重磅乾貨,第一時間送達
自動駕駛的行業專家一直在爭論LiDAR或相機誰更適合SAE 4級和5級駕駛。是否要將LiDAR與相機一起使用,還是僅使用不帶LiDAR的攝像頭系統。LiDAR的支持者包括Waymo,Cruise,Uber和Velodyne。特斯拉(Tesla)對LiDAR的支持最少,偏向攝像頭系統。哪個是最佳解決方案?
使用Cruise Automation LiDAR的自動駕駛汽車
特斯拉似乎已不勝枚舉,有更多的公司和開發商支持LiDAR。伊隆·馬斯克(Elon Musk)解釋了他的理由,不將LiDAR包括在他的Tesla汽車模型中。在Model 3或Model S上找不到LiDAR,但在Waymo的自動計程車上會看到它。到目前為止,這兩種技術都沒有被普遍接受為自動駕駛汽車的解決方案,因為道路上沒有完全達到4級或5級標準的全自動駕駛汽車(截至2020年9月)。
特斯拉Model S在相機系統上使用自動駕駛自動駕駛功能(無LiDAR)
01.雷射雷達
LiDAR的使用並非僅限於自動駕駛汽車。它具有多種應用,包括氣象學,地震學,地質學和大氣物理學等。LiDAR使用光脈衝來檢測物體,就像雷達使用無線電波的方式一樣。這些脈衝可以確定物體的距離和範圍,為自動駕駛汽車提供急需的數據。例如,為了避免碰撞,LiDAR可以檢測到物體的距離,並施加制動器以使車輛減速。LiDAR已成為測量距離的可靠技術,因此,工程師已將其用於包括自動駕駛汽車在內的各種應用中。
LiDAR可以幫助自動駕駛汽車根據其從光脈衝中獲得的讀數創建視覺地圖。LiDAR系統每秒發送數千個脈衝,以使用車載軟體為汽車提供有關其周圍環境的信息來創建3D地圖。這提供了360度的視角,可在任何情況下幫助汽車行駛。LiDAR與自動駕駛汽車中的攝像頭配合使用,因此它們本身並不是獨立的解決方案。
LiDAR可以創建其周圍的視覺地圖(來源:汽車世界)
01.相機
如果要像人一樣開車,那麼對物體的視覺識別就是必須的。那是使用相機系統的主要論點。相機提供圖像,使用AI的軟體可以高精度地分析這些圖像。特斯拉模型上的攝像頭通過其自動駕駛自動駕駛功能來提供其周圍環境的360度視圖。一切都是可視的,並且不像LiDAR一樣依賴測距和檢測。
相機代替光脈衝,而是使用從鏡頭中的光學元件返回到車載軟體的可視數據進行進一步分析。隨著神經網絡和計算機視覺算法的發展,可以在汽車行駛時識別物體以提供汽車信息。這可以幫助汽車避免碰撞,在交通擁堵時減速,安全地改變車道,甚至可以使用OCR(光學字符識別)從道路或高速公路上的標誌中讀取文字。到目前為止,特斯拉已經證明,使用攝像頭,自動駕駛汽車無需使用LIDAR即可表現出色。
使用帶有自動駕駛儀的攝像頭的Tesla Vision系統(來源:Tesla)
01. 優點
Elon Musk稱讚相機是最可靠的視覺系統。它在視覺識別方面具有更好的優勢,可與AI一起識別道路上的物體。它還可以從路標上讀取文字,這在自動駕駛汽車必須注意繞行和前方道路工作的情況下非常重要。特斯拉汽車上的攝像頭結合了光學技術和計算機視覺功能,可提供計算成像,從而連續分析攝像頭上的圖像。
LiDAR系統使用光脈衝在虛擬地圖上實時繪製點。自動駕駛汽車或自動駕駛汽車可以使用此數據安全地導航並避免撞到物體。能夠確定對象及其距離是使用LiDAR的重點。具有高度準確性和可靠性的LiDAR系統可以提高安全性,這是有關自動駕駛汽車的主要話題之一。
01. 缺點
LIDAR甚至在危險的天氣條件下也能夠看到物體而受到讚譽,但它並不總是可靠的。LiDAR受波長穩定性和探測器靈敏度的影響。雷射的波長會受到溫度變化的影響,而差的SNR(信噪比)會影響LiDAR檢測器中的傳感器。LiDAR也更昂貴,並且需要更多的空間在汽車上安裝,因此傾向於使自動駕駛汽車看起來更笨重。LiDAR的另一個問題是視覺識別,這是相機所擅長的。LiDAR需要更多的軟體數據處理來創建圖像和識別對象。
攝像頭雖然作為視覺系統更可靠,但沒有LiDAR的範圍檢測功能。儘管相機具有出色的成像能力,但作為一個獨立系統,可能還不夠。這就是特斯拉還使用其他傳感器(包括雷達)檢測距離和距離的原因。批評人士說,相機仍然不能很好地避免危險,特別是在涉及天氣條件時。他們需要能夠在任何類型的條件下(例如人類駕駛員)準確看到。
如果自動駕駛汽車合法上路,安全將是首要考慮的問題。使用這兩種系統的自動駕駛汽車已經發生致命事故。使用自動駕駛儀的特斯拉駕駛員曾捲入事故,包括在美國高速公路上的死亡事故。在其他時候,這是由於分心駕駛造成的,因為這些汽車無法完全自動駕駛,仍需要駕駛員的注意。優步在2018年時,它的一輛自動駕駛汽車撞上了一名行人。這些汽車尚未完全自動駕駛,因此駕駛員方面也可能被忽略。這些是自動駕駛汽車發展的陷阱。
01. 結論
如果安全是我們的首要考慮,那麼融合LiDAR和攝像頭系統最佳元素的傳感器融合將是必要的。LiDAR和其他傳感器(包括攝像頭)的組合可以在公共安全方面提供很多優勢。如果視覺系統(例如軟體,傳感器)對公共安全變得更加準確和可靠,則LiDAR可能變得不必要。畢竟,自動駕駛汽車的主要原因之一是要最大程度地減少人為錯誤造成的事故。
在自動駕駛汽車中,LiDAR和攝像頭之間的共同因素是軟體。兩種系統均使用機器學習和神經網絡等AI技術來分析數據。隨著算法的改進,結果還將導致識別物體的準確性更高,並使自動駕駛汽車做出更好的決策。這可能意味著事故與安全駕駛之間的區別。
這不是一個簡單答案的簡單問題。在做出關鍵決策時,機器與人的思維方式不同。這就需要更多的數據和培訓,以使軟體得以改進。當前的基礎設施可能也需要修改,以適應自動駕駛汽車(例如V2X)。在無人駕駛汽車顯示出一致的數據表明使用一種技術而不是另一種技術之前,爭論仍在進行。
下載1:OpenCV-Contrib擴展模塊中文版教程
下載2:Python視覺實戰項目31講
下載3:OpenCV實戰項目20講
下載4:leetcode算法開源書
交流群