署尚未达到城市级规模覆盖,车载终端渗透率低,导致用户体验度降低。二是配套政策法规尚需完善,掣肘示范应用向商业运营转化。网联自动驾驶依赖高精度地图和定位的支撑,二者均会受到测绘相关法规的管理和约束,仍需进一步明确在地图加密偏转、众包测绘、原始 GPS 采集等环节的要求。此外,对于自动驾驶出租车、自主代客泊车(AVP)等商业模式相对清晰的场景,配套的安全、道路交通法规仍需完善。

结束语

自动驾驶前景广阔,是未来汽车行业的发展趋势,相关技术飞速发展,相信随着5G技术的全面应用,自动驾驶会取得更大发展。但我们仍需意识到,自动驾驶最终目标的实现,并真正落地商用,是一个漫长的过程。



长按识别关注

宜通物联网研究院




版权归原作者所有,[url=www.51plc.com]51PLC.COM[/url]转载

鲜花

握手

雷人

路过

鸡蛋

最新评论

相关分类

Archiver|手机版|小黑屋|51PLC智控网

GMT+8, 2022-1-25 13:18 , Processed in 0.074314 second(s), 18 queries .

Powered by Discuz! X3.4

Copyright © 2001-2020, Tencent Cloud.

返回顶部