本港台开奖现场直播 j2开奖直播报码现场
当前位置: 新闻频道 > IT新闻 >

wzatv:【组图】无人驾驶20年后规模应用,而你现在就要做好准备(3)

时间:2016-11-11 10:41来源:668论坛 作者:118开奖 点击:
全自动驾驶目前绕不开激光雷达。不可替代性——探测精度高;优点——探测范围广,360全方位。缺点:在雨雪雾等极端天气下性能较差;采集的数据量过

  全自动驾驶目前绕不开激光雷达。不可替代性——探测精度高;优点——探测范围广,360°全方位。缺点:在雨雪雾等极端天气下性能较差;采集的数据量过大;目前造价极高。

  毫米波雷达主要应用在ADAS,技术相对成熟。优势:穿透雾、烟、灰尘的能力强。缺点:探测距离短,无法感知行人,无法对周边所有障碍物进行精准建模。

  (信息参考:《车载毫米雷达波——无人驾驶汽车之“眼”》中投证券)

  规模制造有望大幅压低雷达成本

  激光雷达成本过高的原因是没有规模化。激光雷达处于手工组装和调教阶段,人工成本和工厂成本都非常高,但材料成本并不高。

  规模制造有望大幅压低雷达成本。多个激光雷达制造商都表示,未来如果生产规模到100万,可将成本降至$500——仅原来的百分之一不到。

  

  (数据来源:公开信息整理)

  雷达是通用件,雷达公司的竞争是全球化的

  

  雷达是核心部件,为避免被上游控制,很多公司都可能自建雷达研发团队,例:Google。

  (数据来源:IT桔子,Crunchbase,公开信息整理)

  摄像头和图像处理也是必要条件——标识识别

  

  摄像头可靠性高,成本和门槛也不高。99%情况下可靠,成本$10-20,主要供应商是DelphiContinental。唯一的问题是,在雨、雾等特殊环境不能发挥作用。

  

  图像识别准确度已经不错,而且还有提升空间。百度全景图像的自动化识别提取准确率高达95%。对比:目前图像识别应用得最好的领域是面部识别,准确率到99%以上。

  (数据来源:公开信息整理)

庞大、多元的数据增大了计算难度

  1、数据量大

  

  Google无人驾驶产生的数据流量达到1GB/秒。

  

  运算速度需求:50万亿次/秒——大通量、高速计算能力。

  2、数据源多

  来自传感器(雷达、摄像机)、显示器、防撞预警系统等多类配置。

  

  每个装置都有独立的芯片进行运算,一辆汽车的芯片数量大约有600个。

  

  (数据来源:Google,《无人驾驶,驶向未来》招商证券,HIS,公开信息整理)

  计算能力的核心是芯片

  

  芯片价格中等,但很难有降价空间:ADAS普通性能芯片每辆汽车$250-350, ADAS高级性能芯片每辆汽车$1,200

  市场规模及增速:2015年$290亿;预计2015年-2020年,CAGR=7.7%。

  

  (数据来源:《无人驾驶,驶向未来》招商证券, Gartner,IDC,IT桔子,Crunchbase)

  低功耗高性能、整合型芯片迎来机会

  1、低功耗高性能芯片

  芯片构造的三个解法:CPU+GPU;CPU+FPGA;ASIC

  

  中央处理单元(CPU):像一个什么都会的老教授,但所有工作都交给他还是会有点累

  图形处理单元(GPU):像一群小学生,但是算加减法又多又快

  现场可编程门阵列(FPGA):像一个潜力生,训练以后,在某个领域特别擅长

(责任编辑:本港台直播)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
栏目列表
推荐内容