智能传感器图片(智能停车场用到的传感器)

Mark wiens

发布时间:2022-11-24

智能传感器图片(智能停车场用到的传感器)

 

随着汽车电动化、智能化、网联化、共享化发展,自动驾驶的雏形也逐渐出现,虽然自动驾驶汽车还未完全商用化,但很多车企已经开始布局L3甚至L4级别的自动驾驶汽车。美国国家公路交通安全管理局(NHTSA)根据驾驶行为中车辆占据的控制权,将自动驾驶分为六个等级(表1),其中L0级即无自动,驾驶员需要随时掌握车辆的所有机械、物理功能,车辆仅配备警报装置,在车辆行驶过程中给驾驶员提供安全警示,车辆不参与任何驾驶行为过程;L1级是由驾驶员操作车辆,但车辆可以配备诸如车辆防抱死系统等可以帮助行车安全的功能,这些功能仅辅助行车安全,车辆的控制权依旧掌握在驾驶员手中;L2级还是由驾驶员操作车辆,车辆配备的定速巡航系统,盲点检测系统等功能可以减轻驾驶员操作负担;L3级是在部分驾驶场景中,车辆已经可以自主控制,无需驾驶员的参与,但当车辆侦测到需要驾驶员控制车辆的路况时,会让驾驶员立刻进行后续的监管;L4级是车辆可以在有条件的情况下完整的完成自动驾驶,一般无需驾驶员的介入,此时车辆可以按照设定的程序将乘客送到目的地,但是在严苛的气候或者道路模糊不清、意外、不具备自动驾驶条件的道路环境时,车辆会提醒驾驶员,并给驾驶员足够宽裕的时间进行接管,在L4级时驾驶员仍需要监管车辆的运作;L5级自动驾驶时驾驶员无需在驾驶室,车辆也无需驾驶员监控,可以独立自主在所有道路环境下完成自动驾驶行为,车辆可以对目标点进行最优的道路规划和决策。

自动驾驶分级

名称

定义

驾驶操作

周边监控

接管

应用场景

L0

人工驾驶

由人类驾驶员全权驾驶车辆

人类驾驶员

人类驾驶员

人类驾驶员

L1

辅助驾驶

车辆对方向盘和加减速中的一项操作提供驾驶,人类驾驶员负责其余的驾驶动作

人类驾驶员和车辆

人类驾驶员

人类驾驶员

限定场景

L2

部分自动驾驶

车辆对方向盘和加减速中的多项操作提供驾驶,人类驾驶员负责其余的驾驶动作

车辆

人类驾驶员

人类驾驶员

L3

条件自动驾驶

由车辆完成绝大部分驾驶操作,人类驾驶员需保持注意力集中以备不时之需

车辆

互联网小常识:设置SNMP服务最重要的是创建或修改对SNMP一个团体的访问控制,它在全局配置模式下执行:(config)#snmp-server community <团体名> [view <视阈名>] [ro|rw] [<访问控制号>],其中访问控制号为1-99的整数。

车辆

人类驾驶员

L4

高度自动驾驶

由车辆完成所有驾驶操作,人类驾驶员无需保持注意力集中,但限定道路和环境条件

互联网小常识:要组建一个以太网局域网,则局域网LLC子层采用IEEE802.2标准,MAC子层采用CSMA/CD方法,物理结构取决于它选用的物理层标准,以太网可以选择10BASE-5,10BASE-2和10BASE-T。目前主流使用的是10BASE-T,使用无屏蔽双绞线、集线器和RJ-45接口。

车辆

车辆

车辆

L5

完全自动驾驶

由车辆完成所有驾驶操作,人类驾驶员无需保持注意力集中

车辆

车辆

车辆

所有场景

自动驾驶的本质是车辆可以自主完成驾驶行为,这个过程是需要车辆作为载体,是一个硬件与软件加以辅助的强耦合的系统工程。自动驾驶汽车和人一样,在路面行驶时是一个感知、规划、控制、执行的行为,这些过程离不开硬件与软件协同,如果说软件是自动驾驶汽车的大脑,起着规划和控制的行为,那么硬件就是自动驾驶汽车的神经与四肢,起着感知和执行的动作。

执行是车辆根据软件规划做出诸如加速、减速、停车等行为,这一环节是由车辆来完成所需步骤,而感知是信息接收的一个过程,是车辆实现自动驾驶动作的源头,为软件的规划和控制提供所需的道路信息,这一环节更像是车的眼睛,查看周围的环境数据,进行静态、动态物体识别、侦测与追踪等,可以让自动驾驶车辆与驾驶员快速察觉可能发生的危险,以提高行驶过程中的主动安全性,这一过程需要很多的传感器协作完成。自动驾驶感知主要由车载摄像头、毫米波雷达、激光雷达、超声波雷达等传感器构成,不同的传感器起着不同的作用,在自动驾驶过程中完成不同的任务需求。

1 车载摄像头

车载摄像头是实现众多预警、识别类高级辅助驾驶功能的基础,对于驾驶员来说也更为直观,类似车道偏离预警、前向碰撞预警、交通标识识别、车道保持辅助、行人碰撞预警、全景泊车、驾驶员疲劳预警等高级辅助驾驶功能,都需要车载摄像头的辅助来实现。

车载摄像头的主要硬件包括光学镜头、图像传感器、图像信号处理器ISP、串行器、连接器等,光学镜头中包含光学镜片、滤光片和保护膜等。光学镜片负责聚焦光线,将视野中的物体投射到成像介质表面,根据成像效果的要求不同,可能要求多层光学镜片,滤光片可以将人眼看不到的光波段进行滤除,只留下人眼视野范围内的实际景物的可见光波段。图像传感器可以利用光电器件的光电转换功能将感光面上的光像转换为与光像成相应比例关系的电信号,主要分为CCD和CMOS两种。ISP图像处理器主要使用硬件结构完成图像传感器输入的图像视频源RAW格式数据的前处理,可转换为YCbCr等格式,还可以完成图像缩放、自动曝光、自动白平衡、自动聚焦等多种工作。串行器将处理后的图像数据进行传输,可用于传输RGB、YUV等多种图像数据种类。连接器主要用于连接固定摄像头。

车载摄像头在制造工艺及可靠性要求方面也高于工业摄像头和商用摄像头,汽车的工作环境多变,有时还会在恶劣环境中工作,为了应对高、低温环境;强振动;高湿热等复杂工况下稳定工作,车载摄像头根据安装位置不同可分为前视摄像头、环视摄像头、后视摄像头、侧式摄像头及内视摄像头5类。

前视摄像头使用频率最高,单一摄像头可实现多重功能,通过算法开发优化,单一前视摄像头可以实现行车记录、车道偏离预警、向前碰撞预警、行人识别、交通标识识别等多重功能。前视摄像头主要安装在前挡风玻璃上,用于实现车辆行驶过程中视觉感知及识别功能,更具功能不同,前视摄像头可以分为前视主摄像头、前视窄角摄像头和前视广角摄像头(图1),前视主摄像头在L2级别的高级辅助驾驶系统中作为主摄像头使用,前视广角摄像头的作用主要是用来识别距离较近的物体,用于城市道路工况、低速行驶等场景,前视窄角摄像头主要作用是进行红绿灯、行人等目标的识别。前视摄像头的类型主要包括单目和双目,其中双目前视摄像头拥有更好的测距功能,但需要装在两个位置。

图1 特斯拉前视摄像头模组

环视摄像头主要是广角镜头,安装在车辆四周,用来进行图像拼接实现全景图,加入算法即可实现道路感知,环视摄像头可以分为前向鱼眼摄像头、左侧鱼眼摄像头、右侧鱼眼摄像头、后向鱼眼摄像头。后视摄像头主要是广角或鱼眼镜头,主要用来辅助泊车功能。由于后视镜的范围有限,会导致车辆在行驶时给驾驶员造成视野盲区,因为盲区的存在,给行车安全造成了巨大的隐患,侧视摄像头将成为替代后视镜最好的设备,加装侧式摄像头后,可以覆盖盲区,当有物体进入盲区后会给驾驶员进行提醒,实现了盲区检测功能。内视摄像头就是在车内加装摄像头,用来监控驾驶员行驶状态,如果发现驾驶员行驶时出现疲劳表情或出现不利于安全驾驶的行为,可以及时掌握信息并进行提醒。特斯拉作为纯视觉自动驾驶的狂热分子,就在车身搭载了8个车载摄像头,搭配Autopilot系统,实现自动驾驶功能,由于车载摄像头无法探测深度,因此仅使用纯视觉自动驾驶方案的特斯拉,在出现鬼探头的路况时,很难及时做出反应。

2 毫米波雷达

毫米波雷达是指波长在1 mm至10 mm之间的电磁波,毫米波的波长介于厘米波和光波之间,因此毫米波兼有微博制导和光电制导的优点,毫米波雷达相对于厘米波雷达,具有体积小,易集成和空间分辨率高的特点,毫米波雷达可以全天候工作,在极端天气及夜晚也可以发挥作用,毫米波雷达测距也比较远,但是分辨率低、难以成像且无法识别图像。

毫米波雷达相对技术比较成熟,在高级辅助驾驶功能上使用比较普及,是感知环节中重要的一环,但是分辨率较低,不能作为激光雷达的替代品,目前汽车毫米波雷达的分辨率分为24 GHz、77 GHz和79 GHz三种频段,24 GHz又称为短波雷达,感测距离从0.15公尺至约30公尺左右,主要用来作为停车辅助;77 GHz感测距离从1公尺至约100公尺左右,主要用来盲点检测;79 GHz感测范围可以达到250公尺,主要运用在主动巡航系统和汽车前向碰撞报警系统,可以让车主有足够时间来刹车或者闪避。

4D高精成像毫米波雷达的提出增加了雷达对目标俯仰高度数据的探测和解析,可以实现俯仰角、时间、距离、方位角的信息感知,4D高精成像毫米波增加时间维度信息后可以有效地解析目标的行为、大小轮廓及类别等数据。4D高精成像毫米波雷达通过增加虚拟通道,大幅提升分辨率以及目标检测的置信度和检测范围(如距离和FOV),同时进化出激光雷达一样的高密度点云,可带来丰富的感知增强应用。

在识别较小的物体,对遮挡物体、静止物体和横向移动障碍物的检测,以及应用更多的复杂路况时,4D高精成像毫米波雷达对视觉和激光雷达提供不能获取的更有价值的路况信息,从而提高系统融合后的安全性。

4D高精成像毫米波雷达在现有雷达优点的基础上,通过四个维度感知环境,提供比传统毫米波雷达更丰富的数据;4D高精成像毫米波雷达进入大规模量产后,成本仅是激光雷达的1/10。因此4D高精成像雷达会成为自动驾驶核心传感器,代替低端激光雷达,并会在未来的自动驾驶方案中占据主导地位,实现低成本,高性能可大规模的量产自动驾驶方案。

3 激光雷达

激光雷达,也称为光学雷达,是激光探测与测距系统的简称,它通过测定传感器发射器与目标物体之间的传播距离,分析目标物体表面的反射能量大小、反射波谱的幅度、频率和相位信息等,从而呈现出目标物精确的三维结构信息。激光雷达住哟啊应用于测距、定位及地表物体的三维绘制,目前在自动驾驶领域和无人飞行领域得到广泛的应用(图2)。

图2 激光雷达测绘图

激光雷达作为军转民的高进度雷达技术,具有优良的性能,可以获得极高的角度、距离和速度分辨率,通常激光雷达的角分辨率不低于0.1mard也就是说可以分辨3km距离上相距0.3m的两个目标,并可同时跟踪多个目标;距离分辨率可达0.1m;速度分辨率能达到10m/s以内。如此高的距离、速度分辨率意味着激光雷达可以利用多普勒成像技术获得非常清晰的图像。激光雷达是直线传播,方向性好,光束非常窄,弥散性非常低,因此激光雷达具有较高的精度,与微波、毫米波雷达不同的是,自然界中可以对激光雷达产生干扰的信号源并不多,因此激光雷达的抗干扰能力特别强。大多数的激光雷达系统是由激光器、光学扫描器、光电检测器、导航系统4个部分构成。

根据作用不同,激光雷达可以分为一维激光雷达、二维激光雷达、三维激光雷达等,一维激光雷达主要用于测距测速、二维激光雷达主要用于轮廓测量、物体识别、区域监控等,三维激光雷达可以实现空间的三维建模,在自动驾驶汽车车顶安装的激光雷达是三维激光雷达,通过高速的旋转,可以获得车辆周围空间的点云数据,从而绘制出车辆周围的三维空间地图,且激光雷达还可以测出周围车辆、行人的距离、速度、加速度、角速度等信息,再结合GPS地图计算出周围车辆、行人的位置信息,以供自动驾驶汽车做出驾驶判断。

4 超声波雷达

超声波雷达是利用超声波发生器产生的超声波,再由接收探头接收经障碍物反射回来的超声波,根据超声波反射接收的时间差计算与障碍物之间的距离。超声波传感器成本较低,探测距离近且精度较高,不受光线条件的影响,在防水、防尘、即使有少量泥沙遮挡的环境下都不受影响,因此多用在泊车系统中。

但超声波雷达在速度较高的情况下测量距离具有一定的局限性,因为超声波雷达受天气影响较大,在不同的天气情况下,超声波的传输速度不同,当传输速度较慢且车速较高时,超声波的测距无法跟上汽车速度的变化,就会造成较大的误差。由于超声波散射角度大,因此方向性较差,在测量较远距离时,回波信号会大幅减弱,影响测量的精度。

超声波发生器常用的工作频率有40 kHz、48 kHz和58 kHz三种,一般来说,频率越高,灵敏度就会越高,但是水平与垂直方向的探测角度就会越小,一般采用40 kHz的工作频率,常见的超声波雷达有两种。第一种是安装在汽车前后保险杠上的,也就是用于测量汽车前后障碍物的倒车雷达,这种雷达业内称为UPA;第二种是安装在汽车侧面的,用于测量侧方障碍物距离的超声波雷达,业内称为APA。目前大多数汽车使用的是倒车雷达UPA,随着自动驾驶技术的不断提升,基于超声波雷达的自动泊车功能逐渐进入大众视野,APA市场会逐渐打开。

自动驾驶的商用化离不开传感器的应用,作为汽车的眼睛,道路数据的搜集和探测是十分重要的,随着技术的不断发展,成本的不断降低,在中、低型汽车上也将搭配更多的高级辅助驾驶功能,届时传感器的使用也会更为普及。

互联网小常识:通过控制端口配置需要一台提供超级终端软件的计算机和一根RJ-45到9针或25针异步串行接口的电缆。接口配置阐述为:传输速率9600,数据位8位,停止位1位

免责声明:本站所有信息均搜集自互联网,并不代表本站观点,本站不对其真实合法性负责。如有信息侵犯了您的权益,请告知,本站将立刻处理。联系QQ:1640731186