广告
无人驾驶感知技术介绍
2020-03-17 22:52:07· 来源：易控智驾
引导语感知系统对于客观物理世界的信息获取是无人驾驶实现的必要条件。如果把一台无人驾驶车辆比作一个人的话，那么激光雷达、毫米波雷达、摄像头、IMU及GPS等等
引导语
感知系统对于客观物理世界的信息获取是无人驾驶实现的必要条件。
如果把一台无人驾驶车辆比作一个人的话，那么激光雷达、毫米波雷达、摄像头、IMU及GPS等等部件就相当于人的眼睛、鼻子、耳朵、触觉及第六感等器官或系统。
环境感知作为无人驾驶的第一环节，处于车辆与外界环境信息交互的关键位置，其关键在于使无人驾驶车辆更好地模拟人类驾驶员的感知能力，从而理解自身和周边的驾驶态势。
激光雷达、毫米波雷达、超声波雷达、定位导航系统、视觉系统等为无人驾驶车辆提供了海量的周边环境及自身状态数据，这些以图像、点云等形式呈现的数据包含了大量与驾驶活动无关的信息。环境感知需要遵照近目标优先、大尺度优先、动目标优先、差异性优先等原则，采用相关感知技术对环境信息进行选择性处理。
人类驾驶员受限于视野范围，存在诸多驾驶盲区。无人驾驶车辆上安装的每类传感器也都有自身的感知盲区。实际上，这些区域仅相对于特定时刻而言，随着车辆的行进在下一时刻即会产生新的盲区。无人驾驶过程中，通过组合使用多类传感器和运用时序关联的感知技术，可以缩小感知盲区的范围，一般不会影响正常驾驶。
一、环境感知功能系统构成
无人驾驶车辆获取和处理环境信息，主要用于状态感知和 V2X 网联通信。状态感知主要通过车载传感器对周边及本车环境信息进行采集和处理，包括交通状态感知和车身状态感知。V2X 网联通信是利用融合现代通信与网络技术，实现无人驾驶车辆与外界设施和系统硬件配置方案之间的信息共享、互联互通和控制协同。
交通状态感知功能的实现依赖于环境感知传感器及相应的感知技术。按照获取交通环境信息的途径，可将这些传感器分为两类：1）被动环境传感器，该类传感器自身不会发射信号，而是通过接收外部反射或辐射的信号获取环境信息，主要包括摄像头等视觉传感器和麦克风阵列等听觉传感器；2）主动环境传感器，该类传感器主动向外部环境发射信号进行环境感知，主要指激光雷达、毫米波雷达和超声波雷达。
车身状态感知功能的实现主要基于 GPS（Global Position System， 全球定位系统）、北斗卫星导航系统（ BeiDou Navigation Satellite System，BDS）、惯性导航系统（Inertial Navigation System，INS）等设备，旨在获取车辆的行驶速度、姿态方位等信息，为无人驾驶车辆的定位和导航提供有效数据。
V2X（即 Vehicle to Everything，车辆同所有交通参与者）网联通信强调了车辆、道路、使用者三者之间的联系，主要利用 RFID（Radio Frequency Identification，射频识别）、拍照设备、云服务器等获得实时路况、道路信息、行人信息等一系列交通信息，从而提高驾驶安全性和驾驶效率。
二、系统硬件配置
可用于无人驾驶环境感知的硬件设备有很多，主要包括摄像头、激光雷达、毫米波雷达、超声波雷达、GPS、BDS、INS 等，目前无人驾驶车上采用的配置方案往往是多种型号或多种类型设备的组合。
一般来讲，感知设备种类越多、价格越贵，精度相对越高、识别范围相对越大。但是每种感知设备都有其局限性。
无论是单目摄像头、双目摄像头，还是多目摄像头、深度摄像头，无论像素再清晰、采样速率再高，也无法解决所有图像采集和处理的难题。由于道路环境、天气环境的多样性、复杂性以及无人驾驶车辆本身的运动特性，摄像头容易受到光照、视角、尺度、阴影、污损、背景干扰和目标遮挡等诸多不确定因素的影响。而在驾驶过程中，车道线、交通灯等交通要素存在一定程度的磨损、反光是常态，因此不存在完全理想的摄像头。
雷达对光照、色彩等干扰因素具有很强的鲁棒性，激光雷达、毫米波雷达和超声波雷达也都有各自的优势。但是安装多少数量/种类的雷达、选取多高的采样速率，都不可能彻底解决凹坑反射、烟尘干扰和雨、雪、雾等恶劣天气条件下的探测难题，也难以实现真正的全天候、全天时、全三维，因此雷达不可能完美。
定位导航系统为无人驾驶提供了高精度、高可靠定位、导航和授时服务，RTK（Real-Time Kinematic，载波相位差分技术）+ INS 组合更是为实时精准定位和位置精度保持奠定了重要基础。但是无论位置服务公共平台多好、陀螺精度多高，还是存在采样频率不够、地理环境过于复杂、初始化时间过长、卫星信号失效等问题，因此定位导航系统总是存在缺陷。
可见，没有完美的感知设备，设备不理想是常态，也不存在完美无缺的设备组合方案。然而对于不同的驾驶任务而言，需要不同的感知设备种类和类型，并非要配置最全、最多、最贵的感知设备才能完成驾驶任务，而是要以任务需求为导向，有针对性地选取合适的感知 设备，组合实现优化配置。
三、传感感知技术
感知功能的实现既需要合适的感知设备，也离不开相应的感知技术。环境感知功能分工的不同，决定了所需感知设备和感知技术的差异。其中，交通环境感知是车辆对外界环境信息的捕获和处理，主要基于车载传感器和传感感知技术。按照传感器获取的信号类型，可分为摄像头视觉、雷达传感和听觉传感。
人类在驾驶过程中所接收的信息大多来自视觉，例如交通标志、 道路标志、交通信号等，这些视觉信息成为人类驾驶员控制车辆的主要决策依据。在无人驾驶中，摄像头取代人类视觉系统作为交通环境感知的传感器之一。相较于其他传感器，视觉传感器安装使用的方法简单、获取的图像信息量大、投入成本低、作用范围广，并且近些年更是得益于数字图像处理技术的快速发展和计算机硬件性能的提高。但是在复杂交通环境下，视觉传感器依然存在目标检测困难、图像计算量大、算法难以实现的问题，视觉感知技术在应对道路结构复杂、人车混杂的交通环境时也还存在很多不足。
无人驾驶中配置的视觉传感器主要是工业摄像头，与民用摄像头相比具有更大优势，例如较高的图像稳定性、传输能力和抗干扰能力。按照输出的数据信号，工业摄像头可分为模拟式和数字式两种。模拟摄像头的输出为模拟电信号，需要借助视频采集卡等组件完成数字信号转换，该类摄像头连线简单、成本较低，但是转换速率慢；数字摄像头所采集的图像直接通过内部感光组件及控制组件转换为数字信号，该类摄像头采集速率快、数据存储方便，但是价格相对昂贵。
视觉感知技术主要包括三种：1）单目视觉技术，即通过单个摄像头完成环境感知任务，具有结构简单、算法成熟并且计算量较小的优点，但是感知范围有限、无法获取场景目标的深度信息；2）立体视觉技术，基本原理是采用 2 个（或多个）摄像头从不同视点观察同一目标，并通过计算图像像素间位置偏差恢复三维场景，难点在于寻找多个摄像头图像中匹配的对应点；3）全景视觉技术，成像视野较宽，但图像畸变较大、分辨率较低。
近年来，深度学习（Deep Learning）在计算机视觉和图像处理领域的应用取得了巨大成功，基于深度学习的图像处理成为无人驾驶视觉感知的重要支撑。深度学习的输入可以为原始的图像像素，通过构建含有多隐层的机器学习模型模拟人脑的多层结构。经逐层抽取得到的信息特征，相比传统图像处理算法构造的特征更具表征力和推广性，大大地提高了目标检测和识别的准确性。在无人驾驶视觉感知中，深度学习多用于对车辆、行人、交通标志等交通要素的检测和识别。由于深度学习需要大数量、多样性的数据集，而且对计算平台的性能要求高，目前大多仅应用于离线数据的处理。视觉传感器的配置参数和视觉感知技术的算法优劣共同决定了视觉感知系统的性能。
在国内外无人驾驶车辆开发过程中，传感感知技术研究的重点除了视觉就是雷达。雷达通过对目标发射电磁波并接收目标回波来获得目标的距离、方位、距离变化率等信息。得益于其主动探测的环境探测模式，雷达感知比视觉感知受外界环境的影响较低，近年来在无人驾驶中发挥的作用也较大。
雷达传感器一般由发射机、发射天线、接收机、接收天线、显示器、处理部分以及电源设备、数据录取设备、抗干扰设备等辅助设备构成。按照电磁波的波段，雷达分为三类：激光雷达、毫米波雷达、超声波雷达，如下图所示。
激光雷达工作在红外和可见光波段，是一种以激光为工作光束、 使用光电探测技术手段的主动遥感设备。具有分辨率高、隐蔽性好、 抗有源干扰能力强、定向性好、测量距离远、测量时间短的特点；不足之处在于技术门槛和成本较高（2020年随着竞争的加剧激光雷达的价格已经大幅度降低），而且在云雾雨雪等恶劣环境中衰减严重。
广告
最新资讯
-
一氧化碳对膜电极性能的影响
2024-05-15 17:54
-
上海市智能网联汽车封闭式测试场又添新选项
2024-05-15 17:53
-
中国汽研助力某乘用车企业获得CSMS/SUMS体
2024-05-15 16:33
-
Coral-data开源计划:SimScenario-AEB 仿真
2024-05-15 16:17
-
车轮上的巨变，生成式 AI 正在重新定义自动
2024-05-15 14:54
广告
广告
