论文部分内容阅读
摘要:汽车对于主动安全的需求日益增加。提升驾驶安全已是目前汽车产业发展的要点,进而带动各式传感器成长。先进驾驶辅助系统(ADAS)在汽车市场上快速增长,雷达与激光雷达等感测元件需求日益迫切。未来传感器融合更是自动驾驶发展之重要目标。
关键词:智能驾驶;影像传感器;汽车雷达;激光雷达传感器
一、全自动驾驶技术的概述
(一)发展背景
全自动驾驶不仅有助于促进汽车行业的稳定性发展,并且还可以开展全新的自动驾驶设计方案,彰显现代化的发展面貌。随着汽车行业的不断发展,大多数城市都改造了现有的交通,为全自动驾驶提供了良好的条件以及发展方向。比如在英国,通过汽车项目的自动化运行融入了新的技术和设备,实现汽车完全的自动化,已经成为城市全自动汽车的主要代表。不仅有助于解决以往轨道交通运行中的问题,还有助于加快现代化建设的步伐。在近年来亚洲一些国家的自动化发展速度也在不断的提高,已经竣工的全自动驾驶汽车线路的运行情况是位于世界前列的。研究数据表明全自动驾驶运营里程将会朝着增长趋势而不断的发展,在2025年里程数会达到1900千米以上,实现质的飞跃。
(二)发展的必然性
对于全自动驾驶技术来说,发展具有必然性的特征,不仅符合当前城市建设的需要,还有助于解决存在于以往中人流太过密集的问题,缓解的压力。我国发展速度在不断提高,全国各大城市也加强了轨道交通建设的力度,增加了交通线网,使得实际客流量能够得到优化性的配置。在实际工作中不仅突出了全自动驾驶技术实施的必要性,还有助于展现新时期的发展面貌,利用当前的技术条件有效解决当前的汽车客流量矛盾,尤其是在解决早高峰和晚高峰期间产生了有效的效果。我国需要加强对全自动驾驶技术的有效研究,从而使整体运营能力的构造不断提高,多方位的激发汽车本身的运输能力。为了提高系统自动化的应用水平,减少人为操作而带来的负面影响,在实际工作中需要提出优化性的发展策略,实现全自动驾驶的优化调整,并且还要提高汽车原有的服务水平,通过全自动驾驶降低司机的劳动强度,有更多的精力能够进行平稳性运行管理和安全管理工作中,为乘客提供更加优质性的服务。另外利用全自动驾驶技术还可以和监控系统进行相互融合,全面的掌握汽车的运行状态,提出优化性的解决方案和运营措施。
二、自动驾驶技术中的感测器件
(一)影像传感器强化环境辨识能力
除雷达传感器之外,影像传感器近年来也已大量导入于各种自动安全系统,如汽车倒退监控、自动刹车系统等,以预防车祸或小意外发生。未来几年自动驾驶汽车技术的发展,也将促进汽车厂商为自家车辆产品导入更多影像传感器,影像传感器市场成长也日益攀升。
近几年视觉解决方案和雷达一样,都呈现爆发性的成长。过往多是高阶车款才会配备影像传感器或雷达,但现今也已开始广泛用于中高阶或是低阶车款。
影像传感器需求急速成长有目共睹,以Socionext公司为例,2015~2016年大中华地区的业绩成长了四倍,主要原因在于单一传感器已无法满足自动驾驶设计需求,须与其他传感器相结合,才可提供更精确的判断。以特斯拉为例,其自动驾驶车上大多配备两套传感器,一套是影像传感器,另一套便是雷达或是红外线传感器。
车上的两套传感器系统,功能是互补的,譬如行驶到某一路段时,除须透过雷达侦测道路情况外,还须影像传感器侦测此条道路的限制,象是速限标示牌、红绿灯等。这些告示无法透过红外线或是雷达侦测,因此 须搭配影像传感器辅助判断。
因应此一趋势,索思未来科技(Socionext)推出纯 3D 影像360度环景系统。为何特别强调纯3D,有许多厂商备有360度环景系统,例如纳智捷。纳智捷前几代的车款都有提供 Eagle view 环景功能,而此一环景系统提供给车内驾驶的影像,是四格分割的画面,这四个画面分别代表汽车前后左右的景象,但此种呈现方式较不直觉化,不符合人体视觉习惯。
像在电玩上看到的赛车画面,都是驾驶在车内,或是从车后往前看,这才是符合人体视觉习惯。因此,Socionext360度环景系统,透过该公司的独家技术,可将车上前后左右四个相机侦测到的影像,于系统中的3D模拟空间重新组合,投影在显示板上的,便是电玩中符合人 体视觉习惯的画面。驾驶者可从任何角度、任何位置观看此一图像,使得车辆与周遭环境识别难度大大简化。
然而,随着安全需求日渐提升,影像处理器的敏感度也须持续增强。Socionext表示,不仅仅在白天,影像感测 器也需在较恶劣的环境中,例如夜晚、下雨等,也可清楚地捕捉影像。因此,目前影像传感器的挑战便是如何在严酷环境中,提升影像捕捉质量。
目前其中一样解决方案为,结合平面和景深型影像传感器模块,便可更准确的判断物体距离。换言之,目前市面上常用的影像传感器模块为平面型,也就是和相机相同,拍出来画面是平面的;然而,除平面型外,还有所谓的景深型影像传感器,其运作原理为不可见光,相较于可见光传感器,夜晚时捕捉到的影像更为清晰。因此,结合平面与景深型传感器,为现今提升影像传感器精确度的方法之一。
(二)激光雷达传感器的市场潜力
多传感器融合是实现自动驾驶的必然发展趋势。硬件是基础保障,配置足够多的摄像头、激光雷达、毫米波雷达、超声波传感器、惯性测量单元(IMU)和全球導航卫星系统(GNSS)等传感器,可提升自动驾驶功能的鲁棒性。软件和算法是多传感器融合的核心,多传感器的使用将产生大量的待处理信息,如何保证系统快速地过滤无用、错误信息,处理有价值信息,从而保证系统做出及时正确的决策至关重要。目前,多传感器融合的理论方法有人工神经网络法、卡尔曼滤波法、贝叶斯准则法、模糊集理论法等。
当前,自动驾驶环境感知技术路线主要包括视觉主导和激光雷达主导两种方案:一是以特斯拉为代表的“摄像头+毫米波雷达+超声波雷达”多传感器融合,Autopilot2.0硬件由8个摄像头、1个毫米波雷达和12个超声波雷达组成,但摄像头受环境光照影响较大,目标检测较不可靠,优势是成本相对较低;二是以GoogleWaymo为代表的“低成本激光雷达+毫米波雷达+超声波传感器+摄像头”多传感融合,激光雷达是主动视觉,目标检察较为可靠,但缺少颜色和纹理信息且成本较高;目前,谷歌Waymo已组建团队研发低成本的激光雷达硬件,并开始在美国凤凰城地区对L2级别车辆进行公测。
未来,激光雷达主导解决方案有两个演进方向,即研发集成摄像头与激光雷达的硬件模组,可直接获得彩色激光点云数据;以及降低激光雷达的硬件成本,如研发固态激光雷达并真正实现产业化。
结束语
提升驾驶安全已是目前汽车产业发展的要点,进而带动各式传感器成长,而未来传感器融合更是自动驾驶发展之重要目标。为此,半导体业者、系统厂商及各大车厂通力合作,除极力提升驾驶安全性之外,也期盼由此加速自动驾驶应用的普及。
参考文献:
[1]Ali Abaye.芯片走进未来汽车[J].集成电路应用,2014(09):18.
[2]主动安全与被动安全.http://www.auto-test.
关键词:智能驾驶;影像传感器;汽车雷达;激光雷达传感器
一、全自动驾驶技术的概述
(一)发展背景
全自动驾驶不仅有助于促进汽车行业的稳定性发展,并且还可以开展全新的自动驾驶设计方案,彰显现代化的发展面貌。随着汽车行业的不断发展,大多数城市都改造了现有的交通,为全自动驾驶提供了良好的条件以及发展方向。比如在英国,通过汽车项目的自动化运行融入了新的技术和设备,实现汽车完全的自动化,已经成为城市全自动汽车的主要代表。不仅有助于解决以往轨道交通运行中的问题,还有助于加快现代化建设的步伐。在近年来亚洲一些国家的自动化发展速度也在不断的提高,已经竣工的全自动驾驶汽车线路的运行情况是位于世界前列的。研究数据表明全自动驾驶运营里程将会朝着增长趋势而不断的发展,在2025年里程数会达到1900千米以上,实现质的飞跃。
(二)发展的必然性
对于全自动驾驶技术来说,发展具有必然性的特征,不仅符合当前城市建设的需要,还有助于解决存在于以往中人流太过密集的问题,缓解的压力。我国发展速度在不断提高,全国各大城市也加强了轨道交通建设的力度,增加了交通线网,使得实际客流量能够得到优化性的配置。在实际工作中不仅突出了全自动驾驶技术实施的必要性,还有助于展现新时期的发展面貌,利用当前的技术条件有效解决当前的汽车客流量矛盾,尤其是在解决早高峰和晚高峰期间产生了有效的效果。我国需要加强对全自动驾驶技术的有效研究,从而使整体运营能力的构造不断提高,多方位的激发汽车本身的运输能力。为了提高系统自动化的应用水平,减少人为操作而带来的负面影响,在实际工作中需要提出优化性的发展策略,实现全自动驾驶的优化调整,并且还要提高汽车原有的服务水平,通过全自动驾驶降低司机的劳动强度,有更多的精力能够进行平稳性运行管理和安全管理工作中,为乘客提供更加优质性的服务。另外利用全自动驾驶技术还可以和监控系统进行相互融合,全面的掌握汽车的运行状态,提出优化性的解决方案和运营措施。
二、自动驾驶技术中的感测器件
(一)影像传感器强化环境辨识能力
除雷达传感器之外,影像传感器近年来也已大量导入于各种自动安全系统,如汽车倒退监控、自动刹车系统等,以预防车祸或小意外发生。未来几年自动驾驶汽车技术的发展,也将促进汽车厂商为自家车辆产品导入更多影像传感器,影像传感器市场成长也日益攀升。
近几年视觉解决方案和雷达一样,都呈现爆发性的成长。过往多是高阶车款才会配备影像传感器或雷达,但现今也已开始广泛用于中高阶或是低阶车款。
影像传感器需求急速成长有目共睹,以Socionext公司为例,2015~2016年大中华地区的业绩成长了四倍,主要原因在于单一传感器已无法满足自动驾驶设计需求,须与其他传感器相结合,才可提供更精确的判断。以特斯拉为例,其自动驾驶车上大多配备两套传感器,一套是影像传感器,另一套便是雷达或是红外线传感器。
车上的两套传感器系统,功能是互补的,譬如行驶到某一路段时,除须透过雷达侦测道路情况外,还须影像传感器侦测此条道路的限制,象是速限标示牌、红绿灯等。这些告示无法透过红外线或是雷达侦测,因此 须搭配影像传感器辅助判断。
因应此一趋势,索思未来科技(Socionext)推出纯 3D 影像360度环景系统。为何特别强调纯3D,有许多厂商备有360度环景系统,例如纳智捷。纳智捷前几代的车款都有提供 Eagle view 环景功能,而此一环景系统提供给车内驾驶的影像,是四格分割的画面,这四个画面分别代表汽车前后左右的景象,但此种呈现方式较不直觉化,不符合人体视觉习惯。
像在电玩上看到的赛车画面,都是驾驶在车内,或是从车后往前看,这才是符合人体视觉习惯。因此,Socionext360度环景系统,透过该公司的独家技术,可将车上前后左右四个相机侦测到的影像,于系统中的3D模拟空间重新组合,投影在显示板上的,便是电玩中符合人 体视觉习惯的画面。驾驶者可从任何角度、任何位置观看此一图像,使得车辆与周遭环境识别难度大大简化。
然而,随着安全需求日渐提升,影像处理器的敏感度也须持续增强。Socionext表示,不仅仅在白天,影像感测 器也需在较恶劣的环境中,例如夜晚、下雨等,也可清楚地捕捉影像。因此,目前影像传感器的挑战便是如何在严酷环境中,提升影像捕捉质量。
目前其中一样解决方案为,结合平面和景深型影像传感器模块,便可更准确的判断物体距离。换言之,目前市面上常用的影像传感器模块为平面型,也就是和相机相同,拍出来画面是平面的;然而,除平面型外,还有所谓的景深型影像传感器,其运作原理为不可见光,相较于可见光传感器,夜晚时捕捉到的影像更为清晰。因此,结合平面与景深型传感器,为现今提升影像传感器精确度的方法之一。
(二)激光雷达传感器的市场潜力
多传感器融合是实现自动驾驶的必然发展趋势。硬件是基础保障,配置足够多的摄像头、激光雷达、毫米波雷达、超声波传感器、惯性测量单元(IMU)和全球導航卫星系统(GNSS)等传感器,可提升自动驾驶功能的鲁棒性。软件和算法是多传感器融合的核心,多传感器的使用将产生大量的待处理信息,如何保证系统快速地过滤无用、错误信息,处理有价值信息,从而保证系统做出及时正确的决策至关重要。目前,多传感器融合的理论方法有人工神经网络法、卡尔曼滤波法、贝叶斯准则法、模糊集理论法等。
当前,自动驾驶环境感知技术路线主要包括视觉主导和激光雷达主导两种方案:一是以特斯拉为代表的“摄像头+毫米波雷达+超声波雷达”多传感器融合,Autopilot2.0硬件由8个摄像头、1个毫米波雷达和12个超声波雷达组成,但摄像头受环境光照影响较大,目标检测较不可靠,优势是成本相对较低;二是以GoogleWaymo为代表的“低成本激光雷达+毫米波雷达+超声波传感器+摄像头”多传感融合,激光雷达是主动视觉,目标检察较为可靠,但缺少颜色和纹理信息且成本较高;目前,谷歌Waymo已组建团队研发低成本的激光雷达硬件,并开始在美国凤凰城地区对L2级别车辆进行公测。
未来,激光雷达主导解决方案有两个演进方向,即研发集成摄像头与激光雷达的硬件模组,可直接获得彩色激光点云数据;以及降低激光雷达的硬件成本,如研发固态激光雷达并真正实现产业化。
结束语
提升驾驶安全已是目前汽车产业发展的要点,进而带动各式传感器成长,而未来传感器融合更是自动驾驶发展之重要目标。为此,半导体业者、系统厂商及各大车厂通力合作,除极力提升驾驶安全性之外,也期盼由此加速自动驾驶应用的普及。
参考文献:
[1]Ali Abaye.芯片走进未来汽车[J].集成电路应用,2014(09):18.
[2]主动安全与被动安全.http://www.auto-test.