XiaoMi-AI文件搜索系统
World File Search System目标位置
和多波束声纳后向散射图像
(https://maps.ccom.unh.edu/portal/apps/webappviewer/index.html?id=28df035fe82c423cb3517295d9 bbc24c#. 2021 年 12 月 10 日) ........................................................................................................................... 20 图 19：R/V Gulf Surveyor (http://ccom.unh.edu/facilities/research-vessels/rv-gulf-surveyor)。 .......... 21 图 20：RVGS 图，其中包含关键位置和拖曳点相对于船舶参考点的偏移（未按比例绘制）。 ............................................................................................................................. 21 图 21：安装了拖缆的 R/V Gulf Surveyor 甲板上的 Klein 4K-SVY 侧扫。 ............................................................................................. 23 图 22：具有声学阴影、距离尺度、第一次回波和水柱的典型 SSS 数据示例。 ........................................................................................................................................................... 24 图 23：带有集成表面声速探头的 Kongsberg EM2040P MBES。 (https://www.kongsberg.com/maritime/products/ocean-science/mapping-systems/multibeam-echo- sounders/em-2040p-mkii-multibeam-echosounder-max.-550-m/) ........................................................................... 25 图 24：安装在 R/V Gulf Surveyor 中心支柱上的 EM2040P（照片：NOAA 的 Patrick Debroisse 中尉）。 ........................................................................................................................................... 26 图 25：在 50m 范围内布置用于位置置信度检查的 SSS 线。 ........................................................................... 27 图 26：相对于 MBES 目标位置（红色）的 SSS 接触位置（蓝色）。 ......................... 28 图 27：地理参考框架和船舶参考框架中的接触位置误差。接触位置主要位于 MBES 位置的东面。 ......................................................................... 28 图 28：应用地图校正后的 SSS 接触位置。 ......................................................................... 29 图 29：应用地图校正后，在地理和船舶参考框架中看到的 SSS 接触位置 ............................................................................................................................. 29 图 30：测量区域，其中 60m 和 80m 线路平面图以红色显示。 ........................................................................... 30 图 31：掩盖马赛克（左）隐藏接触，透过马赛克（右）显示接触。 ...... 32 图 32：使用自动所有数据，显示应用增益和定位校正之前的所有线路的 SSS 马赛克。覆盖在 RNC 13283 上。...................................................................................................... 33 图 33：使用 Auto-All 数据可视化应用地图校正和 EGN 后的 SSS。....... 34 图 34：DTM（顶部）显示折射伪影，与 ping 数据（底部）中看到的伪影相同。...................................................................................................................................................................... 35 图 35：EM2040P MBES 数据的全覆盖 DTM............................................................................................................. 36 图 36：EM2040P 数据从天底滤波到 45º 后的 DTM。............................................................................. 37 图 37：EM2040P 以 300 kHz 和 50cm 分辨率收集的 MBAB。西北采集点在左侧，东南采集点在右侧。后向散射强度以分贝表示，默认比例为 10 到 -70dB。 ........................................................................................................................... 38 图 38：调整后的 NW MBES 数据可视范围为 -4 至 -28db.................................... 39 图 39：SSS 接触位置（左）和 MBES 假定的“真实”位置（右）。........................................ 40 图 40：应用地图校正后的 SSS 接触位置。原始 SSS 位置以绿色标记标注。............................................................................................................. 41 图 41：地图校正前（左）和地图校正后（右）的另一个示例，最初显示两条独立的龙虾笼线。............................................................................................. 41 图 42：应用地图校正后，两条 SSS 线之间的差异约为 7.5 米。红色框突出显示了沙波应重叠的区域。............................................................................. 42 图 43：NW 采集站点：叠加之前的 MBES（顶部）、SSS（中）和 MBES 后向散射（底部）。 ........................................................................................................................................................... 44 图 44：SE 采集点：叠加前的 MBES（顶部）、SSS（中间）和 MBES 背向散射（底部）。 ........................................................................................................................................... 45左侧为西北方向采集点，右侧为东南方向采集点。后向散射强度以分贝表示，默认范围为 10 至 -70dB。 ........................................................................................................................... 38 图 38：调整后的西北方向 MBES 数据可视范围为 -4 至 -28db........................................ 39 图 39：SSS 接触位置（左）和 MBES 假定的“真实”位置（右）。............................................................. 40 图 40：应用地图校正后的 SSS 接触位置。原始 SSS 位置以绿色标记标注。 .................................................................................................................... 41 图 41：地图校正前（左）和地图校正后（右）的另一个示例，最初显示两条独立的龙虾笼线。 .................................................................................................................... 41 图 42：应用地图校正后，两条 SSS 线之间的差异约为 7.5 米。红框突出显示了沙波应该重叠的区域。 ........................................................................... 42 图 43：NW 采集点：MBES（顶部）、SSS（中间）和 MBES 背向散射（底部）在叠加之前。 ............................................................................................................................................................. 44 图 44：SE 采集点：MBES（顶部）、SSS（中间）和 MBES 背向散射（底部）在叠加之前。 ............................................................................................................................................................. 45左侧为西北方向采集点，右侧为东南方向采集点。后向散射强度以分贝表示，默认范围为 10 至 -70dB。 ........................................................................................................................... 38 图 38：调整后的西北方向 MBES 数据可视范围为 -4 至 -28db........................................ 39 图 39：SSS 接触位置（左）和 MBES 假定的“真实”位置（右）。............................................................. 40 图 40：应用地图校正后的 SSS 接触位置。原始 SSS 位置以绿色标记标注。 .................................................................................................................... 41 图 41：地图校正前（左）和地图校正后（右）的另一个示例，最初显示两条独立的龙虾笼线。 .................................................................................................................... 41 图 42：应用地图校正后，两条 SSS 线之间的差异约为 7.5 米。红框突出显示了沙波应该重叠的区域。 ........................................................................... 42 图 43：NW 采集点：MBES（顶部）、SSS（中间）和 MBES 背向散射（底部）在叠加之前。 ............................................................................................................................................................. 44 图 44：SE 采集点：MBES（顶部）、SSS（中间）和 MBES 背向散射（底部）在叠加之前。 ............................................................................................................................................................. 45........... 42 图 43：NW 采集点：MBES（顶部）、SSS（中间）和 MBES 背向散射（底部）在叠加之前。 ............................................................................................................................................................. 44 图 44：SE 采集点：MBES（顶部）、SSS（中间）和 MBES 背向散射（底部）在叠加之前。 ............................................................................................................................................................. 45........... 42 图 43：NW 采集点：MBES（顶部）、SSS（中间）和 MBES 背向散射（底部）在叠加之前。 ............................................................................................................................................................. 44 图 44：SE 采集点：MBES（顶部）、SSS（中间）和 MBES 背向散射（底部）在叠加之前。 ............................................................................................................................................................. 45
ADAS手册
本章探讨了自动驾驶研究的当前状态，这是在自动出租车要求的背景下设定的。根据开发团队的科学出版物和自我报告提供了全面的概述，研究了环境感知，自我感知，任务成就，本地化，合作，地图使用和功能安全等方面。虽然某些方法在很大程度上依赖于GPS和MAP数据等卫星系统，但很少关注环境感知和场景的理解。尽管近年来对自动驾驶的令人印象深刻的证明，但许多挑战仍未解决，尤其是在自动驾驶公共道路时。本书可深入了解高级驾驶员辅助系统（ADA）和自动驾驶的基本原理，技术细节和应用，涵盖了ADAS系统设计，高级材料，人工智能和可靠性问题等领域。以学术和行业专家的贡献为特色，该全面参考将读者彻底了解ADA的各个方面，突出了未来的研究和发展的关键领域。作者Yan Li博士是Intel Corporation的高级职员工程师，在微电总包装相关的技术解决方案以及质量和可靠性问题方面拥有丰富的经验。在此处给出的文章文本：Li博士参与了矿物质金属和材料协会（TMS），美国金属学会（ASM）和电子设备故障分析协会（EDFAS）等专业协会。此选择可能会对道路事故产生重大影响。她自2011年以来一直是TMS年度会议的组织者，也是综合电路国际物理与失败分析技术委员会成员（IPFA）。Li博士在微电子包装中发表了20多篇论文和两份专利，并共同编辑了一本关于3D微电子包装的书。Shi博士是Lyft 5级自动驾驶部门的主要硬件可靠性工程师。他在加入Lyft之前已经在半导体和消费电子产品上工作了15多年。Shi博士担任过各种职务，包括集成工程师，高级可靠性工程师，员工质量和可靠性工程师以及过程工程师。他获得了博士学位。德克萨斯大学奥斯汀分校的物理学博士学位和中国科学技术大学物理学学士学位。先进的驾驶员辅助系统（ADA）和自动驾驶汽车（AV）的潜在影响很大。通过减少危险的驾驶行为，交通拥堵，碳排放和成本，同时改善道路安全性和独立性，ADAS和AV具有重塑运输的潜力。但是，有许多挑战，包括新技术，非自动级零件的必要性以及现有自动级组件的新任务配置文件。给定的文本似乎讨论了影响运输，环境和安全的人类活动的各个方面。要点包括：日常生活涉及休息，社会联系或工作等个人需求之间的决策。至关重要的方面是随着自动化水平的增加而需要复杂的技术。温室气体，许多国家有计划在2050年到2050年达到零零排放的计划对美国温室气体排放的贡献最大自2020年成立以来，交通拥堵，碳排放和改善道路安全Lyft的自动驾驶部门已取得了显着的里程碑。 拥有超过100,000辆带薪骑手旅行，该平台现在是美国最大的公共自动驾驶商业平台之一[32]，Lyft也已开发了四代内部员工测试的自动驾驶车辆平台（图5）。 图像展示了由Lyft的5级部门设计的两辆自动驾驶汽车，该车建立在福特Fusion和FCA Pacifica模型之上。 尽管驾驶员辅助系统和自动驾驶功能取得了进步，但许多挑战仍然存在。 由SAE J3016 [33]定义的六级驾驶自动化框架突出了所涉及的复杂性（表1）。 随着自动化水平的上升，对高级技术（例如感知，计划和控制子系统）的要求也会增加。 感知子系统依赖于传感器来检测车辆外部的对象并将其定位在环境中。 典型的传感器包括相机，GPS，IMU，LIDAR，雷达等。 由于其优点和缺点，各种传感器的组合并不罕见。 [35]。温室气体，许多国家有计划在2050年到2050年达到零零排放的计划对美国温室气体排放的贡献最大自2020年成立以来，交通拥堵，碳排放和改善道路安全Lyft的自动驾驶部门已取得了显着的里程碑。拥有超过100,000辆带薪骑手旅行，该平台现在是美国最大的公共自动驾驶商业平台之一[32]，Lyft也已开发了四代内部员工测试的自动驾驶车辆平台（图5）。图像展示了由Lyft的5级部门设计的两辆自动驾驶汽车，该车建立在福特Fusion和FCA Pacifica模型之上。尽管驾驶员辅助系统和自动驾驶功能取得了进步，但许多挑战仍然存在。由SAE J3016 [33]定义的六级驾驶自动化框架突出了所涉及的复杂性（表1）。随着自动化水平的上升，对高级技术（例如感知，计划和控制子系统）的要求也会增加。感知子系统依赖于传感器来检测车辆外部的对象并将其定位在环境中。典型的传感器包括相机，GPS，IMU，LIDAR，雷达等。由于其优点和缺点，各种传感器的组合并不罕见。[35]。通过利用传感器数据和机器学习算法，对象进行检测，分类和跟踪（表2）。感知子系统的信息传递给了计划子系统，该计划子系统生成了具有特定目标位置和速度的投影路点。控制子系统然后根据此数据发送加速，制动或转向消息。这些自治子系统需要通过CPU和GPU实现的强大计算功能。各种架构在市场上共存，包括集中和分布式方法。热管理对于高级驾驶员辅助系统和由于涉及巨大的计算活动而具有自动驾驶功能至关重要。已经引入了液体冷却子系统，其中包含定制设计的冷板，并带有新的悬挂材料和过程（图6）。几家公司遇到了与热管理相关的类似技术挑战，例如冷板设计和热接口材料选择。冷板的屈曲或变形会对热性能产生负面影响，可能导致电短裤和火灾危害。系统中的制造过程或颗粒中的过多残留物会堵塞散热器并阻碍冷却液流动。实际道路上的拐角处对自动驾驶汽车构成挑战。为了减轻这些问题，公司正在广泛测试其系统，从而收集感知数据以离线训练机器学习模型。但是，此过程受到空气界面上数据传输速度的限制所阻碍。J. of CAV，2020年。J. of CAV，2020年。因此，许多组织在道路测试期间使用固态驱动器（SSD）来存储感知数据。由于SSD插入和去除的频率高，金属表面可能会磨损，从而冒着数据丢失的风险。在高级驾驶员辅助系统中使用非自动级组件和自主驾驶功能已节省了市场的时间，但引入了设计挑战。像DRAM内存之类的组件已被为这些应用所要求，但是它们在振动测试中通常会失败，从而导致系统故障。制造缺陷或材料选择不足也可能导致组件故障。在固定层损坏底盘和金属夹子在机箱上造成的隔热层损坏后，现成的单元（OT）单元失败。Shi等人的研究。[35]强调了将多个GPU并行结合到增强计算能力的潜在优势。这可以通过使用歧管整合单个水块来实现，从而简化冷却液环设计。典型的现成（OT）水块/EPDM垫圈/歧管系统由位于水块上的歧管组成，其中两个组件之间的EPDM垫圈夹在两个组件之间。拧紧后，螺钉会压缩EPDM垫圈，在歧管/螺钉上产生排斥力。但是，如图9a在温度周期式测试中，检测到歧管和水块之间的关节周围检测到冷却液泄漏。如图根据鱼骨图，主要假设表明，EPDM垫圈在高温下经历了压缩组和永久性塑性变形。由于其工作温度较低，因此这种现象对消费电子产品并不是一个关注。本研究中讨论的故障模式对自动驾驶汽车的组件和系统资格具有影响。与传统汽车平均每天驾驶不到一小时的驾驶不同，诸如机器人税之类的自动驾驶汽车的日常运营时间将大大更长。10a，这种增加的运营时间减少了达到10,000个小时数的年数。假设车速为每小时35英里（MPH），图。10b表明，随着日常运营时间的增加，自动驾驶汽车将在更少的时间内达到100,000英里。例如，如果一个机器人每天驾驶11个小时，则达到这一里程碑大约需要0.7年。此分析表明，从“数年”的角度来看，自动驾驶汽车的寿命可能比传统汽车的寿命短。这个结论与福特先前的说法保持一致，该声明预测车辆每四年将耗尽和压碎。将在以下各章中更详细地探讨基于任务配置文件的测试计划。作者旨在解决与高级驾驶员辅助系统和自动驾驶功能有关的硬件子系统设计，制造，测试和可靠性分析的出版物的有限可用性。AI和自动驾驶汽车的章节摘要：该系列审查了高级驾驶员辅助系统（ADAS）和自动驾驶汽车的应用。章节还涵盖了安全标准，方法论，挑战（边缘案例，重型尾部分配），公开可用的培训数据集，开源模拟器和验证过程。高级驾驶员辅助系统（ADA）依赖于各种技术，例如LIDAR，雷达，电化学功率系统和车载显示技术，以进行安全导航。对这些技术进行了审查，以分析其能力，挑战和应用。第1章探讨了LIDAR传感器的最新技术，涵盖了关键指标，例如检测范围，视野和眼部安全。讨论了各种激光雷达映射方法，包括机械旋转扫描仪和频率调节连续波（FMCW）LIDARS。第2章回顾了雷达技术，研究其体系结构，类别（单位，bistatic和多键雷达），波形设计以及FMCW雷达的链接预算分析。简化的示例用于说明主题。第3章侧重于ADAS车辆的电化学电源系统，讨论电池类型，化学，结构和过程。还提供了电池管理系统和故障模式分析，以及用于电池测试的行业标准的比较。第4章回顾了各种车载显示技术（LCD，TFT LCD，OLED，LED）及其架构。诸如光学性能，外观，集成和可靠性之类的要求，以及规范，功能，质量和验证等挑战。第5章探讨了数据中心使用的硬盘驱动器的当前状态和挑战。组件和材料，包括各种解决方案，以实现较高的面积数据密度，例如微波炉辅助磁记录和热辅助磁记录。工程师角色涵盖了产品生命周期的硬件可靠性的各个方面。它需要风险评估方法，例如FMEA，断层树分析和应力强度测试，加速且高度加速的生活测试技术以及用于数据分析的统计方法。此外，工程师需要执行故障分析并实施纠正措施，计算系统可靠性指标并评估可修复的系统。使用特定的硬件组件（例如相机，冷板和水块）有助于说明这些概念。章节“高级驱动器 - 辅助系统中的故障分析”深入了电子设备的分析流，讨论了各种电气测试技术，体格检查方法和材料表征程序。它涵盖了几种成像技术，包括I-V曲线跟踪和基于X射线的光谱法。本书还回顾了影响半导体套件的腐蚀机制，尤其是专注于铜和金球键。其他值得注意的来源包括B. Schlager等。此外，还简要概述了先进的驾驶员辅助系统和自动驾驶功能，以及对其他章节内容的审查。自动驾驶汽车对温室气体排放的影响，通过分析包括学术期刊和行业报告在内的各种来源进行了对自动驾驶汽车技术的最新进步的回顾。研究研究了2016年至2021年之间在Google Scholar上发表的论文，重点介绍了高级驾驶员辅助系统（ADAS），自动驾驶和硬件可靠性等主题。该评论强调了几项关键研究，其中包括N. Brese的一项研究，该研究在2019年在IEEE ECTC上提前了汽车电子技术。S. Sun等人进行了另一项值得注意的研究，他研究了MIMO雷达在2020年7月发表的IEEE Signal Processing Magazine文章中对ADA和自动驾驶的优势和挑战。该评论还涉及行业报告，例如2020年12月15日的Lyft新闻稿，该新闻稿宣布了其网络上的下一阶段的自动驾驶汽车。此外，从2020年2月11日起的LYFT报告讨论了经过Aptiv Technology提供100,000次自动驾驶骑行后吸取的经验教训。该研究提到了包括SAE J3016在内的几种标准和准则，该标准和指南提供了分类法和与驾驶汽车驾驶自动化系统有关的术语的定义。的最新传感器模型用于ADA/自动驾驶功能的虚拟测试，发表在SAE INT中。审查还检查了H. Shi等人的论文中讨论的Robo Taxis中的硬件可靠性。在2021年6月至7月的IEEE第71届电子组件和技术会议（ECTC）。另一个相关研究是由F. Chen进行的，他探索了自动驾驶汽车模块/组件的机器人税环境压力和故障模式的硬件可靠性资格。作者承认了几个人的贡献，包括Cruise的Fen Chen，他们分享了他的实验数据，以及提供语法检查的Angel Shi和Charlotte Shi。