智能网联汽车技术 课件 项目二（任务1、2）环境感知传感器概述

项目二智能网联汽车感知与识别技术演讲人任务1环境感知传感器概述01任务目标02任务引入03能够了解环境感知技术的概念04目录01任务1环境感知传感器概述02任务引入任务引入智能网联汽车环境感知传感器在智能网联汽车上的配置与自动驾驶级别有关，自动驾驶级别越高，配置的传感器越多，随着汽车智能化和网联化的发展，智能网联汽车配备的先进传感器的数量将会逐渐增加，预计无人驾驶汽车将配备30个左右先进传感器。陈嘉豪同学在汽车4S店实习，某顾客想购入一款智能化水平较高的汽车，让陈嘉豪同学对汽车的环境感知系统配置做详细介绍。那么，智能汽车的环境感知系统一般包含哪些传感器的配置呢？03任务目标04能够了解环境感知技术的概念能够了解环境感知技术的概念2能够熟悉常用环境感知传感器的种类3能够熟悉常用环境感知传感器的主要应用场景知识链接在汽车行驶过程中，驾驶员会根据行人的移动轨迹预判其下一步的位置，然后依据车速进行安全路径的规划，智能驾驶车辆同样要能做到这些。多个移动物体的轨迹追踪与预测，难度比单一物体要高得多，这就是环境感知，也是智能驾驶汽车最具难度的技术。作为智能驾驶汽车的基础，同时也是智能驾驶的四大核心技术之一，环境感知技术利用传感器获取道路、车辆位置和障碍物信息，并将这些信息传输给车载控制中心。环境感知系统为智能驾驶汽车提供决策依据，是智能驾驶汽车的“通天眼”。环境感知系统由信息采集单元、信息处理单元和信息传输单元组成。自动驾驶四大核心技术分别是环境感知、精确定位、路径规划、线控执行，而环境感知主要包括三个方面：路面、静态物体和动态物体，是自动驾驶和机器人领域的核心技术。知识链接环境感知系统基于单一传感器、多传感器信息融合或车载自组织网络获取周围环境和车辆的实时信息，经信息处理单元根据一定算法识别处理后，通过信息传输单元实现车辆内部或车与车之间的信息共享。如下图2-1-1所示。常见的环境感知传感器有超声波传感器、毫米波雷达、激光雷达和视觉传感器等，各传感器的原理和特点不同，在环境感知技术中的使用也不同。图2-1-1环境感知系统组成超声波传感器超声波传感器是利用超声波的特性，将超声波信号转换成其它能量信号的传感器，具有频率高、波长短、绕射现象小等特点，对液体、固体的穿透性较强。超声波发射器发出的超声波脉冲,经媒质传到障碍物表面,反射后通过媒质传到接收器,测出超声脉冲从发射到接收所需的时间,根据媒质中的声速,求得从探头到障碍物表面之间的距离。原理如下图2-1-2所示。图2-1-2超声波传感器测距原理简图在汽车自动泊车辅助系统中，安装在前后保险杠的8个UPA（用于探测周围障碍物的超声波传感器）和安装在左右侧的4个ALA（用于测量停车位的长度的超声波传感器）共同作用，完成自动泊车辅助。如下图2-1-3所示。超声波传感器图2-1-3超声波传感器在自动泊车系统的应用UPA，又叫PDC传感器，安装在汽车前后保险杠，用于探测汽车前后障碍物，探测距离15~250cm。APA，又叫PLA传感器，安装在汽车侧面，用于测量停车位长度，探测距离30~500cm。毫米波雷达毫米波雷达是工作在毫米波频段的雷达，通过发射源向给定目标发射毫米波信号,并分析发射信号时间、频率和反射信号时间、频率之间的差值,可以精确测量出目标相对于雷达的距离和运动速度等信息。毫米波雷达类型与应用：如下图2-1-4所示图3-1-4毫米波雷达的类型毫米波雷达的特点：如下图2-1-5所示毫米波雷达图2-1-5毫米波雷达的特点激光雷达激光雷达是工作在光频波段的雷达，激光雷达系统由发射模块、接收模块、控制单元和信号处理系统组成。如下图2-1-6所示。图2-1-6激光雷达的组成激光雷达通过测算激光发射信号与激光回波信号的往返时间,计算出目标的距离和运动状态等信息,实现对目标的探测、跟踪和识别。根据发射激光信号的形式不同，分为脉冲法激光测距和相位法激光测距。工作原理如下图2-1-7所示。激光雷达logo图2-1-7激光雷达的工原理机械式激光雷达与固态激光雷达的参数对比，如表2-1-1所示。表2-1-1激光雷达与固态激光雷达参数对比视觉传感器视觉传感器主要由光源、镜头、图像传感器、模数转换器、图像处理器、图像存储器等组成，以实现车道线识别、障碍物检测、交通标志和地面标志识别、交通信号灯识别、可行空间检测等功能。如下图2-1-8所示。图2-1-8视觉传感器的工作范围摄像头有两个重要的指标：分辨率和有效像素。视觉传感器分辨率实际上就是每场行同步脉冲数，这是因为行同步脉冲数越多，则对每场图像扫描的行数也越多。事实上，分辨率反映的是摄像头的纵向分辨能力。有效像素常写成两数相乘的形式，如“320x240”，其中：前一个数值表示单行视频信号的精细程度，即行分辨能力；后一个数值为分辨率，因而有效像素=行分辨能力×分辨率。视觉传感器是智能网联汽车实现预警、识别类ADAS功能的基础,广泛应用于各ADAS系统中，如表2-1-2所示。表2-1-2视觉传感器在智能网联汽车上的应用视觉传感器惯性导航系统惯性导航系统（INS）是利用惯性测量单元（IMU）的角度和加速度信息来计算载体的相对位置的一种定位技术。其主要由3个模块组成：惯性测量单元、信号预处理单元和机械力学编排模块。一个惯性测量单元包括3个相互正交的单轴加速度计（Accelerometer）和3个相互正交的单轴陀螺仪（Gyroscopes），惯性测量单元结构如图2-1-9所示。信号预处理部分对惯性测量单元输出信号进行信号调理、误差补偿并检查输出量范围等，以确保惯性测量单元正常工作。惯性导航系统图2-1-9惯性测量单元结构惯性导航通常与GPS的融合使用。全球导航卫星系统是应用最广泛的定位系统，它使用方便，成本低，定位精度可达到5米。然而定位导航系统的应用也面临着易受干扰、动态环境可靠性差、数据输出频率低、高层建筑卫星信号闭塞等问题。如果将卫星定位导航和惯性导航系统结合起来，两个导航系统可以相互补充，形成一个有机的整体。如图2-1-10所示。惯性导航系统图2-1-10惯性导航与GPS的融合使用GPS卫星定位系统GPS是通过接收和解译人造卫星所发射的电波信号来确定测站点位置的测量定位系统，它是英文“GlobalPositioningSystem”（全球定位系统）的缩写。GPS由24颗卫星组成，其中21颗工作卫星，3颗备用卫星，大致均匀地分布在6个轨道面上。轨道面相对于地球赤道面的倾角为55，各轨道平面之间的交角为60，卫星距地球约20200公里，运行周期为11小时58分。在世界任何地区任何时候至少可以同时接收4颗卫星信号，最多可以同时接收到11颗卫星发射的信号。每颗卫星上均装有4台高精度的原子钟（2台铯钟、2台铷钟），称为卫星钟，用以提供高精度的时间标准。GPS定位系统工作原理：已知一颗卫星的位置和接收器到它的距离，就可以确定接收器在一个球面上；已知两颗卫星的位置和接收器到它们的距离，就可以确定接收器在一个环上。工作原理如图2-1-11所示。GPS卫星定位系统图2-1-11GPS定位系统工作原理高精度地图狭义高精度地图是由传统图形商定义的精度更高、内容更详细的地图。例如，定义更详细信息。广义的高精度地图直接为我们构建了一个真实的三维世界。除了绝对位置的形状信息和拓扑关系外，还包括点云、语义和特征等属性。高精地图应包含的主要信息包括导向箭头、车道宽度、车道标线、车道分割/合并、车道宽度变化、护栏、障碍物等等。如下图所示。图2-1-12高精地图矢量元素高精度地图传统地图依赖于拓扑结构和传统的数据库，将各种元素作为对象堆放在地图上，将道路存储为路径。而高精度地图为了提高存储效率和机器可读性，地图在存储时分为矢量层和对象层。在高精度地图生产过程中，通过提取车辆上传感器采集的原始数据，获取高精度地图特征值，构成特征地图。在此基础上，进一步提取、处理和标注矢量图形，包括道路网络信息、道路属性信息、道路几何信息和道路上主要标志的抽象信息。高精地图生产过程包含以下内容：高精度地图道路元素图像处理在高精度地图中，为了给自动驾驶汽车提供道路的拓扑信息、交通约束信息，需要对道路元素进行识别并做语义标注等以便于后期高精度地图的制作。如图2-1-13所示。图2-1-13道路元素识别高精度地图图像识别与处理道路元素包括交通标志牌、红绿灯、车道线和隔离带等。高精度地图的制作需要对各种道路元素进行图像识别、语义标注等处理。图像识别与处理流程如下图所示。图2-1-14图像识别与处理流程高精度地图激光点云处理在高精度地图制作中，通常使用激光雷达扫描获取点云数据，进而重建三维道路环境，并利用重建好的三维环境进行道路要素特征的提取与识别，准确地反映道路环境并描述其道路环境特征，准确表述道路环境特征，得到高精度点云地图。如图2-1-15所示。图2-1-15高精度点云地图高精度地图激光点云特征提取激光雷达获取的原始数据集以激光点云文件形式进行存储。点云文件包含物体表面的离散点集、法向量、颜色或标签等基本信息，但缺少物体的曲面、体积以及各顶点间的几何拓扑等信息。高精度地图激光点云法向量法向量作为激光点云数据重要的局部特征，能够对散乱激光点云的局部进行有效的描述并为其他激光点云处理技术提供支撑。激光点云法向量的计算方法常用的有两种解决方案：曲面重建技术和法向量估计法。通常基于点云的特性、应用场景、计算资源等因素选择合适的方法。高精度地图激光点云配准利用激光点云配准技术将从各个视角下采集到的含有误差的激光点云通过旋转平移，消除误差并统一到同一坐标系下，还原道路的三维环境。激光点云配准算法繁多，主要分为粗配准以及精配准两种:粗匹配，用于两片激光点云初始位置误差较大的情况下快速取得两片激光点云的转换关系，输出精度不高；精匹配，适用于初始位置误差较小的情况下对两片激光点云的坐标进行精准的计算，输出精度高。高精度地图激光点云分割logo在高精度地图制作中，为了能够将灯杆、标志牌和路沿等交通道路元素从大量杂乱无序的激光点云中识别出来，需要对激光点云进行分割后提取出来。如图2-1-16所示。图2-1-16激光点云分割传感器融合传感器融合实际上是模仿人类通过五官获得外界信息的这种由感知到认知的过程。传感器数据融合是针对一个系统使用多个（种）传感器这一特定问题而提出的信息处理方法，可发挥多个（种）传感器的联合优势，消除单一传感器的局限性，把分布在不同位置的多个同类或不同类传感器所提供的数据资源加以综合，采用使计算机技术对其进行分析加以互补，实现最佳协同效果，获得对被观测对象的一致性解释与描述，提高系统的容错性，从而提高系统决策、规划、反应的快速性和正确性，使系统获得更充分的信息（1）传感器融合的过程。如下图所示。传感器融合图2-1-17传感器融合过程传感器融合多传感器融合结构根据传感器信息在不同信息层次上的融合，可以将多传感器信息融合划分为Low-level融合、High-level融合和混合融合结构。如图2-1-17所示。图2-1-17多传感器融合结构Low-level融合体系结构是一种较低信息层次上的融合，是集中式融合结构。集中式验合结构将各传感器获得的原始数据直接送到数据融合中心，进行数据对准、数据关联、预测等，在传感器端不需要任何处理，可以实现实时融合。如图2-1-18所示。传感器融合多传感器融合结构图2-1-18Low-level融合体系结构传感器融合数据级融合数据级融合又称像素级融合，是最低层次的融合，直接对传感器的观测数据进行融合处理，然后基于融合后的结果进行特征提取和判断决策。如图2-1-18所示。图2-1-18数据级融合体系结构传感器融合数据级融合根据融合内容，数据级融合又可以分为图像级融合、目标级融合和信号级融合。图像级融合以视觉为主体，将雷达输出的整体信息进行图像特征转化，与视觉系统的图像输出进行融合；目标级融合是对视觉和雷达的输出进行综合可信度加权，配合精度标定信息进行自适应的搜索匹配后融合输出；信号级融合是对视觉和雷达传感器ECU传出的数据源进行融合，其数据损失小、可靠性高，但需要大量的计算。传感器融合特征级融合特征级融合指在提取所采集数据包含的特征向量之后融合。特征向量用来体现所监测物理量的属性，在面向检测对象特征的融合中，这些特征信息是指采集图像中的目标或特别区域，如边缘、人物、建筑或车辆等信息。如图2-1-19所示。图2-1-19特征级融合体系结构任务2超声波传感器技术任务引入超声波是一种振动频率高于声波的机械波，具有频率高、波长短、绕射现象小，特别是方向性好、能够成为射线而定向传播等特点。新技术使得今天的超声波传感器非常坚固耐用并有着精确的感应能力，这些新增强的特性拓展了新的应用领域，完全超越了传统的超声波传感器的应用。超声波雷达在汽车智能技术中主要用作停车环境检测（倒车雷达），陈嘉豪同学在某汽车零配件公司实习，负责某倒车雷达产品的技术支持，那么倒车雷达是如何在倒车时实现监控与报警的呢？任务目标任务2超声波传感器技术22能够熟悉超声波传感器的工作原理及各项参数33能够熟悉超声波传感器的应用场景11能够熟悉超声波传感器的概念6知识链接55能够熟悉超声波传感器在汽车上的配置方案44能够熟悉超声波传感器的优缺点超声波传感器介绍及工作原理超声波雷达发展至今以及将近百年历史。其原理是发射人耳所不能察觉的高频率超声波，遇到障碍物后反弹回来。传感器在接收到发射回来的声波后，根据发射和接收声波的时间差来计算出传感器和障碍物之间的距离。超声波传感器是利用超声波的特性研制而成的传感器。超声波是一种振动频率高于声波的机械波，由换能晶片在电压的激励下发生振动产生的，它具有频率高、波长短、绕射现象小，特别是方向性好、能够成为射线而定向传播等特点。超声波对液体、固体的穿透本领很大，尤其是在阳光不透明的固体中，它可穿透几十米的深度。超声波碰到杂质或分界面会产生显著反射形成反射成回波，碰到活动物体能产生多普勒效应。因此超声波检测广泛应用在工业、国防、生物医学等方面以超声波作为检测手段，必须产生超声波和接收超声波。完成这种功能的装置就是超声波传感器，习惯上称为超声探头。超声波传感器介绍及工作原理超声波传感器是一款通过超声波发射装置发出超声波，根据接收器接到超声波时的时间差就可以知道距离了。这与雷达测距原理相似。超声波发射器向某一方向发射超声波，在发射时刻的同时开始计时，超声波在空气中传播，途中碰到障碍物就立即返回来，超声波接收器收到反射波就立即停止计时。（超声波在空气中的传播速度为340m/s，根据计时器记录的时间t，就可以计算出发射点距障碍物的距离(s)，即：s=340t/2）如下图2-2-1所示。超声波传感器介绍及工作原理图2-2-1超声波测距原理超声波传感器的优缺点在20世纪已经出现的车载超声波雷达，当时个体较大，灵敏度识别度都不是很高，识别有效范围在1米到2米之间，起初的功能也只是倒车时如果车辆后方近处有障碍物时发出声音警报。障碍物物体如果直径过小或太矮，那么都无法被超声波雷达侦测到。要实现现代车辆的辅助或自动泊车需求，那么2米的侦测范围是远远不够的。经过20多年的科技发展，如今的超声波雷达已经非常先进和灵敏。以博世公司的第六代超声波雷达为例，其长度只有4.4厘米大小，重量才14g，接收声波的传感器圆面半径只有2.3厘米，却可以达到从15厘米到5.5米的侦测范围。精度达到3cm，即只要物体直径超过3cm就可以感应得到。如下图所示。超声波传感器的优缺点图2-2-2超声波雷达除了侦测精度及侦测范围半径，超声波雷达还有一些其它的技术参数对泊车这个场景也至关重要，如水平方向扫描扇形的角度和垂直方向扫描的最大夹角等等。如下图2-2-3所示。超声波传感器的优缺点图2-2-3超声波雷达测量范围超声波是一种机械波，使得超声波雷达有着以下局限，如图所示。超声波传感器的优缺点图2-2-4超声波雷达的局限性超声波传感器在智能网联汽车上的应用场景由于超声波在传播过程中还受很多其它因素影响很大，如温度等等，所以在采购或使用此类传感器时还要考虑到很多其它的技术因素，详情将在有关超声波雷达的独立教学章节中提到。超声波雷达一般安装在车辆的前后保险杠上。在一些严酷工况下，比如被雨雪或泥巴覆盖的时候，硬件本身没有坏，但检测会出问题。博世的一款传感器有一个特点就是失聪检测，它把数字信号和不同传感器信号编码加在了一起，通过一个线性频率，使每个超声波发出的频率都不太一样，相当于每个超声波都有一个自己的身份认证码，这样极大提高了超声波的抗干扰能力，使得传感器可以做到多收多发，不仅抗干扰能力提升了，整个系统的刷新时间也会变得更快。如下图2-2-4所示。超声波传感器在智能网联汽车上的应用场景图2-2-4超声波雷达在智能网联汽车的应用超声波传感器在智能网联汽车上的配置方案博世的这款第六代超声波雷达水平扫描扇形角度达到75度，也就是说要实现360全面覆盖的全自动泊车，那5