车辆自动化
September 29, 2020

应用案例解析:自动驾驶车辆

Tom Grey
Director of Product Marketing
Linkedin UrlTwitter Url

当今出行市场讨论的热点通常都聚焦于自动驾驶公司面临的无数可能和挑战,但却很少了解自动驾驶车辆的感知系统究竟是如何。 因此,我们特别借助了Ouster的激光雷达与Teraki的软件处理系统,希望通过实际案例分析,为大家展现感知系统的全貌。 具体内容,请查看我们与Teraki的应用案例

首先,我们先交代一下自动驾驶车辆的行业背景。

Society of Automotive Engineers定义的自动驾驶等级

目前,自动驾驶商业化部署正处于L2/L3级别,并以摄像头、前向雷达的解决方案为主,小部分方案中会包含一个低线束的激光雷达。除了这样比较有限的传感器系统之外,还会有一些非常基础的数据处理方案。

未来,车辆自动化的水平要提升至L4/L5,至少需要解决以下3个技术难题:

  • 在任何环境下,都能够进行精确和可靠的感知和定位
  • 在多样的条件下,都能够完成快速实时的决策
  • 可靠及低成本的商业化量产感知系统

一个更加强大的传感器系统和一个更加高效的数据处理系统成为必选项。

硬件:传感器

激光雷达

激光雷达能够输出周围环境的3D点云数据,提供精确的深度和空间信息,已经逐渐成为了L4/L5级自动驾驶测试车辆不可替代的核心传感器。

优势:精准的深度信息,不受外界光线影响(可以在白天和黑夜正常工作),高分辨率(高于雷达,低于摄像头)。

劣势:数据量大,成本高,体积较大

一套激光雷达感知系统通常包括长距、中距、短距三类激光雷达,搭载在车辆的不同位置以满足不同的探测需求。
一套激光雷达感知系统通常包括长距、中距、短距三类激光雷达,搭载在车辆的不同位置以满足不同的探测需求。

组合:

  • 4个短距激光雷达一般安装在车辆的四周,主要用于盲区探测,包括车身周围的动物、盒子、路障、路沿等,即使是人类驾驶员,这些事物也是难以观测的。 通常一个搭载于车前方保险杠、两个搭载于两侧后视镜处、一个搭载于汽车后方。
  • 2个中距激光雷达,通常会以特定角度搭载在车顶两侧,尤其是在高精地图和定位应用中,可以提高高精地图构建的效率。
  • 车顶中央搭载2个长距激光雷达,用于高速下障碍物探测。 可以是前视的或者360º全视角的。

摄像头

摄像头是传统自动驾驶车辆的核心部件,L4/L5也不例外,但需要的数量更多,甚至超过20颗。摄像头将会被安装到车身的各个部位,最终通过对齐和校准形成一张高分辨率的360º图像。

优势:价格低、易集成(能够隐藏在车身中)、高分辨率、彩色,非常接近人类视觉。

劣势:依赖于外界光线,容易受到光线变化及恶劣天气的影响,需要电脑处理后才能获得360º图像。

雷达:

在过去的15年间,雷达因其高稳定性、在恶劣天气中性能无降级的特点,成为了自动驾驶应用中的标配。雷达通过使用无线电波作为调频连续波,提供周围环境的低分辨率3D点云数据。

优势:低成本,可靠性高,能够在恶劣天气下正常工作,探测距离远。

劣势:低分辨率,静止物体难以探测

集成:

  • 对于L4/L5级别的自动驾驶来说,雷达通常会环车身安装,作为物体探测的冗余传感器。
  • 最多可达10个雷达,安装位置包括侧视镜、前后保险杠、车角等。
安装位置示意图
安装位置示意图

以上三类传感器均存在各自的优势和劣势,通过同时应用这三类传感器就可以为L4/L5级别自动驾驶建立一个非常可靠强大的传感器系统。

鉴于车辆上安装了如此多的传感器 ,数据处理的总量是非常巨大的。 接下来我们来看一下如何解决数据处理的问题。

硬件:处理器

自动驾驶车辆需要先进的计算机处理系统,来处理大量的传感器原始数据,一般有两种方案: 中央处理和分布式(边缘)处理

中央处理

所有的数据处理和决策都由中央处理单元完成,来自所有传感器的数据也都会直接发送到中央处理单元中,在传感器端没有进行任何的数据处理。

优势:传感器模块体积小、成本低、功耗低

劣势:中央处理单元通常需要配备具有高处理能力和速度的高性能芯片组,用于充分处理所有原始数据,这就对延迟问题提出了很大的挑战。并且芯片组价格昂贵,需要消耗大量功率、产生大量热量。传感器的数量越多,对中央处理单元的要求就越高,这很可能会成为此方案的瓶颈。

分布式处理

分布式处理即数据处理在传感器端就已经完成,之后,处理好的数据会被发送至中央处理单元进行汇总,最终用于分析和决策。一些情况下,传感器模块本身就包含应用处理器,可直接进行高阶的数据处理,并直接在边缘完成本地决策,例如紧急制动。 还有一些情况下,传感器模块会先将对象数据(或元数据,即描述了对象特征和/或识别了对象类型的数据)发送到中央处理单元,等与其他信息汇总后再做出决策。

优点:处理后的对象数据量较原始数据大幅减少,因此传感器模块和中央处理单元之间所需的带宽小且接口价格低。中央处理单元仅需融合对象数据,耗能少、运行速度更快、低延迟。另外还可以轻松添加额外的传感器,因为更多的传感器并不会大幅提升对中央处理单元性能的要求。

缺点:因为在传感器端可以进行本地预处理、甚至决策,传感器模块需要满足更高的功能安全要求。

随着车辆中传感器数量的不断增加,原始数据量会出现指数级的增长,超出中央处理单元的负荷。因此分布式处理正在逐渐成为更优的选择。

为了更好的展示这一方式的优势,我们通过Teraki的软件来融合激光雷达和摄像头的数据。

应用方案:Teraki软件与Ouster激光雷达

Ouster激光雷达所输出的高密度点云数据(128线激光雷达可高达250 Mbps)对自动驾驶硬件的快速处理数据的能力提出了非常高的要求,再加上视频处理需要复杂的计算,最终还需要做出几乎实时的准确决策,这无疑是一项艰巨的挑战。 Teraki的嵌入式边缘计算传感器融合产品通过智能选择感兴趣的区域解决了这一难题,精准且低功耗。其产品可以检测并识别车辆周围环境中的感兴趣区域,仅将处理后的数据传递给中央处理单元。

探测到的感兴趣区域会传输给摄像头,并直接覆盖到图像数据上。

通过应用此解决方案进行边缘数据预处理,可以提升高精地图、定位和感知算法,解决上述所说的实时决策问题,向L4/L5级自动驾驶更进一步。

本文内容摘自Ouster与Teraki联合编写的应用案例。 完整内容,请查看应用案例。 访问www.teraki.com,了解更多。