启飞汽车

图1 非结构化道路检测框架

2.相机

    相机可以获取彩色景象信息, 是除了激光雷达外获取环境信息的次要来源。相机型号种类多样, 一般可分为全景相机、单目相机和双目相机3种。

3.毫米波雷达传感器

    该传感器工作效率处于30-300GHz频域, 具有质量轻、体积小、抗干扰能力强、角分辨率好等特点。尽管探测范围没有激光雷达更大, 但是穿透力和指向性均有较大的优势。结合测量原理, 可将其分为调频连续波方式和脉冲方式两种。

4.超声波传感器

    超声波传感器的探测距离较短, 数据处理简单, 普遍用于近距离的障碍物检测, 由于超声波在空气中将会大大衰减, 距离信息不精准, 所以普遍用于精度要求不高的区域, 例如倒车雷达等。

二、无人驾驶汽车环境感知关键技术

1.传感器标定

    刚性连接车体和激光雷达, 并保持位移和姿态固定, 为便于数据李处, 需要将激光雷达坐标系转化为车体坐标系。首先, 标定激光雷达外部安装参数, 然后, 利用雷达极坐标数据完成雷达数据转换, 最后, 将所有的雷达数据进行统一转换。

2.结构化道路检测

    (1)直道检测。在行业标准下, 结构化道路建设和设计较为规范, 有道路和非道路的车道线。距相机不远车道线, 其变化不大, 所以假设曲率变化很小, 可以将直线用于车线道的拟合。
    (2)弯道检测。判断弯道方向, 需要确定曲率半径才能够提供有效信息, 目前公路主要分为回旋线、圆曲线以及直线, 为此, 应用过俯视图予以拟合。具体步骤:首先, 构建弯道模型, 假设弯道形状, 其次, 提取像素点, 将车道线像素点作为依据, 最后, 完成车道模型你和, 确定弯道数据模型参数。
    (3)复杂环境预处理。由于环境光线不均匀, 容易致使相机提取图像存在纯黑和纯白区域, 识别算法缺乏可行性, 为此, 应选择图像预处理, 主要方法有:直方图调节、灰度映射调节以及Gamma调节等。

3.非结构化道路检测

    非结构化道路还包括野外土路和乡村公路等, 应结合先验知识库模型和环境检测信息, 有针对性的处理数据和图像, 并根据环境差异修正模型, 不断更新模型效果, 具体方法如图1所示。

4.形式环境中目标检测

    (1)行人检测。通过HOG特征实现行人检测, 设计区域梯度直方图, 构建人体特征。步骤如下:首先通过雷达数据得到检测区域, 然后根据图像数据选择行人检测算法, 最后通过算法对检测区域进行行人检测。
    (2)车辆检测。激光雷达和视觉信息的有机整合, 将有助于规避光照等负面影响, 实现传感器信息不糊, 并对激光雷达数据予以模板匹配和形状匹配, 明确检测区域及算法, 并进行车辆检测。
    (3)交通信号灯检测。通过彩色视觉交通信号灯识别方法, 能够对图像交通信号灯予以检测, 为避免存在跟踪丢失和误检问题, 可选用彩色直方图目标跟踪算法——CAMSHIFT, 有效规避目标遮挡和变形现象, 具有较高的运算效率。

三、结语

    综上所述, 无人驾驶汽车对环境的感知要求较高, 在实际应用过程中, 应不断优化各类目标识别能力, 整合数据分析和结算方法, 提高环境感知技术的可靠性。

作者：丁毅   来源：数字技术与应用
 

福利：做任何事情，都有方法。比如汽车行业如何最短时间内获取高薪，其实，是一件很容易的事情，结合汽车行业十多年工作经历，我做了一次系统全面总结无偿分享大家，文章共计十篇。帮助更多的网友在汽车行业快速发展。同时，我业余时间整理一套免费经典的CATIA视频教程， 汽车设计领域必备软件工具，大家有需要的，可以给我留言，请加qq:1011852705，微信qifei1799。提“启飞”就可以获取下载链接:汽车行业快速突破月薪过万绝密分享和catia视频精品一套。明确方向，精准学习，为以后在汽车行业职场做好铺垫。