|
1.传感器概览 无人驾驶作为高度集成的体系，所使用的传感器种类繁多、技能跨度较年夜，若是要做分类，笔者认为可以简略分为服务于感知体系的以及服务于定位体系的。开展来看，常见的有激光雷达、相机、毫米波、超声波；组合导航（IMU）轮速计等，但再细分，实在又可以分出不少子类。这里讲一下经常使用的几种感知传感器。 激光雷达按线数分有 一、四、八、1六、3二、40、6四、128 线等，按事情原理分有机器旋转式以及固态式，而固态又分为 MEMS 型、Flash 型、相控阵型。由于机器式技能相对于成熟，可选择的产物丰硕，今朝年夜部门仍是在用机器旋转式。但可以预感的是固态激光雷达是将来的趋向，预计将来 1~2 年，使用的人会愈来愈多。 LiDAR 产物，常见存眷的技能指标有：测距精度、反射率区别度、有用测距范畴、抗滋扰能力等；激光雷达的优点是不依赖情况光源、测距精度高，可以到达 cm 级，错误谬误是会受雨水、阳光影响，且由于是自动发射激光，具备镜面效应。
分歧激光雷达输出效果比对，从左至右，从上至下：单线、64 线、128 线、固态 相机按事情原理分为 RGB 相机、红皮毛机、事务相机。RGB 相机可以组成单目、双目的运用；红皮毛机分为被动式与自动式；事务相机是一种比力新型的产物。 单目的测距精度一般会比力低为米级～十米级不等，但测距范畴可以做到很年夜，只要能检测到方针就能估量出间隔，而双目可以显著提高测距精度，但测距范畴受基线长度影响，一般可以做到 300~400m 米的间隔。
平凡的 RGB 相机在夜晚没有路灯的环境下，根本是瞎的，此时红皮毛机的上风便突显出来。被动式红皮毛机只能接管由物体披发出来的红外光，相比与自动式，效果稍差，自动式红外的感知范畴可以经由过程调整补光强度来节制，感知间隔也能够做到几百米。 红皮毛机下的夜晚道路 事务相机的原理与传统相机有很年夜区分，它冲破了帧的观点，因此事务（产生变革的像素）为单元输出的，也能够硬件直接输出光流信息，具备很高的动态范畴以及很是低的数据量，为 SLAM 运用提供了不少想像空间。相机具备信息浓密且空间接连的优点，但每每对计较量的需求也是很年夜的，且传统相机容易受情况光的影响。
传统相机（左）VS 图森将来自研相机（右）在低光照环境下成像比拟 毫米波是今朝最成熟的车载传感器，按测距范畴可以分别成短距、中距以及长距，按频段分别海内有 24GHz 以及 77GHz 两种，77G 相对于于 24G 来讲，角辨别率会更高一些。具备极好的靠得住性以及气候顺应性，但没有高度信息，且丈量精度较低。 综合来看，每一种传感器都有其优点，也有其不足之处。无人驾驶传感器的选择，必要凭据需求定位、营业场景、气候情况、本钱方面综合斟酌，拔取出最适宜的方案。但一般来讲，会因此组合的情势存在，互补、互冗余，以提供更靠得住的感知方案。 2.多传感器使用 传感器有了，为了能获得更高质量的标定成效以及算法交融成效，每每还必要做一些处置，主要是分歧传感器的时间同步以及同步触发。 为了可以或许同一所有传感器的时间，一般可以将卫星时间作为所有传感器的时间源，一样处置器也使用卫星时间作为时间源。但若何实现呢？分歧传感器有分歧的特色，起首是处置器，处置器之间可以经由过程 NTP 进行时间同步，处置器以及卫星的同步可以经由过程 PPS 实现。对付相机每每内部会有一个时钟，经由过程内部时钟，是可以对传输耗时进行抵偿的，然后经由过程处置器时间以及抵偿时间，可以推算出现实的暴光时间。若是相机自身支撑 PTP 或者其他时间同步协定，则让其与对应的服务自协商进行细密时间同步便可。对付激光雷达，年夜大都都支撑 PPS 时间同步，只要给他提供不乱的 PPS 旌旗灯号便可。而 PPS 旌旗灯号是可以由组合导航发生的，这每每是其最根本的功能，很容易实现。如许，所有传感器的时间就都同一为卫星时间了，时间的高精度同一，对付编队行驶尤为首要。有了时间同步的根蒂根基，就能够实现同步触发了。 对付相机来讲，可以经由过程发送触发旌旗灯号，让其在特按时间进行暴光，这类旌旗灯号可所以软件的，也能够是硬件的，但硬件旌旗灯号的精度无疑是远远高于软件旌旗灯号的精度的。对付激光雷达来讲，一般城市有相位同步的功能，对付机器式雷达，可以节制其在特按时刻旋转到特定角度。同理，组合导航的 PPS 旌旗灯号是一切触发祥的根蒂根基。
无时间同步
时间同步后
无同步触发
同步触发后 3.传感器本钱考量 不能不说，因为今朝主动驾驶的规模尚未年夜面积放开，硬件本钱仍是比力高的，一方面必要做好总体方案计划，公道选型、结构，另外一方面，也要不竭优化算法，提高体系的鲁棒性，使用相对于低本钱的传感器，虽精度稍差，但在可控范畴内，以勤俭本钱。跟着整个行业的成长，信赖会有更多选择、性价比高的传感器硬件产物泛起。 编纂：琪琪 来历：图森将来 厚 势 汽 车 点击浏览原文，查看文章「主动驾驶视觉惯性导航VINS概述」 |
