学习笔记1--自动驾驶环境感知概述
本系列博客包括6个专栏，分别为：《自动驾驶技术概览》、《自动驾驶汽车平台技术基础》、《自动驾驶汽车定位技术》、《自动驾驶汽车环境感知》、《自动驾驶汽车决策与控制》、《自动驾驶系统设计及应用》，笔者不是自动驾驶领域的专家，只是一个在探索自动驾驶路上的小白，此系列丛书尚未阅读完，也是边阅读边总结边思考，欢迎各位小伙伴，各位大牛们在评论区给出建议，帮笔者这个小白挑出错误，谢谢！
此专栏是关于《自动驾驶汽车环境感知》书籍的笔记。
1.自动驾驶环境感知概述
1.1 自动驾驶环境感知介绍
- 自动驾驶四大核心技术：环境感知、精确定位、路径规划、线控执行；
- 自动驾驶汽车首先是对环境信息和车内信息的采集、处理与分析，即环境感知，环境感知是智能车辆自主行驶的基础和前提；
- 环境感知是智能驾驶车辆与外界环境信息交互的关键，核心在于使智能驾驶车辆更好地模拟、最终超越人类驾驶员的感知能力，准确地感知并理解车辆自身和周边环境的驾驶态势；
- 智能驾驶车辆通过硬件传感器获取周围的环境信息；
- 环境感知的对象主要包括：路面、静态物体和动态物体等三个方面，涉及道路边界检测、障碍物检测、车辆检测、行人检测等技术；
- 对于动态物体，不仅要检测到物体的当前位置，且要对其轨迹进行跟踪，并根据跟踪结果，预测物体下一步的位置；
- 环境感知所用到的传感器一般包括：激光测距仪、视频摄像头、车载雷达等；
- 智能驾驶车辆通过摄像头、雷达、定位导航系统等获取环境信息，数据形式包括：图像、视频、点云等；
- 检测和识别是自动驾驶中环境感知的两大基本任务，主要通过机器学习和计算机视觉技术实现；
- 卷积神经网络的特征提取被广泛应用于计算机视觉，包括：基于图像的图像分类和物体检测等，基于视频的行为识别等；
- 一般的卷积神经网络包括：输入层、卷积层、池化层、输出层；
深度学习在自动驾驶中的应用的优势：
- 较为容易地迁移到新的目标种类上，只要获取足够该类别的样本就可以训练得到识别该类别的网络；
- 能够提高对遮挡物体的识别准确率，这一优势源于卷积神经网络强大的特征提取能力；
- 对光线变化相对比较健壮，能够应对光线较暗的环境，神经网络的数据驱动特征提取能力能够很好应对此类问题；
1.2 车载感知系统组成简介
- 智能驾驶车辆获取和处理环境信息主要用于状态感知和V2X(车对外界的信息交换)网联通信；
- 状态感知主要通过车载传感器对周边及本车环境状态信息进行采集和处理，主要包括交通状态感知和车身状态感知；
- V2X网联通信是结合现代通信与网络技术，实现智能驾驶车辆与外界设施及汽车之间的互联互通、信息共享和协同控制等；
- 环境感知需要多种车载传感器实时获取周边环境的信息，通过多种算法处理和分析原始输入数据，给出最合理的决策；
- 环境感知是硬件设备(即感知设备)和软件算法(即感知技术)的统一体；
- 硬件设备是感知的物理基础，主要指各种车载传感器，包括：激光雷达、毫米波雷达、机器视觉系统、红外传感器、超声波传感器、惯性系统、多传感器信息融合系统、多源信息交互系统等；
- 各个传感器能够分别获取不同的局部信息，这些信息之间相互补充，多传感器融合取长补短，能够显著提高系统的冗余度和容错性，从而保证决策的快速性和正确性；
常用传感器介绍：
- 视觉。
- 摄像头获取的信息更为直观，接近人类视觉；
- 机器视觉系统通过摄像头获得从不同角度拍摄的环境信息；通过图像增强、去雾等技术对原始的输入图像进行数据预处理，把经过处理后的图像送入视觉分析模块，计算机通过数字图像处理技术和计算机视觉的相关算法对图像或视频进行分析，实现分类、分割、检测、跟踪，提取车道线、行人、车辆、障碍物的位置、尺寸、速度和方向信息，对可能出现的险情进行报警和紧急处理；
- 机器视觉具有监视范围广、信息量大、成本较低的优势；
- 机器视觉能见度低、光照过弱或反光的情景对其性能影响较大，且无法全天候工作；
- 激光雷达。
- 激光雷达通过电磁波获取目标位置和速度信息及周围环境的三维特征；
- 激光雷达原理：通过向目标发射探测激光信号，通过分析目标的反射信号获取信息；根据目标的密度信息，可以轻易识别汽车、行人、路障、树木、路灯等公路上常见的目标；
- 激光雷达特点：
- 激光雷达分辨率高，测距精度高，角分辨率高，速度分辨率高，测量范围大，抗干扰能力强；
- 激光雷达价格较高，体积较大，频率相近的激光雷达间存在相互干扰；
- 激光雷达受天气的影响大，在雾霾、雨雪等能见度较低的环境中，激光雷达的可探测距离急速衰减；
- 激光雷达分类：
- 单线雷达：由一个高同频脉冲激光测距仪和一个旋转扫描仪组成；通过发射一条激光束扫描某个区域，返回发射点到扫描位置的距离和角度；
- 多线雷达：同时发射两条或两条以上的激光束进行探测的激光雷达；
- 毫米波雷达。
- 毫米波雷达是唯一可以全天候工作的传感器；
- 毫米波雷达具有体积小、角分辨率高、频带宽、探测距离远、抗干扰能力强等优点；
- 和激光雷达相比，毫米波雷达有较好的指向性和穿透性；
- 毫米波雷达无法探测平行平面内的目标信息；
- 超声波雷达。
- 利用超声波进行避障的传感器，能量消耗较缓慢，在介质中传播的距离比较远，穿透性强，测距方法简单，成本低；
- 超声波传感器探测距离为1～5m，一般用于数据简单、对实时性要求高的场景；如：倒车报警系统、近距离障碍物检测；
- 惯性导航系统。
- 惯性导航系统不依赖外部信息，以陀螺仪和加速度计为敏感器件的导航参数解算系统，该系统根据陀螺仪的输出建立导航坐标系，根据加速度计的输出解算出运载体在导航坐标系中的速度和位置；
- 惯性导航系统根据已知点的位置和速度，推算当前的加速度、速度、位置；
- 惯性导航屏蔽性较好，基本不受天气条件的限制；惯性导航由于定位信息是通过对时间的积分获得的，因此误差会随着时间的积累而增加；
- 多传感器融合。
- 对于多传感器互补的信息，利用多源信息融合技术对原始数据进行分析、加权和综合，实现各传感器优势互补，增大容错率，减小视野盲区；
- 对于多传感器矛盾的信息，由于处理器在同一时刻对于某个动作只能给出一个决策，因此必须对原始数据进行筛选和删减；
- 传感器融合方式：数据级融合、特征级融合、决策级融合；
- 数据级融合(像素融合)：通过整合像素级别的图像，增加边缘、纹理等细节特征；
- 特征级融合：对原始数据提取的特征向量进行融合，对于特征的融合效果一般优于对原始数据的融合；
- 决策级融合：根据多个传感器对同一目标的观察数据进行特征提取和逻辑运算，根据需求进行高级决策；
- 数据融合的前提：各种传感器间的标定，目的是实现各个传感器坐标系间的转换，将不同传感器映射到同一个时空参考系中；
- 传感器标定是融合的基础，包括：标定每个传感器本身及求得各个传感器坐标系间的相互转换关系；
- 激光雷达标定：指激光雷达的坐标映射到统一车体坐标系中以便数据处理；
- 摄像头标定：指图片中的像素点坐标与真实环境所处位置之间的映射关系；
学习笔记1--自动驾驶环境感知概述相关推荐
- 聚焦自动驾驶环境感知，AVVision Special Session (ICAS'21) 征稿开启
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 编辑丨我爱计算机视觉 1.简介 作为IEEE信号处理协会Signal Processing Socie ...
- 字体方向 道路标注_自动驾驶环境感知的“见闻色”——3D点云标注
点开网约车App.线上报名.待审核通过后,用户就能在规定的测试路段免费呼叫自动驾驶车辆进行试乘--前不久,滴滴出行首次面向公众开放自动驾驶服务. 这次行业事件再次激发了公众对于自动驾驶的热切期待与探索 ...
- 亮道智能发布自动驾驶环境感知系统测试验证服务｜2019 上海车展...
4月15日上海车展前夕,第三方测试验证商亮道智能首次对外发布自动驾驶环境感知系统测试验证的完整流程.同时,亮道智能Reference System.服务于测试验证的3D激光雷达算法.标注修正工具.大数 ...
- [深蓝学院]自动驾驶环境感知
自动驾驶环境感知 第一章:课程介绍 从四个方面进行讲解:1.自动驾驶和环境感知:2.传感器感知算法:3.感知得系列案例:4.课程:传感器+算法+实践. 车载传感器大致分为:毫米波雷达:摄像头:激光雷达 ...
- 书评学习笔记《自动驾驶汽车环境感知》
随笔 我读这本书是希望能对自动驾驶感知有一个框架式的了解. 优点: 专门介绍感知的书很少,这本书填补了这一块空白.做到了对感知有一个全方位的介绍.追求更详细的感觉可以直接看论文. 编排结构合理. 成书 ...
- 自动驾驶环境感知——视觉传感器技术
文章目录 1. 摄像头的成像原理 1.1 单目视觉传感器的硬件结构 1.2 单目视觉的成像原理 –小孔成像模型 1.3 单目视觉的成像原理 – 像素坐标系 1.4 单目视觉三维坐标系转换 – 外参 1 ...
- yolov7训练BDD100k自动驾驶环境感知2D框检测模型
文章目录 数据集的选取 bdd100k数据集介绍.下载 标签格式转换 BDD转COCO COCO转YOLO 参考链接 数据集的选取 自动驾驶相关的数据集有很多,这里需要的是做目标检测.比较常用的数据集 ...
- 自动驾驶技术-环境感知篇：多传感器融合技术
传感融合技术概述 在前面几篇文章,笔者分别介绍了自动驾驶环境感知领域的一些技术,包含雷达技术.摄像头和视觉建模技术.V2X技术.无论是哪一类型的技术,都是在帮助车辆的决策系统获取车辆运行过程中的数据, ...
- 深圳内推 | 华为诺亚方舟实验室招聘自动驾驶视觉感知算法实习生
合适的工作难找?最新的招聘信息也不知道? AI 求职为大家精选人工智能领域最新鲜的招聘信息,助你先人一步投递,快人一步入职! 华为 华为诺亚方舟实验室自动驾驶项目属于 2012 实验室中央研究院,是世 ...
最新文章
- Mavlink自定义协议
- jpa删除数据后数据库无修改_java – JPA不删除数据库行
- Microbiome：南土所梁玉婷组-稻田土壤产甲烷菌的共存模式
- AI芯片，看好云端还是边缘？
- 最让青年科学家们困惑的 10 个问题，是什么？
- NetDevOps — PyEZ
- android耳机广播,Android利用广播实现耳机的线控
- springboot创建项目 编写dao serviece 和controller 持久层用mybatis
- Spring项目启动加载xml配置文件替换数据库提高响应速度
- 识别引擎ocropy-ocropy2-OCRopus3总结
- UE4添加人物动画之前后左右移动
- 单片机系统电路原理图设计
- Formality形式化验证脚本范本
- 通过telnet命令使用SMTP、POP3协议收发邮件(以QQ邮箱为例)
- 使用先根序列作为插入顺序重建二叉搜索树
- Browser 相关内容
- 利用百度地图api将excel中的经纬度数据可视化
- 太秀了！用Pandas秒秒钟搞定24张Excel报表，还做了波投放分析！
- 地球系统模式（CESM）应用
- java 雷达图_Android雷达图(蜘蛛网图)，自定义view之雷达图，正五边雷达图，分数图...