自动驾驶系统入门(一) - 环境感知
资源来源知乎--我这边做个记录
一、自动驾驶系统基本构成
二 、环境感知 - 视觉传感器
2.1 视觉传感器在ADAS系统中的应用
目前摄像头在ADAS系统中主要用于车道线检测、交通标示识别、行人/车辆识别等任务;
2.2 视觉传感器在自动驾驶系统中的主要作用
a、障碍物探测 - 测速和测距
b、车道线的检测:1)识别出车道线(对于弯曲的车道线,能够计算出曲率);2)确定车辆自身相对于车道线的偏移
c、道路信息读取:交通信号灯识别,交通标志识别
d、地图构建与辅助定位
e、其他交通参与者探测与识别 - 车辆探测、行人探测、动物探测
2.3 目前智能驾驶车辆上视觉传感器的类型及优劣势分析
2.3.1 类型 :智能前视摄像头(单目/双目)、广角摄像头、夜视红外摄像头
2.3.2 视觉传感器的优劣势分析:
1)优势: a、成本低,技术成熟,通过优化算法可实现多种功能;
b、人和物体的区分,是优先级的区分;
c、能够识别物体的性质和外观 - 读取外部信息
d、基于视频流建立外部环境模型;
2)劣势: a、干扰和限制比较多;例如 隧道口车辆与隧道重影、正面强光炫目、摄像头前方有水滴遮挡等复杂情况;
b、环境的影响比较大;例如恶劣天气(如暴雨,暴风雪等)、能见度差(雾霾、烟、黑夜、隧道)、雨天车辆倒影
c、识别距离小于长距离激光雷达,测距/测速功能性差
d、物体识别基于机器学习数据库,需要的训练样本大, 训练周期长,难以识别非标准障碍物;
三、环境感知 - 毫米波雷达传感器
3.1 毫米波雷达传感器在汽车中的应用
3.2 毫米波雷达工作特性分析
毫米波雷达的工作频段为30-300GHz,波长范围为1~10mm,介于厘米波和光波之间,因此毫米波兼具有微波制导和光电制导的优点。目前车载微波雷达主流可用频段为24GHz和77GHz。
毫米波雷达的优劣势分析
优势:
1)环境适应性强,具有全天候、全天时工作特性 - 不受天气状况限制,即使是雨雪天都能正常工作;穿透能力强,雨、雾、灰尘等对毫米波雷达干扰较小;探测新能稳定,不受对象表面形状和颜色的影响;
2)目标探测能力具有独特优势:a、纵向目标探测距离与速度探测能力强;b、可实现远距离感知与探测;c、对于静态和动态目标均能作出高精度测量;
劣势:
1)可视范围角度偏小,一般需要多个雷达组合使用;
2)分辨率不是很高,探测距离近的物体时无法准确分辨位置;例:无法分辨相邻车道上的汽车;
3)易受电磁波的干扰,不能用含金属的物体遮挡,也无法检测上过漆的木头或是塑料;
4)行人的反射波弱,难以识别;
5)在大桥和隧道里检测效果较差
6)目前尚无法进行图像、颜色信息识别,且无法感知平面内信息;
7)对横向目标敏感度低;(摄像头的横向目标探测能力优于毫米波雷达)
8)高度信息缺失,只提供角度和距离信息,不能像激光雷达那样提供高度信息;
四、环境感知 - 激光雷达传感器
4.1 激光雷达的工作特性分析
激光雷达工作在红外和可见光频段,根据探测原理,激光雷达分为单线(二维)激光雷达和多线(三维)激光雷达;目前车载激光雷达均为三维激光雷达,波长多为905nm,且以4线、8线、16线、32线与64线最为常见;
4.2 激光雷达在自动驾驶系统中的主要作用:
a、障碍物探测 - 测速和测距
b、车道线的检测:1)识别出车道线(对于弯曲的车道线,能够计算出曲率);2)确定车辆自身相对于车道线的偏移
c、地图构建与辅助定位
d、其他交通参与者探测与识别 - 车辆探测、行人探测、动物探测
注:相较于视觉传感器的:无道路信息读取功能,即无法识别交通信号灯和交通标志等信息;
4.3 激光雷达相较于其他感知传感器的优劣势分析
激光雷达的优势:
1)在测距及分辨率上都有较高水,水平分辨率能够达到0.1°,以内垂直分辨率达2°以内。
2)方向性好,抗干扰能力强,隐蔽性好,不受无线电波干扰;
3)3D建模进行环境感知 - 通过激光扫描可以得到汽车周围的3D模型,运用相关算法能够较为容易的识别出周围的车辆和行人。
4)SlAM加强定位,通过激光雷达实时扫描得到的全局地图经过与高精度地图中特征物比对,实现车辆导航及加强车辆定位精度;
激光雷达的劣势:
1)技术门槛和成本较高;
2)受天气条件影响较大, 在云、雾、雪等恶劣环境中衰减严重,无法提供精确的环境图像;
自动驾驶系统入门(一) - 环境感知相关推荐
- 自动驾驶系统入门(八)- 自动驾驶仿真技术
1.什么是自动驾驶汽车 1.1 基本概念定义 1)自动驾驶汽车是通过搭载先进的车载传感器.控制器和数据处理器.执行机构等装置,借助车联网.5G和V2X等现代移动通信与网络技术实现交通参与物与彼此间的互 ...
- 自动驾驶系统入门(四) - 车载摄像头
1.车载摄像头基础解析 1.1 工作原理 目标物体通过镜头(LENS)生成光学图像投射到图像传感器上,光信号转变为电信号,再经过A/D(模数转换)后变为数字图像信号,最后送到DSP(数字信号处理芯片) ...
- 【转】自动驾驶系统入门(八)- 自动驾驶仿真技术
1.什么是自动驾驶汽车 1.1 基本概念定义 1)自动驾驶汽车是通过搭载先进的车载传感器.控制器和数据处理器.执行机构等装置,借助车联网.5G和V2X等现代移动通信与网络技术实现交通参与物与彼此间的互 ...
- qt 雷达扫描障碍物_自动驾驶系统入门(五) - 激光雷达
1.激光雷达基础解析 1.1 基本概念 1)激光雷达是一种向被测目标发射探测信号(激光束),然后测量反射或散射信号的到达时间.强弱程度等参数,以确定目标的距离.方位. 运动状态及表面光学特性的雷达系统 ...
- 特征级融合_自动驾驶系统入门(七)- 多传感器信息融合
1.MISF - Multi-sensor Information Fusion 基础解析 1.1 基本概念 利用计算机技术将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,以完成所需的 ...
- 自动驾驶系统入门(九)- 无人驾驶客户端系统
1.无人驾驶客户端系统 1.1 客户端系统基础解析 无人驾驶客户端系统包括操作系统和计算平台两个重要部分:无人驾驶不是单独的一项技术,而是多种技术的集成,技术的集成在由操作系统和硬件平台组成的客户端系 ...
- 自动驾驶核心技术之三:环境感知
自动驾驶四大核心技术,分别是环境感知.精确定位.路径规划.线控执行.环境感知是其中被研究最多的部分,不过基于视觉的环境感知是无法满足无人驾驶要求的. 环境感知主要包括三个方面,路面.静态物体和动态物体 ...
- 自动驾驶系统入门(二) - 车辆定位与高精地图
1. 车辆定位 自动驾驶中按照不同的定位实现技术,高精度定位可以分为三类:1)基于信号的定位,典型代表就是GNSS定位,即全球卫星导航系统:2)航迹推算 -IMU(惯性测量单元),其根据上一时刻的位置 ...
- 自动驾驶系统入门(六) - 定位导航技术
1.GNSS 与 IMU技术特点对比分析 2.RTK - GNSS 和 PPP-GNSS技术对比分析 3.GPS和IMU组合导航的耦合形式 4.基于环境特征匹配的定位技术
最新文章
- python字符串转浮点数
- 使用Netty,我们到底在开发些什么?
- 常见面试题 - URL 解析
- python滑动验证码处理_python+selenium滑动式验证码解决办法
- 修改了模板文件tpl如何立即生效_Views视图与模板
- .Net程序员学习Linux最简单的方法(转载)
- 利用rsync+crontab实现linux的定时增量备份,利用rsync+crontab实牡现Linux服务器间的定时增量备份.doc...
- 算法——X^3+Y^3+Z^3=XYZ(水仙花数)
- HDU 6444 Neko's loop(单调队列)
- binlog日志整理
- latex 引用网页 网址 网站 格式
- java mp4转码 h264_10分钟学会Jave视频转码avi--gt;mp4(h264编码格式)!_Java_七九推...
- 某验四代消消乐 js逆向
- 广播地址的计算方法(与运算、或运算)
- Pollard-rho的质因数分解
- 学习光线跟踪一样的自3D表征Ego3RT
- html站点根目录怎么改,通过重定向把子目录设置为网站根目录
- Linux下解压分包文件zip(zip/z01/z02)【转】
- Hadoop3.2.1 RPC通讯 一锅端
- PetaLiunx配置时sourcing bitbake报错解决方法