安信:2019自动驾驶趋势研究报告(四)

1.jpg

3.2.1.2 环境感知传感器的发展趋势

环境感知传感器的技术方案主要可以分为视觉主导和激光雷达主导。1)视觉主导的方案:摄像头(主导)+毫米波雷达+超声波雷达+低成本激光雷达,典型的车厂是特斯拉。特斯拉最为激进,创始人马斯克坚持在其方案中不加入激光雷达;2)激光雷达主导的方案:低成本激光雷达(主导)+毫米波雷达+超声波传感器+摄像头,典型的代表是 Google Waymo。目前,谷歌 Waymo 自己组建团队研发激光雷达的硬件,把成本削减了 90% 以上,基本上是 7000 美金左右,同时也已经在美国凤凰城地区进行商业化的试运营。

2.JPG
 传感器各有优劣势,技术方向的最终定型取决于技术的发展速度以及部件成本的价格曲线。

1)摄像头——非常适用于物体分类。摄像头视觉属于被动视觉,受环境光照的影响较大,但成本低。摄像头生成的数据,人就能看懂,不过其测距能力堪忧。摄像头非常适用于物体分类。

2)雷达——在探测范围和应对恶劣天气方面占优势。在探测距离上优势巨大,也不怕天气影响,但不善于识别物体分辨率。

3)激光雷达——优势在于障碍物检测。激光雷达是主动视觉,和摄像头这类被动传感器相比,激光雷达可以主动探测周围环境,即使在夜间仍能准确地检测障碍物。因为激光光束更加聚拢,所以比毫米波雷达拥有更高的探测精度。但激光雷达现阶段的成本较高。总体来看,为了更好的安全冗余,各类传感器的融合是技术路线的必由之路,而最终技术方向的定型取决于技术的发展速度以及部件成本的价格。

3.JPG

 3.2.1.3 高精度定位传感器的发展趋势

高精度定位模块是自动驾驶的标配。要实现车辆的自动驾驶,就要解决在哪里(即刻位置)、要去哪里(目标位置)的问题,因此高精度定位传感器(厘米级精度)模块需要应用于 L3 以上自动驾驶。

4.JPG

5.jpg

按照不同的定位实现技术,高精度定位可以分为三类。第一类,基于信号的定位,代表就是GNSS 定位,即全球导航卫星系统;第二类,航迹推算,依靠 IMU(惯性测量单元)等,根据上一时刻的位置和方位推断现在的位置和方位;第三类是环境特征匹配,基于激光雷达的定位,用观测到的特征和数据库中的特征和存储的特征进行匹配,得到现在车的位置和姿态。观察目前产业的主流方案,普遍采取融合的形式,大体上有:

1)基于 GPS 和惯性传感器的传感器融合;

2)基于激光雷达点云与高精地图的匹配;

3)基于计算机视觉技术的道路特征识别,GPS 卫星定位为辅助的形式。

6.jpg
7.JPG

0 个评论

要回复文章请先登录注册