技術(shù)文章
為確保AD/ADAS系統(tǒng)的安全性,各大車企通常需要收集、處理和分析來自于攝像頭、激光雷達等傳感器的數(shù)據(jù),以找出提高系統(tǒng)安全性和性能的方法。然而在數(shù)據(jù)收集過程中,不可避免地會出現(xiàn)大量無價值數(shù)據(jù),造成數(shù)據(jù)泛濫的情況,進而影響數(shù)據(jù)的分析處理進程。為此,本文將為大家分享如何通過合適的指標及分析工具,實現(xiàn)數(shù)據(jù)的高效管理、解讀和正確分析,以避免數(shù)據(jù)泛濫的不利影響!
對于汽車制造商來說,確保AD/ADAS系統(tǒng)的安全性通常需要收集大量數(shù)據(jù)。為了開發(fā)、驗證和改進自動駕駛系統(tǒng),流程通常是相同的:在各種條件下反復(fù)進行駕駛測試,累積大量里程。
這些來自不同來源(攝像頭、GPS、激光雷達、仿真等)的駕駛?cè)罩倦S后會被處理和分析,以找出提高系統(tǒng)安全性和性能的方法。由于涉及大量傳感器、眾多不同的使用場景以及大量的行駛里程,需要處理的信息量會迅速呈指數(shù)級增長。
面對如此大量待處理的信息,很容易讓人感到不知所措。收集到的很多內(nèi)容可能毫無用處(設(shè)想開車行駛的數(shù)千公里卻什么有趣的事情都沒發(fā)生),而且在這個過程中,一些信息可能會丟失或損壞。此外,僅收集數(shù)據(jù)是不夠的。這些數(shù)據(jù)需要被管理、解讀和正確分析。數(shù)據(jù)池越大,這個過程就越痛苦和昂貴。
基于上述問題,康謀提出2個關(guān)鍵點,助力AD/ADAS系統(tǒng)開發(fā)、驗證和改進過程,避免被龐大的數(shù)據(jù)淹沒,從中獲得最大受益:
第一個關(guān)鍵點在于一個簡單的原則:必須盡可能減少數(shù)據(jù)池,只保留相關(guān)的信息。內(nèi)容越少,處理和分析越快。此外,專注于更小的有效信息集合可以降低存儲成本和維護負擔。
為了減少初始內(nèi)容池,可以創(chuàng)建有用的信息塊,或者說"指標(metrics)",以更簡短和有意義的方式總結(jié)和描述它。這些指標可以根據(jù)使用案例指代多種事物:統(tǒng)計數(shù)據(jù)、事件或甚至場景。一旦它們與業(yè)務(wù)需求對齊,就有必要通過適當?shù)乃惴?/strong>生成。
設(shè)想一下您正在努力提高新車輛的安全性和舒適性。具體來說,您正在試圖了解如何減少車輛進行危險緊急制動的情況,即車輛突然剎車導(dǎo)致乘客不適,并構(gòu)成潛在安全隱患的情況。與其手動檢查歷史駕駛記錄去找到這些情況,不如構(gòu)建一種算法來完成這項工作。
例如,遍歷駕駛測量數(shù)據(jù),計算車輛的減速度,并標記超出您定義的舒適限度的時刻。此外,該算法還可以計算其他參數(shù),如與其他車輛的距離,以了解發(fā)生這種情況的原因。一旦初始數(shù)據(jù)已根據(jù)所選指標進行標記,您就可以將精力集中在這些上面。
經(jīng)過了關(guān)鍵點1,最初的原始數(shù)據(jù)池就被壓縮成了少量的相關(guān)內(nèi)容。它們需要被可視化、分析和共享,以便能夠用于新車輛、傳感器或軟件的開發(fā)或驗證。所有這些都可以通過聯(lián)系發(fā)現(xiàn)與強大的分析平臺來完成。
這是一個可以匯總所選指標并控制信息流的集中點。根據(jù)具體情況,有許多可視化檢查的例子:分析地圖上近處的碰撞事故、在時間序列圖上提取切入場景、可視化相機圖像上消失的物體等。好用的可視化也有助于分析,并允許生成可以跨團隊或任何利益相關(guān)者共享的報告。
為了說明這一點,讓我們繼續(xù)以上一節(jié)中描述的安全和舒適性為例。一旦找到您初始駕駛?cè)罩局兴懈信d趣的緊急制動情況,就可以理解它們是如何以及更重要的是為什么發(fā)生。一種解決方案是在地圖上顯示這些情況,并繪制相關(guān)車輛和周圍障礙物的信息。然后可以將這些發(fā)現(xiàn)傳遞給相關(guān)團隊,進而改進系統(tǒng)。
總而言之,為了從收集的數(shù)據(jù)中獲得最大收益,需要將其歸納為有用的指標,然后在一個強大的分析工具上顯示這些指標,以便于可視化和共享。要實現(xiàn)這些,需要擁有一個合適的架構(gòu)作為處理流程的基底,使算法和工具能夠順利運行。