| 作品介紹 |
目前有關於自駕系統的研究，大多目的為解決單一任務，並未使用多個傳感器(sensor)，以系統的角度設計自駕系統。因此，現今自駕系統為了降低計算複雜度，皆高度仰賴高精向量地圖來規劃路徑。然而，高精向量地圖建立過程耗時、耗力，且格式尚未完全統一，阻礙了自駕系統的普及與推廣。
另外道路的保養與維修對國家的經濟相當重要，道路維護大部分仰賴中央政府所分配之汽車燃料使用費收入，以及直轄市及縣市等地方政府亦每年編制預算辦理市區道路年度鋪面養護作業，市面上有具有多感測器的道路檢測車進行道路檢測，通常使用LiDAR與其他ToF感測器分析道路品質，其優勢為可獲得高解析度與高品質的資料。但是這對預算有限的地方縣市是高額的負擔，因此需要開發低成本的道路巡檢系統。
我們團隊所設計之Vector Map Free自駕系統，不使用高精向量地圖，利用多感知傳感器與人工智慧(AI)模組自動產生高精向量地圖資訊，並結合Autoware自駕模組，整合成無高精向量地圖自駕系統，此外，本作品更進一步將此複雜的自駕系統運算移植至分散式嵌入式系統， 透過分散式系統成功降低系統功耗，有效提高系統運行時間，並讓自駕車更容易普及至各大街小巷的場域應用，且本作品結合自動道路巡檢系統，配置於我們的分散式Vector Map Free自駕系統上，以自駕車來完成自動道路巡檢，可行駛於各大街小巷中，自動巡查道路品質，並即時回報瑕疵道路之照片於雲端地圖上，方便到道路維修單位人員即時修復。
本系統支援Autoware自駕模組、物件偵測、紅綠燈偵測、車道維持、道路巡檢、自動緊急煞車(AEB)。本作品結合一個特殊自駕車應用，即以自駕車進行自動道路品質巡檢，並將檢驗出的道路瑕疵或坑洞照片自動上傳雲端地圖即時通報， 方便道路維修單位進行即時修復。 |