为何大家会觉得补盲激光雷达会是下一个可卷的领域呢?这就要从主机厂们卷激光雷达的数量开始说起,为了实现全车360°视场角全覆盖,尽可能的实现传感器视野盲区,主机厂们在一些旗舰车型上堆了好几颗激光雷达。小鹏G9有2颗,极狐阿尔法s华为HI版方案用了3颗,长城机甲龙堆了4颗。 4颗激光雷达的车型可以完全覆盖车辆前、后、左、右四个方向,而3颗激光雷达的布置舍弃了后向,1颗或者2颗激光雷达的车型都将雷达布置在前向,但2颗激光雷达车型前向左右两侧的视场角要比1颗激光雷达的会更大一点。
这么一看,激光雷达这玩意儿多多益善呀,但是激光雷达这个东西贵呀,从自驾系统硬件成本上来测算,除了域控,第二贵的就属激光雷达了。而且激光雷达的增加会让域控处理的感知信息量大幅增加,随之芯片成本和闪存存储器(Univeral Flash Storage, UFS)成本也大幅增加,最终反应到车辆价格上就会导致产品竞争力下降。
其次,主激光雷达的技术规格侧重远距离,垂直视场角只有25°~30°,对于补盲所希望的大视场角有所不同,用起来不顺手。因此,在预研规划下一代自动驾驶硬件方案时,主机厂和供应商都会严肃考虑补盲激光雷达的产品定位。成本更低但是性能够用的补盲激光雷达成了一个很好的选择,补盲激光雷达主要布置在侧向位置,最小外露视窗尺寸小,探测能力100m左右,视场为100°*75°广角,高可感知路牌、栏杆、立体车库夹层,低可探测孩童、宠物、锥桶、斑马线等。 如下表1所示,是目前市场上主流的补盲激光雷达的参数。
表1 主流补盲激光雷达参数对比
下面笔者以速腾聚创E1为例,详细阐述一下补盲激光雷达的作用,建立起大家对补盲激光雷达的一个基本概念。 速腾聚创E1采用940nm激光波段,激光人眼安全等级为最高的Class 1 Eye Safety,属于安全型激光,在正常使用条件不会对行人的健康带来危害。视场角为120°×90°,角分辨率为H×V:0.625°×0.625°,帧率为可配置的10~30Hz。
在100klux光照,10%反射率条件下,其探测距离为30m,检测盲区低于0.1m,测距精度为±5cm(1 sigma)。功耗小于15W,重量低至300g,工作温度范围为(-40°C,85°C),防护等级为IP67,IP6K9K。 从表1可知,补盲激光雷达的水平视场角都很大,这就能支持最优部署方案,所谓最优部署方案,就是实现车辆360度无死角覆盖,没有盲区的存在。如图2所示的三种部署方案,2补盲1前向能保证最优部署方案,3补盲1前向和4补盲1前向已经能保证足够的感知冗余了。这种最优部署方案可以保证融合零盲区,提前发现对向来车,安全掉头。
图2 激光雷达部署方案 从表1可知,补盲激光雷达的垂直视场角较前向激光雷达都大,大垂直视场角有什么好处呢?从图3的75°视场角和90°视场角比较可以看出,大垂直视场角能兼顾地面补盲与侧向大范围感知,有效降低盲区角度和盲区范围。从图4可知,补盲激光雷达能有效弥补现有自动驾驶硬件感知中的Corner Case。
图3 75°垂直视场角 vs 90°垂直视场角
图4 补盲激光雷达感知物体 对于补盲激光雷达对自动驾驶功能的提升,笔者从泊车、高速和低速三个方面进行阐述。 从代客泊车功能的实现来看,补盲激光雷达的增加除了完美实现自车360无死角的覆盖之外,还可以精确可靠的感知碰撞边界,从而实现真正安全智能可靠的代客泊车功能。
从高速路自动驾驶功能来看,目前功能在面对较拥堵环境的cut-in/cut-off场景无法应对,自车在面对后车抢行、侧向空间不足时,无法进行安全变道,加装补盲激光雷达后,自车能有效增加侧向感知性能,从而优化变道算法,在较小空间内实现变道。
低速场景,主要是交通拥堵功能,通过两颗补盲激光雷达的360全视场角覆盖,可以解决侧向盲区和异形目标检测问题,弥补了前向激光雷达视场角以外区域的感知效果差异,能够有效应对加塞和变道,有效应对复杂的城区工况。尤其是在城区路口转弯、人车混行道路等场景下,由于交通参与者的构成比较复杂,补盲激光雷达能起到的作用更为显著。
总的来说,补盲激光雷达的部署可以提供更为丰富的点云数据,加强自动驾驶系统对周围目标进行精确的分类和识别,有助于自动驾驶系统更好地理解和预测其他交通参与者的行为和意图,从而及时识别潜在的危险和风险,并采取适当的措施来避免碰撞或者事故,增加自动驾驶功能的实用性。
关键字:自动驾驶
引用地址:
补盲激光雷达,照亮自动驾驶隐秘的角落
推荐阅读最新更新时间:2024-11-17 10:06
iSee研发深度学习及常识引擎 提升导航服务品质
据外媒报道,iSee公司正在打造新的自动驾驶汽车类型,该类车辆可利用“常识(common sense)”引擎,在非受控区域内为车辆提供导航服务。 尽管大多数公司都将自动驾驶技术的研发方向定在提升传感器、感知及控制的性能上,但iSee的首席执行官Yibiao Zhao表示,他的公司率先致力于创建一款可真正了解交通状况的自动驾驶车辆。 Zhao表示:“看见并不等同于理解。当前的车辆确实拥有了‘视觉’能力,但该类车辆并不了解接下来会发生什么状况,也不清楚其他人的想法,更遑论了解其他人的意图。” iSee在研发一款汽车编程系统,可利用特殊算法,实现开放环境下自动驾驶车辆与人员的协作,该系统分为两个部件:深度学习及常识引擎。 Waymo及
[汽车电子]
中国一汽与Mobileye在自动驾驶领域达成战略合作
中国一汽将在一汽红旗汽车上部署Mobileye SuperVision™和Chauffeur™技术,并与Mobileye构建更深入的技术合作关系 2023年9月14日,长春和耶路撒冷—— 中国最大的汽车集团之一中国一汽与全球自动驾驶解决方案领导者Mobileye宣布建立战略合作伙伴关系,充分发挥双方在软件、硬件、技术产品等方面的行业优势。 双方将共同开发基于Mobileye SuperVision™和Mobileye Chauffeur™平台的全新产品,为用户打造安全美好的出行体验。 9月13日,在长春举办的签约仪式上,中国第一汽车集团有限公司董事长、党委书记邱现东及Mobileye总裁兼首席执行官Amnon Sha
[汽车电子]
激光雷达就是为智能驾驶、主动安全而生
热钱还在不断涌入自动驾驶行业,一场合纵连横后的大战爆发在即。 无论是通用-本田-Cruise、丰田-Uber,还是大众-福特-Argo、现代起亚-亚马逊-Aurora、Waymo-雷诺日产联盟或是百度,都有希望在这场战争中称王。 而激光雷达公司,将有望成为这些巨头们背后最大的「兵工厂」。 寻找激光雷达行业应用的「金矿」 自 2007 年以来,Velodyne 开始为全球大大小小的自动驾驶项目提供激光雷达。 截止今年 3 月的数据,Velodyne 激光雷达销量已经突破 3 万台,销售额达到 5 亿美元(约合 34.5 亿人民币) ——这个销量,在全球范围内超过所有竞争对手的出货量总和,覆盖的应用范围主要包括自动
[嵌入式]
L4自动驾驶商业落地进程目前如何?
L4自动驾驶是驾驶高度自动化,由机器接管全部操作,人不需要对所有的系统请求作出回应,自动系统在某些环境下,能够自行完成驾驶任务。 在这个阶段下,汽车的驾驶任务基本和驾乘人员没有什么关系了。不过L4自动驾驶仍然有些限制条件。比如,限制车辆车速不能超过一定值,驾驶区域相对固定等。 目前,L4级自动驾驶推进商用多在Robotaxi、Robotruck、Robobus等方向,还有末端物流配送、自动驾驶环卫车等,这些领域商业落地进程如何呢? Robotaxi Robotaxi方面,今年7月20日,北京市高级别自动驾驶示范区工作办公室宣布,正式开放国内首个无人化出行服务(Robotaxi)商业化试点。百度和小马智行成为首批获准企业
[嵌入式]
全球自动驾驶市场分析报告
P3发布了《Autonomous Driving Market Insight》,分为Maas、货物运输和个人拥有三个部分。本文为第一部分,主要围绕Maas展开,分美国、中国和欧洲核心市场。 Maas主要包含Ride Hailing、Low Speed和Ride Pooling三个部分。 第1层和第2层:自动驾驶系统软件和硬件系统是实现SAE自动驾驶水平的所有必要系统的总和。主要功能包括传感器数据融合、目标检测、定位、预测、环境解释、轨迹规划和执行器控制。自动驾驶车辆(Self-Driving Vehicles,简称SDV)被视为具备整合和鉴定的SDS(传感器、计算硬件和软件)的L4级准备车辆,其在特定的ODD(操作设计
[嵌入式]
报道称亚马逊或将收购自动驾驶初创公司Zoox
据外媒CNET报道,亚马逊近几年来进行了一些备受关注的投资,这些投资似乎超出了其作为一家大型在线零售商和科技公司的范畴。当涉及汽车行业时,对电动汽车初创公司Rivian的投资是最显著的例子,据悉两家公司已经孵化出了专门制造电动送货车的计划。现在,亚马逊似乎也将目光投向了自动驾驶技术。 彭博社周三报道称,这家在线零售商正在就收购自动驾驶技术初创公司Zoox一事进行谈判,交易价格约为32亿美元。这项收购将进一步巩固其可能将送货服务完全纳入内部的战略。在此过程中,金融分析师怀疑,这可能会让联邦快递、UPS和其他从事自动驾驶汽车技术的科技公司保持警惕。 从本质上说,亚马逊可以销售商品,用自主驾驶汽车送货。这将使运输成本大幅下降,亚
[汽车电子]
天津大学研发仿生复眼 可为自动驾驶汽车等创建3D定位系统
据外媒报道,近日,科学家们发明了一种仿生复眼,可以帮助科学家了解昆虫是如何利用自己的复眼快速感知物体以及物体的运动轨迹。此外,该种复眼还可与摄像头一起工作,为机器人、 自动驾驶 汽车和无人机创建3D定位系统。 (图片来源:天津大学) 中国天津大学的研究人员表示他们研发出一种仿生复眼,该种眼睛不仅看起来像昆虫的眼睛,而且工作起来也与昆虫的眼睛类似。复眼由数百至数千个相同的小眼组成,而且每一个小眼都是一个独立的感光单位。 研究小组中一名成员表示:“模仿昆虫的视觉系统让我们知道,与人类视觉系统中利用精确图像来探测物体的轨迹不同,昆虫会根据物体发出的光的强度来探测物体的轨迹。此种运动探测法需要的信息更少,可以让昆虫快速对威胁
[汽车电子]
自动驾驶系统有哪些车辆定位方法
自动驾驶的第一步就是定位,知道自己在哪里,才能进行路径规划,控制汽车行驶。当前汽车主要用GPS导航,由于GPS不是很精准,95%的情况都可以在2米以内,在人驾驶汽车的情况下,只需要知道大概位置就可以了,人可以根据周围的环境来判断自己的位置,而自动驾驶目前还没那么智能,所以对位置的要求要更高,如果误差太大,可能出现定位错误的情况,比如你不在路口,定位到路口了,这个时候车可能会做出错误的预判。 自动驾驶系统有哪些车辆定位方法 GPS定位:GPS有一些问题,首先精度不够高,然后人们又利用RTK技术,即建立一个基站,基站的位置是已知的精确坐标(可以事先测量),然后通过基站和终端同时发送GPS定位,通过基站查询的位置和基站的绝对位置得出
[嵌入式]