港科大刘明教授：低速无人驾驶落地有哪些技术要素和场景？( 二 ) 相隔一年

实现多面向的应用
目前， UDI无人车已应用至多个产业板块，包括：机场、仓储企业、大学城、住宅区、产业园、生产厂区、物流企业、码头等;其中，无人车系统带动工业物运输4.0 ，从人手配送升级至自动化配送，运行公里已达数十万，从经营大型工业园区的客户的经验所得，无人车的ROI(投资回本期)仅一至一年半， UDI提供的方案包括行车的调度平台、可跟ERP(企业资源管理系统)对接以及标准制定，还有5G应用，实时管控。而跟我们合作的快递公司，亦成功将快递人手下调至过去的三分之一，无人车自动派件服务更将人员降至0 。其他具代表性的应用项目，还包括企业使用一台无人车清扫，效率相当于五名清洁工的效率，在自动化码头的增益基础上，我们成功协助自动化港口降低了建设成本共五千万，以及后续使用成本，另有各类通勤车，已运作一年半。
无人系统模块技术结构
无人系统的核心技术结构，集中在「系统化算化核心模块」，当中分为三个重点：
(一)感知系统--由传感器技术与产品支持
(二)决策与预测系统--由算力及芯片化方案支持
(三)规划与控制--由车身技术支持
1.感知系统
将物理世界的信号通过传感器传达至无人车系统，再将这些数字信息提升至可认知的层次，如记忆、理解、规划、决策等。 UDI开发的感知系统，从六方面搜集道路上的信息：
1.1日夜感知能力--建基于视觉，跨天气、融合夜视的实时感知系统，足够支撑大范围高精密度的应用。
港科大刘明教授：低速无人驾驶落地有哪些技术要素和场景？■1.2多目视觉惯导融合系统--基于多目视觉与惯导融合，能实时建图定位，将光线变化的影响减至最低，采用单CPU低运算开销，同样支撑大范围高精密度的应用。
1.3实时障碍检测与预测--实时感知及预测解算，包括检测动态及静态(如路沿)等障碍物，可大范围应用，单CPU低运算开销。
1.4实时路面语义场景分析--路面语义分析，包括从三维到二维，或反过来从二维到三维等多种模式，单个镜头即可工作，开销低，实时响应。
1.5实时车道场景分析--通过习次化网络实现的实时高精准度车道识别，同时为路径规划与运动规划提供参考。
1.6实时视觉场景语义分析--针对道路场景的图片，对图像中的物体进行基于深度学习的分割，提供精密的分析数据。
1.7实时激光景语义分析--利用激光检测关键物，深度图向三维空间，不受环境光线条件影响，不论日夜明暗都能实时检测，是目前建基于激光的关键物体检测，得到最佳结果的技术。
1.8手持及车载大范围实时建图--以单一设备实时结合手持及车载检测，达三维建图领域最佳的结果。
1.9路面环境可行区域检测──于三维建图基础上，再从三个不同角度检视环境，合共六个定位，基于几何解算，实时性高，不受环境光线条件影响，已在多个平台应用，动态物体检测与消除， CPU运算需求低。
1.10视觉定位技术──采用单目视觉的全局定位，可实时应用，配合激光检测，基于紧耦合的优化算法，是极低成本的传感器方案。
1.11三维语义感知──视觉强感知系统，具有独立的类人驾驶能力，可实时计算实时应用。
1.12其他算法模块──红绿灯检测及识别，于室外大范围环境的成本定位导航系统，行人、路牌等关键物检测与跟踪，以及多地形机器人的导航等。
建基于以上多项感知技术，将非常复杂的空间制图，图中能显示出点、颜色、物体特征、明暗灯光之下的不同反光程度等，超越了Google街景的二维模式，提供原生三维模型及生成高清地图版本模式。
传感器技术与产品
感知系统需要优良的传感器配合，我们研发的Unity-One：多传感器融合一体化传感器，是全球首发硬件同步，且满足实时要求的传感器产品，实时帧率及全局快门，结合激光、视觉和惯导三种检测模式。此外，多传感器融合紧耦合优化，包括姿态估计、建图、定位、检测、识别、跟踪、决策合于一身，可采用激光、视觉和惯导三种检测模式。我们也会跟激光企业深度合作，基于尚未上市的下代样机，包括MEMS-LIDAR等传感器，提早布局应用场景，为新型激光传感器的应用铺路。 Unity-One的摄像头与激光IMU进行深度融合与硬件同步，性能可与Waymo传感器对标，而Unity IMU的传感器采样高达20KHz ，精密度高，陀螺零偏稳定性也高达每小时2度，具备优越的高冲击、高振动抑制能力，更可集成外部辅助轮速、多普勒、测距、重力梯度;当外接摄像机、激光雷达，达工业级的无延迟同步。