这些自动驾驶传感器，你了解多少？

2558 自动驾驶传感器

问答对人有帮助，内容完整，我也想知道答案 0 从传感器技术发展本身来说，要在接下来十年里保证自动驾驶车安全地上路，硬件性能与背后的软件算法，以及不同传感器之间的数据融合，都是需要提升的地方。 0
2020-5-18 06:11:57　　评论淘帖0 邀请回答您可以邀请以下用户，快速回答问题 × hwp0415229 该类别下有 6 个回答。邀请回答 Greatwayer 该类别下有 5 个回答。邀请回答 h1654155957.9866 该类别下有 5 个回答。邀请回答嘻嘻爱哈哈该类别下有 5 个回答。邀请回答新晴细履平沙该类别下有 5 个回答。邀请回答梦中的花不凋零该类别下有 5 个回答。邀请回答 jfdgs 该类别下有 4 个回答。邀请回答 60user69 该类别下有 4 个回答。邀请回答 gan5482 该类别下有 4 个回答。邀请回答 vywyefswer 该类别下有 4 个回答。邀请回答 77uwfsdf 该类别下有 4 个回答。邀请回答 60user56 该类别下有 4 个回答。邀请回答 chrisjohn 该类别下有 4 个回答。邀请回答 yisen282 该类别下有 4 个回答。邀请回答 qwe044 该类别下有 4 个回答。邀请回答 derek88 该类别下有 4 个回答。邀请回答 kdyangcheng 该类别下有 4 个回答。邀请回答海蜇pi 该类别下有 4 个回答。邀请回答黄明康01 该类别下有 4 个回答。邀请回答地方絮叨该类别下有 4 个回答。邀请回答举报刘平相关推荐 • 自动驾驶汽车中传感器的分析 2942 • 传感器成自动驾驶“硬实力” 有哪些 1678 • 自动驾驶的五大传感器各有千秋 1803 • 自动驾驶成功的关键是什么？ 1833 • 智能感知方案怎么帮助实现安全的自动驾驶？ 2770 • 联网安全接受度成自动驾驶的关键 2637 • 传感器融合是通向自动驾驶时代的关键一步 2193 • 高级安全驾驶员辅助系统助力自动驾驶 2946 • 视觉系统对自动驾驶的重要性 2910 • 自动驾驶这些年经历了什么？ 2737 2个回答

答案对人有帮助，有参考价值 0 车辆上的各式各样传感器传感器在自动驾驶的重要性无需赘言。特斯拉的Autopilot系统通过摄像头、毫米波雷达与超声波雷达的融合数据来控制车辆在高速路车道行驶、变道以及根据交通情况调整车速。谷歌的全自动驾驶测试车用的是价格昂贵、结构复杂的远距传感系统LiDAR（激光雷达）。丰田透露过他们的高速道路自动驾驶汽车上有12个传感器：1个藏在内后视镜里的前摄像头，5个测量周围车辆速度的雷达，和6个探测周围目标位置的激光雷达5。尽管也有一些企业另辟蹊径，希望通过V2X技术来完成环境感知的工作，但是V2X严重依赖于基础设施，而传感器则不受这个限制。激光雷达 LiDAR系统使用的是旋转激光束。宝马、谷歌、日产和苹果的无人驾驶试验车用的就是这项技术。但要想在量产车上应用，价格必须大幅下降。业内普遍认为，再过几年这个目标就能实现。激光雷达工作原理（图片来自Velodyne）激光雷达的工作原理是通过发射和接收激光束来实现的。在其内部，每一组组件都包含一个发射单元与接收单元。上图的Velodyne使用了旋转镜面的设计。这套发射/接收组件和旋转镜面结合在一起，能扫描至少一个平面。镜面不只反射二极管发出去的光，而且也能把反射回来的光再反射给接收器。通过旋转镜面，能够实现 90到180度的视角，并且大大降低系统设计和制造的复杂度，因为镜面是这里面唯一的运动机构。脉冲光以前被用于探测距离。探测距离的原理是基酉光返回的时间，激光二极管发出脉冲光，脉冲光照射到目标物后反射一部分光回来，在二极管附近安装一个光子探测器，它可以探测出返回来的信号，通过计算发射和探测的时间差就可以计算出目标物的距离。脉冲距离测量系统一旦被激活就能收集到大量的点云。如果点云中有目标物，目标物就会在点云中呈现出一个阴影。通过这个阴影可以测量出目标物的距离和大小。通过点云可以生成周围环境的3D图像。点云密度越高，图像越清晰。通过激光雷达来生成周围环境的3D图像有几种不同的方式。一种实现方法是让发射/接收组件上下移动同时让镜面旋转，有时也叫这种方法为“眨眼点头”。这种方法能生成高度方向上的点云，但是减少了方位数据点（azimuth data points），因此点云密度会降低，分辨率也不够高。另一种方法叫“光扫描激光雷达”（flash LiDAR）。这种方法是使用2D焦平面阵列（Focal Plane Array，FPA）捕捉像素距离信息，同时发出激光来照射大块面积。这类传感器结构复杂，制造困难，因此还没有广泛的商业应用。但是它属于固态传感器，没有运动部件，因此将来有可能替代现有的机械式传感器。目前虽然有不同的LiDAR结构可以产生很多形式的3D点云系统，但是还没有一种系统能达到自动驾驶导航的应用要求。比如说，有很多系统能生成精致的图像，但是产生一幅图像需要花好几分钟。这种系统就不适合移动传感类的应用。还有一些光扫描系统的刷新率很高，但视角和探测距离又太小。另外还有一些单光束(single beam)系统能提供有用的信息，但是如果目标太小或者超出了视角就探测不到了。要想让LiDAR传感器的使用最大化，必须要能够看到周围所有的地方，也就是所说的需要实现360度视角；最终给用户输出的数据要有实时性，因此必须使数据收集和画面生成之间的时间延迟最小化。驾驶员的反应时间一般是十分之几秒，如果我们要实现自动驾驶导航，那么导航电脑的刷新率至少要达到十分之一秒。视角也不能只看水平方向，还需要有高度方向的视角，否则车就会掉到路上的坑里。垂向视角应该向下尽可能的靠近车辆，以便让自动驾驶适应路面的颠簸和陡坡。目前，业内有数家生产制造激光雷达的企业，他们的产品也有着各自的特色。 Velodyne拥有高精度激光雷达技术（HDL），据称其HDL传感器能够提供360度水平视角，26.5度的垂直视角， 15Hz的刷新率，并可以每秒生成一百万像素的点云。今年Velodyne推出了小型化的32线传感器，可以实现200米的探测距离，垂直视角28°。 Velodyne固态32线Ultra Pack激光雷达 Leddar公司同样也有具备360°探测能力的激光雷达产品。并且，因为同时提供ADAS解决方案，Leddar同样也提供传感器融合技术，把不同传感器的数据组合在一起，从而形成车辆周边环境的整体图像。固态LiDAR——替代摄像头/雷达或者作为它们的补充，可集成到ADAS以及无人驾驶功能中；为高级别自动驾驶提供高密度点云的LiDAR；可以支持光扫描或者光束测量的LiDAR （例如 MEMS镜面）； Ledaar的激光雷达探测距离可达250m，水平视角可达到140度，每秒可生成48万像素的点云，水平和垂直方向的分辨率可达0.25度。视觉图像传感器现在一个很广泛的应用是将2D激光雷达与视觉传感器相结合，不过相比于激光雷达，视觉传感器低成本的特性，也让其成为了在自动驾驶解决方案中不可或缺的存在。通过视觉传感器的图像识别技术对周边环境进行感知，对于自动驾驶而言，除了知道在什么位置存在什么物体/行人之外，进而像车辆发出减速刹车等指令来避免事故这一功能之外，是以图像识别为基础，能够理解当前的驾驶场景，并学会处理突发事件。

2020-5-18 15:43:31 评论举报周伟

答案对人有帮助，有参考价值 0 车辆上的各式各样传感器传感器在自动驾驶的重要性无需赘言。特斯拉的Autopilot系统通过摄像头、毫米波雷达与超声波雷达的融合数据来控制车辆在高速路车道行驶、变道以及根据交通情况调整车速。谷歌的全自动驾驶测试车用的是价格昂贵、结构复杂的远距传感系统LiDAR（激光雷达）。丰田透露过他们的高速道路自动驾驶汽车上有12个传感器：1个藏在内后视镜里的前摄像头，5个测量周围车辆速度的雷达，和6个探测周围目标位置的激光雷达5。尽管也有一些企业另辟蹊径，希望通过V2X技术来完成环境感知的工作，但是V2X严重依赖于基础设施，而传感器则不受这个限制。激光雷达 LiDAR系统使用的是旋转激光束。宝马、谷歌、日产和苹果的无人驾驶试验车用的就是这项技术。但要想在量产车上应用，价格必须大幅下降。业内普遍认为，再过几年这个目标就能实现。激光雷达工作原理（图片来自Velodyne）激光雷达的工作原理是通过发射和接收激光束来实现的。在其内部，每一组组件都包含一个发射单元与接收单元。上图的Velodyne使用了旋转镜面的设计。这套发射/接收组件和旋转镜面结合在一起，能扫描至少一个平面。镜面不只反射二极管发出去的光，而且也能把反射回来的光再反射给接收器。通过旋转镜面，能够实现 90到180度的视角，并且大大降低系统设计和制造的复杂度，因为镜面是这里面唯一的运动机构。脉冲光以前被用于探测距离。探测距离的原理是基酉光返回的时间，激光二极管发出脉冲光，脉冲光照射到目标物后反射一部分光回来，在二极管附近安装一个光子探测器，它可以探测出返回来的信号，通过计算发射和探测的时间差就可以计算出目标物的距离。脉冲距离测量系统一旦被激活就能收集到大量的点云。如果点云中有目标物，目标物就会在点云中呈现出一个阴影。通过这个阴影可以测量出目标物的距离和大小。通过点云可以生成周围环境的3D图像。点云密度越高，图像越清晰。通过激光雷达来生成周围环境的3D图像有几种不同的方式。一种实现方法是让发射/接收组件上下移动同时让镜面旋转，有时也叫这种方法为“眨眼点头”。这种方法能生成高度方向上的点云，但是减少了方位数据点（azimuth data points），因此点云密度会降低，分辨率也不够高。另一种方法叫“光扫描激光雷达”（flash LiDAR）。这种方法是使用2D焦平面阵列（Focal Plane Array，FPA）捕捉像素距离信息，同时发出激光来照射大块面积。这类传感器结构复杂，制造困难，因此还没有广泛的商业应用。但是它属于固态传感器，没有运动部件，因此将来有可能替代现有的机械式传感器。目前虽然有不同的LiDAR结构可以产生很多形式的3D点云系统，但是还没有一种系统能达到自动驾驶导航的应用要求。比如说，有很多系统能生成精致的图像，但是产生一幅图像需要花好几分钟。这种系统就不适合移动传感类的应用。还有一些光扫描系统的刷新率很高，但视角和探测距离又太小。另外还有一些单光束(single beam)系统能提供有用的信息，但是如果目标太小或者超出了视角就探测不到了。要想让LiDAR传感器的使用最大化，必须要能够看到周围所有的地方，也就是所说的需要实现360度视角；最终给用户输出的数据要有实时性，因此必须使数据收集和画面生成之间的时间延迟最小化。驾驶员的反应时间一般是十分之几秒，如果我们要实现自动驾驶导航，那么导航电脑的刷新率至少要达到十分之一秒。视角也不能只看水平方向，还需要有高度方向的视角，否则车就会掉到路上的坑里。垂向视角应该向下尽可能的靠近车辆，以便让自动驾驶适应路面的颠簸和陡坡。目前，业内有数家生产制造激光雷达的企业，他们的产品也有着各自的特色。 Velodyne拥有高精度激光雷达技术（HDL），据称其HDL传感器能够提供360度水平视角，26.5度的垂直视角， 15Hz的刷新率，并可以每秒生成一百万像素的点云。今年Velodyne推出了小型化的32线传感器，可以实现200米的探测距离，垂直视角28°。 Velodyne固态32线Ultra Pack激光雷达 Leddar公司同样也有具备360°探测能力的激光雷达产品。并且，因为同时提供ADAS解决方案，Leddar同样也提供传感器融合技术，把不同传感器的数据组合在一起，从而形成车辆周边环境的整体图像。固态LiDAR——替代摄像头/雷达或者作为它们的补充，可集成到ADAS以及无人驾驶功能中；为高级别自动驾驶提供高密度点云的LiDAR；可以支持光扫描或者光束测量的LiDAR （例如 MEMS镜面）； Ledaar的激光雷达探测距离可达250m，水平视角可达到140度，每秒可生成48万像素的点云，水平和垂直方向的分辨率可达0.25度。视觉图像传感器现在一个很广泛的应用是将2D激光雷达与视觉传感器相结合，不过相比于激光雷达，视觉传感器低成本的特性，也让其成为了在自动驾驶解决方案中不可或缺的存在。通过视觉传感器的图像识别技术对周边环境进行感知，对于自动驾驶而言，除了知道在什么位置存在什么物体/行人之外，进而像车辆发出减速刹车等指令来避免事故这一功能之外，是以图像识别为基础，能够理解当前的驾驶场景，并学会处理突发事件。

2020-5-18 15:43:35 评论举报何元