日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機(jī)站
  • 小程序

    汽車測(cè)試網(wǎng)

  • 公眾號(hào)

    • 汽車測(cè)試網(wǎng)

    • 在線課堂

    • 電車測(cè)試

淺析自動(dòng)駕駛的重要一環(huán)：感知系統(tǒng)發(fā)展現(xiàn)狀與方向

2019-04-29 21:40:33·  來源：2030出行研究室  
　
在自動(dòng)駕駛控制系統(tǒng)的架構(gòu)當(dāng)中，自動(dòng)駕駛車輛的感知系統(tǒng)和定位系統(tǒng)作為車輛路徑規(guī)劃的依據(jù)，是至關(guān)重要的兩個(gè)環(huán)節(jié)。最近將詳細(xì)介紹自動(dòng)駕駛車輛的感知系統(tǒng)和定位
在自動(dòng)駕駛控制系統(tǒng)的架構(gòu)當(dāng)中，自動(dòng)駕駛車輛的感知系統(tǒng)和定位系統(tǒng)作為車輛路徑規(guī)劃的依據(jù)，是至關(guān)重要的兩個(gè)環(huán)節(jié)。最近將詳細(xì)介紹自動(dòng)駕駛車輛的感知系統(tǒng)和定位系統(tǒng)的基本結(jié)構(gòu)、發(fā)展現(xiàn)狀和未來發(fā)展方向。本文將從感知系統(tǒng)的傳感器技術(shù)講起。
自動(dòng)駕駛控制系統(tǒng)循環(huán)架構(gòu)
一、傳感器分類
自動(dòng)駕駛車輛上所配備的傳感器可分為三大類：
· 自感應(yīng)傳感器（Self-senseing）：自感知使用本體感應(yīng)傳感器（Proprioceptive Sensor）來測(cè)量車輛的當(dāng)前狀態(tài)，包括車輛的速度，加速度，橫擺和轉(zhuǎn)向角。本體感應(yīng)信息通常使用預(yù)先安裝的測(cè)量單元來確定，例如里程表，慣性測(cè)量單元（IMU），陀螺儀（Gyroscopes）和來自控制器局域網(wǎng)（CAN）總線的信息。
慣性測(cè)量單元及其原理示意簡圖
· 定位傳感器（Localization）：定位傳感器使用GPS等外部傳感器（Exteroceptive Sensor）或慣性測(cè)量單元讀數(shù)的航位推算進(jìn)行定位，可以確定車輛的全球和本地位置。
定位通常使用傳感器的組合，例如GPS，IMU，里程表和相機(jī)（通過基元和地圖之間的匹配，即SLAM）獲得高精度結(jié)果。來自多個(gè)傳感器的數(shù)據(jù)融合可以最大限度地減少單個(gè)傳感器的缺點(diǎn)，并提高系統(tǒng)的可靠性和穩(wěn)健性。
低成本的IMU，可以在短時(shí)間內(nèi)可靠地定位（例如通過隧道時(shí)），GPS可以長時(shí)間可靠地定位，但在遠(yuǎn)程區(qū)域或通過隧道時(shí)可能會(huì)失去連接，IMU和GPS這對(duì)黃金組合的使用可以有效地減少定位誤差和在GPS中斷期間提供定位信息）。
· 環(huán)境感知傳感器（Surrounding-sensing ）：環(huán)境感知傳感器使用外部感知傳感器來感知道路標(biāo)記，道路坡度，交通標(biāo)志，天氣狀況，障礙物的狀態(tài)（位置，速度，加速度等），包括其他車輛，甚至是駕駛員的狀態(tài)（困倦，疲勞等）。
駕駛員狀態(tài)檢測(cè)
本體傳感器（Proprioceptive Sensor）和外部感受器（Exteroceptive Sensor）可分為：
· 有源傳感器（Active sensor）：有源傳感器通常是以電磁波的形式發(fā)射能量并測(cè)量返回時(shí)間以確定諸如距離之類的參數(shù)。包括聲納，雷達(dá)和光檢測(cè)和測(cè)距（LIDAR）傳感器。
· 無源傳感器（Passive Seosor）：無源傳感器不發(fā)射信號(hào)，而是感知環(huán)境中已經(jīng)存在的電磁波例如，基于光的和紅外的相機(jī)。
自動(dòng)駕駛系統(tǒng)傳感器種類功能示意圖
二、傳感器感知領(lǐng)域的幾大挑戰(zhàn)
· 在惡劣天氣條件下（如雪，大雨和霧）的感知
在極端惡劣天氣條件下的感知是如今自動(dòng)駕駛感知領(lǐng)域所面臨的一個(gè)重要挑戰(zhàn)。因?yàn)榧词箤?duì)于人類駕駛員來說，這些情景也是十分具有挑戰(zhàn)性的。
-在白雪皚皚的條件下，無論是基于視覺的系統(tǒng)還是基于基于LiDAR的系統(tǒng)都存在感知困難。許多基于視覺的自動(dòng)駕駛感知系統(tǒng)都依賴于觀察道路標(biāo)記來導(dǎo)航道路。然而，一層薄薄的雪可能會(huì)導(dǎo)致這些標(biāo)記完全消失。此外，即使是模糊，骯臟，磨損或涂漆的道路標(biāo)記（沒有雪況）也會(huì)對(duì)自動(dòng)駕駛的感知系統(tǒng)造成不良影響。
-雪的“沉重感”或密度會(huì)影響激光雷達(dá)光束的反射效果，產(chǎn)生“幻影障礙（Phantom obstacles）”。這些“幻影障礙”可以抑制自動(dòng)駕駛車輛正確判斷環(huán)境的能力，并可能導(dǎo)致車輛誤停。
-在多雨或多霧的條件下，會(huì)出現(xiàn)類似的不同情況。飛濺的雨水會(huì)影響激光雷達(dá)的反射效果，霧可能會(huì)遮擋攝像機(jī)的視線，從而抑制了可靠的感知車輛周圍環(huán)境的能力。
MIT的研究人員建立的一種大霧天氣下基于LiDAR的輔助系統(tǒng) 
雷達(dá)通常在惡劣天氣條件下表現(xiàn)良好。但是，由于雷達(dá)無法執(zhí)行穩(wěn)健的分類和檢測(cè)道路標(biāo)記，自動(dòng)駕駛不能完全依賴?yán)走_(dá)來感知。視覺算法的改進(jìn)是一條潛在的解決方案。因?yàn)槿祟惪梢灾挥醚劬M(jìn)行感知，就能在雨雪中安全駕駛。模擬生物視覺的算法有可能在惡劣環(huán)境中大幅提高自動(dòng)駕駛的可靠性。與此同時(shí)，相機(jī)、激光雷達(dá)和雷達(dá)傳感器等多傳感器融合的方法也可以用于檢測(cè)陰天，晴天，雪，雨和黑暗條件下的行人和車輛。目前，這樣的系統(tǒng)仍要改進(jìn)，以提高準(zhǔn)確率和穩(wěn)定性。同時(shí)，基于車輛無線數(shù)據(jù)傳輸（V2V）和車聯(lián)網(wǎng)（V2L）的車輛通訊系統(tǒng)可以協(xié)助驗(yàn)證傳感器數(shù)據(jù)的準(zhǔn)確性。
百度Apollo雨霧挑戰(zhàn)
· 在變化和不利的照明條件下的感知
鏡頭光斑（Lens-flares），大陰影（Large shadows）和其他不利的照明條件也會(huì)對(duì)感知產(chǎn)生不同的影響。例如，視覺系統(tǒng)可能會(huì)將大陰影混淆成其他物體的一部分。此外，可能需要在當(dāng)前感知系統(tǒng)中添加不同的視覺提示（例如尾燈，反射道路標(biāo)記等）或熱成像（遠(yuǎn)紅外）相機(jī)，以提高低光照條件或夜間的性能。即便如此，依然不能保證沒有系統(tǒng)未檢測(cè)和跟蹤到的障礙。與此同時(shí)，大量遠(yuǎn)紅外線攝像機(jī)檢測(cè)和跟蹤算法的計(jì)算效率不足以實(shí)時(shí)使用。
其他感知系統(tǒng)試圖通過依賴關(guān)于環(huán)境的先驗(yàn)信息來解決光條件問題。然而先驗(yàn)信息并非一成不變，如果一個(gè)新建的交通指示燈并沒有錄入先驗(yàn)信息（Priori Information），就會(huì)在自動(dòng)駕駛車輛遇到它時(shí)造成麻煩。
還有一些方法可以依賴于有源傳感器，例如LiDAR，以克服糟糕照明條件。這種傳感器不需要外部光線，因此可以在光線不足和夜間探測(cè)障礙物。但是，激光雷達(dá)數(shù)據(jù)在觀察復(fù)雜或深度紋理的物體（如灌木叢）時(shí)通常會(huì)產(chǎn)生噪聲，從而阻礙系統(tǒng)的感知。因此，為了更好地解決照明條件問題，可以組合來自多個(gè)傳感器的數(shù)據(jù)，在不良照明條件下提供不同的優(yōu)勢(shì)以獲得更好的結(jié)果。但在這方面，仍然需要進(jìn)行廣泛的研究來解決剩余的挑戰(zhàn)。
· 駕駛員對(duì)于自動(dòng)駕駛系統(tǒng)功能的正確認(rèn)知
駕駛員對(duì)于自動(dòng)駕駛系統(tǒng)功能的正確認(rèn)知，是保證自動(dòng)駕駛系統(tǒng)正確運(yùn)行的一大重要條件。但是實(shí)際上，普羅大眾對(duì)于自動(dòng)駕駛分級(jí)中每一級(jí)別間的差別知之甚少，對(duì)于不同廠商的自動(dòng)駕駛系統(tǒng)的功能也不甚了解。這就造成了，駕駛員可能過分依賴傳感器或完全忽略傳感器的讀數(shù)。從而導(dǎo)致惡劣后果。
自動(dòng)駕駛分級(jí)
因此，確保公眾理解技術(shù)的能力（例如，其在典型條件下充分檢測(cè)障礙物的能力）及其局限性（例如，其無法檢測(cè)超過一定距離或惡劣天氣條件下的障礙物）十分重要。有研究表明，公眾可能無法從自動(dòng)駕駛的中間階段受益（即Level2和Level3的自動(dòng)駕駛系統(tǒng)）。因?yàn)?，在這個(gè)等級(jí)的自動(dòng)駕駛系統(tǒng)當(dāng)中，駕駛員可能不會(huì)完全理解該階段自動(dòng)駕駛自主特征的范圍和限制，從而造成事故的發(fā)生。比如，此前發(fā)生的一些特斯拉的事故就是駕駛員盲目信任自動(dòng)駕駛系統(tǒng)而誤操作導(dǎo)致的。
特斯拉在國內(nèi)首起自動(dòng)駕駛系統(tǒng)致死事故
· 多傳感器融合
為了彌補(bǔ)個(gè)體缺點(diǎn)，傳感器可以通過“多傳感器融合”進(jìn)行耦合。多傳感器融合的好處，包括提高感知準(zhǔn)確性，可靠性和穩(wěn)健性。傳感器融合也不限于融合來自多個(gè)傳感器的數(shù)據(jù)。傳感器融合還可以通過融合來自單個(gè)傳感器的多個(gè)讀數(shù)的數(shù)據(jù)來執(zhí)行，以獲得更可靠的輸出。多傳感器融合，通過系統(tǒng)冗余，使系統(tǒng)更加可靠。這稱為競(jìng)爭性融合。人們還可以使用兩個(gè)互補(bǔ)傳感器來增加覆蓋范圍。例如，在車輛的任一側(cè)使用互補(bǔ)的LiDAR來覆蓋車輛前方更寬的角度。
對(duì)于自動(dòng)駕駛商業(yè)化來說，多傳感器融合可以有效降低成本。多個(gè)低精度傳感器融合下的精度通常優(yōu)于使用單個(gè)高精度傳感器。而單個(gè)高精度傳感器的成本通常明顯高于兩個(gè)低成本傳感器的成本，這些傳感器通?？梢酝ㄟ^傳感器融合實(shí)現(xiàn)與單傳感器算法類似或更好的結(jié)果。盡管如此，在成本限制之內(nèi)依然需要盡可能使用高精度傳感器。
· 傳感器故障和運(yùn)行狀態(tài)監(jiān)控
在一輛自動(dòng)駕駛車輛能夠穩(wěn)健地感知環(huán)境之后，他們還需要能夠檢測(cè)和識(shí)別傳感器感知故障。就像駕駛員看到發(fā)動(dòng)機(jī)故障燈會(huì)主動(dòng)停車一樣，自動(dòng)駕駛系統(tǒng)也需要準(zhǔn)確檢測(cè)出傳感器故障并采取措施。
在航天航空系統(tǒng)中，通常采用多個(gè)相同的傳感器以增加冗余度的方法來解決該問題。通過比較驗(yàn)證每個(gè)傳感器的正確操作，從而確定是否有任何傳感器出現(xiàn)故障。然而，單純?cè)黾觽鞲衅鲾?shù)量可能會(huì)產(chǎn)生負(fù)面影響。因此，提出了故障檢測(cè)與分離（FDI）方法。但實(shí)際上，故障檢測(cè)與分離的方法具有很大的局限性。在該方法中，只要“接近完美”的系統(tǒng)模型才能使該方法有效。但是對(duì)于極其復(fù)雜的非線性的車輛操縱和不可預(yù)測(cè)性的周圍環(huán)境的來說“完美”模型的獲得并非易事。
使用分析冗余和非線性變換方法來比較傳感器度量，以便檢測(cè)和識(shí)別故障或異常傳感器也是一條思路。但這個(gè)應(yīng)用中，誤報(bào)率很低，漏報(bào)率卻很高。因此，繼續(xù)FDI方法的研究是目前的趨勢(shì)。
三、感知算法
自動(dòng)駕駛所涉及的感知算法可以分為三類：
· 中介感知（Mediated Perception）：在中介感知中，算法通過分析與車輛，行人，樹木，道路標(biāo)記等的距離來開發(fā)車輛周圍環(huán)境的詳細(xì)地圖。這是當(dāng)今研究中使用的最常見的自動(dòng)駕駛感知技術(shù)。
· 行為反映感知（Behavior Reflex Perception）：行為反射感知算法使用人工智能技術(shù)將傳感器數(shù)據(jù)（例如車輛環(huán)境的圖像）直接應(yīng)用到駕駛操作系統(tǒng)當(dāng)中。
· 直接感知（direct perception）：將以上兩種感知方法相結(jié)合
除此之外，感知算法也可以分為
· 基于視覺的算法（Vision-based）：基于視覺的感知主要依賴于相機(jī)數(shù)據(jù)。因此，這些算法剖析基于像素的視頻以檢測(cè)環(huán)境中的車輛，行人和其他障礙物。該算法可以使用幾何，光流，顏色或其他圖像特征進(jìn)行檢測(cè)。
視覺算法示意圖
· 基于點(diǎn)云的算法（Point-cloud based）：基于點(diǎn)云的感知主要依賴于由有源傳感器收集的3D空間中的點(diǎn)（或測(cè)量到對(duì)象的距離）的數(shù)據(jù)。算法可以涉及通過點(diǎn)的密度，幾何形狀或圖案從大量點(diǎn)導(dǎo)出結(jié)構(gòu)以便檢測(cè)物體，正確地檢測(cè)和識(shí)別故障。
點(diǎn)云算法示意圖
四、未來發(fā)展方向
以下總結(jié)了自動(dòng)駕駛感知系統(tǒng)傳感器相關(guān)的領(lǐng)域需要進(jìn)一步開發(fā)的內(nèi)容：
1. 改善檢測(cè)并減少不良照明和天氣條件下的不確定性；
2. 改善檢測(cè)并減少復(fù)雜環(huán)境中的不確定性；
3. 通過交叉驗(yàn)證障礙物位置和信號(hào)，減少傳感器數(shù)據(jù)的不確定性；
- 進(jìn)一步開發(fā)傳感器融合算法
- 使用更多傳感器和傳感器融合源構(gòu)建多層環(huán)境建模
- V2V和V2I通信
4.確保駕駛員了解傳感器功能和限制；
5.使用更多無源傳感器（與有源傳感器相比）或開發(fā)有效的算法可以抵消增加的密度，從而抵消有源傳感器信號(hào)的干擾；
6.通過以下方式降低自動(dòng)駕駛傳感器系統(tǒng)的總體成本：
- 使用低成本傳感器進(jìn)一步開發(fā)傳感器融合算法
- 利用可能的新型低成本，高效傳感器
7.開發(fā)用于汽車傳感器和算法的故障檢測(cè)和分離系統(tǒng)；
 
8.使用傳感器數(shù)據(jù)融合，通過使用傳感器的互補(bǔ)性和冗余度來限制每個(gè)傳感器的回收和解決方案的影響，以提高準(zhǔn)確性，確定性和可靠性；
 
進(jìn)一步提高自動(dòng)駕駛感知系統(tǒng)的準(zhǔn)確度和精度依然是目前的一大發(fā)展方向。而多傳感器融合技術(shù)無疑是其中的重頭戲。無論是提高準(zhǔn)確度，還是面對(duì)極端惡劣天氣條件，亦或者實(shí)現(xiàn)商業(yè)化落地，它都能扮演舉足輕重的地位。目前，雖然一些Level2和Level3級(jí)別的自動(dòng)駕駛車輛已經(jīng)實(shí)現(xiàn)了商業(yè)化落地，但距離實(shí)現(xiàn)完全自動(dòng)駕駛，我們還有很長的路要走。
 
 
分享到：
 
反對(duì) 0 舉報(bào) 0 收藏 0 評(píng)論 0
滬ICP備11026917號(hào)-25