【深度】自动驾驶传感器平台盘点

差别的传感器都有其优势和缺陷,无法在单传感器的情形下完成对无人驾驶功效性与平安性的周全笼罩,这显示了多传感器融合的需要性。因此,各个传感器之间借助各自所长相互融合、功效互补、互为备份、互为辅助才是完整的无人驾驶系统。若何融合这些传感器的优势,填补不足是自动驾驶工程师们现在的主要事情之一。

现在,现有的车载传感器包罗激光雷达、毫米波雷达、车载摄像机、GPS/IMU、V2X通讯传感、红外探头、超声波雷达等。主流的无人驾驶传感平台以雷达和车载摄像头为主,并泛起多传感器融合生长的趋势。基于丈量能力和环境顺应性,预计雷达和车载摄像头会延续保持传感器平台霸主的职位,并不停与多种传感器融合,生长处多种组合版本。

激光雷达

为了解决测距的问题,引入了激光雷达这种传感器。经常应用在Level 3级别以上的无人车。

激光雷达的事情原理是行使可见和近红外光波(多为950nm波段周围的红外光)发射、反射和吸收来探测物体。

 如下图所示,激光雷达的发射器发射出一束激光,激光光束遇到物体后,经由漫反射,返回至激光吸收器,雷达模块凭据发送和吸收信号的时间距离乘以光速,再除以2,即可盘算出发射器与物体的距离。

激光雷达可以探测日间或黑夜下的特定物体与车之间的距离。由于反射度的差别,也可以区分开车道线和路面,然则无法探测被遮挡的物体、光束无法到达的物体,在雨雪雾天气下性能较差。

激光雷达在无人驾驶运用中拥有两个核心作用。

 一是3D建模举行环境感知。通过雷射扫描可以获得汽车周围环境的3D模子,运用相关算法比对上一帧和下一帧环境的转变可以较为容易的探测出周围的车辆和行人。

 二是SLAM增强定位。3D雷射雷达另一大特征是同步建图(SLAM),实时获得的全局舆图通过和高精度舆图中特征物的比对,可以实现导航及增强车辆的定位精度。

激光雷达的分类 

激光雷达凭据安装位置的差别,分类两大类。一类安装在无人车的周围,另一类安装在无人车的车顶。 

安装在无人车周围的激光雷达,其激光线束一样平常小于8,常见的有单线激光雷达和四线激光雷达。

安装在无人车车顶的激光雷达,其激光线束一样平常不小于16,常见的有16/32/64线激光雷达。

激光雷达雷射发射器线束越多,每秒采集的云点就越多。然而线束越多也就代表雷射雷达的造价就加倍昂贵,以Velodyne的产物为例,64线束的雷射雷达价钱是16线束的10倍。HDL-64E单个定制的成本在8万元左右。

现在,Velodyne公司已经开发出了相对廉价的LiDAR传感器版本HDL-32E和HDL-16E。其中HDL-16E是由16束雷射取代64束雷射,支持360度无盲区扫描,牺牲一定的数据规模云点,每秒钟只提供30万个数据点,然则售价仍高达售价8千美元。

当前人工智能的算法还不够成熟,纯视觉传感器的无人驾驶方案在平安性上还存在较多问题,因此现阶段的无人车的开发还离不开激光雷达。强如Google,现在也还没开发出脱离激光雷达的自动驾驶方案。

 不外,激光雷达的普及所遇到的最大挑战是:成本过高。单独一个雷达的价钱可能就超过了通俗小汽车的价钱,因此现阶段还没有大规模量产的可能性。激光雷达的降低成本之路任重道远。

毫米波雷达

 毫米波雷达通过发射无线电信号(毫米波波段的电磁波)并吸收反射信号来测定汽车车身周围的物理环境信息(如汽车与其他物体之间的相对距离、相对速率、角度、运动偏向等),然后凭据所探知的物体信息举行目的追踪和识别分类,进而连系车身动态信息举行数据融合,完成合理决议,削减事故发生几率。

 毫米波雷达不受天气状况限制,即使是雨雪天都能正常运作,穿透雾、烟、灰尘的能力强。因此被普遍应用于车载距离探测,毫米波雷达在自动驾驶中最常见的三种用途是: 

1. ACC(自顺应巡航)

2. BSD&LCA(盲点监测和变道辅助)

3. AEB(自动紧要制动,通常配合摄像头举行数据融合)

毫米波雷达分类

频率在10GHz~200GHz的电磁波,由于其波长在毫米量级,因此处于该频率局限的电磁波也被工程师们称为毫米波。

应用在自动驾驶领域的毫米波雷达主要有3个频段,分别是24GHz,77GHz和79GHz。差别频段的毫米波雷达有着差别的性能和成本。

短距离雷达:24GHz频段

处在该频段上的雷达的检测距离有限,因此常用于检测近处的障碍物。在自动驾驶系统中常用于感知车辆近处的障碍物,为换道决议提供感知信息。

长距离雷达:77GHz频段

性能优越的77GHz雷达的最大检测距离可以到达160米以上,因此常被安装在前保险杠上,正对汽车的行驶偏向。

如下图右下角的棕色区域,为特斯拉AutoPilot 2.0中所配备的长距离毫米波雷达,及其感知局限。

长距离雷达能够用于实现紧要制动、高速公路跟车等ADAS功效;同时也能知足自动驾驶领域,对障碍物距离、速率和角度的丈量需求。

长距离雷达:79GHz频段

该频段的传感器能够实现的功效和77GHz一样,也是用于长距离的丈量。

凭据公式:光速 = 波长 * 频率,频率更高的毫米波雷达,其波长越短。波长越短,意味着分辨率越高;而分辨率越高,意味着在距离、速率、角度上的丈量精度更高。因此79GHz的毫米波雷达一定是未来的生长趋势。

毫米波雷达相比于激光有更强的穿透性,能够轻松地穿透保险杠上的塑料,因此常被安装在汽车的保险杠内。这也是为什么许多具备ACC(自顺应巡航)的车上明显有毫米波雷达,却很难从外观上发现它们的缘故原由。

然而现实开发的历程中,在自动驾驶领域应用毫米波雷达有一下三点挑战。

挑战1:数据稳定性差 

数据的不稳定性对后续的软件算法提出了较高的要求。加大了工程师的事情难度。

挑战2:对金属敏感 

由于毫米波雷达发出的电磁波对金属极为敏感,在现实测试历程中会发现近处路面上突然泛起的钉子、远距离外的金属广告牌都市被认为是障碍物。一旦车辆高速行驶,被这些突然跳出的障碍物滋扰时,会导致刹车不停,导致汽车的舒适性下降。

挑战3:高度信息缺失

毫米波雷达的数据只能提供距离和角度信息,不能像激光雷达那样提供高度信息。没有高度信息的障碍物点会给手艺开发带来许多挑战。

超声波雷达

超声波雷达又名倒车雷达。常见的超声波雷达有两种。第一种是安装在汽车前后保险杠上的,也就是用于丈量汽车前后障碍物的倒车雷达,这种雷达业内称为UPA;第二种是安装在汽车侧面的,用于丈量侧方障碍物距离的超声波雷达,业内称为APA。作为无人车上成本最低的传感器,挖掘超声波雷达的潜力是工程师们不停在琢磨的事。

UPA和APA的探测局限和探测区域都太相同,如下图所示。图中的汽车配备了前后向共8个UPA,左右侧共4个APA。

UPA超声波雷达

UPA超声波雷达的探测距离一样平常在15~250cm之间,主要用于丈量汽车前后方的障碍物。

如图所示,为单个UPA的探测局限示意图。

APA超声波雷达

APA超声波雷达的探测距离一样平常在30~500cm之间。APA的探测局限更远,因此相比于UPA成本更高,功率也更大。

如图为单个APA的探测局限示意图。

APA的探测距离优势让它不仅能够检测左右侧的障碍物,而且还能凭据超声波雷达返回的数据判断停车库位是否存在。

超声波雷达的应用

本文题目提到超声波雷达是被低估的传感器,由于它除了检测障碍物外,还可以做许多事。

应用1:泊车库位检测

自动泊车功效需要履历两个阶段:1.识别库位;2.倒车入库

识别库位功效就是依赖安装在车辆侧方的APA,如下场景。

汽车徐徐驶过库位时,汽车右前方的APA传感器返回的探测距离与时间的关系可判断当前空间有无车位。有了库位检测功效,进而开发自主泊车功效就不是难事了。

应用2:高速横向辅助

特斯拉Model S在AutoPilot 1.0时代就实现了高速公路的巡航功效,为了增添高速巡航功效的平安性和舒适性,特斯拉将用于泊车的APA超声波雷达,也用在了高速巡航上。

先看一段Model S应用APA的视频,视频左下角的图像是一个朝汽车后向的摄像机,右侧的图像是朝向行驶偏向的视角。

在视频中可以看出,当左侧驶过的汽车理自车较近时,Model S在确保右侧有足够空间的情形下,自主地向右微调,降低与左侧车辆的碰撞风险。

车载摄像机

车载摄像机的大致原理是:首先,采集图像举行处置,将图片转换为二维数据;然后,举行模式识别,通过图像匹配举行识别,如识别车辆行驶环境中的车辆、行人、车道线、交通标志等;接下来,依据物体的运动模式或使用双目定位,以估算目的物体与本车的相对距离和相对速率。

摄像机凭据镜头和部署方式的差别主要有以下四种:单目摄像机、双目摄像机、三目摄像机和环视摄像机。

 单目摄像机模组只包罗一个摄像机和一个镜头。由于许多图像算法的研究都是基于单目摄像机开发的,因此相对于其他种别的摄像机,单目摄像机的算法成熟度更高。然则单目有着两个先天的缺陷。

 一是它的视野完全取决于镜头。

 焦距短的镜头,视野广,但缺失远处的信息。反之亦然。因此单目摄像机一样平常选用适中焦距的镜头。

 二是单目测距的精度较低。 

摄像机的成像图是透视图,即越远的物体成像越小。近处的物体,需要用几百甚至上千个像素点形貌;而处于远处的统一物体,可能只需要几个像素点即可形貌出来。这种特征会导致,越远的地方,一个像素点代表的距离越大,因此对单目来说物体越远,测距的精度越低。

双目摄像机 

由于单目测距存在缺陷,双目摄像机应运而生。双目摄像机,是通过对两幅图像视差的盘算,直接对前方景物(图像所拍摄到的局限)举行距离丈量,而无需判断前方泛起的是什么类型的障碍物。依赖两个平行部署的摄像头发生的“视差”,找到统一个物体所有的点,依赖正确的三角测距,就能够算出摄像头与前方障碍物距离,实现更高的识别精度和更远的探测局限。使用这种方案,需要两个摄像头有较高的同步率和采样率,因此手艺难点在于双目的定及双目定位。

相比单目,双目的解决方案没有识别率的限制,无需先识别可直接举行丈量;直接行使视差盘算距离精度更高;无需维护样本数据库。但由于检测原理上的差异,双目视觉方案在距离测算上相比单目以及毫米波雷达、激光雷达,其硬件成本和盘算量级的加倍,也是另一个难关。

虽然双目能获得较高精度的测距效果和提供图像支解的能力,然则它与单目一样,镜头的视野完全依赖于镜头。而且双目测距原理对两个镜头的安装位置和距离要求较多,这就会给相机的标定带来贫苦。

三目摄像机 

由于单目和双目都存在某些缺陷,因此普遍应用于无人驾驶的摄像机方案为三目摄像机。三目摄像机实在就是三个差别焦距单目摄像机的组合。 

特斯拉 AutoPilot 2.0安装在挡风玻璃下方的三目摄像机

如下图,可以看出三个摄像头的感知局限由远及近,分别为前视窄视野摄像头(最远感知250米)、前视主视野摄像头(最远感知150米)及前视宽视野摄像头(最远感知60米)。

对摄像机来说,感知的局限要么损失视野,要么损失距离。三目摄像性能较好地填补感知局限的问题。因此在业界被普遍应用。

那么测距精度的问题怎么办?

正是由于三目摄像机每个相机的视野差别,因此近处的测距交给宽视野摄像头,中距离的测距交给主视野摄像头,更远的测距交给窄视野摄像头。这样一来每个摄像机都能施展其最大优势。

三目的瑕玷是需要同时标定三个摄像机,因而事情量更大一些。其次软件部门需要关联三个摄像机的数据,对算法要求也很高。

环视摄像机 

环视摄像机,一样平常至少包罗四个摄像头,分别安装在车辆前、后、左、右侧,实现360°环境感知,难点在于畸变还原与对接。安装于车辆前方、车辆左右后视镜下和车辆后方的四个鱼眼镜头采集图像,采集到的图像与下图类似。

环视摄像机的镜头是鱼眼镜头,而且安装位置是朝向地面的。某些高配车型上会有“360°全景显示”功效,所用到的就是环视摄像机。鱼眼摄像机为了获取足够大的视野,价值是图像的畸变严重。

通过标定值,举行图像的投影变换,可将图像还原成俯视图的样子。之后对四个偏向的图像举行拼接,再在四幅图像的中心放上一张车的俯视图,即可实现从车顶往下看的效果。如下图。

相比于其他传感器,摄像头最为接近人眼获取周围环境信息的事情模式,可以通过较小的数据量获得最为周全的信息,同时由于现在的摄像头手艺对照成熟,成本可较低。然则,摄像头识别也存在一定局限性,基于视觉的解决方案受光线、天气影响大;同时,物体识别基于机械学习资料库,需要的训练样本大,训练周期长,也难以识别非标准障碍物;同时,由于广角摄像头的边缘畸变,获得的距离准确度较低。

摄像机的功效 

摄像机在无人车上的应用,主要有两大类功效。分别是感知能力,其次是定位能力。

摄像机的感知能力表现在可以识别车道线(lane)、障碍物(Obstacle)、交通标志牌和地面标志(Traffic Sign and Road Sign)、交通标志牌和地面标志(TrafficSign and Road Sign)和交通讯号灯(Traffic Light)

定位能力体现在获取当前无人车的位置。视觉SLAM手艺凭据提前建好的舆图和实时的感知效果做匹配,从而获取当前无人车的位置。视觉SLAM需要解决的最大问题在于舆图的容量过大,稍微大一点的区域,就对硬盘的容量要求很高。若何制作出足够轻量化的舆图,成为SLAM手艺商业化的要害。

摄像机是所有车载传感器中,感知能力最强的。为此特斯拉接纳了纯视觉的感知方案,而没有使用激光雷达,固然激光雷达价钱昂贵也是一个因素。

GPS/IMU

GPS是全球定位系统(GlobalPosition System)的简称,IMU(Inertial Measurement Unit)惯性丈量单元。

GPS在庞大的动态环境中,尤其在大城市,其多路径反射的问题很显著,导致获得的GPS定位信息很容易发生几米的误差。另外,由于GPS的更新频率低(10Hz),在车辆快速行驶时很难给出精准的实时定位。单纯依赖GPS的导航很有可能导致交通事故。因此GPS通常辅助以惯性传感器(IMU)用来增强定位的精度。

IMU是检测加速率与旋转运动的高频(1KHz)传感器,但IMU自身也有误差积累与噪音等问题影响效果。通过使用基于卡尔曼滤波的传感器融合手艺,我们可以融合GPS与IMU数据,连系GPS的定位精度高和误差无积累的特点,与IMU的自主性和实时性的优点。一方面可以实现导航装备之间优势互补,增强系统顺应动态的能力,并使整个系统获得优于局部系统的精度;另一方面提高了空间和时间的笼罩局限,从而实现真正意义上的延续导航。因此,GPS/IMU组合的优势在于:

1.系统精度的提高。行使GPS的历久稳定性填补IMU误差随时间累积的瑕玷。GPS/IMU组合后的导航误差现实上要比单独的GPS或单独的惯导系统可能到达的误差都小。

2.系统抗滋扰能力的增强。行使IMU的短期高精度填补GPS系统易受滋扰、信号易失锁等瑕玷,同时借助IMU的姿态信息、角速率信息可进一步提高GPS系统快速捕捉或重新锁定卫星信号的能力。

3.导航信息的补全。GPS/IMU组合系统与单GPS相比,除了可以提供载体运动的三维位置和速率信息外,还可提供加速率、姿态和航向信息;GPS/IMU组合系统此外可提供100Hz甚至高于100Hz的数据更新率。

IMU惯性器件的标定手艺由于加速率计、陀螺仪等惯性器件自己存在缺陷,会发生一些器件误差,如标度因数误差等。另外,在对IMU举行集成的时刻,各个器件之间的非正交安装会引起交叉耦合误差。以上这些误差可以通过器件标定来加以抵偿,以到达提高其精度的目的。

V2X通讯传感

V2X是V2V(Vehicle toVehicle,车车通讯)、V2I(Vehicle to Instruction,车路通讯)、V2P(Vehicle to Pedestrain)等的统称。通过V2X可以获得实时路况、门路信息、行人信息等一系列交通讯息,从而带来远距离环境信号。

V2X通讯系统可以看做是一个超级传感器,它提供了比其他传感器都高得多的感知能力和可靠性,在自车感知手艺尚不能到达高可靠性之前,用V2X可以决议性地其可靠性。V2X是无人驾驶的需要手艺和智慧交通的重要一环。

简朴来说,V2X手艺是行使手艺实现车与车之间、车与门路之间、车与行人之间的信息互通,也就是说,通过人、车、路之间的相互交流,驾驶员能够更好地掌握车辆状态和周围情形,从而有用降低事故发生的风险。V2X通讯手艺首次由福特公司于2014年6月公布,现场展示了福特的两辆经由特殊革新过的汽车,通过一台毗邻了WiFi的无线广播系统,演示了这项V2V通讯手艺是若何防止碰撞事故发生的。

详细来说,V2X是一种网状网络,网络中的节点(汽车、智能交通灯等)可以发射、捕捉并转发信号。行使V2X车联网,车辆可以获取周围环境的未知参数及周围车辆的运行状态,这些状态包罗速率、位置、驾驶偏向、刹车等基本的平安信息。然后车载端自动平安算法将处置所获取的信息,并根据优先级对信息举行分类,对可能发生的危险情景举行预警,紧要情形下可以行使车辆执行端对车辆举行控制从而规避风险。V2X手艺开启了对周围威胁的360度智能感知,这一手艺能够在种种危险的情形下提醒驾驶者,从而大大削减碰撞事故的发生并缓解交通拥堵。美国交通部凭据最新的数据举行剖析,若是能够大面积地普及V2X手艺,就能在75%的交通事故发生之前提醒驾驶员。

相比传统雷达,V2X通讯传感系统有以下几点优势:

1)笼罩面广

300-500米的通讯局限相比10几米的雷达探测局限要远得多,不仅是前方障碍物,身旁和死后的建筑物、车辆都市相互毗邻通讯。 

2)有用制止盲区

路边联入互联网的物体都市有单独的信号显示,因此即便视野受阻,通过实时发送的信号可以显示视野局限内看不到的物体状态,因而降低忙去泛起的概率,也就充实制止了因盲区而导致的潜在危险。

3)对于隐私信息的平安保护性更好

由于这套系统将接纳5.9Hz频段举行专项通讯,相比传统通讯手艺更能确保平安性和私密性,若是通讯协议及频道在各个国家都能规范化,这套系统将变得像SOS救援频道一样成为社会公用资源。

小结 

差别的传感器都有其优势和缺陷,无法在单传感器的情形下完成对无人驾驶功效性与平安性的周全笼罩,这显示了多传感器融合的需要性。因此,各个传感器之间借助各自所长相互融合、功效互补、互为备份、互为辅助才是完整的无人驾驶系统。若何融合这些传感器的优势,填补不足是自动驾驶工程师们现在的主要事情之一。

留下评论