自动驾驶实验室
这是NVIDIA DRIVE Labs自动驾驶实验室系列视频的特别版，更多DRIVE Labs系列视频请点击文章下方推荐阅读。在自动驾驶实验室系列视频中，我们将以工程技术为重点的视角关注实现自动驾驶汽车的各个挑战以及NVIDIA DRIVE AV软件团队如何应对这些问题。


将一辆传统汽车变成自动驾驶汽车是一项巨大的挑战。在NVIDIA，我们通过构建自动驾驶的基本模块（将其分为感知、定位和规划/控制软件）以及应用高性能计算来解决这个问题。

为了测试和验证我们的DRIVE AV软件，除了借助NVIDIA DRIVE Constellation平台进行仿真测试之外，我们还在NVIDIA位于加利福尼亚州圣克拉拉的总部和世界其他地方的道路上用测试车进行实际道路测试。

在经安全认证的驾驶员掌控方向盘以及辅助驾驶员监控系统的情况下，自动驾驶汽车能够处理进出高速公路、变道以及其他操作，从而在现实世界中测试各种软件组件。

借助全新AI“看见”世界

构建NVIDIA感知软件的核心模块是深度神经网络（DNN）。这些算法是根据人类大脑的运行方式设计并通过经验来进行学习的数学模型。

NVIDIA借助DriveNet DNN实现对障碍物（例如，汽车与行人）的数据驱动理解，并同时计算车辆与这些障碍物的距离。LaneNet DNN可用来检测车道信息。此外，我们利用路径感知集成来感知可行驶路径。

WaitNet DNN，LightNet DNN和SignNet DNN分别用于检测和分类需要等待的情况，比如交叉路口、交通信号灯和交通标志等。ClearSightNet DNN也同时在后台运行，以评估摄像头是否清晰，是否被遮挡或遮盖。



针对某些功能，比如目标追踪，借助传统的计算机视觉技术去实现会更加高效。NVIDIA使用了环绕摄像头对驾驶环境进行感知，同时借助基于深度神经网络和传统计算机视觉功能，可为自动驾驶汽车提供360度环绕的车辆周围环境信息。



地图与定位

定位功能是软件的重要组成部分，它能够让自动驾驶汽车准确地了解自己在路上的所处位置。通过获取高清地图的信息、预计行驶线路信息以及实时的定位，自动驾驶车辆能够规划出抵达目的地的合理线路。

地图上的车道线规划为自动驾驶汽车提供了所需的道路信息，如车辆何时应该行驶在原有车道，何时变道以及何时处理道路交叉/分叉/合并。这些车道规划模式的通知会被发送到规划和控制软件中以供执行。

定位信息还能够用来计算关键信息，比如预计到达目的地的时间（ETA）。此外，它还可以用于沿着所创建的车道规划对车辆位置进行实时追踪。

当汽车在路上

通过使用感知和定位所提供的输入数据，规划和控制层让自动驾驶汽车能够独立行驶。规划软件通过感知和定位的结果以确定让汽车完成特定操作所需的物理轨迹。

比如，在上面视频中所演示的自主变换车道操作当中，规划软件先利用环绕摄像头和雷达感知来进行变道操作安全检查，以确保可以进行预期操作。

接下来，规划软件会计算纵向速度曲线以及从当前车道的中心线移动到目标车道中心线所需的横向路径计划。然后控制软件发出加速/减速和向左/右转向的命令以执行车道变换规划。

运行这些组件的引擎是高性能高能效的NVIDIA DRIVE AGX平台。NVIDIA DRIVE AGX可以实时同步运行功能多样的360度环绕感知，定位以及规划和控制软件。

这些组成部分共同创造了多样性和冗余，以实现安全的自动驾驶。