无人驾驶汽车的环境感知方式

分享到:

无人驾驶需要三大关键技术,分别是环境感知、行为决策、运动控制。对于环境感知而言,环境感知的对象包括行驶路径、周边物体、驾驶环境和驾驶状态。行驶路径包含车道线、道路边缘等,周边物体包含了汽车周围的行人、车辆以及其它可能阻碍车辆的障碍物。对此,我们需要了解无人驾驶汽车的环境感知方式,本文主要从车道线检测、障碍物检测、红绿灯的检测等角度,简述无人驾驶汽车的环境感知方式。

  • 车道线检测

车道线检测能快速、准确地检测出车道线,帮助车辆进行路径规划和偏移预警。目前较为常见的检测方案是基于传统计算机视觉的检测,近年来也兴起了基于深度学习的车道线检测和基于激光雷达等高精度设备的检测方式。传统计算机视觉的车道线检测:传统的检测方法是利用车道线颜色的不同来进行判断。在路面与车道线的交汇处颜色变化较剧烈,可以利用边缘增强算子突出图像的局部边缘。但这种方法倾用于道路平整、车道线清晰的情况,当光照较强、车道线较为模糊时,检测效果会大打折扣。基于深度学习的车道线检测:传统的车道线检测需要人工对道路场景进行特征提取和模型建立。而基于深度学习的检测方法可以把车道线检测看作分割或分类问题,利用神经网络去代替传统视觉中的手动调节滤波算子。激光雷达融合的车道线检测:激光雷达照射到不同介质上时,其反射波强度也不同。因此可以通过扫描得到点云,通过对比反射强度值来区分出道路和车道线,但这种方法成本较高,较难得到推广。

无人驾驶汽车的环境感知方式

  • 障碍物检测

基于图像的障碍物检测:该方法是将得到的图像进行预处理,然后提取特征,如颜色、纹理、边缘形状等,并与已有的障碍物特征进行对比,从而识别出障碍物。激光雷达的障碍物检测:激光雷达测距是通过激光发射器发射激光,遇到障碍物后,激光经过漫反射返回部分能量,再分别进入激光接收机,最后进入信号处理系统进行数据处理。目前基于几何特征的聚类算法较为常见,通过将数据与障碍物的几何特征进行对比,可实现对障碍物的检测和分类。

视觉和激光雷达融合的障碍物检测:激光雷达和摄像头各有优劣,可将这两种方法融合使用,以获得更好的检测效果'融合方法主要分为空间融合和时间融合两类。空间融合以前向视觉系统为主,将激光雷达坐标系下的测量值转换到摄像机对应的像素坐标系下,即可实现多传感器的空间同步;同理,时间融合需要将两者的采样时刻调整一致,即完成共同采样一帧雷达与视觉融合的数据,保证了雷达数据与摄像机数据时间上的同步。

无人驾驶汽车的环境感知方式

  • 红绿灯检测

红绿灯检测就是获取红绿灯在图像中的坐标及其类别。不同的检测结果意味着不同的决策,红绿灯的检测状态’决定着无人驾驶汽车的安全。传统计算机视觉的红绿灯检测:传统的检测步骤是将图像从RGB转换为CfiLab颜色域,增强红绿差距,通过候选区域检测和候选区域验证后做出判断。该方法检测速度快,在一些简单场景中取得了较好效果。基于深度学习的红绿灯检测:深度神经网络在目标检测方面都是采用了金字塔结构,如FastRCNN、FasterRCNN,都是在最后一层卷积层进行检测。该方法由于采用深度学习技术,对于较小目标的检测效果比传统方法更好。与高精度地图相结合:以上两种算法只能获取红绿灯在图像中的位置,而要获得它的世界坐标则需要结合高精度地图。有了高精度地图,无人驾驶汽车就可以预知红绿灯出现的位置,而不是等待图像的识别。当无人驾驶汽车由于遮挡或算法错误而无法检测红绿灯时,高精度地图就能告知红绿灯的相关信息,从而保证行车安全。

无人驾驶汽车的环境感知方式

结语

在环境感知技术方面,通过车道线检测、障碍物检测、红绿灯的检测等角度,我们可以知道无人驾驶汽车的环境感知方式。汽车自动驾驶中的环境的感知与识别技术非常关键,就等于给汽车安上了“眼睛”,让汽车可以观察到周围的环境状况,以便操控计算机对不同情况做出判断,并及时发送指令。

 

继续阅读
无人驾驶汽车的环境感知方式

无人驾驶需要三大关键技术,分别是环境感知、行为决策、运动控制。对于环境感知而言,环境感知的对象包括行驶路径、周边物体、驾驶环境和驾驶状态。行驶路径包含车道线、道路边缘等,周边物体包含了汽车周围的行人、车辆以及其它可能阻碍车辆的障碍物。对此,我们需要了解无人驾驶汽车的环境感知方式,本文主要从车道线检测、障碍物检测、红绿灯的检测等角度,简述无人驾驶汽车的环境感知方式。

无人驾驶所需三大技术

目前的无人驾驶技术,还处于刚刚起步阶段,要想实现真正意义上的无人驾驶,人类还有很长一段路要走,还需要用到很多技术,那么无人驾驶到底需要哪些技术呢?

自动驾驶中常用融合算法

因为多传感器的使用会产生大量需要处理的数据,因此通常通过融合算法来对数据进行优化。不同传感器采集到的信息可能相互之间可能会不同甚至是有矛盾,使用融合算法可以帮我们弄懂如何保证系统能够准确处理这些数据,使系统最终做出及时、正确的决策,这非常重要。

智能驾驶导航定位系统设计

近些年,由于传感器技术、智能算法技术以及定位技术的快速成长,智能驾驶及定位得到了多方面的技术支持,为进一步提高智能车的智能驾驶效果,还要对智能驾驶导航定位系统进行科学研究分析,本章内容则是对智能驾驶导航定位系统设计尤其软件、硬件部分设计进行分析,可以让我们更直观的了解智能驾驶的设计架构。

如何对智能驾驶的关键技术进行分析

智能驾驶,是现在市场上比较热门的新兴技术。随着智能驾驶系统的逐渐发展,不仅引发了汽车技术改革创新的热潮,还有效提高了交通的安全可靠性。本文将基于智能驾驶对其关键技术分析,来探究智能驾驶的技术实现。