作為英偉達初創加速計劃會員企業,北京踏歌智行科技有限公司是一家專注于露天礦用車無人駕駛技術研究、產品開發和無人礦山整體工程化解決方案設計及實施的高新技術企業, 推出了“車-地-云”一體化協同的智慧礦山無人運輸系統,致力于為露天礦山提供安全、高效、經濟、綠色的無人運輸技術服務。
基于海量的礦區激光雷達、相機、毫米波雷達等環境感知數據,礦用車輛可自主學習理解礦區道路環境,實現車輛的自主定位、可行駛區域識別以及障礙物檢測,在此基礎上對車輛運動做出相應的決策,從而實現車輛的控制。Tage-Brain 通過NVIDIA TensorRT 加速庫,實現了從數據預處理、模型推理運算、數據的后處理全流程 GPU 加速,讓模型計算速度提升 30~50 倍,從而實現車輛環視感知數據的實時計算。
礦區自動駕駛面臨數據、算力及功耗挑戰
礦區是自動駕駛最快能商業化落地的場景之一,但礦車體積大,車身需要布設更多的傳感器,以實現對周圍環境的覆蓋,過多的傳感器給自動駕駛帶來了以下挑戰:
首先是數據。車身周圍部署多類型、多數量的傳感器會產生更多的數據,包括有多個相機的視覺數據、多路激光雷達的點云數據、多個毫米波雷達的點云數據等,要求礦用自動駕駛車輛能實現快速的海量數據獲取。
其次是算力。獲得海量的視覺及點云數據后,要求礦用自動駕駛車輛能在車載端進行智能計算以實現實時的場景理解,并基于理解的場景做出對應的決策及控制,從而要求礦用車輛智能計算平臺具有更強的算力,實現海量數據的并行計算。
此外是功耗。受限于車端條件,礦用自動駕駛車輛車端計算平臺對功耗有著較高要求,無法承受“工控機”等高功耗計算設備,故 AI 智能計算在功耗方面也面臨著較大挑戰。
NVIDIA Jetson AGX Xavier 計算平臺及
NVIDIA TensorRT 加速庫
為 Tage-Brain 提供強勁 AI 運算支持
基于以上挑戰,踏歌智行選擇了 NVIDIA Jetson AGX Xavier 計算平臺及 NVIDIA TensorRT 加速庫來提供支持,使用后給業務帶來了巨大的支持和提升。
Tage-Brain 基于 NVIDIA Jetson AGX Xavier 豐富的接口,獲取了 4 路視頻數據,4 路激光雷達數據以及 4 路毫米波雷達數據,從而實現了對礦用車輛周圍環境信息的全覆蓋,并進一步的對獲取的數據進行時空同步,以實現對礦用大型車輛周圍感知數據的環視拼接。
NVIDIA Jetson AGX Xavier 提供的 32TOPS 算力可為環視數據計算提供性能支持,同時基于 NVIDIA TensorRT 加速庫,以實現對模型的壓縮。Tage-Brain 在車載端實現對視覺數據以及點云數據的目標分類、語義分割、目標檢測等,基于計算的結果進一步的結合高精度地圖信息實現對車輛周圍環境的理解。
NVIDIA Jetson AGX Xavier 小巧的體積和較低的功耗也給 Tage-Brain 的部署、算法開發、軟件調試帶來極大的便捷,滿足車載端低功耗要求,有效提升礦用自動駕駛車輛的開發效率,降低了開發周期及成本。
NVIDIA助力踏歌智行實現
國內領先自動駕駛水平
目前,Tage-Brain 已服務于各大礦業領域巨頭,在鋼鐵領域、煤炭領域、有色金屬和砂石骨料領域進行了批量應用。踏歌智行所服務的多個項目已經實現生產運營閉環,實現全礦無人駕駛效率追平人工駕駛,充分驗證踏歌智行無人駕駛方案的高成熟度,以及無人運輸的經濟價值。
NVIDIA TensorRT 加速庫極大提升了 Tage-Brain 的 AI 運算速度,進一步提升了礦用自動駕駛車輛的智能水平,為擴展其他業務打下了良好的基礎。
“露天礦區場景將成為國內無人駕駛最先落地的場景之一,并能真正形成商業效益。踏歌智行基于車、地、云高效一體化協同作業,為客戶提供全棧式無人運輸解決方案,助力露天礦區的智慧礦山建設。一個集高新技術、創新人才與場景優勢的科技企業必須與一個優秀的合作伙伴一起積極開拓和長期發展。NVIDIA 提供的 GPU 高性能計算平臺及深度學習模型壓縮加速解決方案,解決了多傳感器融合及深度學習的車載端部署技術難題,使得我們在礦區自動駕駛領域能夠持續不斷地創新產品,拓寬應用場景。”踏歌智行 CTO 黃立明表示。
編輯:jq
-
AI
+關注
關注
87文章
30172瀏覽量
268435 -
英偉達
+關注
關注
22文章
3748瀏覽量
90838 -
毫米波雷達
+關注
關注
106文章
1030瀏覽量
64240 -
踏歌智行
+關注
關注
0文章
97瀏覽量
622
原文標題:TensorRT加速AI全流程,NVIDIA助力踏歌智行打造礦區智能駕駛引擎
文章出處:【微信號:NVIDIA-Enterprise,微信公眾號:NVIDIA英偉達企業解決方案】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論