智能网联汽车技术教学课件.pptxVIP

智能网联汽车技术概论 1 比作为汽车的“眼睛”，包括车载摄像头等视觉系传 感器和车载毫米波雷达、车载激光雷达以及车载超声 波雷达等雷达系传感器。本章将分别介绍上述三种激 光雷达， 双目及单目摄像头，以及GPS全球定位系统 的基本工作原理及在无人驾驶中的应用。 无人驾驶的成功开发涉及包括告警地图、实时定 位、障碍检测以及安全避障等多种技术，而这所有的 环节都离不开传感器。在无人驾驶架构中，传感层被 研究目的 2 3 超声波雷达 1 激光雷达 4 单目及双目摄像头 2 毫米波雷达 5 GPS全球定位系统 3 激光雷达 4 无人驾驶技术包含了高精地图、实 时定位、障碍物检测等在内的多种技术， 而激光雷达在这些技术中都能发挥重要 作用。本节主要介绍激光雷达的基本工 作原理及其在无人驾驶技术中的应用与 挑战。 激光雷达系统应用构架图 5 激光雷达(Light Detection And Ranging, LiDAR)是一种光学 遥感技术， 是一种可以精确、快速获取地面或大气三维空间信息的 主动探测技术，其应用范围和发展前景十分广阔。 它的工作原理是： 首先向目标物体发射一束激光；然后根据接受-反射的时间间隔确定 目标物体的实际距离；再根据距离以及激光发射的角度通过几何关 系推到出物体的位置信息。此外根据反射信号的信号强弱和频率变 化等数，还可以确定被测目标的运动速度、姿态以及物体形状信息。 6 无人车在运行过程中LiDAR并不是静止不 动的。在无人车的行驶过程中， LiDAR同时以 一定的角速度匀速转动，并在转动过程中不断 地发出激光并收集反射点的信息，以便得到全 方位的环境信息。 LiDAR在收集反射点距离的 过程中也会同时记录下该点发生的时间和水平 角度(Azimuth)，并且每个激光发射器都有其 编号和固定的垂直角度，根据这些数据就可以 计算出所有反射点的坐标。 LiDAR每旋转一周， 所收集到的所有反射点坐标的集合就形成了点 云(Point Cloud)。如图展示的是谷歌无人驾 驶公司Waymo在无人汽车上的激光雷达的布局 示意图。 7 激光雷达主要有如下几方面的优点： (1) 具有极高的分辨率。激光雷达工作于光学波段，频率比微波高 2~3个数量级以上，因此，与微波雷达相比，激光雷达具有极高的 距离分辨率、角分辨率和速度分辨率。 (2) 抗干扰能力强。激光波长短，可发射发散角非常小( μrad量 级)的激光束，多路径效应小(不会形成定向发射，与微波或者毫 米波产生多路径效应)，可探测低空/超低空目标。 (3) 获取的信息量丰富。可直接获取目标的距离、角度、反射强度、 速度等信息，生成目标多维度图像。 (4) 可全天时工作。激光主动探测，不依赖于外界光照条件或目标 本身的辐射特性。它只需发射自己的激光束，通过探测发射激光束 的回波信号来获取目标信息。 8 基于上述优点，激光雷达在无人驾驶中有多种应用，主要有面向高 精度地图的绘制、基于点云的定位，以及障碍物检测等，激光雷达 的应用途径包括： (1)高精地图的绘制 (2)无人车定位 (3)障碍物检测 9 (1)技术挑战 材质 由于激光雷达基于对激光脉冲返回传感器所需时间的测量，因 此高反射率的表面会带来问题。大多数材料从微观水平上看表面粗糙，并 且向所有方向散射光；这类散射光的一小部分返回到传感器，并且足以产 生距离数据。然而，如果表面反射率非常高，光就会向远离传感器的方向 散射，那么这一区域的点云就会不完整。 环境 空气中的环境也可以对激光雷达读数造成影响。空气中的悬浮 物会对光速产生影响。因而大雾和雨天均会减弱影响激光雷的精度，并且 研究表明，雨滴的半径及其在空中的分布密度直接决定了激光在传播过程 中与之相撞的概率。相撞概率越高，激光的传播速度受到的影响越大。为 了解决这些问题，较大功率的激光器投入使用，但它对于无人汽车这种较 小的、移动的以及对功率敏感型的应用来说并不是一个好的解决方案。 10 (2)计算挑战 激光雷达系统面临的另一个挑战是计算量问题。受复杂的光学器件旋 转速度的限制，普通LiDAR旋转时的刷新速率相对较慢。通常情况下LiDAR 系统最快的旋转速率大约是10Hz，这限制了数据流的刷新速率。当传感器 旋转时，假设以60km/h行驶的汽车在1/10秒内行进1.67米，因此传感器对 于在汽车驶过期间在这1.67米内发生的变化是无法检测到的。更重要的是， 激光雷达在理想条件下的覆盖范围为100-120米，这对于以60km/h行驶的 汽车来说仅需6-7秒的行驶时间。 因此为了解决无人汽车的行驶过程造成的LiDAR监测不准确的问题，一个 比较通用的方式是提升LiDAR的采样刷新速率。但这也会导致严重的计算 挑战