自动驾驶五大传感器 各有千秋优劣均沾

2018-02-26 09:06:10 来源:雷锋网 热度:
 
必须说明的是,“自动驾驶”并不是什么新生事物,早在上个世纪50年代,美国无线电公司(Radio Corporation of America,RCA)宣称其已经掌握了自动驾驶汽车的相关技术,并实现了一次距离为400英尺(120米左右)的自动驾驶(参见雷锋网文章《回望上世纪60年代,自动驾驶汽车在当时“近在咫尺”》);
 
而按照NHTSA和SAE对自动驾驶的划分,目前市场上在售的诸多具备车身稳定系统、防抱死系统、自动紧急制动,牵引力控制系统等功能的汽车已经达到了L1等级的自动驾驶,而我们熟悉的Google自动驾驶汽车,到目前为止亦未能达到L4等级的自动驾驶。而目前业界讨论的自动驾驶,更多的是在L3-L4级别上。
 
不同等级的自动驾驶来说具有不同的方案,也需要不同的传感器。普遍应用于自动驾驶的传感器主要有以下几种:
 
2D 摄像头、测距摄像头、激光雷达、雷达、声纳、GPS、IMU /罗盘及里程计等。
 
由于自动驾驶对车辆感知环境的要求极高,甚至要达到不逊于人类的水平,因此厂商通常会采用多种传感器,以取长补短。
 
而为了实现自动驾驶,交通工具需要感知以下数项指标:
 
位置、方向、地图、交通标识、信号灯,此外还需要探测周边环境,包括其它车辆、行人、自行车、摩托车、路障、马路牙子、地上的坑、大门、围墙,或是突然出现在车前的小孩等等。
 
传感器需要非常灵敏,才能以极快的速度探测到上述内容,并让车辆在几毫秒的时间内迅速做出反应。为了实现这一点,通常传感器的延迟需要控制在 2-3 毫秒内。
 
而为了普及自动驾驶,传感器的价格应该控制在可以接受的范围内。不过,根据目前自动化的程度,价格也有着天壤之别。比如达到 Level 3 的车辆,鉴于它能提供的自动化程度相对有限,为了提升其在市场上的竞争力,传感器的价格应该控制在车辆价格的 10% ,甚至更低。而与之相对,达到 Level 4 的自动驾驶车辆需要实现共享功能,并且实现 24 小时可用的状态,传感器的价格自然水涨船高,可能占全车的一半以上。
 
接下来,我们就一同来对比下方才介绍过的一些传感器,它们各有所长,也不尽完美,但我们可以从中一窥厂商取舍的动机。 
 
1. 2D 摄像头
优点:分辨率高、速度快、传递的信息丰富、成本低。结合两个 2D摄像头,我们就能获得三维立体的环境信息。
 
缺点:动态范围小(受强光和太阳影响)、对强计算能力有高要求,单摄像头无法提供3D信息,可能会有延迟;而在双摄像头状态下所提供的 3D 内容可能不够准确。
 
基于上述优缺点,2D 摄像头擅长提供周边环境的丰富细节,能够清楚地辨识物体,准确理解交通信号灯、标识及车道所表达的含义,还能检测车辆、行人及自行车等。
 
相对于其它传感器,2D摄像头的功能更加强大。例如,车道检测能够提升车辆的 GPS 定位准确度。
 
代表公司为以色列的 Mobileye。
 
2. 声纳
声纳设备的工作原理为:发射器发射 50 千赫的超声波,接收器通过接收反弹回来的声波,以时间差测算出与物体的距离。
 
优点:价格亲民,原理简单,只需单个设备即可完成信号检测,是一种相对可靠和快速的测试手段。
 
缺点:分辨率差,不能真实反映物体内容,对污物敏感,只能用于近距离测量。
 
综上所述,声纳传感器通常只能检测近距离物体,而且主要针对较近的路障。因此,它的使用场景集中于辅助刹车,及停车时监测周边的车辆及车桩。举个例子,谷歌汽车在两个车后轮上都安置了声纳传感器,用于停车和倒车。由于价格亲民,一辆车上多加几个传感器也不肉痛。
 
3. LIDAR
它的全称是激光/光探测及测距(LAser Detection And Ranging or LIght Detection And Ranging)。
 
与声纳相似的是,LIDAR 也是通过发射和反射的时间差测量距离,只不过载体是激光而非声音。而同样地,LIDAR 也具备发射器和接收器,扫描设备通过捕捉每个角度反射的激光而测定距离。值得一提的是,该设备通常是将激光束重新定向的一个旋转镜。
 
LIDAR 的监测范围因厂而异,有些廉价 LIDAR 只能探测数米远,而有些高端设备的测量距离甚至能达200 米;而激光束的扫描频率也从1 Hz到 100 Hz不等,当然也有更高频的设备。对于扫描的 LIDAR 而言,也分为单级和多级两种分辨率。
 
相对来说,单线扫描器价格更便宜些,而 LIDAR 也以分辨率及距离两大因素为标准,价格从几百美金到上千美金不等。
 
分支:3D LIDAR
3D LIDAR 能对周边环境进行 360 度扫描,通常拥有多线激光束及3D扫描功能,且价格极高。不过相对而言,3D LIDAR 的扫描速度较慢,只有几赫兹。
 
高端 3D LIDAR 则拥有单线扫描,并且测量距离远达 200 米。一般而言,它所要处理的数据量也非常巨大。比如,Velodyne 的 HDL-32E 传感器每秒就能扫描 70 万个数据点。而一些模型甚至能每秒扫描 160万个 3D 数据点。上述 LIDAR 的价格非常昂贵,虽然单个产品本身成本不高,但每年面世的数量相对较少,就显得物以稀为贵了。以 Velodyne 为例,去年它只销售了数百个激光雷达。如果它的市场需求能提高到百万级,那么它的价格也会相应降低到数百美金。
 
优点:可靠的 3D 点云,对光线不敏感,收集的信息内容丰富。
 
缺点:贵,缺少色彩信息,在监测能产生反射或透明的物体时准确性不够。收集的数据需要极高的计算能力,且扫描速度相对较慢。
 
3D LIDAR 目前尚未得到大规模普及,但它提供了非常可靠而丰富的 3D 环境信息。Level 4 的自动驾驶车辆都可以采用 3D LIDAR,但对 Level 3 及以下的产品而言,价格就有点吃不消了。
 
4. 雷达
和上述两种传感器设备相似的是,它的原理同样是通过发射无线电信号(无线电频段的电磁波)并接收反射信号来测定与物体间的距离的。多普勒雷达测量的是反射信号的频率转变,并计算其速度变化。因此,雷达可以探测距离和障碍物的相对移动速度。多普勒雷达本身无法检测静止的物体。
 
雷达能够检测 30-100 米远的物体,高端的雷达能够检测到很远的物体。雷达不受天气状况的影响,即使是雨雪雾霾都能正常运作,且对灰尘也不敏感。
 
但是,雷达传输的是电磁波信号,因此它无法检测上过漆的木头或是塑料(隐形战斗机就是通过表面喷漆来躲过雷达信号的),而人类也几乎对雷达“免疫”。
 
雷达对金属表面非常敏感,如果是一个弯曲的金属表面,它会被雷达误认为是一个大型表面。因此,路上一个小小的易拉罐甚至可能会被雷达判断为巨大的路障。此外,雷达在大桥和隧道里的效果同样不佳。
 
优点:由于其大批量生产的缘故,雷达的价格相对没那么昂贵,且对周边车辆的检测准确度较高,对于某些特定材料较敏感。反应速度快,操作简单,能适应恶劣天气。
 
缺点:对于某些材料“不太感冒”,无法判断所识别物体的大小,且相对分辨率较低。
 
因此,雷达通常广泛用于自动巡航控制,辅助变道及紧急制动系统。以谷歌汽车为例,它在前后的保险杠上装有四个雷达传感器,主要用于保持车距;而特斯拉比起摄像头而言更依赖雷达设备。
 
而使用毫米波雷达,也能够提升检测分辨率。
 
5. GPS,测距和 IMU(惯性测量单元)
GPS 不够准确,也不总是管用。它能够提供大致的位置信息,且只能达到 99% 的准确度。
 
IMU 测量的是加速度,高端及军用级别的 IMU 相对准确性更高,不过目前高精度的 IMU 还处于研究状态。
 
整体而言,并没有任何一种传感器能尽善尽美地满足自动驾驶的所有需求。自动驾驶需要多种传感器的辅助配合才能顺利上路,而后者联合提供的信息则更加立体和可信。比如,谷歌汽车采用的是 Velodyne 的360 LIDAR (64 激光束,探测距离达 200米)、检测近路的前置相机、前后保险杠各两个雷达传感器,再加上 GPS、IMU 及两个后轮的声纳传感器。
 
尺有所短,寸有所长,只有让多种传感器协同合作,才能让自动驾驶顺利驰骋。

责任编辑:王维

相关推荐

物联网时代下传感器将迎来发展风口

近期,中国传感器及物联网产业发展战略研讨会正式在北京召开。据悉,这次会议旨在落实《国家集成电路产业发展推进纲要》、《中国制造2025》、《国务院关于积极推进物联网+行动的指导意见》等国家战略,推动我国传感器及物联网产业向着融合化、创新化、生态化、集群化方向加快发展。近年,在居民收入持续提高消费需求升级、电子信息技术快速发展、大企业积