阿波罗进阶版-8-感知

概况

感知的目的是寻找机器的特长并发挥出来，向人类学习并做得比人类更好

人类可以利用耳朵眼睛等器官，结合四维能力对周围环境进行感知。机器感知系统则根据各种各样的传感器来获取汽车周围的驾驶环境，包括Lidar，Camera，Radar，超声波雷达以及拾音器等。相对人类而言，机器感知是全覆盖，并且感知精度更高，能够达到厘米级别，但是机器感知在语义感知方面相差太大。

无人车感知的信息输出主要是各个传感器的数据，固定目标更多的是依赖高精地图，减少在线识别。

多维度感知

感知模块的维度可以根据划分目标而不同，这里给出一种感知模块的维度划分案例，包括以下6个维度：

第一是传感器维度，也称之为输入。主要有Lidar，Camera，Radar，Ultrasonic高精地图等。

第二个维度是输出。主要包括障碍物，车道线和道路边界，红绿灯等。

第三个是问题空间维度。例如感知模块中涉及的一些算法或者要处理的问题，包括2D算法，3D算法（高度、距离、朝向角）。按照时间可以分为静态帧检测和时序处理等。

第四个维度是机器视觉维度，分为高语义和低语义问题，例如模型计算和几何计算。

第五个维度是机器学习维度，分为深度学习驱动的感知和通过先验知识进行启发式设计的方法，称之为后处理。

最后一个维度是系统维度，包括硬件和软件，以及软硬件一体化。在无人车系统里，感知的硬件显得更为重要，软件需要同步于硬件。

常用的感知传感器

激光雷达

激光雷达的测距原理是激光头发射光束，打到障碍物上反射回来，到接收器接收到之反射信号的时间间隔乘以光速再除以二得到障碍物的距离，叫做TOF（Time of flight，飞行时间测距法）。

激光雷达传感器的好处在于自带光源不受外界干扰，白天晚上都可以，而且测距准确度高（厘米级的精度）。其缺点是多线激光雷达扫描还比较稀疏，尤其是当障碍物距离比较远的时候，因此，激光雷达目前并不适合做识别任务。

相机

相机作为主动式感知设备，受到外界光线影响，感知的准确性和可靠性不高，但其成本较低，工艺成熟

毫米波

其优点是测距、测速比较准，缺点是噪点很多，例如在空旷的地方反馈很多的回波，实际可能是路面的反馈信号而不是障碍物。其次它对于非金属的反射信号比较弱，召回比较低，例如在它面前走过行人有可能漏掉。最后毫米波雷达也是稀疏感知，无法做识别任务。