深入分析無人駕駛硬件平臺
無人駕駛技術是多個技術的集成，如圖1所示，一個無人駕駛系統包含了多個傳感器，包括長距雷達、激光雷達、短距雷達、車載攝像頭、超聲波、 GPS、 陀螺儀等。每個傳感器在運行時都不斷產生數據，而且系統對每個傳感器產生的數據都有很強的實時處理要求。比如攝像頭需要達到60 FPS的幀率，意味著留給每幀的處理時間只有16毫秒。但當數據量增大了之后，分配系統資源便成了一個難題。例如，當大量的激光雷達點云數據進入系統，占滿CPU資源，就很可能令攝像頭的數據不能得到及時的處理，導致無人駕駛系統錯過交通燈的識別，造成嚴重后果。因此，合理地選擇計算平臺完成實時的大規模傳感數據處理，進行實時的駕駛預警與決策，對無人駕駛的安全性、可靠性、持續性至關重要。在提供高性能的數據處理支持的同時，計算平臺還需要兼顧功耗、散熱、硬件體積等問題，這對于持續的安全行駛同樣重要。因此，在現有無人車計算平臺中，各種硬件模塊都有相關集成解決方案。不同的計算單元通過Switch或PCIe Switch相連，進行數據交換，完成協同運算。無人駕駛中除了需要對智能駕駛相關的傳感器數據進行計算與決策，還需要傳統汽車中各個機械部件進行配合控制，完成駕駛操作的執行與轉換。這就需要控制平臺：ECU與通信總線的協助。ECU從用途上講是汽車專用微機控制器，它使用一套以精確計算和大量實驗數據為基礎的固定程序，不斷地比較和計算各個機械部件傳感器的數據，然后發出指令，完成機械控制。通信總線如CAN、USB3.0、LIN等則是在這個過程中實現汽車數據共享以及指令的有效傳達。
圖1 無人駕駛硬件平臺范例
傳感器平臺
目前現有的車載傳感器包括超聲波雷達、激光雷達、毫米波雷達、車載攝像頭、紅外探頭等。目前主流的無人駕駛傳感平臺以激光雷達和車載攝像頭為主，并呈現多傳感器融合發展的趨勢。基于測量能力和環境適應性，預計激光雷達和車載攝像頭會持續傳感器平臺霸主的地位，并不斷與多種傳感器融合，發展出多種組合版本。完備的無人駕駛系統應該如圖2所示，各個傳感器之間借助各自所長相互融合、功能互補、互為備份、互為輔助。
圖2 各種傳感器在無人駕駛中的應用激光雷達
激光雷達的工作原理是利用可見和近紅外光波（多為950nm波段附近的紅外光）發射、反射和接收來探測物體。激光雷達可以探測白天或黑夜下的特定物體與車之間的距離。由于反射度的不同，也可以區分開車道線和路面，但是無法探測被遮擋的物體、光束無法達到的物體，在雨雪霧天氣下性能較差。
激光雷達在無人駕駛運用中擁有兩個核心作用。3D建模進行環境感知。通過雷射掃描可以得到汽車周圍環境的3D模型，運用相關算法比對上一幀和下一幀環境的變化可以較為容易的探測出周圍的車輛和行人。
SLAM加強定位。3D雷射雷達另一大特性是同步建圖（SLAM），實時得到的全局地圖通過和高精度地圖中特征物的比對，可以實現導航及加強車輛的定位精度。
激光雷達分類與產品
LIDAR以單線/多線及距離兩大因素為標準，價格從幾百美金到幾萬美金不等。單線激光雷達的應用在國內已經相對較廣，像掃地機器人使用的便是單線激光雷達。單線激光雷達可以獲取2D數據，但無法識別目標的高度信息。而多線激光雷達則可以識別2.5D甚至是3D數據，在精度上會比單線雷達高很多。目前在國際市場上推出的主要有4線、8線、16線、32線和64線。隨著線數的提升，其識別的數據點也隨之增加，所要處理的數據量也非常巨大。比如，Velodyne的HDL-32E 傳感器每秒能掃描70萬個數據點，而百度無人車和Google無人車配備的Velodyne HDL-64E通過64束的雷射束進行垂直范圍26.8度，水平360度的掃描，每秒能產生的數據點則高達130萬。Velodyne HDL-64E的內部結構如圖3，主要由上下兩部分組成。每部分都發射32束的雷射束，由兩塊16束的雷射發射器組成，背部是包括信號處理器和穩定裝置。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%