2018年自动驾驶车感测器展望

2018-03-05 09:47:39 post by microhm

让自动驾驶车注意路况,看懂交通号志,侦测物件并为其分类,感知速度/轨迹以及其他车辆并不容易 - 更重要的是,它必须能自行在地图上定位,才能确切地知道行车的目的地。

高度自动化的车辆在追踪周遭环境时,必须依靠很多感测器,包括摄影机,雷达,超音波,GPS天线,以及利用光脉冲测距的光达(LIDAR)元件。每一种感测器都有其优缺点。

我们首先应弄清楚如何最有效地填补感测器固有的缺陷。第二步可能更为重要,即开发最佳策略,将不同的资料串流结合起来,使关键资讯不至于遗失。每一种感测器都以自身的画面更新速率传送资料已经是个问题,感测器融合就更复杂了 - 因为有些感测器提供原始资料,而其他感测器则提供自己的物件资料答案。


2017年年,我们看到了感知技术方面的一连串进展。

科技公司,一级供应商和OEM一直汲汲于取得自家公司缺乏或无法自主开发的感测器技术。同时,过去两年来已经出现了多家感知感测器新创业公司,其中有许多都关注尚处于萌芽阶段的自动驾驶车市场。

在雷达市场,竞争的重点在于尺寸和精确度.TI如今宣称可支援「小于4厘米测距解析度的高精度独立感测技术」。

然而,更好的解析度需要更多通道,这意味着有更多资料需要处理所以,马格奈说:「毫米波雷达需要有专门的处理器来处理这些资料,以及产生物件或点云。」此外,毫米波雷达还需要开发工具以打造应用。否则,庞大的资料难以被理解。

2018-03-05_094420.png

雷达除了能全天候运作外,其他的评价一向不优。传统的车用雷达无法看到摄影机或光达所能看到的物体。更具体地说,雷达看不到远方的物体,也无法区别所看到的东西。它们的处理速度不足以达到行驶于高速公路的要求。

让汽车具有「自我意识」的第一步是建构地图,并即时匹配至车辆在预先制作的地图上看到的内容然后,车辆可以对其位置进行三角测量和定位.Magney强调:「车子必须确切知道要去哪里,才能发展出『情境感知』。」

换句话说,如果希望高度自动化的车辆能准确定位,就需要使用光达.Magney指出,它们需要一个具有定位功能的基本地图。

不过,还有其他方法可以做到这一点。例如Nvidia的DriveWorks SDK可实现基于影像的定位.DriveWorks工具库包括地图定位,高清地图介面以及自我运动(自我运动)等。

2018-03-05_094430.png

感测器融合

随着自动驾驶车收集到所有的感测资料,最重要的就是感测器融合的品质。感测器融合的结果决定了自动驾驶车的决策和行为,也即安全问题。

自动驾驶车无法仅靠一个感测器实现安全驾驶,因此必须进行感测器融合但马格奈补充说:「因为你必须同步所有的感测器讯号,所以融合是很困难的。」

至于是融合「物件」资料还是「原始」资料,业界对此的争论才刚刚开始,目前还没有明确的答案。

相较于物件资料,由于原始资料不会在转换过程中发生遗失,大多数的AI拥护者较支持这种资料融合途径与原始资料融合有关的问题包括:「你将需要大量的处理;你还需要有GB级的网路,才能将这些讯号传送到整个车辆中。」

2018-03-05_094440.png

(参考译文:2018年的Robocar传感器展望,由Junko Yoshida提供)

文章来源:eMedia Asia Ltd


汇聚最新公司新闻,让客户和员工更加了解我们的产品布局,企业的成长历程与梦想,缩短距离,增强沟通与合作;关注行业动态,站在科技前沿,与时代俱进,开拓创新,持久发展。


标签:   自动驾驶 雷达