您现在的位置：首页 > 艾氪英诺Explorer-E：为智慧出行提供全量感知 | 产品介绍
艾氪英诺Explorer-E：为智慧出行提供全量感知 | 产品介绍
苏州艾氪英诺机器人科技有限公司（Suzhou Exinova Robot Technology Co., Ltd.）成立于2019年，由清华大学、浙江大学和电子科技大学研发团队共同成立，是一家以新一代人工智能技术为核心，赋能自动驾驶的高新技术类企业，总部设立于苏州。艾氪英诺通过多源融合优化技术和边缘计算技术，打造边缘侧感知平台（即“路脑”产品Explorer E），拓宽自动驾驶运行设计域，可应用于车路协同自动驾驶和智慧交通等领域。
艾氪英诺Explorer-E 产品搭载艾氪英诺自研多源融合算法和相应的训练模型，支撑智能道路C2～C5、自动驾驶L2～L4的平滑演进。Explorer-E以不同传感器为输入，通过感知融合、定位、预测、决策规划等功能模块对多源感知数据进行融合处理，获取道路参与者的类型、行驶速度、航向角、位置等信息，以及障碍物等道路状况信息，并以结构化的数据输出。总体而言，Explorer-E 遵循平台化与标准化原则，支持组件服务化、接口标准化，实现软硬件解耦，通过一套软件架构支持多种软件硬件配置。
Explorer-E原理框架图
1. Explorer-E 功能介绍
Explorer-E由多个功能模块构成，具体如下：
感知融合模块
感知融合模块是利用激光雷达、摄像头、毫米波雷达、超声波雷达等传感器采集的路况信息，对采集到的信息进行基于人工智能技术的多源数据融合，实现对交通目标/事件检测识别，进而实现对路况全要素全时空的全量感知。
艾氪英诺Explorer-E“路脑”产品的融合感知模块具有丰富的外设接口数据库（可兼容市场上主流的激光雷达、摄像头等传感器）、丰富的算法模型数据库、广泛的预设应用场景、优异的核心算法，实现感知算法场景化精准识别25种机动车行为、8种非机动车行为、18种混合交通事件行为。
车端或路端安装的传感器主要有激光雷达、毫米波雷达、超声波雷达、摄像头等传感器，其中激光雷达和摄像头是主要的感知传感器，实现对周围环境以及车辆的位置、速度进行实时测量；车端的毫米波雷达主要用来实现防碰撞预测功能，提升无人驾驶的稳定性和安全性，路端的毫米波雷达主要实现超远距的物体追踪和测速；车端的超声波雷达主要用来实现近距离的补盲，进一步减少车辆的盲区范围，为车辆自动停靠时提供实时监测。通过USB接口或者Ethernet接口与车载OBU相连，OBU将感知数据上传至感知融合模块。在部署时，为减低后期数据处理的难度，需要对各个摄像头的内参对标定，以及与激光雷达在时间和空间的标定，降低因时空错位造成的感知信息存在的偏差。感知融合模块对接收的数据进行必要的前期处理比如清洗、降噪、去除地面、匹配等后经过深度学习算法对感知数据进行类型识别，输出结构化的数据。感知融合模块的基本框图如图2所示。路端和车端摄像头和激光雷达获取的感知信息进行预处理，之后利用深度学习网络实现对目标的检测，并对2D图像信息检测到的目标和3D点云信息检测的目标进行初步融合，对两者的检测目标做交叉验证，然后都进行了目标跟踪，最后通过融合模块，实现激光雷达、毫米波雷达、摄像头三种传感器跟踪后的目标序列融合，获取稳定可靠的检测结果。
感知模块设备能直接存储或通过计算设备存储有效的检测信息，存储容量满足存储最近15天，时间间隔2 min的检测数据。此外，感知模块可以将结构化的数据上传至云平台，实现数字孪生对真实路况的重建。
感知融合模块基本框图
定位模块
定位功能根据高精度地图、传感器等信息估计车辆位置，包括本车的绝对位置以及和静态动态环境的相对位置等。传感器的输入来自于传感器或者感知融合模块，定位信息输出至其它模块，基于激光雷达点云定位模块的框图如图3所示。在路端根据部署传感器的GNSS信息，结合感知的目标位置通过坐标转换实现对目标的定位，并可结合车端传感器的信息实现对目标位置的精确定位。
定位模块基本框图
预测模块
预测模块通过障碍物的历史状态信息以及感知模块感知的当前障碍物的信息结合车辆的位置和规划信息，来预测障碍物的未来一段时间轨迹，其框图如图4所示。感知模块作为预测模块的上游，向预测模块提供障碍物的位置、朝向、速度、加速度等信息。预测模块根据感知模块输出的感知信息，通过自身算法给出障碍物未来的预测行为和预测轨迹，供下游规划模块进行自车轨迹的规划。
预测模块可分为行为预测和轨迹预测两部分：
行为预测功能，主要对包括行人、机动车在内的交通参与者意图判断，包括横穿、变道、左转、右转、掉头、巡航、加速、减速等。
轨迹预测功能，主要对包括行人、机动车在内的交通参与者的行动轨迹进行预测，预测交通参与者未来n秒内轨迹。
预测功能依据感知融合和自动定位等信息输入，对行人，车辆，骑行者等交通参与者的行为意图和行驶轨迹做出预测。具体的信息输入包括传感获取到的可移动目标的当前数据和历史数据，含地图信息在内的周围静态交通环境信息，自车的位置和状态信息，通过V2X获取到的交通参与者的信息等。其中，行人的姿态和手势、车辆灯光等信息都是预测服务的重要依据。
预测模块框图
决策规划模块
决策规划功能是车辆最终驾驶行为决策和轨迹规划模块，输出对于车辆姿态控制的命令。通过融合感知模块，获取车辆行驶区域内交通信息，为无人驾驶车辆提供路径规划与决策。路径规划可以分为全局规划和局部规划。其中全局规划在地图或者前期SLAM所建立的地图辅助下，规划一条最优化且可行的路径。局部规划是在全局优化的前提下，根据行驶过程中道路实时路况如障碍物、会车等产生的局部行驶路径。
控制模块
在传统无人驾驶模式下，控制模块的目标是基于路径规划模块输出的目标轨迹和定位模块输出的车辆状态生成方向盘、驱动、刹车控制命令，并通过 CAN 模块给车辆底层执行器。
设备管理与运维模块
艾氪英诺Explorer-E“路脑”产品为传感器、MEC等路侧设备提供整体设备管理和运维管理功能。设备管理与运维模块，为路侧设备接入系统提供安全的身份认证方式和数据存储、传输加密管理；能够远程配置、查看设备的参数及运行状态；能够远程关闭、重启设备；能够远程查看设备的日志文件，并进行必要的故障分析；提供设备拓扑关系管理，显示网络中的边缘计算设备、IPC、雷达、雷摄一体机等设备的拓扑关系。
设备管理与运维模块主要包括以下几个功能：
设备数据统计：通过地图模式显示路侧设备。地图默认显示监控区域的中心位置，默认展示所有已接入的设备，并以小图标的方式标注在地图上，单击设备图标会显示该设备的详细信息，未接入的设备不在地图上展示。
设备列表：设备列表分别展示已注册的边缘Edge、路侧RSU、摄像头IPC、雷达、车辆以及信号机的设备接入信息，可以查看详情和编辑。
设备注册：从设备名称、设备编码、硬件类型、位置编码、端口号、IP地址、经纬度等维度提供路侧设备接入注册。
设备卸载：将某个路侧设备从路侧感知系统中卸载。
设备查询：查询已接入的路侧设备信息，包括摄像头、雷达、边缘计算单元、RSU；查询功能提供可通过地图上查看已接入的设备；通过筛选设备类型，在地图上高亮同类型的所有设备；通过输入设备ID，在地图上高亮显示相应的设备。
设备管理与运维模块框图
2. Explorer-E 软件性能
Explorer-E对目标检测实现的指标如下：
可实现的交通事件检测如下：
3. Explorer-E 应用场景
Explorer-E可以应用在车路协同和智慧交通等多种场景中，艾氪英诺在相关场景中均有实际应用案例。
车路协同场景
随着单车智能不断普及，单车智能实际中存在的诸多问题如长尾问题也不断暴露出来，严重影响无人驾驶的安全性。通过在路端部署传感器可以有效提升自动驾驶安全，弥补车端感知不足，扩展自动驾驶ODD（车辆运行设计域），提升自动驾驶的点到点能力，同时可以提高传感器的复用率，可避免重复建设，降低成本。利用Explorer-E，可以实现多源传感器的数据融合，为无人驾驶提供更高的安全性。图6显示的是Explorer-E在车路协同场景中的部署示意图。
Explorer-E在车路协同场景中部署示意图
下图显示的是在常熟某路口部署的实例。在该路口中部署有毫米波雷达、激光雷达等传感器，通过Explorer-E软件对传感器数据的融合处理，将路口的路况信息如车辆的位置、速度、航向角，行人的位置等传送给无人物流车，提高其驾驶的安全性。
Explorer-E在车路协同场景中的应用案例
下图显示的是Explorer-E在全息路口部署的案例，在该路口中部署有激光雷达、摄像头等传感器，通过摄像头2D数据和激光雷达3D点云数据的融合，实现了对该路口路况全要素全时空的感知。
Explorer-E在车路协同场景中的应用——全息路口
智慧交通场景
Explorer-E在智慧交通场景中部署示意图
上图是Explorer-E在智慧交通场景中的部署示意图。在山东某高速路上部署约340套激光雷达摄像头等传感器，对过往车辆进行违法抓拍，实现了“全路段感知、全过程管控、全天候通行”的智慧高速公路目标。
除了在封闭/半封闭的道路上部署传感器实现对车辆的监控外，还可以部署在航道，对过往的船只尺寸、吃水深度等信息做检测，如下图所示。
用于船只检测的Explorer-E
