DeepRoute致力于自动驾驶技术

自动驾驶汽车行业的哪些新趋势正在塑造未来的交通运输?

机器人出租车是未来将改变人们出行方式的一个趋势。总有一天，人们可以叫一辆全自动驾驶汽车把他们带到不同的地方。这已经在东风汽车(Dongfeng Motor)等公司进行了测试DeepRoute的四级自动驾驶解决方案，在中国测试安全、高效的机器人出租车服务。

此外，我们还将看到更多的自动驾驶汽车用于工业环境，帮助企业以成本效益运输材料。例如，中国远洋运输集团(Cosco Shipping)旗下的厦门海门集装箱码头(Xiamen Ocean Gate Container Terminal)正在测试使用DeepRoute自动驾驶解决方案的自动集装箱卡车，以实现自动化操作(图1)．

最后，车辆对车辆(V2V)和车辆对一切(V2X)通信也将重塑我们所知的交通运输。让车辆能够与其他车辆和物体(如红绿灯和收费站)进行通信，将有助于大幅降低事故发生率，减少交通拥堵。

实施自动驾驶解决方案时，成功的关键是什么?

重要的是要考虑不同的自动驾驶用例的具体需求，并仔细倾听客户对其期望实现的需求。无人驾驶出租车需要与乘客进行沟通，并最大限度地提高乘客的舒适度，无人驾驶货车也需要进行不同的配置，以最大限度地提高运营效率。

为满足日益增长的自动驾驶解决方案需求，DeepRoute开发了一款全堆栈的4级自动驾驶系统，包括传感、高清地图、感知、规划和控制、模拟和云技术。我们设计该系统是为了提供安全可靠的自动驾驶体验，并具有内置的灵活性，因此它可以为广泛的实现和用例进行定制。

开发自动驾驶系统的首要任务是什么?

在开发自动驾驶系统时，安全绝对是第一位的。这就是为什么在各种环境(高速公路、城区、弯道等)、天气条件、照明条件和驾驶场景中严格测试自动驾驶汽车是如此重要的原因。KITTI视觉基准套件是测试自动驾驶技术的一种方式，它可以更好地了解不同的解决方案在识别不同类型的物体时的表现。

DeepRoute的混合体素网络(HVNet)是一种新型的一级统一网络，用于基于点云的自动驾驶3D对象检测。在KITTI的鸟眼检测基准测试中，该网络在自行车检测方面排名第一，在汽车检测方面排名第六。此外，在2020年6月，我们的HVNet技术在SemanticKITTI的基准测试中排名第一，这是基于KITTI套件。通过HVNet，自动驾驶系统可以极其准确地识别物体，使汽车能够智能地对周围环境做出反应，这可能意味着停车等待骑自行车的人过马路，或轻微转弯以避免事故。

此外，重要的是要考虑到自动驾驶解决方案的效率如何，以使其更可行的大规模采用。DeepRoute研发了自己的推理引擎，而不是依赖于现有的解决方案，以创建一个高效、低功耗、价格合理的自动驾驶系统。(点击在这里参阅CVPR 2020论文提交。)

你能分享更多关于DeepRoute L4全堆栈自动驾驶系统的细节吗?

4级全堆叠自动驾驶系统是一个完全集成的解决方案，由无缝自动驾驶体验所需的所有必要组件组成:

该系统包括传感、感知、高清地图、实时定位系统、规划和控制系统等自动驾驶技术的所有部分。

为了更好地利用HVNet, DeepRoute开发了自己的推理引擎，称为DeepRoute- engine。DeepRoute-Engine为HVNet的定制运营商和网络结构优化计算资源，以高效地运行在一个低成本、低功耗、也非常可靠的硬件平台上。

DeepRoute-Vision(图2)以及传感器数据的同步控制器DeepRoute-Syntric(图3)，实时准确检测周围物体，提供安全平稳的驾驶体验。

我们设计了一款名为DeepRoute-Vision的相机，使用自动图像调整和良好的LED闪烁电阻来避免过度曝光——即使是在强烈的阳光下:

我们的客户可以选择实现全栈解决方案或单个模块，包括:

• 多个传感器的选择
• 高清高清地图和定位
• 溢价知觉
• 计划和控制模型的平稳驾驶速度为80公里/小时或更多
• 可以进行虚拟测试的仿真系统，对于特殊情况尤为有价值
• 云技术提高了软件开发的效率

我们也有我们的deep proute - sense解决方案(图4)．这款超薄的车顶盒配备了8个车载摄像头、3个激光雷达、GNSS和其他传感器，以及相应的电信和数据同步控制器。

什么类型的特性和功能使该解决方案有别于竞争对手?

DeepRoute拥有一流的感知算法，在KITTI和SemanticKITTI测试中排名很高，甚至还获得了CES创新奖。我们高度集成的解决方案使企业更容易开发和推出自己的自动驾驶汽车和实现，同时也允许客户根据他们的特定需求和用例定制我们的解决方案。

DeepRoute的计算平台DeepRoute- tite效率极高，功耗约为传统解决方案的1/9:

此外，我们的系统的成本是传统解决方案的一半，大小是1/170。有了这个小型计算平台，我们能够显著降低系统成本、规模和功耗，同时仍然支持4级自动驾驶功能，包括感知、预测、决策、计划和控制以及导航。

DeepRoute克服了哪些关键的产品挑战?

DeepRoute面临的主要产品挑战是在不同场景下测试我们的系统。曾经有过这样的例子:该模型最初无法识别一个通常在城市道路上找不到的物体。通过实现一种先进的深度学习感知模型，我们能够训练模型更快地学习和识别对象。

例如，集装箱和起重机是非常不寻常的物体。在测试中，当这些物体被引入我们的感知模型时，由我们的技术驱动的自动集装箱卡车学会了如何识别这些物体，从而在导航时避开它们。

刘年秋，deepproute .ai公司硬件团队的副总裁和技术主管。他精通智能硬件、物联网、智能制造和车载电子。年秋，前英特尔高级工程师，经验丰富的连续创业者。