全天候能力或�！叭f無一失”

開車過程中經(jīng)常遇到一些復雜的天氣情況,如大雨、大霧、沙塵、強光、夜晚,這對于視覺和激光雷達都是非常惡劣的場景,難以用一種傳感器應對,因為一類傳感器無法處理所有場景。像一些自動駕駛測試或比較成熟廠商的智能駕駛中多次發(fā)生撞車事故,傳感器系統(tǒng)的失效付出了慘痛代價。所以,傳感器融合是構建穩(wěn)定感知系統(tǒng)的必要條件。

圖:多傳感器融合是穩(wěn)定感知的必要條件

蘇州豪米波董事長白杰解釋說,傳感器融合首先要根據(jù)來自不同傳感器的數(shù)據(jù)和狀態(tài)估計結(jié)果,利用不同傳感器,如視覺、激光雷達、毫米波雷達等,將數(shù)據(jù)融合到中央處理器實現(xiàn)信息互補,以得到最佳的平衡方案。根據(jù)中央處理器獲取的傳感器信息層次的不同可以分為:數(shù)據(jù)級范疇的原始信息、特征級范疇的處理后的特征識別,以及決策級融合的危險估計及最終決策。

整個過程是將毫米波雷達、圖像雷達數(shù)據(jù)進行預處理和特征提取,得到目標位置信息和分類信息,之后送到處理器中進行綜合分析判斷,得到特征向量和特征矩陣,以實現(xiàn)決策級融合。

數(shù)據(jù)級融合是將所有原始數(shù)據(jù)送到處理器,數(shù)據(jù)同步后進行處理。目前的方案主要是目標級,未來的發(fā)展是多級特征融合方案。由于數(shù)據(jù)量特別大,數(shù)據(jù)級融合受制于域控制器或帶寬限制,也是一個算力瓶頸。

從傳感器數(shù)據(jù)處理來看,主要分為集中式、分布式、混合式結(jié)構。

集中式結(jié)構:將傳感器所有信息送到域控制器中進行數(shù)據(jù)關聯(lián)、量測融合、目標跟蹤,得到目標、位置、狀態(tài)信息,最后進行決策。其優(yōu)點是數(shù)據(jù)處理精度高;缺點是大量數(shù)據(jù)易造成通信負載過大,對域控制器處理性能要求高。

圖:集中式結(jié)構

分布式結(jié)構:每個傳感器將目標觀測結(jié)果在本地進行檢測與跟蹤處理,完成局部航跡信息后送入域控制器。優(yōu)點是通信帶寬需求低,計算速度快;缺點是跟蹤精度遠沒有集中式高。

圖:分布式結(jié)構

混合式結(jié)構:根據(jù)對數(shù)據(jù)需求的不同組成混搭傳感器,兼具集中式和分布式結(jié)構的優(yōu)點,彌補了兩者不足。

圖:混合式結(jié)構

目前大部分廠商采用混合式結(jié)構,采用攝像頭和雷達融合的前沿方法,由分布式傳感器分別進行數(shù)據(jù)處理,得到目標信息列表后再進行融合。

白杰表示,最近兩年深度學習研究比較火熱,出現(xiàn)了一些前沿的融合跟蹤方案:普通雷達點云+攝像頭、雷達射頻圖像+攝像頭,以及4D雷達點云+攝像頭。

他認為,目前大多數(shù)傳感器融合方法都使用激光雷達和攝像頭,從而實現(xiàn)高精度3D目標檢測。但是,這種方法有其局限性,攝像頭和激光雷達對不利天氣(如雪、霧、雨)都很敏感、對遠處目標檢測精度低,且激光雷達成本較高,要普及還有一定困難。由于雷達對惡劣天氣有很好的魯棒性,探測距離非常遠,能精確測量目標速度且成本低,在自動駕駛中越來越受到人們的重視。

雷達數(shù)據(jù)雖然比較稀疏,不能直接套用激光雷達的方法,數(shù)據(jù)在輸入層和后處理部分的融合不能獲得很好效果,但每個點都包含很多信息,在融合中能起到很大作用。

他說,對攝像頭圖像數(shù)據(jù)和雷達點云數(shù)據(jù)進行中間特征層融合,就可以實現(xiàn)精確的3D目標檢測。在進行融合之前,由于目前雷達的高度信息不準確,無法很好與圖片目標進行關聯(lián),因此需要先對雷達點云進行預處理,采用支柱擴張的預處理方法,將每個雷達點云擴張成一個固定大小的支柱,若支柱中的一部分進入了關聯(lián)ROI(感興趣區(qū)域)內(nèi),就可以實現(xiàn)雷達點云與攝像頭之間的關聯(lián)及融合。另外,目前4D毫米波雷達已開始逐步進入市場,因其每個目標有更豐富的點云,肯定會在L4系統(tǒng)中發(fā)揮更重要的作用,大大提升毫米波雷達的感知地位。

MEMS激光雷達有望批量應用

特斯拉只使用攝像頭,難免有些場景(如純白或純色)難以識別,而激光雷達可以把距離、速度等各種信息都很快計算出來,通過算法實現(xiàn)環(huán)境識別,而且現(xiàn)在分辨率已經(jīng)足夠高了。以往的機械式雷達是一個轉(zhuǎn)臺上的激光探測器,現(xiàn)在谷歌、百度等科技公司還在使用。其64線需要64組激光器和探測器一一對應,然后供電讓它轉(zhuǎn)起來,是非常復雜的光學和電學系統(tǒng),不利于大規(guī)模量產(chǎn)。

中國科學院蘇州納米技術與納米仿生研究所沈文江博士說:“激光雷達是自動駕駛中用到的眾多傳感器之一。與其他傳感器比,目前的MEMS激光雷達的每秒點云數(shù)據(jù)量在100萬左右,比圖像還是小得多,對處理器算力的要求沒有那么高�！�

他表示,與機械式相比,MEMS激光雷達的優(yōu)勢很多,如安裝簡單、體積更小、價格便宜,最有希望在乘用車上普及。目前,其角度分辨率已達到0．2度,比如100米外的一輛車可以掃描到很多點,能夠計算并標示出車的輪廓。

只需要一個激光器和MEMS微鏡組合,MEMS激光雷達就能實現(xiàn)激光脈沖的掃描,裝配起來很簡單。從成本考慮,由于采用半導體工藝,量大了成本就會很便宜。另外,從分辨率考慮,MEMS激光雷達實現(xiàn)64線只需用微鏡把單個激光器發(fā)出的脈沖掃描點陣組成64條線就可以了,所以非常容易實現(xiàn)高分辨率,體積也非常小。未來MEMS激光雷達的成本有望控制在千元人民幣以內(nèi)。

圖:MEMS激光雷達

他還說,從全球總共5家激光雷達上市公司也可看出技術上的端倪,其中4家美國公司,1家以色列公司;1家仍是機械式,兩家用的是MEMS方案。所以MEMS方案得到了業(yè)界和投資界青睞。

眾說紛紜不斷

3月17日,一個七年駕齡老司機使用Autopilot發(fā)生車輛無故轉(zhuǎn)向,方向盤卡死,車輛撞停事故,很像上面提及的情況。

4月9日,馬斯克在社交媒體上透露,最近對其自動駕駛Autopilot和全自動駕駛套件FSD Beta V9．0的升級已近尾聲,他希望最終將使其成為完全基于攝像頭——純視覺方法的系統(tǒng)。這意味著,未來特斯拉的全電動汽車將在不使用雷達等部件的情況下自行導航并執(zhí)行駕駛員輔助功能。

既然是純視覺,作為一些人心目中“豪車”的特斯拉卻至今沒有量產(chǎn)搭載不僅能精確測量距離,還可識別剎車燈、車道線、路旁交通標志等的雙目攝像頭。為什么?只能拭目以待了。