分析自动驾驶汽车中的传感器.pdfVIP

分析自动驾驶汽车中的传感器 导读：从传感器技术发展本身来说，要在接下来十年里保证自动驾驶车安全地上路， 硬件性能与背后的软件算法，以及不同传感器之间的数据融合，都是需要提升的地方。 特斯拉在五月份发生的自动驾驶事故，和最近在Defcon 上演示的如何干扰传感器，都 充分说明了传感器在自动驾驶中的重要性：环境感知是自动驾驶实现的基础，如果不能正确 地感知周围环境，那么接下来的认知、决策与控制，都是空中楼台。 从传感器技术发展本身来说，要在接下来十年里保证自动驾驶车安全地上路，硬件性能 与背后的软件算法，以及不同传感器之间的数据融合，都是需要提升的地方。 车辆上的各式各样传感器车辆上的各式各样传感器 传感器在自动驾驶的重要性无需赘言。 特斯拉的Autopilot 系统通过摄像头、毫米波雷达与超声波雷达的融合数据来控制车辆 在高速路车道行驶、变道以及根据交通情况调整车速。 谷歌的全自动驾驶测试车用的是价格昂贵、结构复杂的远距传感系统LiDAR （激光雷 达）。 丰田透露过他们的高速道路自动驾驶汽车上有12 个传感器：1 个藏在内后视镜里的前 摄像头，5 个测量周围车辆速度的雷达，和6 个探测周围目标位置的激光雷达5 。 尽管也有一些企业另辟蹊径，希望通过V2X 技术来完成环境感知的工作，但是V2X 严 重依赖于基础设施，而传感器则不受这个限制。 激光雷达 LiDAR 系统使用的是旋转激光束。宝马、谷歌、日产和苹果的无人驾驶试验车用的就 是这项技术。但要想在量产车上应用，价格必须大幅下降。业内普遍认为，再过几年这个目 标就能实现。 激光雷达工作原理 激光雷达的工作原理是通过发射和接收激光束来实现的。在其内部，每一组组件都包含 一个发射单元与接收单元。上图的Velodyne 使用了旋转镜面的设计。 这套发射/接收组件和旋转镜面结合在一起，能扫描至少一个平面。镜面不只反射二极 管发出去的光，而且也能把反射回来的光再反射给接收器。通过旋转镜面，能够实现90 到 180 度的视角，并且大大降低系统设计和制造的复杂度，因为镜面是这里面唯一的运动机构。 脉冲光以前被用于探测距离。探测距离的原理是基于光返回的时间，激光二极管发出脉冲光， 脉冲光照射到目标物后反射一部分光回来，在二极管附近安装一个光子探测器，它可以探测 出返回来的信号，通过计算发射和探测的时间差就可以计算出目标物的距离。脉冲距离测量 系统一旦被激活就能收集到大量的点云。 如果点云中有目标物，目标物就会在点云中呈现出一个阴影。通过这个阴影可以测量出 目标物的距离和大小。通过点云可以生成周围环境的3D 图像。点云密度越高，图像越清晰。 通过激光雷达来生成周围环境的3D 图像有几种不同的方式。 一种实现方法是让发射/接收组件上下移动同时让镜面旋转，有时也叫这种方法为“眨眼 点头”。这种方法能生成高度方向上的点云，但是减少了方位数据点（azimuth data points ）， 因此点云密度会降低，分辨率也不够高。 另一种方法叫“光扫描激光雷达”（flash LiDAR ）。这种方法是使用2D 焦平面阵列（Focal Plane Array，FPA）捕捉像素距离信息，同时发出激光来照射大块面积。这类传感器结构 复杂，制造困难，因此还没有广泛的商业应用。但是它属于固态传感器，没有运动部件，因 此将来有可能替代现有的机械式传感器。 目前虽然有不同的LiDAR 结构可以产生很多形式的3D 点云系统，但是还没有一种系 统能达到自动驾驶导航的应用要求。比如说，有很多系统能生成精致的图像，但是产生一幅 图像需要花好几分钟。这种系统就不适合移动传感类的应用。还有一些光扫描系统的刷新率 很高，但视角和探测距离又太小。另外还有一些单光束(single beam)系统能提供有用的信 息，但是如果目标太小或者超出了视角就探测不到了。 要想让LiDAR 传感器的使用最大化，必须要能够看到周围所有的地方，也就是所说的 需要实现360 度视角；最终给用户输出的数据要有实时性，因此必须使数据收集和画面生 成之间的时间延迟最小化。驾驶员的反应时间一般是十分之几秒，如果我们要实现自动驾驶 导航，那么导航电脑的刷新率至少要达到十分之一秒。视角也不能只看水平方向，还需要有 高度方向的视角，否则车就会掉到路上的坑里。垂向视角应该向下尽可能的靠近车辆，以便