一、基于传感器融合的无人驾驶汽车
(一)什么是多传感器融合?
利用计算机技术将来自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,以完成所需要的决策和估计而进行的信息处理过程。常用的传感器有摄像头、激光雷达、毫米波雷达等。
1.大多数路面上行驶车辆内的传感器都是独立工作的,这意味着它们彼此之间几乎不交换信息。只有把多个传感器信息融合起来,才是实现自动驾驶的关键。
2.由于车辆要实时监测车辆周围的各种信息,因此各传感器的安装角度不同,如相机一般安装在车辆顶部,雷达一般会安装在车头处,车身周围也会有相机的安装,每个传感器收到的信号就会各不相同。
3.如果一个传感器所得到的信息要求汽车立即刹车,而另一传感器显示可以继续安全行驶,或者一个传感器要求汽车左转,而另一个传感器要求汽车右转,在这种情况下,如果不对传感器信息进行融合,汽车就会“感到迷茫而不知所措”,最终可能导致意外的发生。
多传感器融合可显著提高系统的冗余度和容错性,从而保证决策的快速性和正确性,是无人驾驶的必然趋势。各种传感器性能各有优劣,在不同的应用场景里都可以发挥独特的优势,仅依靠单一或少数传感器难以完成无人驾驶的使命。
(二)实现传感器融合所需的技术
1. 传感器同步技术
传感器同步技术可以分为三类,硬件同步指使用同一种硬件同时发布触发采集命令,实现各传感器采集、测量的时间同步,做到同一时刻采集相同的信息。时间同步是指通过统一的主机给各个传感器提供基准时间,各传感器根据已经校准后的各自时间为各自独立采集的数据加上时间戳信息,可以做到所有传感器时间戳同步。空间同步较为简单,主要是指将不同传感器坐标系的测量值转换到同一个坐标系中,其中激光传感器在高速移动的情况下需要考虑当前速度下的帧内位移校准。
2. 多传感器融合算法
传感器信息融合算法是多传感器融合的核心,融合算法要足够优化,因为多传感器的使用会使需要处理的信息量大增,这其中甚至有相互矛盾的信息,如何保证系统快速地处理数据,过滤无用、错误信息,从而保证系统最终做出及时正确的决策十分关键。实践证明:与单传感器系统相比,运用多传感器数据融合技术在解决探测、跟踪和目标识别等问题方面,能够增强系统生存能力,提高整个系统的可靠性和鲁棒性,增强数据的可信度,并提高精度,扩展整个系统的时间、空间覆盖率,增加系统的实时性和信息利用率等。
二、无人驾驶常用场景
(一) 基于激光雷达的车距测量
关于多传感器融合的工作原理,我们以车距测量、车速检测和车道线检测为例来说明。
首先是基于激光雷达的车距测量,如图所示为激光雷达的工作原理图,激光发射器发射的激光束经物体反射后由激光接收器接收,通过测量激光信号从发出到接收的时间差,乘以光速可以确定前方车辆的距离;基于发射的激光信号和测量的激光信号之间的时间差和相位差建立二维极坐标系可以确定前方车辆相对于本车的具体位置;通过获取不同俯仰角信号可以获得前方车辆相对于本车的距离、位置,以及前方车辆的高度信息。