1.介绍

摄像头是自动驾驶核心传感器，是实现自动驾驶众多规划、控制的基础，相比于激光雷达和毫米波雷达，最大的优势在于可以识别车辆周边的环境信息和纹理信息，能够“看到”目标的类型、信号灯的颜色等，类似于人类的眼睛，硬件成本也比激光雷达和毫米波低很多。

2.工作原理

摄像头是将光学组件获得的光信号，投射到图像传感器上，完成由光信号到电信号的转换，然后再转换为数字图像信号，最后进行信号的算法处理。基于图像数据从而实现感知车辆周边路况的功能，实现如车辆、行人、车道线、交通标识物的检测、距离估计等模块。摄像头主要组成部分是光学组件、CMOS传感器、DSP、模组组装及其他部件。摄像头在获取数字信号后，通过串行器进行编码，然后通过LVDS(FPD和GMSL）或者其他高效链路，传输到对应的计算平台上，通过对应的解串器进行解码，送入计算单元中进行图像分析。

1)光学组件：也叫镜头组件(lens),是由镜片、滤光片、保护膜等组成；
2)CMOS图像传感器：也叫感光元件，简称CIS,是模拟电路和数字电路的集成，是摄像头最基础，也是最重要的模块，主要由四部分构成：微透镜，彩色滤光片(CF),光电二极管(PD),光电转换器件，像素设计。

3.自动驾驶中的应用

3.1安装位置

根据摄像头的安装位置，可以分为前视、侧视、后视、内置、环视等。在高级别自动驾驶车辆上，配置的摄像头有多个甚至十多个。如特斯拉Autopilot 2.0硬件系统就包含8个摄像头。

前视摄像头：障碍物，车道线，路沿线，交通信号灯，交通标识牌，可行驶区域等。
侧视摄像头：左右障碍物检测，测距等盲区检测(BSD)和变道预警。
后视摄像头：障碍物检测，测距等。
环视摄像头：车位检测，可行驶区域检测，低速感知等，提供车辆四周360°的画面。
内置摄像头：疲劳、不规范驾驶等危险行为进行预警。

3.2性能要求

车规级摄像头性能要求：

抗震性：车载摄像头抗各种强度震动。
防水性：全天候全天时，密封紧密，雨水中浸泡仍能正常工作。
耐高温：-40摄氏度至85摄氏度，且能够适剧烈温度变化。
使用寿命：车载摄像头的使用寿命至少10年。
高动态低噪点：高动态性；光线较暗下抑制噪点的产生。
对于某些特定功能的摄像头，还需要水平视场角比较广。

3.3关键参数

焦距：指平行光从透镜中心到光聚的焦点的距离，如4mm,6mm,12mm;
有效的探测距离：如近距，中距，远距等对应不同探测距离需求；
视场角：水平视场角(HFOV)和垂直视场角(VFOV);
分辨率大小：200W(1920x1080),500W(2560x2048),800W(3200x2400);
最低照度：CMOS对环境光线的敏感程度；
信噪比：输出的信号电压和噪声电压的比值
动态范围：正常显示细节的最亮和最暗物体的亮度值所包含的那个区间；

3.4优缺点

1.优势

相比于毫米波雷达，摄像头能够对目标类别进行准确的识别，对车道线（路沿）、红绿灯、交通标志准确的识别，同时还能够检测出车辆行驶的安全边界，对横向移动的目标具有很强的探测能力。
相比于激光雷达，其廉价的成本，精准的交通标识和信号灯的识别等都是激光雷达无法比拟的。

2.劣势

摄像头受天气、光照影响较大，在极端恶劣天气下视觉传感器就会失效。
视觉测距、测速性能远比不上激光雷达和毫米波雷达。

摄像头之自动驾驶中的应用相关推荐

自动驾驶中的9种传感器融合算法
来源丨AI 修炼之路在自动驾驶汽车中,传感器融合是融合来自多个传感器数据的过程.该步骤在机器人技术中是强制性的,因为它提供了更高的可靠性.冗余性以及最终的安全性. 为了更好地理解,让我们考虑一个简单 ...
自动驾驶中常用的四类机器学习算法
来源:智车科技机器学习算法已经被广泛应用于自动驾驶各种解决方案,电控单元中的传感器数据处理大大提高了机器学习的利用率,也有一些潜在的应用,比如利用不同外部和内部的传感器的数据融合(如激光雷达.雷达. ...
自动驾驶中的机器学习
出品:CSDN(ID:CSDNnews) 作者:Denis Chikurtev 译者:马超责编:晋兆雨以下为译文: 近年来,自动驾驶技术技术的发展速度非常快.预计达到完全自动驾驶L5的程度 ...
一文看懂自动驾驶中应用的机器学习算法
本文来自AI新媒体量子位(QbitAI) 机器学习算法已经被广泛应用于自动驾驶各种解决方案,电控单元中的传感器数据处理大大提高了机器学习的利用率,也有一些潜在的应用,比如利用不同外部和内部的传感器的数 ...
【自动驾驶】20.自动驾驶中的各种时空坐标系
简介介绍自动驾驶技术中几种常用的坐标系统,以及他们之间如何完成关联和转换,最终构建出统一的环境模型. 所谓时空坐标系,包括三维空间坐标系和一维时间坐标系.在此基础上,用解析的形式(坐标)把物体在空间 ...
d-s 多传感器信息融合 matlab实现_自动驾驶中的多传感器融合
一.多传感器融合多传感器信息融合(Multi-sensor Information Fusion,MSIF),就是利用计算机技术将来自多传感器或多源的信息和数据,在一定的准则下加以自动分析和综合,以完 ...
极市分享|第34期袁源Jerry：机器学习及深度学习在自动驾驶中的应用
| 极市线上分享第34期 | ➤活动信息主题:机器学习及深度学习在自动驾驶中的应用时间:本周四(10月18日)晚20:00~21:30 ➤嘉宾信息 Jerry 贪心科技讲师,美国微软总部和美国亚 ...
最新综述：自动驾驶中的多模态三维目标检测
©PaperWeekly 原创 · 作者 | 张一帆学校 | 华南理工大学本科生研究方向 | CV,Causality Abstract 在过去几年,自动驾驶取得了蓬勃的发展,但是由于驾驶环境的复 ...
ssm中怎么用location.href跳到controller层_聊聊自动驾驶中的功能开发
在知乎上看过不少大牛写的自动驾驶技术介绍文章,大多谈到的是AI, Deep Learning, Computer Vision等等感知(Perception)层面的.但在各个传感器(雷达.摄像头.激光 ...

摄像头之自动驾驶中的应用