登录注册
激光雷达清洗、保护、散热、减震
kilo05100608
2023-11-29 10:23:19
经纬恒润与华为共同持股仿真测试赛目股份,应该是合作关系不是竞争关系。自动驾驶核心并不是说有没有激光雷达或者毫米波雷达,还是视觉传感器。核心是需要强大的算法将采集到的信息进行深度学习处理,决策之后通过各种域控制器执行相关动作,才能形成所谓的自动驾驶。上市公司里,只有经纬恒润一家在做这件事情。也是少有的目前有L4级别自动驾驶项目成功落地的企业。
而这也只是经纬恒润整个自动驾驶链条里的一小块业务而已。
经纬恒润与In­n­o­v­iz于2018年达成合作,共同推动激光雷达在自动驾驶领域的应用。In­n­o­v­iz可提供In­n­o­v­i­z­O­ne、In­n­o­v­i­z­T­wo等系列产品,该系列产品是面向L2.5到L5级量产自动驾驶汽车开发的高性能车规级固态激光雷达传感器,具有卓越的3D感知性能,可以在高帧率下在250米的检测范围内输出高密度、高分辨率、高精度的3D点云数据,还具有重量轻,尺寸小,功耗低,受日光和天气影响小等优点,可根据用户场景需求,对ROI、纵向FOV、像素汇聚、帧率、反射回波参数进行预定义。另外,In­n­o­v­iz系列产品稳定可靠,满足功能安全要求,且价格相对低廉,能满足前装量产的需求。
激光雷达输出丰富的三维空间信息需要算法进行处理,才能实现对周围环境的有效感知。3D点云感知算法通常采用类似图像处理算法的深度学习网络,但相比于图像,点云维度更高,所以数据量更大,处理点云的深度学习网络也更复杂,而且点云是无序、连续和非结构化的,需要有针对性的开发一些自定义算子。因此,深度神经网络点云识别算法在嵌入式平台上实时运行一直是业界难点之一。
经纬恒润经过潜心研发,于2020年攻克了深度神经网络在嵌入式平台部署所面临的自定义算子与加速、量化、模型压缩等难题,率先实现了高性能激光点云神经网络在嵌入式平台(德州仪器TI TDA4系列)上的部署。
目前该系统:支持接入In­n­o­v­iz、Ve­l­o­d­y­ne、禾赛、速腾聚创和Ou­s­t­er等激光雷达。可完成激光点云中的多种车辆、行人、摩托车等识别,并输出位置、姿态、3D外形尺寸、速度等信息处理速度达到13帧/秒。识别性能与国际上主流的先进网络性能相当。经纬恒润所采用的德州仪器TI公司的TDA4VM具有强大的片上深度神经网络推理能力,其深度学习矩阵乘法加速器(MMA),算力达8 TO­PS,具有两个64位 Arm Co­r­t­ex-A72微处理器子系统,工作频率高达1.8GHz,但功耗仅5到20W。
目前,经纬恒润自研的港口无人集卡自动驾驶系统正在持续运营,其中激光雷达作为其重要传感器,并采用自研的、运行于嵌入式平台的深度学习算法进行点云的处理和识别。该自动驾驶系统自动化程度高,运行稳定,接管率非常低,极大地节省了人力,并提高了港口生产效率。
除了车端感知之外,经纬恒润还将固态激光雷达用于V2X车路协同场景。5合1融合感知单元(FPU)包含了车规级的摄像头、毫米波雷达以及In­n­o­v­i­z­O­ne激光雷达,将采集到的图像、点云等传感器数据实时地汇聚到HPC计算单元完成障碍物信息的识别。所有传感器采用一体化设计,节省传感器校准时间,易安装维护。
同时,经纬恒润还研制了完整的激光雷达集成系统,其中包括激光雷达的保护、散热、减振、降噪、防尘和清洗等功能,可用于无人集卡和V2X等场景,降低了维护成本。
作者利益披露:转载,不作为证券推荐或投资建议,旨在提供更多信息,作者不保证其内容准确性。
声明:文章观点来自网友,仅为作者个人研究意见,不代表韭研公社观点及立场,站内所有文章均不构成投资建议,请投资者注意风险,独立审慎决策。
S
经纬恒润
工分
1.71
转发
收藏
投诉
复制链接
分享到微信
有用 0
打赏作者
无用
真知无价,用钱说话
0个人打赏
同时转发
暂无数据