学习
实践
活动
工具
TVP
写文章

自动驾驶基础之——传感器融合

随着传感器技术、成像技术、雷达、LiDAR、电子设备和人工智能技术的进步,数十种先进驾驶辅助系统(ADAS)功能已得以实现,包括防撞、盲点监测、车道偏离报警和停车辅助。通过传感器融合同步此类系统的运行,以允许全自动驾驶车辆或无人驾驶车辆对周围环境检测,并警告驾驶员潜在的道路危险,甚至可以采取独立于驾驶员的规避动作来避免碰撞。

自动驾驶汽车还必须能在高速情况下区分并识别前方物体。使用距离判断技术,这些自动驾驶汽车必须快速构建出约100米远道路的3D地图,并能在250米远的距离上创建出高角分辨率的图像。如果驾驶员不在场或者不掌握驾驶,汽车人工智能必须做出最优决策。

此任务的几种基本方法之一是,测量能量脉冲从自动驾驶汽车发出到目标再返回车辆的往返飞行时间(ToF)。当知道脉冲通过空气的速度时,就可以计算出反射点的距离。这个脉冲可以是超声波(声纳),也可以是无线电波(雷达)或激光(LiDAR)。

这三种ToF技术,想拥有更高的角分辨率图像,LiDAR是最好的选择,这是因为LiDAR图像的衍射(光束散度)更小,对邻近物体识别能力比雷达更优秀(见下图)。对于高速情况下需要足够时间来应对如迎头相撞等潜在危险,更高的角分辨率尤为重要。

下图是无人驾驶的偏算法层的系统框架。从左边看,这是一个传感器的输入,如激光雷达、摄像头、毫米波、GPS、编码器和 IMU。这些传感器的数据输入到系统的感知算法里,通过这个感知算法,处理器会将这些数据进行处理分析,如何将静态的物体分离出来,并如何识别、分类与跟踪动态物体。

高精度地图的获取很大程度依赖激光雷达以及摄像头。我们获取高精度地图后,结合 GPS 和 IMU、编码器、实时感知环境的特征,进行地图匹配以及进行定位。对于路径规划和运动控制,最终是结合车辆的CAN 总线,对车进行控制。

Google 的自动驾驶汽车 Google Car就是综合使用了上述传感设备采集感知环境信息进行处理,并对车辆做出控制。

Google Car上最重要也是最贵的器件就是头顶的这台Velodyne Lidar公司生产的HDL-64E64线激光发射器了。它可以一边旋转一边不间断的发射64束最远射程可达120米的激光束,并接收反射回来的光束,依据返回时间的差别计算出物体与汽车之 间的距离。从而绘制出汽车周围实时的3D地形图。并且因为光束非常密集并且刷新频率非常快,综合探测数据后还可以判断出物体的形状、大小和大致的运动轨 迹,以此作为接下来行动的判断依据之一。HDL-64E的性能非常强大。每秒可以给Google Car的处理器提供130万组数据,这可以保证提供给Google Car处理器的信息几乎是实时的。当然这也对处理器提出了更高的要求。下图就是在HDL-64E的运作下Google Car看到的世界。这个Google Car眼中的世界,也是未经处理器处理过的原始数据样貌。

Google Car会将收集到的数据与车体内置的谷歌地图已有的信息进行整合,从而判断出相当精确的四周的状况,为做出反应打下良好基础。

理论上HDL-64E已经足以确定汽车的位置了。但在环境复杂的道路上,驾驶者和行人的安全都需要多重保障。因此谷歌给Google Car配了更直观的眼睛:摄像头。Google Car有一对向前的摄像头,其之间有着一定的距离。从两个摄像头传回的画面的视差就像人的两只眼睛一样,可以帮助车辆判断自己的位置、行进的速度等信息。Google Car的车胎轮毂上同样带有位置传感器,用于探测车轮转动,也能帮助车辆进行定位。再同GPS得出的数据进行整合。数组数据共同保证车辆定位的准确性。

另外,摄像头还可以辨识出路上出现的交通标志和信号灯等物体,以保证自身的运行会严格遵守交通规则。这点是激光发射器很难办到的。信号灯、斑马线、行车线、限速标识……交通标示无处不在,它们是道路安全的保证。

HDL-64E是有一定判断物体运动轨迹和速度的能力的。但其获得的数据毕竟不实时,并且要将其与车辆自身的速度结合,计算出两者的相对运行速度,还需要许多额外的计算量。因此谷歌为车辆前后都配备了车载雷达,它们可以很精确的测出前后车辆与GoogleCar的相对速度,以此判断接下来的车速该如何变化。

以上所有传感器的数据都会汇集起来并传输给位于汽车右后方的主处理器(AI处理器)进行处理,由于所有数据都是实时的,因此流量异常庞大(可达到1GB每 秒)。因此Google Car的车在计算机的性能也是非常强的。处理器会参照各传感器提供过来的数据,并绘制出一份最终的周边环境地形图。

它会将所有对其意义不同的物体用不同的颜色标示出来。如粉色代表暂时不会与行进路线相交的物体,绿色代表已经阻挡在行进路线上的物体等。然后车内的程序,或者说AI就会对路况作出判断,随时根据道路情况决定汽车下一步的行动。下图就是经过车载处理器处理后的世界的样子了。

Google Car的AI已经具有相当程度的道路智能,规划目的地路线这样的小事早已不值一提,在遇到一些临时或者突发的事件的时候GoogleCar也能及时作出合适的反应:比如在交通灯变绿色的时候,汽车开始拐弯,但这时有路人从前面走过,这时GoogleCar将会让路。另一个例子是,在通过没有红绿灯的十字路口的时候,它会根据大家通用的守则让其它车先过,如果其它车辆没有反应,它在通过路口之前将先往前行进一点,以表明自己的意图。

了解了谷歌为保护道路安全设置的诸多保险措施、完善的检测和判断机制,再结合Google Car的表现,我们很有理由相信无人驾驶汽车在不远的将来就将大面积替代有人驾驶的车辆。事实上,早在2012年,美国内华达州机动车辆管理局就已经为 Google Car颁发了美国首个“自动驾驶”汽车的车牌。使得GoogleCar可以合法上路,尽管该法规同时规定该车上路时车上必须至少有2人在监视车辆的运行状况。但这更多只是因为技术暂时的不成熟而做出的一个临时的限制条款。我们有理由相信,不会分神、疲劳、能随时兼顾周围所有状况的车载AI的驾驶能力终有一天会超过人类驾驶员。

芝麻们的问卷调查

duang的一下,

我们就到了2018年的冬天

智车科技已经陪你走过n多日夜啦

智车科技一步步从稚嫩走向成熟

希望通过自己的成长给粉丝带来最好的体验

成为小伙伴们生活工作中坚实的依靠~

智车科技能够长远前行

靠的就是各位“芝麻”(小智的粉丝爱称)的关怀~~

今天,小智再次静心和芝麻们交流

想要问问各位

我们的前进还需要什么?

你可以通过扫码二维码来填写报名表单

小智期待“芝麻”们的热情回复~

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181224B1GBYL00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券