自动驾驶常用传感器介绍_自动驾驶 传感器

一、摄像头

1. 概述

摄像头是自动驾驶核心传感器，是实现自动驾驶众多规划、控制的基础，相比于激光雷达和毫米波雷达，最大的优势在于可以识别车辆周边的环境信息和纹理信息，能够“看到”目标的类型、信号灯的颜色等，类似于人类的眼睛。

摄像头是将光学组件获得的光信号，投射到图像传感器上，完成由光信号到电信号的转换，然后再转换为数字图像信号，最后进行信号的算法处理。基于图像数据从而实现感知车辆周边路况的功能，实现如车辆、行人、车道线、交通标识物的检测、距离估计等模块。

2. 摄像头在自动驾驶中的应用

根据摄像头的安装位置，可以分为前视、侧视、后视、内置、环视等。在高级别自动驾驶车辆上，配置的摄像头有多个甚至十多个。如特斯拉Autopilot2.0硬件系统就包含8个摄像头。

3. 车规级摄像头性能要求

针对车规级的摄像头，因为车辆全天候全天时的运作，对光线、温度的变化都有较高的要求（如进出隧道等明暗反差过大的场合，北方冬天极寒场景等），且能够满足车辆震动的要求，所以要求自动驾驶中摄像头主要需要满足：

1）耐高温：车载摄像头需要在-40℃-85℃范围内都能够正常工作，且能够适应温度的剧烈变化；

2）抗震：车辆在路面行驶时会产生较强的震动，所以车载摄像头必须能抗各种强度的震动；

3）防水：车辆需要在全天候全天时工况下运行，就需要摄像头密封严实、满足在雨水中浸泡仍可正常使用；

4）使用寿命：车载摄像头的使用寿命至少 10 年；

5）高动态低噪点：车辆需要在全天候全工时状态下运行，摄像头面对的光线环境变化剧烈且频繁，所以要求摄像头的 CMOS 具有高动态性；在光线较暗时，能够有效的抑制噪点的产生；

6）对于某些特定功能的摄像头，如侧视摄像头、环视摄像头等，还需要水平视场角比较广。

4. 摄像头的优劣势分析

5. 摄像头关键参数

◆ 焦距：指平行光从透镜中心到光聚的焦点的距离，如4mm,6mm,12mm;

◆ 有效的探测距离：如近距，中距，远距等对应不同探测距离需求；

◆ 视场角：水平视场角（HFOV）和垂直视场角（VFOV），一般来说，焦距越小，视场角越大(如下图所示)；

◆ 分辨率大小：200W（1920x1080），500W（2560x2048）,800W（3200x2400）;

◆ 最低照度：CMOS对环境光线的敏感程度;

◆ 信噪比：输出的信号电压和噪声电压的比值;

◆ 动态范围：正常显示细节的最亮和最暗物体的亮度值所包含的那个区间;

二、激光雷达

1. 概述

激光雷达(Lidar)，全称 Laser Detecting and Ranging，即激光探测和测距，是一种用于精确获得三维位置信息的传感器，可以确定目标的位置、大小、外部轮廓等。与毫米波雷达工作原理相似，激光雷达通过发射和接收激光束，获取空间的位置点信息（即点云），并根据这些信息进行三维建模。

除了获取位置信息外，激光信号的反射率还可以区分目标物质的不同材质，激光雷达的线束越多，其测量精度越高。由于激光的频率高，波长短，可以获得极高的角度、距离和速度分辨率，这就意味着可以利用多普勒成像技术，构建出清晰的 3D 图像。

2. 工作原理

激光雷达一般包括发射系统、接收系统、信息处理三大部分组成，部分激光还包括扫描系统。

激光雷达是向目标发射激光探测信号束，然后将收到的从目标反射回来的信号（目标回波）与发射信号进行比较，测量发射信号与接收信号地时间差或者相位差，获得目标的距离信息，然后通过水平旋转扫描来测量角度，建立二维极坐标系，然后通过不同的俯仰角度信息，获得目标的高度信息等，从而完成对目标的探测、跟踪、识别。下图可以反映出激光雷达的组成：

激光雷达的测距有两种，一种是基于时间的测量方法，也叫飞行时间法（TOF），另一种是不基于时间的测距法。基于时间的测量方法又分为脉冲法和三角法两种。

脉冲法，也称为直接法，数学模型如下：距离 = 光速 * 往返时间 / 2;

三角法，也叫间接法，如下图：

激光雷达发射器发射激光，经过物体(object)反射后被 Imager 捕捉，假设捕捉点为$x_2$，通过焦点 O 作一条虚线平行于入射光线，与 Imager 交于$x_1$，由于图中β已知，所以可以得到$x_1$的位置。假设$x_1$与$x_2$之间的距离为$x$，可以得到左右两个三角形相似，所以有:$\frac{q}{f}=\frac{s}{x}$，又因为$sin\beta =\frac{q}{d}$，所以有$d=\frac{sf}{xsin\beta }$，这就得到了物体到激光的距离声明：本文内容由网友自发贡献，转载请注明出处：【wpsshop】