无人驾驶车辆摄像头 Vs.激光雷达(LiDAR)
无人驾驶车辆摄像头 Vs.激光雷达(LiDAR)
为了实现完全自主驾驶,汽车必须精确定位自身相对于周围环境的位置、识别车载传感器无法识别的路况并做出反应,并根据乘客和其他交通参与者的需求进行驾驶。

一旦实现大规模部署,无人驾驶汽车将大幅度减少交通伤亡事故,因为无人驾驶汽车绝对不会出现疲惫、分心、酒驾或路怒症等情况,也不会出现危险的人类驾驶行为,如驾驶期间发短信、闯红灯,或无视骑自行车者。无人驾驶汽车还能优化驾驶路线,从而减少燃油消耗和交通拥堵,减少道路汽车数量--因为将有更多人转而使用汽车服务而不是拥有私家车。然而,出于不断变化的复杂建筑环境、更加复杂的动态交通环境(包括不理性的人类行为)以及在恶劣天气下观察和理解环境的困难,实现这一愿景仍然需要多年努力。

自我发现

为实现完全自主驾驶,汽车必须精确定位自身相对于周围环境的位置、识别车载传感器无法识别的路况并做出反应,并根据乘客和其他交通参与者的需求进行驾驶。因此,完整系统将集成多种地理空间与其他技术,其中一些技术已经用于汽车导航,或正在进行防撞测试,包括:

  1. GNSS接收器
  2. 惯性测量单元(IMU)
  3. 无源光学传感器,即摄像头
  4. 激光雷达(LiDAR)
  5. 雷达
  6. 声纳
  7. 车轮编码器
  8. 实时高分辨率地图
  9. 车载电脑和硬盘
  10. 云计算和云存储
  11. 高速蜂窝网络

始终明察秋毫

安全驾驶要求达到厘米级精度定位--远远超过GNSS(包括采用RTK校正)在实际使用条件下能够稳定实现的精度。为弥合这一差距,LiDAR和摄像头的运用至关重要。LiDAR的主要贡献在于测量汽车与其他车辆、固定基础设施和随机障碍物的距离。最先进的传感器能够看清100米以外的几厘米细节。LiDAR在检测尖锐边缘特征(如路缘)等方面也优于摄像头。它正在接受测试,旨在创建360度车辆环境模型,并预测附近行人与车辆的运动。摄像头的主要贡献在于探测和解释视觉线索,如道路标志与位置,以及车道标记曲率,以保持车辆在正确车道上行驶,并完成基本的变道操作。在恶劣天气下,雷达同样必不可少,因为无线电波与光波不同,能够穿透雨、雪、雾甚至灰尘,从而使雷达“看到”摄像头和激光雷达无法看到的事物。不过,雷达传感器无法看清太多细节,而摄像头在光线昏暗或眩光情况下表现不佳。

相对于乘用车标准,目前使用的LiDAR设备依然体积庞大而价格不菲。不过,一旦开始大规模生产,LiDAR成本有可能快速下降,从数万美元降至数百美元,其体积也将显著缩小。大量需求也有助于解决目前的生产不足问题。摒弃旋转镜,将激光束引导至以电子方式操纵光束的固态单元,因此无需任何移动部件--这项技术改进将使LiDAR装置价格更低、体积更小、质地更坚固。

如何选择摄像头、LiDAR和其他无人驾驶汽车技术的组合,主要取决于最终研发目标。特斯拉(Tesla)希望其Autopilot系统能够在短短几年内实现90%的驾驶自动化。实现这个目标可能不需要使用LiDAR。但是,另外10%的驾驶场景将很难实现自动驾驶。谷歌多年来一直致力于开发完全无人驾驶汽车,彻底消除所有人为错误。实现这个目标则几乎肯定需要LiDAR。

今日的未来

Applanix自动驾驶开发平台利用先进工具和工程专业知识为无人驾驶汽车开发项目提供支持和扩展,从而在项目开发的各个阶段推动研发进展。可根据客户需求和开发阶段提供定制开发套件与生产套件。

To Top