技术应用

自动驾驶常用传感器概要介绍

发布时间:2018-07-05 00:00:00 责任编辑:wenwei

【导读】自动驾驶技术涉及的环境感知传感器主要包括视觉类摄像机(包括单目、双目立体视觉、全景视觉及红外相机)和雷达类测距传感器(激光雷达、毫米波雷达、超声波雷达等),如图1所示。这些传感器目前都可以找到开源的SDK快速开发。小可根据这几年的开发经验,特此整理了目前常用传感器的一些API,方便初学者节省开发时间。
 
当然,对于可以根据需求自主定制传感器的土豪公司而言,本篇显得多余,请绕行。本篇主要适用于自动驾驶初级开发者,主要面向高校和科研院所的研究人员,以性能为主,较少考虑成本问题。笔者主要基于Linux系统进行开发,所介绍的API均以Ubuntu14.04及以上版本为准(4月份出Ubuntu18.04了,2年一个稳定版本,值得期待)。
 
自动驾驶常用传感器概要介绍
图1 自动驾驶主流传感器
 
单目摄像机
 
首推AVT工业相机,国内代理商较多。包含的相机种类较为齐全,接口包括1394火线接口、网口接口等,价格从几千元到几万元不等。
 
应用:单目相机的应用开发主要包括特征类符号的检测与识别,如车道线检测、交通标志识别、交通灯识别、行人和车辆检测等,基于机器学习的视觉计算在自动驾驶普及之日一定会是必不可少的部分,尽管目前来说视觉检测可靠性并不是很高,在以激光雷达为主要感知手段的自动驾驶车辆中应用并未达到预期。
 
自动驾驶常用传感器概要介绍
图2 路面及车辆识别
 
双目摄像机
 
应用于室外场景的双目视觉确实不多见,笔者之前用过的bumblebee双目也是应用于室内场景,之后接触了ZED相机也是室内比较好用(毕竟基线长度固定了,就那么短!)。建议用于室外做视觉里程计或者识别类算法的,自行搭建双目传感器,在保证同步触发的情况下,根据具体需求确定基线长度。双目视觉绕不开视差图和双目标定,目前比较通用的双目标定做法是采用张正友法,利用Camera Calibration Toolbox进行标定,当然,openCV中也集成了该方法,习惯C编程的可以看下,OpenCV经典教材《学习OpenCV》中文版464页至492页有详细内容,更有代码,不多说。
 
自动驾驶常用传感器概要介绍
图3 双目立体视觉标定
 
应用:障碍物检测可以,限于室内,结构光,近距离;视觉里程计确实是目前比较好的应用领域,用于路口定位等,各种开源SLAM技术中也都有应用,如ORB SLAM2,《视觉SLAM十四讲》有详细介绍和应用,好书,推荐一下。
 
全景相机
 
分为单镜头全景相机和多镜头拼接全景相机。笔者基于全景视觉的开发应用不多(当多目镜头使用,未完全发挥其全景优势),2015年腾讯做街景地图的时候貌似见过他们车上装着一个。
 
应用:比较推荐用全景相机做视觉里程计,视野范围大,特征点关联度高,个人始终觉得用全景视觉配合组合导航做高精度地图重建是个不错的选择,实现自动驾驶汽车车道级别定位,其他的没有深入研究。
 
红外相机
 
红外相机应该属于视觉的另外一个门类,夜视效果比白昼效果好,可应用于行人、车辆检测等。以前觉得在激光雷达出现以后,红外相机在自动驾驶应用中处于一个比较尴尬的地位,价格不菲且没有激光雷达结果来的直接,使用之后发现,在障碍物(如人)识别上,激光离散点云还是比不上空间上连续的图像。另外,测试中惊奇的发现,红外相机具体可以捕捉玻璃上的人影!细思极恐!红外相机在一定程度上可以对发热体进行区分,如路面、行人等,但毕竟需要后处理,没有激光雷达利用绝对高度或者梯度进行障碍物检测来的直接。夜晚条件下可以替代彩色相机,进行前视障碍物检测与监控。
 
自动驾驶常用传感器概要介绍
图4 红外视觉成像
 
毫米波雷达
 
适用于高速环境和编队行驶,其他场景貌似没有必要安装。单买贵,批发便宜。使用过delphi的一款,应该也是国内应用的比较多的,距离上最远到150米,分为单点跟踪和多目标检测两种工作模式,前者适用于编队行驶过程中前车检测,后者适用于高速环境下的远距离目标检测。由于毫米波雷达的成像原理为锥面成像(相当于从一点往外发散成一个锥面),依据锥面中障碍物的面积来推算障碍物,因而对于复杂场景,障碍物较为杂乱。而高速公路场景较为理想,道路环境好,车辆相对较少,适用于前方车辆的提前预警。(Tesla认为视觉+毫米足够支撑自动驾驶系统,个人相当认同,但是貌似算法上还需要推进一步)
 
开发:通过can收发数据,数据格式较为简单,一般协议文件中都有定义,对can口开发没有基础也不要恐慌,相当简单,买一个USBCAN转换器,有Ubuntu系统下can接收数据的依赖库,之后的数据解析按照协议来即可。 激光雷达。
 
应用:障碍物检测主流,waymo、百度、各大传统汽车厂商、各大创业公司、各大高校、研究院所……那么多自动驾驶汽车顶上装着的几乎都是激光雷达(Tesla除外);高精度地图重建与环境建模;SLAM等。
 
自动驾驶常用传感器概要介绍
图 多雷达融合
 
目前实际开发中笔者用到的传感器就这么多,希望对于初学者有所帮助吧。对于设备选型有选择困难症的也可以私信我,多多交流。
 
 
推荐阅读:
 
PLC与传感器连接方案选型参考
电子信号抗干扰之滤波技术
用于实现更快RF设计的构建模块策略
耿氏二极管波导振荡器
大牛干货:软件无线电的设计和测试
要采购相机么,点这里了解一下价格!

为您推荐

贸泽电子开售英飞凌60GHz车载雷达传感器,赋能高精度车内智能监测应用 业界新闻

贸泽电子开售英飞凌60GHz车载雷达传感器,赋能高精度车内智能监测应用

2026年8月28日,知名电子元器件授权代理商贸泽电子(Mouser Electronics)正式上架英飞凌全新XENSIV™ BGT60ATR24AIP 60GHz雷达传感器。这款通过权威车规认证的毫米波雷达芯片,凭借小巧封装、超低功耗、高集成度的硬件优势,可实现稳定、低成本的非接触式车内监测,全面适配儿童存在检测、座椅占用识别、手势交互、驾驶员状态监测等多元车载场景。随着该新品全面现货开售,汽车行业将迎来更轻量化、高可靠的车内感知解决方案,进一步丰富智能座舱与车载安全系统的选型空间。

汽车电子 RF /微波 传感技术 传感器 Infineon(英飞凌)

英飞凌8发8收成像雷达MMIC量产,赋能车载中央雷达架构 选型指南

英飞凌8发8收成像雷达MMIC量产,赋能车载中央雷达架构

全球功率系统和物联网领域的半导体领导者英飞凌科技股份公司(FSE代码:IFX / OTCQX代码:IFNNY)已开始量产RASIC™ CTRX8188F。这款新一代8发8收(8Tx8Rx)雷达收发器使英飞凌在快速扩张的汽车4D与高清成像雷达市场中处于领先地位。该产品已完成量产准备,搭配AURIX™ TC45可支持边缘处理,是市场上首款支持中央式架构雷达的单片微波集成电路(MMIC)。中央式架构雷达系统采用了一种新兴设计方案,即将原始传感器数据直接传输至车辆中央计算机进行处理。相比传统边缘处理设计,这一新概

AI&loT 汽车电子 RF /微波 传感技术 传感器 Infineon(英飞凌)

为什么一点灰尘就能让自动驾驶“看不清”路? 技术应用

为什么一点灰尘就能让自动驾驶“看不清”路?

激光雷达作为自动驾驶和智能机器人感知环境的核心传感器,依靠发射激光并接收反射信号来构建精确的三维点云图。然而,在现实环境中,灰尘等微小颗粒却可能成为其“看不见的敌人”。本文将深入解析激光雷达的工作原理,揭示灰尘如何通过散射、吸收和污染视窗等方式干扰激光信号,并探讨由此引发的识别误差、探测距离缩短乃至误判风险。同时,我们还将介绍当前应对灰尘干扰的多种技术手段,从硬件抗污设计到智能算法滤波,再到多传感器融合策略,帮助系统在复杂环境中保持稳健可靠的感知能力。

汽车电子 RF /微波 传感技术 传感器

ASA Motion Link:以开放标准化架构,重塑智能汽车的数据骨干网 技术应用

ASA Motion Link:以开放标准化架构,重塑智能汽车的数据骨干网

随着汽车行业向智能化、安全化及软件定义方向快速演进,车载系统对数据传输能力的要求达到了前所未有的高度。高级驾驶辅助系统(ADAS)和车载信息娱乐系统依赖于海量实时数据的处理与交换,这些数据在各类传感器、显示设备和控制单元之间,需要以非对称模式进行高效流动——即在一个方向上实现高速传输,在另一个方向保持低速而稳定的通信。现代车辆普遍配备高分辨率摄像头、激光雷达和雷达等感知设备,不仅为实现自动驾驶提供支持,还为乘客带来沉浸式的娱乐体验,这就要求底层通信协议必须同时满足超高可靠性、低延迟和大带宽的需求。

安防监控 汽车电子 RF /微波 传感技术 传感器

特别推荐

更多

行业动态

更多

技术应用

更多

选型替代

更多

产品信息

更多

热门搜索

更多

欢迎登录

没有账号,

账号注册

注册成功!

3S后自动为你跳转登陆