2018年自动驾驶车感测器展望

来源：万利隆电子人气：发布时间：2018-03-05

让自动驾驶车注意路况，看懂交通号志，侦测物件并为其分类，感知速度/轨迹以及其他车辆并不容易 - 更重要的是，它必须能自行在地图上定位，才能确切地知道行车的目的地。

高度自动化的车辆在追踪周遭环境时，必须依靠很多感测器，包括摄影机，雷达，超音波，GPS天线，以及利用光脉冲测距的光达（LIDAR）元件。每一种感测器都有其优缺点。

我们首先应弄清楚如何最有效地填补感测器固有的缺陷。第二步可能更为重要，即开发最佳策略，将不同的资料串流结合起来，使关键资讯不至于遗失。每一种感测器都以自身的画面更新速率传送资料已经是个问题，感测器融合就更复杂了 - 因为有些感测器提供原始资料，而其他感测器则提供自己的物件资料答案。

2017年年，我们看到了感知技术方面的一连串进展。

科技公司，一级供应商和OEM一直汲汲于取得自家公司缺乏或无法自主开发的感测器技术。同时，过去两年来已经出现了多家感知感测器新创业公司，其中有许多都关注尚处于萌芽阶段的自动驾驶车市场。

在雷达市场，竞争的重点在于尺寸和精确度.TI如今宣称可支援「小于4厘米测距解析度的高精度独立感测技术」。

然而，更好的解析度需要更多通道，这意味着有更多资料需要处理所以，马格奈说：「毫米波雷达需要有专门的处理器来处理这些资料，以及产生物件或点云。」此外，毫米波雷达还需要开发工具以打造应用。否则，庞大的资料难以被理解。

雷达除了能全天候运作外，其他的评价一向不优。传统的车用雷达无法看到摄影机或光达所能看到的物体。更具体地说，雷达看不到远方的物体，也无法区别所看到的东西。它们的处理速度不足以达到行驶于高速公路的要求。

让汽车具有「自我意识」的第一步是建构地图，并即时匹配至车辆在预先制作的地图上看到的内容然后，车辆可以对其位置进行三角测量和定位.Magney强调：「车子必须确切知道要去哪里，才能发展出『情境感知』。」

换句话说，如果希望高度自动化的车辆能准确定位，就需要使用光达.Magney指出，它们需要一个具有定位功能的基本地图。

不过，还有其他方法可以做到这一点。例如Nvidia的DriveWorks SDK可实现基于影像的定位.DriveWorks工具库包括地图定位，高清地图介面以及自我运动（自我运动）等。

感测器融合

随着自动驾驶车收集到所有的感测资料，最重要的就是感测器融合的品质。感测器融合的结果决定了自动驾驶车的决策和行为，也即安全问题。

自动驾驶车无法仅靠一个感测器实现安全驾驶，因此必须进行感测器融合但马格奈补充说：「因为你必须同步所有的感测器讯号，所以融合是很困难的。」

至于是融合「物件」资料还是「原始」资料，业界对此的争论才刚刚开始，目前还没有明确的答案。

相较于物件资料，由于原始资料不会在转换过程中发生遗失，大多数的AI拥护者较支持这种资料融合途径与原始资料融合有关的问题包括：「你将需要大量的处理;你还需要有GB级的网路，才能将这些讯号传送到整个车辆中。」

（参考译文：2018年的Robocar传感器展望，由Junko Yoshida提供）

此文关键词：