自動駕駛系列(五)——環境感知之純視覺和融合感知
自動駕駛的四大核心技術分別為環境感知、精確定位、路徑規劃、線控執行。實際的自動駕駛汽車面對的路況遠比實驗室模擬或者試車場的情況要複雜得多,因此,在行車過程中,自動駕駛汽車需要準確識別周邊環境,尤其是動態環境的精準識別。
環境感知指的是透過攝像頭、感測器、雷達對自動駕駛行為的參與方環境的監控以及資訊獲取,完整的環境感知技術方案需要多方的資訊協調構成。其中攝像頭可大致分為單目攝像頭、雙目攝像頭、環視攝像頭等;雷達可分為鐳射雷達、毫米波雷達和超聲波雷達等,因各種雷達原理不同,其效能特點也各有千秋,可實現不同的功能。
一、常用感測器
1.攝像頭
攝像頭就如同人的眼鏡,計算晶片就如同人的大腦,為了給“大腦”提供可供決策的視覺資訊,攝像頭需要克服不利環境對攝像頭的干擾。其主要原理為目標物體透過鏡頭生成光學影像投射到影像感測器上,光訊號轉變為電訊號,再經過A/D(模數轉換)後變為數字影像訊號,最後送到DSP(數字訊號處理晶片)中進行加工處理,最後由DSP將訊號處理成特定格式的影像傳輸到螢幕上進行顯示。
單目攝像頭
單目攝像頭主要用於自動駕駛過程中的路況判斷,可以用來定位、目標識別等。但單目攝像頭在測距範圍與距離時,可探測到的距離會隨著攝像頭視覺寬度不斷變化,即攝像頭的視角越寬,所能探測到精準距離的長度越短;視角越窄,探測到的距離越長。為了解決這個問題,實現用一個定焦鏡頭解決不同距離的觀察,雙目甚至多目攝像頭的方案,逐漸得到越來越廣泛的應用。
雙目攝像頭
雙目攝像頭即擁有兩個攝像頭元件。相近的兩個攝像機拍攝物體時,會得到物體畫素偏移量、相機焦距和兩個攝像頭的實際距離等資訊,根據資訊即可換算得出物體的距離。不過,雖然雙目能得到較高精度的測距結果和提供影像分割的能力,但它與單目攝像頭一樣,鏡頭的視野完全依賴於鏡頭。而且雙目測距原理對兩個鏡頭的安裝位置和距離要求較多。
環視攝像頭
除了單目與多目攝像頭以外,還有一種比較常見的攝像頭型別,即環視攝像頭。與上面提到的三種攝像頭不同,環視攝像頭的鏡頭是魚眼鏡頭,而且安裝位置是朝向地面。環視攝像頭也被稱為全景式影像監控系統或者是360全景影像,能將汽車各個方向畫面拼接起來,並動態顯示在車內。
2.鐳射雷達
鐳射雷達是以發射鐳射束探測目標的位置、速度等特徵量的雷達系統。即向目標發射探測訊號,然後將接收到的從目標反射回來的訊號與發射訊號進行比較,作適當處理後,就可獲得目標的有關資訊,如目標距離、高度、方位、速度、姿態、形狀等引數,從而對目標進行探測、跟蹤和識別。
鐳射雷達的特點
與普通微波雷達相比,鐳射雷達由於使用的是鐳射束,工作頻率較微波高了許多,主要特點有:
(1)解析度高
鐳射雷達可以獲得極高的角度、距離和速度解析度。通常角解析度不低於0.1mard也就是說可以分辨3km距離上相距0.3m的兩個目標,可同時跟蹤多個目標;距離解析度可達0.lm;速度解析度能達到10m/s以內。距離和速度解析度高就意味著可以利用距離——多譜勒成像技術來獲得目標的清晰影像。鐳射雷達的最顯著的優點就是解析度高。
(2)隱蔽性好、具有較強的抗有源干擾能力
鐳射雷達具有直線傳播、方向性好、光束窄等特點,只有在其傳播路徑上才能接收到,且鐳射雷達的發射系統口徑很小,可接收區域窄,有意發射的鐳射干擾訊號進入接收機的機率極低;自然界中能對鐳射雷達起干擾作用的訊號源較少,因此鐳射雷達抗有源干擾的能力很強,適用於工作在日益複雜的資訊戰環境中。
(3)低空探測效能好
微波雷達由於存在各種地物回波的影響,低空存在有一定區域的盲區(無法探測的區域)。而對於鐳射雷達來說,只有被照射的目標才會產生反射,完全不存在地物回波的影響,因此可以"零高度"工作,低空探測效能較微波雷達強了不少。
(4)體積小、質量輕
通常普通微波雷達的體積龐大,整套系統質量數以噸計算,光天線口徑就達幾米甚至幾十米。而鐳射雷達就要輕便、靈巧得多,發射望遠鏡的口徑一般只有釐米級,整套系統的質量最小的只有幾十公斤,架設、拆收都很簡便。而且鐳射雷達的結構相對簡單,維修方便,操縱容易,價格也較低。
鐳射雷達的侷限性
鐳射雷達在工作時受天氣和大氣影響較大。鐳射在晴朗的天氣裡衰減較小,傳播距離較遠,而在大雨、濃煙、濃霧等壞天氣裡,衰減急劇加大,傳播距離會收到較大影響。而且大氣環流還會使鐳射光束髮生畸變、抖動,直接影響鐳射雷達的測量精度。
由於鐳射雷達的波束極窄,在空間搜尋目標非常困難,會直接影響對非合作目標的截獲機率和探測效率,只能在較小的範圍內搜尋、捕獲目標,因而鐳射雷達較少單獨直接用於目標探測和搜尋。
2.毫米波雷達
毫米波雷達,是工作在毫米波波段探測的雷達。通常毫米波是指30~300GHz頻域(波長為1~10mm)的。毫米波的波長介於微波和釐米波之間,因此毫米波雷達兼有微波雷達和光電雷達的一些優點。
同釐米波導引頭相比,毫米波導引頭具有體積小、質量輕和空間解析度高的特點。與紅外、鐳射、電視等光學導引頭相比,毫米波導引頭穿透霧、煙、灰塵的能力強,具有全天候(大雨天除外)全天時的特點。此外,毫米波導引頭的抗干擾、反隱身能力也優於其他微波導引頭。毫米波雷達能分辨識別很小的目標,可同時識別多個目標;具有成像能力,體積小、機動性和隱蔽性好等特點。
毫米雷達的特點
毫米光波在大氣中傳播中衰減嚴重,器件加工精度要求高。高解析度的毫米波輻射計適用於氣象引數的遙感。優勢主要有以下幾點:
(1)小天線口徑、窄波束
高跟蹤和引導精度;易於進行低仰角跟蹤,抗地面多徑和雜波干擾;對近空目標具有高橫向分辨力;對區域成像和目標監視具備高角分辨力;窄波束的高抗干擾效能;高天線增益;容易檢測小目標,包括電力線、電杆和彈丸等。
(2)大頻寬
具有高資訊速率,容易採用窄脈衝或寬頻調頻訊號獲得目標的細節結構特徵;具有寬的擴譜能力,減少多徑、雜波並增強抗干擾能力;相鄰頻率的雷達或毫米波識別器工作,易克服相互干擾;高距離分辨力,易得到精確的目標跟蹤和識別能力。
(3)高多普勒頻率
具有對慢目標和振動目標的良好檢測和識別能力;易於利用目標多普勒頻率特性進行目標特徵識別;對乾性大氣汙染的穿透特性,提供在塵埃、煙塵和幹雪條件下的良好檢測能力。
(4)優秀的抗隱身效能
毫米波雷達照射的隱身目標,能形成多部位較強的電磁散射,使其隱身效能大大降低,所以,毫米波雷達還具有反隱身的潛力。
毫米雷達的侷限性
毫米波在雷達中應用的主要受到雨、霧和溼雪等高潮溼環境的影響,以及大功率器件和插損的影響也會降低毫米波雷達的探測距離;樹叢穿透能力差,相比微波,對密樹叢穿透力低;元器件成本高,加工精度相對要求高,單片收發積體電路的開發相對遲緩。
3.超聲波雷達
超聲波雷達,是一種利用超聲波測算距離的雷達感測器裝置。在車載感測器中,超聲波雷達是目前最常見的品種之一。超聲波雷達的工作原理是透過超聲波發射裝置向外發出超聲波,到透過接收器接收到傳送過來超聲波時的時間差來測算距離。常用探頭的工作頻率有 40kHz, 48kHz和58kHz三種。一般來說,頻率越高,靈敏度越高,但水平與垂直方向的探測角度就越小,故一般採用40kHz的探頭。超聲波雷達防水、防塵,即使有少量的泥沙遮擋也不影響。探測範圍在 0.1-3米之間,而且精度較高,因此非常適合應用於泊車。
超聲波雷達的特點
(1)超聲波雷達的頻率都相對固定
例如汽車上用的超聲波雷達,頻率有40kHz、48kHz和58kHz等,頻率不同,探測的範圍也不同。
(2)結構簡單
超聲波雷達體積小,成本低,資訊處理簡單可靠,易於小型化與整合化,並且可以進行實時控制。
(3)靈敏度較高
超聲波雷達抗環境干擾能力強,對天氣變化不敏感。
(4)可在室內、黑暗中使用
超聲波雷達可在室內、黑暗環境中使用。
超聲波雷達的侷限性
在速度很高的情況下,超聲波雷達測量距離具有一定的侷限性,這是因為超聲波的傳輸速度很容易受天氣情況的影響,在不同的天氣情況下,超聲波的傳輸速度和傳播速度較慢,當汽車高速行駛時,使用超聲波測距無法跟上汽車的車距實時變化,會產生較大誤差。另一方面,超聲波散射角大,方向性較差,在測量較遠距離的目標時,其回波訊號會比較弱,影響測量精度。但是在短距離測量中,超聲波測距感測器具有非常大的優勢。
二、自動駕駛的感知路線之爭
目前,環境感知存在著技術路線分歧,攝像頭和鐳射雷達的分歧:攝像頭+毫米波雷達的融合方案 VS 鐳射雷達+攝像頭+毫米波雷達的融合方案。
相比於依靠攝像頭的純視覺感知方案,鐳射雷達與攝像頭融合,可以帶來資訊獲取能力的提升,演算法要求的降低,行駛安全的多重保障。攝像頭的高解析度和鐳射雷達的精準測距,互為補充。
大部分自動駕駛車企使用雷達(鐳射雷達+毫米波雷達)+攝像頭融合來感知外部環境,只有特斯拉還在堅持攝像頭純視覺方案,馬斯克基於“第一性原理”的思路,再加上鐳射雷達的價格相對昂貴,對降低整車成本的考慮,走上了純感知的道路,即不搭載鐳射雷達和毫米波雷達、僅透過攝像頭來感知外部環境的路線。
就目前來看還無法說明純視覺和融合感知兩條路線孰優孰劣,因為整個自動駕駛及鐳射雷達等多個行業還處於快速發展期中,未來還存在很多的可能性,或許在這兩條路線中還會出現其他更優的路線。
景聯文科技|AI基礎資料服務|資料採集|資料標註|假指紋製作|指紋防偽演算法
助力人工智慧技術加速數字經濟相關產業質量變革,賦能傳統產業智慧化轉型升級
文章著作權歸景聯文科技所有,商業轉載請聯絡景聯文科技獲得授權,非商業轉載請註明出處;圖片源自網路,如有侵權請聯絡我們進行刪除。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/70025739/viewspace-2933365/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 自動駕駛系列(一)——環境感知之車輛檢測技術自動駕駛
- 自動駕駛感知系統路線之爭:純視覺or鐳射雷達自動駕駛視覺
- 自動駕駛系列(三)——環境感知之車道線檢測技術自動駕駛
- 自動駕駛系列(二)——環境感知之行人檢測技術自動駕駛
- 自動駕駛系(四)——環境感知之可行駛區域檢測技術自動駕駛
- 智慧駕駛-感知-融合定位IMU
- 自動駕駛 Apollo 原始碼分析系列,感知篇(一)自動駕駛原始碼
- 【Apollo自動駕駛原始碼解讀】車道線的感知和高精地圖融合自動駕駛原始碼地圖
- 解析丨自動駕駛核心技術:感知,決策與執行(上:感知篇)自動駕駛
- 嬴徹大課堂 | 第二期:自動駕駛的「慧眼」- 3D 環境感知自動駕駛3D
- 深度學習在自動駕駛感知領域的應用深度學習自動駕駛
- 亮道智慧正式釋出自動駕駛環境感知系統測試驗證服務自動駕駛
- 自動駕駛感知精度愈發關鍵 毫米波雷達擔當重任OJ自動駕駛
- 解析丨自動駕駛核心技術:感知、決策與執行(中:決策篇)自動駕駛
- 自動駕駛公司Torc與NXP達成合作,研發雷達系統感知技術自動駕駛
- 一文讀懂基於DL的無人駕駛視覺感知系統的應用場景視覺
- 轉載:自動駕駛——自動泊車之AVM環視系統演算法框架自動駕駛演算法框架
- 一文詳解自動駕駛BEV感知,景聯文科技提供資料標註支援自動駕駛
- 自動駕駛資料閉環:實現高階自動駕駛的必由之路自動駕駛
- 聊聊自動駕駛必須解決哪些感知問題?交通標誌識別技術詳解自動駕駛
- 自動駕駛,是“平視”還是“俯視”?自動駕駛
- 基於carla和python的自動駕駛模擬系列3Python自動駕駛
- 蔚來事故背後,“致命彎道”在輔助駕駛和自動駕駛之間自動駕駛
- MAGNet -MAFM 多尺度感知融合模組
- 端到端自動駕駛的開環評估和閉環評估自動駕駛
- 自動駕駛哪國強?各國和地區自動駕駛成熟度指數自動駕駛
- BAT爭相入局自動駕駛,誰的無人車能先上五環?BAT自動駕駛
- 景聯文科技提供4D-BEV標註工具:提升自動駕駛感知能力的精準資料支援自動駕駛
- 自動駕駛系列(七)——聊聊人機互動中的DMS駕駛員監控系統自動駕駛
- 公開課精華 | 無人駕駛中感知的挑戰與嘗試
- 告別「五毛」模擬環境:百度擴增實境自動駕駛模擬系統登上 Science 子刊自動駕駛
- 一種新的UI測試方法:視覺感知測試UI視覺
- 態勢感知視覺化:數治安全,智理未來視覺化
- 經緯恆潤智慧駕駛開發、測試評估平臺——智慧駕駛全量資料感知及分析系統
- 自動駕駛拉鋸戰自動駕駛
- 自動駕駛研究報告自動駕駛
- 黑芝麻智慧攜手Uhnder聯合打造面向下一代自動駕駛的汽車安全感知技術自動駕駛
- GaussDB技術解讀系列:運維自動駕駛探索運維自動駕駛