江苏龙网

  1. 首页 > 人文 > >

明星大小事■自动驾驶中的多传感器融合( 二 )


使用越多的传感器 ， 对计算能力的要求就越高 ， 这意味着自动驾驶汽车必须搭载更多的计算机处理器和内存 ， 这也会增加汽车的重量 ， 需要更多的功率 ， 还会产生更多的热量 。 诸如此类的缺点还有很多 。
智能汽车的显著特点在于智能 ， 意思就是说汽车自己能通过车载传感系统感知道路环境 ， 自动规划行车路线并控制车辆到达预定目标 。 目前而言 ， 车载感知模块包括视觉感知模块、毫米波雷达、超声波雷达、360°环视系统等 ， 多源传感器的协同作用识别道路车道线、行人车辆等障碍物 ， 为安全驾驶保驾护航 。 因此 ， 感知信息也需要融合 ， 感知信息也需要相互补充 。
5.多传感器融合的四个关键方法
明星大小事■自动驾驶中的多传感器融合
文章图片
Harmonize
假设有两种不同的传感器 ， 称它们为传感器X和传感器Z 。 它们都能够感知自动驾驶汽车的外部世界 。 在现实世界中存在一个物体 ， 这个物体可能是人 ， 也可能是车 ， 甚至是一条狗 ， 传感器X和传感器Z都能够检测到这个物体 。 这就意味着传感器对这个物体进行了双重检测 ， 这种双重检测意味着两种不同类型的传感器都有关于该物体的数据报告 ， 对于该物体有两个维度不同地认知 。 假设 ， 传感器X表示该物体高6英尺 ， 宽2英尺；传感器Z表示该物体以每秒3英尺的速度正朝着自动驾驶车辆方向移动 。 结合两个传感器采集到的数据 ， 就可以得出一条相对准确的信息：有一个高约6英尺 ， 宽2英尺的物体正在以每秒钟3英尺的速度移动 。 假设这两自动驾驶汽车上只安装了X传感器 ， 那么就无法得知该物体的大小；若Z传感器坏了 ， 那么就只有物体的大小信息 ， 无法检测该物体的运动状态 。 这也就是最近业内广泛讨论的“在自动驾驶汽车上应该安装哪些传感器”的问题 。
此前 ， 特斯拉埃隆?马斯克(ElonMusk)旗帜鲜明地声称 ， 特斯拉不会安装激光雷达 。 尽管马斯克自己也认为 ， L5自动驾驶不会通过激光雷达来实现这个想法最终可能被验证为错误的 ， 这依旧没有改变马斯克的决定 。 一些反对的声音称 ， 不配备激光雷达的特斯拉 ， 无法通过其他的传感器获取如同激光雷达效果相同的感官输入 ， 也无法提供补偿和三角测量 。 但是另一些支持者认为 ， 激光雷达不值得话费如此高昂的费用成本 ， 不值得为其增大计算能力 ， 也不值得为其增加认知时间 。
Reconcile
在同一个视场(FieldofView ， FOV)内 ， 假设传感器X探测到一个物体 ， 而传感器Z没有探测到 。 注意 ， 这与物体完全在传感器Z的FOV之外的情况有很大的不 。 一方面 ， 系统会认为传感器X是正确的 ， Z是错误的 ， 可能是因为Z有故障 ， 或者有模糊探测 ， 或者是其他的一些什么原因 。 另一个方面 ， 也许传感器X是错误的 ， X可能是报告了一个“幽灵”（实际上并不存在的东西） ， 而传感器Z报告那里没有东西是正确的 。
Integrate
假设我们有两个物体a和b ， 分别在传感器X和传感器Z的视场FOV内（a在X视场内 ， b在Z视场内） 。 也就是说 ， Z无法直接检测到a ， X也无法直接检测到b 。 目前 ， 想要实现的效果是 ， 能否将X和Z的报告整合在一起 ， 让它们在各自的视场内探测物体同时 ， 判断是否为X视场中的物体正在向Z视场移动 ， 预先提醒Z将有物体进入探测区域 。
Synthesize
第四种方法Synthesize是将感知数据融合在一起 ， 你可能会遇到这样的情况 ， 传感器X和传感器Z都没有在各自的视场内探测到物体 。 在这种情况下 ， 没有传感器知道这个物体的存在 ， 但是可以通过一些其他的感观数据 ， 比如声音 ， 间接地弄清楚在视场之外的物体情况 。 自动驾驶汽车是时刻运动的 ， 所以要求这种预判是瞬间发生的 ， 像上文提到的一样 ， 是实时的 。
【明星大小事■自动驾驶中的多传感器融合】多传感器信息融合技术应用至今 ， 有着非常多的应用方法 ， 在所有方法当中较为成熟的方法包括了聚类分析法、证据理论法、DS算法、最优理论法等 。


推荐阅读


上一篇：「娱乐中的趣闻」择天记实况直播神操作，这平板电脑太过真实，陈长生一剑破光阴

下一篇：[繁华落幕太悲凉]步入深水区，解读联想来酷智慧零售的“探路者”