News

Roadstar.ai 清华之行|校园宣讲会实录
来源:Roadstar.ai 微信公众号

微信图片_20180304155920.jpg

2018年2月28日,Roadstara.ai 首次校园宣讲会在清华大学圆满结束。

这次的宣讲会,由 Roadstar.ai 首席科学家,清华基科班5字班学长周光博士,传统机器视觉及模块间通讯负责人,清华基科班4字班黄用韬学长主讲,与前来参加宣讲会的同学们一起探讨了无人驾驶的发展和技术实践。

微信图片_20180302201717.jpg

周光学长和黄用韬学长正在为大家分析路测视频


回顾发展历程,方知未来趋势


一开始,周光学长以无人驾驶的发展时间图开篇,分析了无人驾驶的发展历史和市场环境。其次,在市场环境和技术环境的双重因素下,介绍了 Roadstar.ai 的创立过程和团队情况。接下来,以无人驾驶技术的架构为切入点,对比分析了目前世界上两种主流的无人驾驶技术方案,即多传感器融合方案及传统非融合方案。最后按照无人驾驶的不同技术模块,详细分析了多传感器融合方案的实现。以及实现之后带来巨大优势,即在更高安全性的要求下,实现更低成本的系统配置。

微信图片_20180302201605.jpg

周光学长通过路测视频向大家讲解无人驾驶的技术

也许对于 Roadstar.ai 的工程师而言,每天面对的无人驾驶技术,早已成为自己生活和工作中的一部分,但对于大多数高校的学生来说,无人驾驶技术虽已不再陌生,只能通过媒体报导了解到一些基本的信息,对于报导内容的真伪,技术实力的判别,员工福利的多少无从得知。

而本次宣讲会,可谓是干货满满。全球的无人驾驶格局趋势将会有何走向?科技公司,车企和 Tier 1 供应商之间又会如何配合与角力?如何通过无人驾驶车辆展示外观判断不同的技术方案?不同技术方案之间的优缺点又如何? 如何通过分析技术视频的细节来判断无人驾驶公司的实力?等等问题,都一一得到了详细的解答。


分析路测视频,方知技术实力


对无人驾驶公司而言,或许最好的技术实力的展示,便是在不同的真实情况下录制的无人车的路测视频。通过分析公司发布的路测视频,几乎能够直接判断这家公司的技术水平。

在这次宣讲会上,用韬学长向大家展示了目前 Roadstar.ai 的无人车,在真实且复杂的路测过程中的出色表现,例如无保护左转及右转,U turn 调头,车辆并道,行人避障,逆光行驶,雨夜行驶等,并通过视频的展示,向大家讲解了无人车所使用的技术原理。

微信图片_20180302201653.jpg

用韬学长解析白天路测视频

本次宣讲会,用韬学长重点介绍了 Roadstar.ai 的无人车在雨夜复杂路况下的路测视频。

对于 Roadstar.ai 无人车而言,整个行驶过程是由多传感器融合技术系统来进行控制,所有的感知由 LiDAR,Camera,Radar 这三种主要传感器来实现,所以,系统能否迅速而精确地判断出无人车周围存在的物体,对车辆行驶的安全性有着非常重要的影响。

而这次视频主要展示了在 HeteroSync 异构多传感器同步技术下 LiDAR 和 Camera 进行了像素级融合。从视频中可以看出,画面是由左前右三个不同方向的 Camera 传递而来,而 Camera 的放置位置和镜头畸变以及车身的运动和旋转,都没有对融合的精确度产生影响。即使是从对面高速行驶过来的车辆,LiDAR 的点云和 Camera 的影像也能够完美无延迟的匹配。可见,Roadstar.ai 对于不同传感器的融合方面,处理的非常成熟。

Roadstar.ai Panoramic Sensor Fusion 视频

在无人驾驶的路测环境中,雨夜路况是公认的比较高的难度。一方面,由于雨水的存在,传感器在对无人车周围环境的判断能力会减弱,LiDAR 的激光信号会被雨水部分散射,从而使传感器在判断上存在一定的误差。另一方面,在夜晚,由于进光量太小, Camera 的曝光不足,不容易判断出周围物体;而雨天,Camera 前方容易产生水雾,影响画面的清晰度。

 此时,多传感器融合的技术方案的优势就更为突出。不依靠单一传感器,通过传感器的冗余配置和性能互补,实现在雨夜环境的安全驾驶。早在今年的1月份, Roadstar.ai 就在 CES 上公布的长达一个多小时的雨夜复杂路况下的路测视频。从视频中可以看出,这次路测是在车流晚高峰期,车辆拥堵比较严重,且整个驾驶的线路和时间都非常的长,在下雨的情况下,直接从傍晚开到了夜晚,囊括了多种场景,技术实力,可见一斑。这也可以充分地说明,Roadstar.ai 的整个无人驾驶系统配置安全性和鲁棒性都非常高。

Roadstar.ai 雨夜路测视频


了解福利待遇,方知职业发展



对于同学们而言,除了技术实力,公司的福利待遇也成为了同学们关注的问题。周光学长从研发氛围,扁平管理,调薪方案,六险一金,假期福利,全日餐饮,团队活动等十一 个方面,介绍了 Roadstar.ai 的福利待遇及发展。并且承诺对于特别优秀的学生,我们将采取年薪30万起跳,上不封顶的薪酬方案。这也体现了 Roadstar.ai 作为科技公司,对于人才的重视与渴求。

blob.png

Roadstar.ai 的薪酬福利

而在面试流程方面,主要分为4轮,线上提交简历,参加1-2轮技术面试,1-2轮 Coding Test 以及 Onsite 技术面试。整个面试流程会在2周之内完成。

blob.png

Roadstar.ai 的面试流程


提出技术疑惑,方知关键难点



经过之前技术讲解和福利介绍,不少同学都对 Roadstar.ai 的无人驾驶技术产生了浓厚的兴趣,这使得问答环节显得格外的热闹。

现场同学们就无人驾驶的技术发展问题,Roadstar.ai 的技术优势,无人驾驶软硬件问题的解决,如何进行未来工作的选择等等问题进行提问,周光学长和用韬学长一一解答。

blob.png宣讲会现场同学提问

其中,以下三个是在场同学最为感兴趣的问题,在这里分享给大家:

问:无保护左转右转有什么技术难点?如何解决?

答:对于传统的感知来说,由于 LiDAR 的视野有限,加上定位和地图的误差,使得在复杂路口判定其他车辆的行驶路线极为困难。如果使用传统非融合方案,一般会采取保守低效的行驶策略,或者冒险激进的直接通过路口,但需要时刻做好人工接管的准备。无论是哪种选择,传统非融合方案都很难做到安全性和高效性的同时兼顾。

但我们的多传感器融合方案,使得视野盲区更少,即使有遮挡,多颗同类或不同类的传感器却可以实现性能互补,在感知方面,物体追踪及定位比起传统感知技术有更高的精度和准确度,对其他车辆的行驶路线也有着充分的预判,行驶到繁忙路口时,系统其实已经把问题转化为最优行走路线选择,使得无人车能够更加安全高效地通过路口,完成无保护的左转及右转。


问:为什么说多传感器融合技术是区分新旧自动驾驶技术的关键?

答:首先,Google X 在2012年以前一直在使用64线的 LiDAR,是传统的无人驾驶技术的代表,但在此之后,Waymo,Cruise,Drive.ai 以及 Roadstar.ai 则使用了多传感器融合技术方案。这些新兴的无人驾驶公司凭借着这项技术迅速成为目前世界公认的,在技术上处于领先地位的无人驾驶公司,且与其他使用传统技术的公司相比,有着明显的优势,这就说明,多传感器融合技术将是未来无人驾驶的主流方案,是新一代的技术方案。

最重要的一点是,由于车规的要求,未来 LiDAR 会向固态化发展,LiDAR 将进一步降低成本和体积。而改用固态激光雷达之后,成本上将为变为传统方案的十分之一。同时,体积的减小则能够让我们把 LiDAR 无缝嵌入到车身。替换为固态激光雷达之后,我们的软件自动更新参数后,就可以直接使用。但如果只使用传统非融合的技术方案,因为无法做到多传感器融合,所以就没办法做到这一点。


问:市场上这么多家自动驾驶公司,你们的优势在哪里?

答:从安全性方面来说,单颗64线 LiDAR 因为重量和体积都过大,所以无法灵活放置,而且在可预见的将来成本都无法降低到可接受的水准。我们采用多颗低成本 LiDAR 组合放置,对于放置位置没有要求,而且性能方面配置相互冗余,对于安全性更有保障。从成本方面来说,多传感器融合技术的整套系统的成本价格,仅为以单颗64线 LiDAR 为主的系统方案的五分之一,更利于无人驾驶运营的落地和发展。总的来说,在更高安全性的要求下,实现更低成本的系统配置。


我们相信,Roadstar.ai 不仅仅能开启未来的出行新方式,更是带领大家探索无人驾驶技术的“火箭”,如果你也在关注无人驾驶,想要参与进来,那么快将简历砸向我们吧!

你可以直接将简历发送到邮箱:hr@roadstar.ai 

也可以通过我们官网直接投递简历,HR小姐姐会及时联系你的~

二维码.jpg