当前位置:首页 > 汽车电子 > 汽车电子技术文库
[导读] 当我们谈及3D捕捉时,总是先想到光学传感器。当我们讨论在第四维度(时间)讨论视觉数据时,倾向于考虑场景数据调度。这些是我们多年来关注激光雷达(LiDAR)和摄影测量,以及用户针对缓慢移动的大型项

当我们谈及3D捕捉时,总是先想到光学传感器。当我们讨论在第四维度(时间)讨论视觉数据时,倾向于考虑场景数据调度。这些是我们多年来关注激光雷达(LiDAR)和摄影测量,以及用户针对缓慢移动的大型项目,在时间尺度上将这些技术应用于静态物体所造成的偏见。时间来到2018年,当自动驾驶汽车细分市场已经成长为达到甚至超过这个市场规模时,我不得不开始重新审视3D。

4D成像雷达或成就自动驾驶关键技术

对自动驾驶汽车不可思议的需求推动了多种传感器的发展,因为,我们不能随便将从某个应用中获取的传感技术,毫不改动地投入其它应用。就像4D成像雷达这样的新型传感器,该技术使用回声定位(如海豚、蝙蝠、或某些人可以确定物体位置的方法)和飞行时间(ToF)测量原理来捕捉3D空间信息。此外,它们还被用于在快速移动的汽车或快速飞行的无人机上,实现时间尺度的成像。

4D成像雷达或成就自动驾驶关键技术

当前雷达与4D成像雷达测量距离对比图

雷达 vs. 激光雷达

据麦姆斯咨询报道,最近Sensors Online的一篇文章提出了一个相当有说服力的论点:这些4D传感器对于实现Level 4和Level 5级自动驾驶来说至关重要。在这篇文章中,Arbe Robotics的首席执行官兼联合创始人Kobi Marenko解释了“如果没有4D成像雷达的帮助,光学传感器并不能达到Level 4和Level 5级自动驾驶”的原因。

在进一步讨论该问题之前,先简单介绍一下自动驾驶分级:

- Level 0意味着无自动化,就像现在的手动汽车一样:司机需要自己控制一切,而汽车本身不能做出任何判断和控制。

- Level 1~3即增加了不同程度的自动化,目前特斯拉的自动驾驶级别介于Level 2到Level 3之间,其自动驾驶系统可实现引导、加速、制动,有时还能控制驾驶本身(尽管这是不应该存在的)。

- Level 4意味着汽车可在没有驾驶员控制的情况下运行,但仅限于特定条件下使用。例如,大学校园里运行的自动驾驶汽车。

- Level 5意味着汽车可完全实现自动驾驶,你在车中休息或小睡,你的汽车就能将你安全送回家。

从以上汽车自动化级别可以看出雷达的重要性。与摄像头和激光雷达相比,4D成像雷达能在任何条件下工作,可提供“在包括雾、暴雨、漆黑及空气污染等各种恶劣天气和环境条件下最高可靠性的探测”。4D成像雷达的感知范围还可达到300米,并能捕捉可显示物体相对汽车是靠近还是远离的多普勒频移,这能够满足更高汽车自动化级别的要求。

如果Marenko宣称的产品性能属实,那么在白茫茫的暴风雪中,其4D成像雷达可以分辨出:相距900英尺,与你的车辆保持相同速度行驶的车辆。并且在对方车辆减速或突然停止时,也能感应到并采取相应行动。

Marenko还提出,4D成像雷达还擅长通过高度区分物体,这可以帮助汽车判断前方静止物体是树枝还是人。

4D成像雷达或成就自动驾驶关键技术

自动驾驶汽车的激光雷达测量图

4D成像雷达:“压箱底”技术?

值得注意的是,Marenko并不认为4D成像雷达能够独自处理自主任务。他认为4D成像雷达只是包括光学传感器在内的汽车自动驾驶传感器系统的一部分。这是自动驾驶汽车中关于3D捕捉的旧观念——即“每种技术都是工具箱中的一种单独工具”,目前这个概念仍然适用。

Marenko认为:“4D成像雷达是所有传感器中探测范围最远的,这使得它可能最先识别危险。然后,4D成像雷达可将摄像头和激光雷达传感器的探测引导到相关区域,这将大大提升自动驾驶的安全性。”但这种目的的远距离探测,传感器的精度可能相对较低。

Marenko最后最有说服力的论据就是成本。整套汽车自动驾驶传感器的成本需降到1000美元以下,才能实现商业化。以这种方式使用3D成像传感器可以帮助我们达到Level 3或是更高级别的自动驾驶,且无需考虑单个车辆激光雷达的冗余需求。

另外Marenko还有比较偏激的观点:4D成像雷达可让自动驾驶汽车完全摆脱对激光雷达的需要。但该论点的真实性,只能靠时间来证明了!

换一批

延伸阅读

[人工智能] AI加速汽车向轮式机器人转变吗?李德毅院士这么说

AI加速汽车向轮式机器人转变吗?李德毅院士这么说

3月10日,由智东西、AWE、极果等联合举办“GTIC 2017全球(智慧)科技峰会”在上海证大喜马拉雅中心正式开幕。学术界、投资界、创业圈和产业链在这里激烈交锋,NVIDIA、Neato RoboTIcs、科...

关键字: AI 自动驾驶 轮式机器人

[物联网技术文库] 英特尔锁定自动驾驶3种关键领域资料 小米生态链2017年目标200亿

英特尔锁定自动驾驶3种关键领域资料 小米生态链2017年目标200亿

编者按:在传统PC芯片和服务器芯片领域,英特尔占据霸主地位,但在移动芯片市场的失利阻碍了英特尔前进的步伐,在5G和物联网时代,英特尔显然要建立新的优势,不管是5G芯片的发布,还是自动驾驶,英特尔都在运用自身资源锁定关键领域,最新报道显...

关键字: 英特尔 智能家居 小米 自动驾驶

[汽车电子技术文库] 2017年自动驾驶汽车技术发展重点是高解析地图

2016年自驾车技术发展的重点在于感测技术的发展,以便让自驾车能感测周遭环境,同时进行自主判断。相较之下,2017年自驾车技术发展重点将着重于高解析地图(HD Map)的建置,这些精度达公分等级的高分辨率地图,对于让自动驾驶的车辆安全...

关键字: NVIDIA 自动驾驶

[人工智能] 对比CPU,GPU才是摩尔定律的宠儿?

对比CPU,GPU才是摩尔定律的宠儿?

英伟达在 2016 年的强势崛起,GPGPU (GPU 通用计算)功不可没。 有许多原因使 2016 称得上是 GPU 之年。但事实上,除了在核心领域(深度学习、VR、自动驾驶),为什么把 GPU 用于通用计算仍然很模糊。...

关键字: CPU GPU 自动驾驶 vr 深度学习

[汽车新闻] 除了收购Mobileye 英特尔还有哪些大手笔并购?

除了收购Mobileye 英特尔还有哪些大手笔并购?

据科技网站VentureBeat报道,英特尔今天宣布斥资人民币1056亿元收购Mobileye——一家专注于自动驾驶汽车的计算机视觉公司。这一巨额交易彰显了市场对自动驾驶汽车技术日趋增长的需求,但是,它与科技领...

关键字: 英特尔 自动驾驶 mobileye

汽车电子技术文库

7169 篇文章

关注

发布文章

技术子站

关闭