无人驾驶汽车需要哪些基础技术支持呢?

Imagination Tech 发表于 2018-06-20 15:08:54 收藏 已收藏
赞(0) •  评论(0

无人驾驶汽车需要哪些基础技术支持呢?

Imagination Tech 发表于 2018-06-20 15:08:54

自动驾驶是汽车诞生以来,人们追求的蓝图,设想未来的汽车无人驾驶招手既停,快捷方便,为人们的出行带来巨大的改变,也大大解放了人类的出行时间。近几年,各大互联网巨头,新兴科技公司,传统车厂,都在这方面投入了巨大的热情,并成功研发出来能成功上了的无人驾驶汽车。那这样的汽车需要哪些基础技术支持呢?

自动驾驶的必要“耳朵”雷达传感器

在自动驾驶汽车的技术发展过程中,自动驾驶的汽车对周边环境的感知与理解,是实现自动驾驶的基本前提,所以要实现要自动驾驶的基础是各种各样的传感器的协调工作,才能让汽车“眼观六路耳听八方”,只有准确及时的感知到车辆周围的道路、其他车辆、行人等信息,自动驾驶汽车的驾驶行为才会有可靠的决策依据。

自动驾驶的“耳朵”就是车上的雷达传感器,雷达最初是为军事和航空电子应用开发的。在汽车上较常用的是毫米波雷达,毫米波雷达的工作频率介于30~300GHz之间,波长介于厘米波和光波之间,所以,毫米波雷达兼具微波制导和光电制导的优点,穿透力强,具有全天候。全天时的特点,但是大雨天气毫米波雷达的性能会大大下降,而且毫米波是重要的雷达频段,在很多场合受到的干扰较大。

第一个用于汽车的雷达传感器是在大约40年前的研究项目中开发的,但直到1998年才将雷达传感器运用到商用汽车项目,起初雷达传感器用于自适应巡航控制,后来,前车碰撞预警也被加入进雷达传感器。

雷达传感器的应用范围广泛,多种多样,在汽车应用中,主要使用调频连续波(FMCW)雷达,FMCW雷达使用间接距离或气行时间测量,使用发送信号和接收信号之间的频率差作为间接测距手段。

由于普通雷达传感器受天气影响的原因,技术升级为激光雷达传感器和超声波传感器的应用,这样就解决了自动驾驶汽车受天气制约的局限性,让自动驾驶汽车真正具有全天候的应用。

编辑总结:雷达传感器是自动驾驶汽车的基础技术配件,其重要性不言而喻,没有雷达就如同聋子,用来感知周围的物体,行人或者车辆,测定相对位置,再通过其他传感器让汽车采取相应的措施,如最初的自适应巡航、前车碰撞预警等都是由雷达传感器参与完成。自动驾驶的雷达都用更高级的反应速度更快的激光雷达和能在恶劣天气环境下使用的超声波传感器,这样就解决了雷达的精度和全天候的驾驶问题,让自动驾驶汽车无往而不利。

精度更高更可靠的激光雷达

普通雷达传感器可用于汽车的自适应巡航控制或者前车碰撞预警等场景,对于毫米波雷达来说这样的工作完全可以胜任,但它受到天气的影响较大,例如,大于天气这样的雷达的性能会大打折扣,这对于无人值守的自动驾驶汽车是致命的,一下大雨因精度下降它就不得不罢工了。所以就要求技术更高的设备,这就是激光雷达传感器。

激光雷达(LIDAR)是一种测量距离的遥感技术。这种技术原理是用激光照射目标物体,并用检测器来分析反射光,以此来测量距离。LIDAR一词是光探测和测距(Light Detection and Ranging)的缩写,同时也可以看作是“光”及“雷达”的合成词。激光雷达传感器有多种用途,其不同之处在于如何分配激光以及如何分析反射光。

激光雷达采用主动测距法,接收到的是物体反射回来的激光脉冲,激光雷达直接测量被测物体到雷达的距离,与立体视觉复杂的视差深度转换算法相比更为直接,而且测距更为准确。激光雷达还具有视角大、测距范围广等优点。

激光雷达传感器在自动驾驶中的应用包括以下几个方面

障碍物检测:激光雷达感知技术中障碍物检测研究最多,一般是通过测量汽车前方的物体高度信息来确定障碍物的分布。

动态障碍物跟踪:基于激光雷达的动态障碍跟踪是环境理解的重要组成部分,在日常环境中,主要包括行人跟踪和车辆跟踪。

环境重建:随着激光雷达的普及和精度的提高,基于激光雷达的三维重建和即时定位与地图构建的研究近年来也取得了一系列的进展和成果。

编辑总结:激光雷达具有精度高、视角大、测距范围广等优点,由于激光雷达脉冲在一定距离外会开始扩散,而且半透明物体也可进行部分反射, 如车窗、下雨、雾天都会引起水滴对脉冲的某些反射,造成反射信号中的噪声。激光雷达通常通过调整发射功率及接收器敏感度来降低这种影响。

自动驾驶的“眼睛”摄像头

自动驾驶汽车的只要“耳朵”雷达还不足以完成完美的安全驾驶任务,还需要“眼睛”来协同工作才能更好的完成自动驾驶,这只眼睛就是自动驾驶汽车上的摄像头,我们来看看它是怎么工作的和它的特点。

摄像头在汽车上的应用,目前主要有单目和双目摄像头两种类型。简单的讲,单目摄像头的测距原理是先通过图像匹配进行目标识别(各种车型、行人、物体等),识别出物体的具体轮廓,特别是宽度,根据传感器的尺寸,再通过目标在图像中的像素大小估算目标距离。这就要求在估算距离之前首先对目标进行准确识别,判断是汽车还是人,是货车、SUV还是小轿车。准确识别是准确估算距离的第一步。要做到这一点,就需要建立并不断维护一个庞大的样本特征数据库。保证这个数据库包含待识别目标的全部特征数据。而双目摄像头就是利用两幅图像的视差直接对前方雾天测量距离,无需判断物体的类型。理论上。双目摄像头的精度可达毫米级,而且双目摄像头计算距离所花费的时间远低于单目摄像头。

摄像头的致命弱点是对外部光源的依赖,低照度或者夜晚光线弱的情况下,摄像头的性能会迅速下降,另外,正对阳光,出入隧道,都使摄像头有瞬间“失明”发生,虽然只有短短几秒,也是相当危险的,还有,雨雪雾霾等恶劣天气也让摄像头无用武之地。摄像头是迄今为止所采用的最密集的感测模式,而且成本价低的感测技术。

编辑总结:自动驾驶的感测传感器不仅仅限于雷达和摄像头,在科技技术快速发展的时代肯定会有更完美的方案来解决自动驾驶汽车感测的盲点问题,或者利用多方位的感测技术互相协调互补的方式,完成自动驾驶的感测周围一切的任务,确保无论什么环境都会100%识别,达到完美的驾驶模式。

收藏

相关话题
文章来源专栏

评论(0)

加载更多评论

参与评论

相关文章

分享到

QQ空间 QQ好友 微博
取消