传感器融合ADAS /广告车辆道路安全

摄像机、雷达、激光雷达、超声波传感器是传感器用于开发的各种车辆配备先进的驾驶员辅助系统(ADAS)和自主车辆(AV)。

住客可以依赖超过20个传感器安装在不同的位置。每个传感器提供了不同类型的数据,例如,相机提供图像、雷达和激光雷达提供点云,等自主驾驶(广告)软件使用信息/数据从这些传感器单独和集体从多个传感器(雷达+相机)做出精确的驾驶的决定。

传感器是一个自治的“眼睛”车辆(AV)和他们帮助车辆感知周围环境,即。、人、物体、交通、道路轨迹、天气、照明等。

这种看法是至关重要的,因为它允许AV做出正确的决策,即。、停止、加速、扭转等。

AVs水平较高的自主权(L2 +以上)地方自治特性代替司机任务,多个传感器需要正确理解环境。

但是每个传感器都是不同的,都有自己的局限性为例如,相机对车道检测或对象分类很好而雷达远程检测提供良好的数据,或在不同的光照条件。

图1:不同的传感器一个自主车辆协助制作开车的决定年代

传感器功能爱游戏娱乐网

传感器融合提高车辆整体性能的一个自治能力和有多个融合技术可供选择,根据操作设计领域(奇怪的)功能。

因此,AV收集的数据来自多个传感器融合使用传感器融合技术,为住客提供最好的输入采取适当的决策(制动、加速等)。

下面是几个例子的不同类型的融合技术和根据AV的自治水平,将使用一个或多个传感器融合技术。例如:二级功能发展对象数据,车道融合、交通标志融合可以按功能要求但三级及以上所有可能需要的技术融合。

传感器融合技术

传感器融合的复杂性和挑战

环境的复杂性、功能规范定义融合策略和类型的融合要求的需要。

执行传感器融合是一个复杂的活动,每个人都应该占许多挑战,如:

• 输出精度变化从不同传感器在不同视场(视野)地区
• 传感器检测错误或错过检测(相机可能检测对象/小姐晚上巷,黄昏时间,等等)。
• 对象可能在盲人带传感器在一段时间内或对象可能在盲人带动态移动
• 这里可能是多个相同的传感器检测对象(例如,大卡车可能给多次反射从雷达)
• 从传感器检测的信心可能会降低
• 不同的传感器给输出数据在不同的采样率(40 ~ 70毫秒的等等)。
• 传感器安装在车辆的不同位置
• 在不同的环境条件下传感器的性能变化

这些挑战可能会变得更复杂的AVs的更高层次。可能需要多个传感器接近360度覆盖,避免盲点。

传感器的放置也至关重要减少盲区,实现最佳的性能在不影响安全。这也导致一个权衡成本与功能要求应急。

此外,每个传感器的精度水平不同和管理每个传感器的数据的准确性对于最终的输出是至关重要的。因此,理解问题的声明和环境占这些挑战势在必行。

高级传感器融合KPI指标

与传感器融合,确保高水平的准确性,必须设置正确的kpi测量,以及稳健设计。

以下是一些确定的kpi来提高数据的准确性:

为每个对象。单线

• 没有虚假或错过目标检测
• 总体精度提高
• 为每个输出提供了置信水平
• 估计在输出的传感器盲区

通过设计b。精度高

下面是一个例子的传感器融合流块,可以用来确保最高水平的目标检测的准确性。可以有不同的体系结构取决于类型的融合,即。、高度融合、原始传感器融合等。

数据同步:不同的传感器给不同的输出,例如,相机给输出在50毫秒,雷达可以给输出60毫秒。数据同步技术同步这些数据传感器融合之前执行

坐标变换:这是一个基于几何和放置的传感器技术,将传感器安装在不同位置的数据,为一个共同的框架。

例如,如果我们考虑一辆5.5米长,2.5米宽与一辆卡车19米长,5米宽,需要把数据在后轴或前轴框架

验证控制和数据关联:这是一个技术,以确保车辆上的多个数据收到每个传感器是相同的对象,例如,一辆卡车在前面。

跟踪管理:跟踪管理技术保证了传感器融合的最终输出。它初始化、维护和删除记录,根据跟踪历史和也计算跟踪信心

自我运动估计:它占的运动车。例如,如果接收到的数据在T + 100毫秒和T + 200毫秒,但在此期间车辆已经动摇

高级传感器融合设计考虑

• 选择数据协会和评估技术的算法:
  算法数据协会:最近邻、概率和联合概率数据关联评估技术:线性卡尔曼滤波、扩展卡尔曼滤波、粒子滤波。
• 融合策略:
  数据关联算法和评估技术将决定基于传感器用于融合的类型,状态估计需求(动态/静态对象估计)和传感器输出。
• 跟踪管理:
  为了减少错误输出,融合跟踪管理需要建立信心之前初始化跟踪。在延迟的情况下,它可能会导致延迟由广告系统将需要更多的时间在行动。跟踪初始化策略决定考虑操作环境,功能很奇怪,等等类似的跟踪删除。
• 过滤调优:
  实用方面使用传感器从现实世界中数据特征提高了过滤调优。

融合的验证

重要的是要使用正确的验证测试与模拟数据融合策略,真实世界的数据或在车辆测试,从而确保软件质量和场景覆盖。

以下是融合的关键方面的验证:

• 边的情况选择:自感知性能得到了很大的提高,通过各种传感器数据融合场景应当精心挑选,考虑所有可能的边界情况。还应当提到的场景所需的验证级别——模拟现实世界或车辆。目标应当最大覆盖在模拟水平降低成本和时间,在不影响质量的分析。
• 传感器建模:验证融合在模拟环境噪声影响、高保真度传感器模型需要模拟环境对传感器性能的影响。由于持续的高保真模型研究,许多技术,如数据驱动模型,基于物理建模,等等,提出了实现。
• 与现实世界数据验证:高保真传感器模型可以适应环境条件,准确率高达85%到75。因为数据精度与模拟是不可行的,验证与真实世界数据融合成为必要,对准确决策。
• 车辆测试:融合的最终验证应在车辆,以确保端到端测试功能层面上考虑实际情况,传感器延迟和延迟驱动。

因此,融合是一个极其关键感知组件广告性能,必须考虑一个关键实践方面和定义正确的策略设计和验证,达到最高水平的广告软件的成熟度。

传感器校准

自从AV取决于这样一个广泛的传感器,这些传感器的校准变得非常重要。Mis-calibrated传感器可以产生灾难性影响的安全性和功能的单个传感器的AV。校准是一个旷日持久的过程,和不同的传感器。、激光雷达、雷达或摄像机等需要不同的校准方法。此校准通常结束的时候进行生产线。

在业界的普遍理解是内在的校准,即。,geometric distortion, focal length, etc., do not change over time and are typically done only once. However, extrinsic calibration, i.e., position and orientation, which can change based on various reasons, from poor road conditions to sensors mounted on movable car parts such as the side view mirror, is a challenge. For example, a rear-facing camera mounted on the auto-folding side- view mirror, is used for lane change functionality or to detect the presence of a vehicle in the adjacent lane, a yaw angle miscalibration of 0.5 degrees can cause a lateral error of almost one meter depending on the distance to the vehicle. A lateral error of one meter, could result in a vehicle present in the adjacent lane going undetected.

多米odalperceptionb锁diagram

多模传感器校准系统需要以下特性:

• 自我诊断和决心的错误需要修正。
• 校准时间不得超过几秒钟为每个传感器。
• 自动校对功能的安全错误来满足功能安全要求。
• 确定一个理想的场景来自动调。
• 在高速公路和城市场景中函数的能力。
• 缺乏外部人员参与。

此外,重要的是要调整单个传感器和多个传感器对彼此。多模传感器校准是指不同类型的传感器的校准相机等对激光雷达或激光雷达。

AV,车道偏离警告(LDW)等特性,提出碰撞警告(结合),交通标志识别(TSR)依赖于前置摄像头。一个精确校准相机可以在车道中心的车辆位置和维护一个适当的距离前面的车辆。

但一个小相机的螺旋角安装误差会导致前面的车辆出现远比。它可能导致延迟系统响应,以避免与一辆汽车相撞。

“作为一个技术解决方案提供商,Cyient与业内专家密切合作,设备制造商,和售后市场客户结合汽车行业趋势通过我们的重点领域的大趋势”智能交通和连接产品,”“增加和人类福祉,”和“Hyper-Automation和智能操作。”

解决方案加速器选择Cyient作为增值合作伙伴

• 工具链集成、开发卓越(如缺陷分辨率)和随时可用的传感器融合SW堆栈将成为关键的差异,减少客户开发工作和加速投放市场的时间
• 价值创造为可重用的库
• 端到端的产品工程(现货)
• 同源化解决方案的范围和战略伙伴关系
• 可持续的解决方案模型作为一次性版税许可和/或非经常工程(负阻元件)的努力

这确保了软件生命周期将超出5到7年之后SoP(投产)

关于作者

Harsha有超过20年的经验与专业知识在汽车和高新技术产业新产品工程和集成策略ADAS &自动驾驶的应用,汽车人机界面信息娱乐连接性解决方案和设备协议的发展。目前,他担任ADAS /广告领域中小企业在科技集团。