自动驾驶基础-传感器融合三

LiDAR、摄像头、毫米波雷达等多传感器融合则是目前最优的方案。其实要想准确可靠地识别车辆周围的情况,多传感器融合必不可少!多传感器融合的目标是:组合使用特点不同的多种传感器,在所有场合提高对车辆周围的识别精度。日本电装、中国驭势科技等企业都希望通过采用高度可扩展的多传感器融合框架,融合多种传感器数据,比如摄像头、毫米波雷达、激光雷达、超声波传感器等,做出智能可靠的智能驾驶解决方案。

激光雷达在自动驾驶中的应用,最重要部分还是定位:位置确定了,无人车才知道要去哪里、以及怎么去。所以,确定“我在哪里”是第一步,也是非常关键的一步。

现在定位用RTK,差分 GPS ,也有用激光雷达或者视觉摄像头去做。但 RTK 还是会受信号的干扰。特别是在一些城市、建筑,以及植物比较多的地方,还有进隧道、出隧道的时候,它的信号容易中断。

还有一个是基于视觉摄像头定位,它其实对于跟他视觉本身的特性有关,视觉传感器可以实现对交通信号、指示牌和路标的识别,但光线强弱、雨雪等恶劣天气等会严重影响其识别效果;对环境的依赖比较强,这种定位容易失效。激光雷达精度更高、成像稳定,然而高昂的成本是其规模化量产的最大挑战;毫米波雷达是现在大热的技术,但对特殊材质的反射及穿透力、系统噪声等都限制其应用范围;超声波传感器成本低廉,然而目前技术可实现的探测范围极为有限,难以满足自动驾驶需求。高性能的惯性导航模组IMU不受天气等外界状态影响,但降低漂移率、保持长期稳定性是个技术门槛;选择什么组合、怎样进行融合以形成高性能、低成本、差异化、系统级解决方案,很是考验方案提供商的商业敏感度和技术实现能力。

我们通过IMU、惯性导航系统、编码器和 GPS,得到一个预测的全局位置。目前业界通过整合GNSS 与 IMU,汽车可以实现既准确又足够实时的位置更新。全球导航卫星系统领先OEM厂商诺瓦泰(NovAtel)的GNSS/INS产品就采用了 ADI 的高性能IMU方案,已广泛应用于各种智能汽车或自动驾驶实验车型中。当激光雷达实时扫描单次的点云数据后,我们会去结合单次的点云数据进行匹配,并进行特征提取,这就是激光雷达的定位,。这些特征包括路沿、车道线等周围点线面的特征。对于高精度地图,提取过的特征与实时提取的特征进行匹配,最终得到精准的车本体速度,这是激光雷达的定位过程。

对于障碍物检测和分类来讲,目前有应用视觉和激光雷达,这两者并没有冲突。激光雷达不依赖光照,它的视角是360 度,计算量比较小,可以实时扫描,目前普遍用的是100 毫秒以内的。激光雷达在扫描的过程中,先识别障碍物,知道这个障碍物在空间中的位置,再根据存在的障碍物做分类。

我们先拿到一个原始点云数据,对地面点进行提取,对非地面点进行障碍物分割。

所谓点云,是在同一空间倡导系下表达目标空间分布和目标表面特性的海量点云数据。点云数据生成设备可以由激光雷达或者深度相机产生。根据激光雷达得到的点云,包括三维坐标(XYZ)和激光反射强度(Intensity)。

比如车、人,我们将这些障碍物分割成为独立的个体,通过分割出来独立的个体再去匹配,从而进行障碍物的分类和物体的跟踪。简单言之,我们先去除地面点,得到障碍物,分割出障碍物,然后把障碍物分割出来从而进行分类跟踪。而跟踪的过程,首先是分割点云,通过点云做关联目标,我们知道上一帧和下一帧是否属于同一个物体,再进行目标跟踪,输出目标跟踪信息。

上图是基于激光雷达车道线检测和路沿检测。基于激光雷达的车道线检测还是比较不错的,路面上车道线一般是白色和黄色两种,所以我们可以提前把反射强度的方式先做出来,这样激光雷达就很容易将提取车道线出来,不会因为白天和晚上受到干扰。而路沿检测可以根据路沿的几何形状来做一些训练,现在路沿十几厘米的高度都能够提取出来。

我们可以看上图的有半部分:红色表示提取的车道线,浅色是提取的路沿,中间是虚线,两边是实线。这个准确性还是不错的,包括路面的左转、右转这些指示也能做出来。如果后续有多帧迭代的话,其实效果会更好。

激光雷达做物体的跟踪,相当于对每一个识别到的物体,都会计算,并且分割到底是自行车、卡车、行人还是私家车。识别之后,除了我们知道自动驾驶本体车的速度以外,也可以跟踪出前车的速度,以及前车距离本车的横向和纵向距离。激光雷达输出的已经不是原始点云数据,还有每个障碍物空间的位置和分类,到底是哪种类型,以及速度信息。激光雷达能做的事情有很多,包括定位、障碍物的检测、分类和跟踪、车道线的检测、路沿检测等等。在感知的工作里,激光雷达扮演了非常重要的角色。

由上可见,没有激光雷达,自动驾驶的发展将寸步难行。但纵然如此,对自动驾驶车的安全性也尤其要格外重视,哪怕现在的安全率达到99%也不行,因为剩下的那1%很可能是人,而这点在之前的美国亚利桑那州uber事件上已经有了血的教训。我们希望未来的自动驾驶车型能以更好的姿态出现在我们面前。当然要解决自动驾驶的问题,产业链的完善和配套也是不容忽视的问题。据目前了解到的消息看,未来几年自动驾驶汽车的激光雷达、自动驾驶芯片都或多或少会遭遇产能无法匹配的问题,对高昂的成本控制也是一大难题。因此除了5G等硬性条件外,自动驾驶之路依然任重道远,激光雷达的镜像仍然存在未知。

关于自动驾驶的技术文章,可以参考前文,下面是链接:

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190105G16ZKL00?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