chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

傳感器融合技術在自動駕駛中的應用

知行科技iMotion ? 來源:知行科技iMotion ? 作者:知行科技iMotion ? 2022-06-14 16:27 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

干貨時間:本文將跟隨iMotioner Ting一起走進傳感器融合技術,結(jié)合具體方案,分享自動駕駛相關技術。

隨著軟硬件技術能力的飛速發(fā)展,當前汽車可裝載的智能駕駛傳感器種類可謂是琳瑯滿目,這對如何最大化利用傳感器的性能,為智能駕駛提供更充分的保障帶來了挑戰(zhàn)。

1傳感器融合技術

傳感器融合技術是智能駕駛相關技術棧中極其重要的一環(huán),簡單來講,它是指通過一系列算法,將車身所搭載的各類型傳感器所探測的信息有機的整合到一起,最大化整車對環(huán)境的感知能力,從而為后端的行為決策和控制等模塊提供環(huán)境信息。

單個的感知傳感器通常由于探測機理、可視角度等原因,具有一定的感知局限性,如果說各個獨立的傳感器讓汽車擁有了眼睛,那么傳感器融合技術, 將使車身看得更清,告別“近視”。

傳感器融合按照其融合的作用,一般有補償式融合,冗余式融合和協(xié)作式融合。1.補償式融合指各個傳感器對相同的環(huán)境進行探測,然后通過融合算法,或選取各個傳感器的優(yōu)勢探測信號,或整合各個傳感器各自的探測范圍,從而獲取更精準和覆蓋范圍更廣的環(huán)境信息。以當前主流的前視毫米波雷達和攝像頭融合(RV Fusion)方案為例:

2.冗余性融合是指各個傳感器對同一目標進行探測,融合算法整合所有對同一目標的探測信息,從而提升目標的可信度,降低單個傳感器誤檢對整體系統(tǒng)的影響。 冗余性融合廣泛應用于與安全性相關的功能中, 比如現(xiàn)流行的自動緊急剎車(AEB)功能,如果該車具有多個傳感器,則在對目標進行自動制動之前,一般要求至少有兩種及以上傳感器同時檢測到該目標,確保目標存在性的冗余,降低該目標是由單個傳感器誤識別的可能性,從而降低誤制動的概率(基于當前的法律法規(guī),這種誤制動是相當危險的,需盡力避免)。同樣以前述的雷達攝像頭方案為例,通常毫米波雷達檢測時,由于環(huán)境噪聲的干擾以及信號處理算法的局限,會不時地出現(xiàn)目標誤識別的現(xiàn)象,一般把這種誤識別產(chǎn)生的目標稱作鬼影(ghost)目標,而攝像頭的探測原理使得其具有更低的誤識別率,所以在這種系統(tǒng)中,如果安全性功能要想啟動,一般要求雷達和攝像頭都同時檢測到同一目標,從而降低誤制動率。

3.協(xié)作式融合是指整合各個傳感器的探測信息,相對來講這些探測信息都是較單一且低維度的,進行提取出更深度和高維度的探測信息。比如,通常攝像頭探測的圖像信息丟失了環(huán)境的三維信息,如果將雷達探測的點云信息和圖像像素信息進行融合,可以構建出帶有深度信息的圖像(深度圖),那么利用這張深度圖也就可以提取出完整的三維環(huán)境信息,除了目標感知之外,還能提供可行域(Fress Space)等更高維度的信息。當前流行的前融合即屬于這種融合大類,目前多家智能駕駛企業(yè)正在這個方向發(fā)力,并嘗試將其運用到量產(chǎn)項目中。

2智慧融合感知

當前,知行科技正著力于實現(xiàn)視覺感知與超聲波感知的融合,視覺感知對障礙物的存在性和類別判斷上有一定優(yōu)勢,只要依靠數(shù)據(jù)閉環(huán)鏈路,不斷迭代優(yōu)化視覺感知性能,就能對大部分常見的障礙物有較好的識別能力。超聲波傳感器對近距離的障礙物具有穩(wěn)定的感知能力,并且對任意類別的障礙物都能無差別探測,比如地鎖,花臺,限位桿等,廣泛應用于泊車功能的環(huán)境感知。將視覺和超聲波對障礙物的探測進行融合, 屬于補償式融合,將能夠更加穩(wěn)定魯棒地探測泊車位附近的障礙物,為泊車功能提供保障,此方案也將直接應用于知行科技的泊車功能中。此外,即將推出的iDC控制器,搭載有四顆環(huán)視攝像頭,知行科技也將對這四個攝像頭的感知結(jié)果進行一個FOV層面的融合,從而提供360°的無死角感知范圍。

3未來 擺脫“近視”

近年來大火的高速自動導航功能,要求自車具有穩(wěn)定的360°無差別的感知能力,所以多傳感器基于FOV層面的融合,以及各傳感器在FOV重疊區(qū)域的融合處理,是自動導航功能必不可少的方案。放眼高階自動駕駛,從前述的感知結(jié)果和融合方案可以看出,當前階段下主流的感知結(jié)果都是基于交通參與者這一障礙物(還可能包含信號燈,錐桶等靜態(tài)障礙物)為目標的,然而真實的交通場景是及其復雜的,交通參與者只是其中一個部分,對環(huán)境的完整勾勒無法靠目標級別的感知融合來實現(xiàn)。

當前,不少研究方正嘗試對各個傳感器的原始信息進行前融合,如原生的攝像頭圖片或者像素,雷達的點云甚至電磁波信號等,以及盡量不丟失感知信息的情況下完成對環(huán)境的更充分表達,從而邁向高階自動駕駛,這一方案能否最終落地量產(chǎn),還需要時間持續(xù)關注。上述的各種融合方式,沒有嚴格的界限,在一個智能駕駛系統(tǒng)中通常根據(jù)具體需求動態(tài)的選擇融合方式,且多種融合方式可能同時運用在相同傳感器中。智能駕駛的功能逐漸邁向高階,汽車所搭載的傳感器種類及數(shù)量也大幅度增加,但單個傳感器始終擺脫不了其固有局限,是一雙“近視”的眼睛,通過不斷優(yōu)化的傳感器融合算法,讓汽車擺脫“近視”,看得更清,行得更遠,更安全。

原文標題:猿桌派 | 傳感器融合,讓智能駕駛告別“近視”~

文章出處:【微信公眾號:知行科技iMotion】歡迎添加關注!文章轉(zhuǎn)載請注明出處。

審核編輯:湯梓紅

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 傳感器
    +關注

    關注

    2566

    文章

    53008

    瀏覽量

    767676
  • 智能駕駛
    +關注

    關注

    4

    文章

    2815

    瀏覽量

    49983
  • 自動駕駛
    +關注

    關注

    790

    文章

    14323

    瀏覽量

    170715
  • 知行科技
    +關注

    關注

    1

    文章

    66

    瀏覽量

    3690

原文標題:猿桌派 | 傳感器融合,讓智能駕駛告別“近視”~

文章出處:【微信號:gh_dd1765c34afb,微信公眾號:知行科技iMotion】歡迎添加關注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    康謀分享 | 基于多傳感器數(shù)據(jù)的自動駕駛仿真確定性驗證

    自動駕駛仿真測試,游戲引擎的底層架構可能會帶來非確定性的問題,侵蝕測試可信度。如何通過專業(yè)仿真平臺,傳感器配置與極端天氣場景實現(xiàn)測試
    的頭像 發(fā)表于 07-02 13:17 ?3525次閱讀
    康謀分享 | 基于多<b class='flag-5'>傳感器</b>數(shù)據(jù)的<b class='flag-5'>自動駕駛</b>仿真確定性驗證

    自動駕駛汽車是如何準確定位的?

    厘米級的定位精度,并能夠?qū)崟r響應環(huán)境變化。為此,自動駕駛系統(tǒng)通常采用多傳感器融合的方式,將全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)、慣性測量單元(IMU)、激光雷達(LiDAR)、攝像頭、超寬帶(UWB)等多種
    的頭像 發(fā)表于 06-28 11:42 ?229次閱讀
    <b class='flag-5'>自動駕駛</b>汽車是如何準確定位的?

    激光雷達技術自動駕駛的應用與發(fā)展趨勢

    隨著近些年科技不斷地創(chuàng)新,自動駕駛技術正逐漸從概念走向現(xiàn)實,成為汽車行業(yè)的重要發(fā)展方向。眾多傳感器技術
    的頭像 發(fā)表于 03-10 10:16 ?951次閱讀
    激光雷達<b class='flag-5'>技術</b>:<b class='flag-5'>自動駕駛</b>的應用與發(fā)展趨勢

    BEVFusion —面向自動駕駛的多任務多傳感器高效融合框架技術詳解

    和高效融合機制,解決了多模態(tài)傳感器幾何與語義任務的權衡問題,成為自動駕駛多任務感知的標桿框架其設計范式為后續(xù)研究提供了重要啟發(fā) ?**“
    的頭像 發(fā)表于 02-26 20:33 ?3873次閱讀
    BEVFusion —面向<b class='flag-5'>自動駕駛</b>的多任務多<b class='flag-5'>傳感器</b>高效<b class='flag-5'>融合</b>框架<b class='flag-5'>技術</b>詳解

    物聯(lián)網(wǎng)傳感器類型解析 傳感器類型自動駕駛的應用

    物聯(lián)網(wǎng)傳感器類型解析及其自動駕駛的應用 傳感器是一種檢測裝置,能感受到被測量的信息,并能
    的頭像 發(fā)表于 12-06 14:15 ?1046次閱讀

    傳感器融合自動駕駛的應用趨勢探究

    自動駕駛技術的快速發(fā)展加速交通行業(yè)變革,為實現(xiàn)車輛自動駕駛,需要車輛對復雜動態(tài)環(huán)境做出準確、高效的響應,而多傳感器融合
    的頭像 發(fā)表于 12-05 09:06 ?1358次閱讀
    多<b class='flag-5'>傳感器</b><b class='flag-5'>融合</b>在<b class='flag-5'>自動駕駛</b><b class='flag-5'>中</b>的應用趨勢探究

    一文聊聊自動駕駛測試技術的挑戰(zhàn)與創(chuàng)新

    ,包括場景生成的多樣性與準確性、多傳感器數(shù)據(jù)融合的精度驗證、高效的時間同步機制,以及仿真平臺與實際場景的匹配等問題。 自動駕駛測試的必要性與現(xiàn)狀 1.1 自動駕駛
    的頭像 發(fā)表于 12-03 15:56 ?740次閱讀
    一文聊聊<b class='flag-5'>自動駕駛</b>測試<b class='flag-5'>技術</b>的挑戰(zhàn)與創(chuàng)新

    MEMS技術自動駕駛汽車的應用

    MEMS技術自動駕駛汽車的應用主要體現(xiàn)在傳感器方面,這些傳感器
    的頭像 發(fā)表于 11-20 10:19 ?1461次閱讀

    人工智能的應用領域有自動駕駛

    的核心技術 自動駕駛汽車的核心依賴于人工智能,尤其是機器學習和深度學習技術。這些技術使得汽車能夠通過傳感器收集大量數(shù)據(jù),并實時進行分析。以下
    的頭像 發(fā)表于 10-22 16:18 ?1223次閱讀

    自動駕駛技術的典型應用 自動駕駛技術涉及到哪些技術

    自動駕駛技術的典型應用 自動駕駛技術是一種依賴計算機、無人駕駛設備以及各種傳感器,實現(xiàn)汽車自主行
    的頭像 發(fā)表于 10-18 17:31 ?1911次閱讀

    FPGA自動駕駛領域有哪些優(yōu)勢?

    領域的主要優(yōu)勢: 高性能與并行處理能力: FPGA內(nèi)部包含大量的邏輯門和可配置的連接,能夠同時處理多個數(shù)據(jù)流和計算任務。這種并行處理能力使得FPGA處理自動駕駛復雜的圖像識別、傳感器
    發(fā)表于 07-29 17:11

    FPGA自動駕駛領域有哪些應用?

    的數(shù)據(jù)處理和預處理,實現(xiàn)實時計算和反饋。 二、數(shù)據(jù)傳輸與處理FPGA自動駕駛扮演著數(shù)據(jù)傳輸和處理的角色。它能夠支持多種傳感器(如激光雷達、攝像頭、GPS等)的數(shù)據(jù)傳輸,并通過其高速
    發(fā)表于 07-29 17:09

    自動駕駛識別技術有哪些

    自動駕駛的識別技術自動駕駛系統(tǒng)的重要組成部分,它使車輛能夠感知并理解周圍環(huán)境,從而做出智能決策。自動駕駛識別
    的頭像 發(fā)表于 07-23 16:16 ?1505次閱讀

    自動駕駛傳感器技術介紹

    自動駕駛傳感器技術自動駕駛系統(tǒng)的核心組成部分,它使車輛能夠感知并理解周圍環(huán)境,從而做出智能決策。以下是對自動駕駛
    的頭像 發(fā)表于 07-23 16:08 ?3240次閱讀

    自動駕駛汽車傳感器有哪些

    自動駕駛汽車傳感器是實現(xiàn)自動駕駛功能的關鍵組件,它們通過采集和處理車輛周圍環(huán)境的信息,為自動駕駛系統(tǒng)提供必要的感知和決策依據(jù)。以下是對自動駕駛
    的頭像 發(fā)表于 07-23 16:00 ?3280次閱讀