視覺攝像頭、雷射雷達自動駕駛系統眼中的世界究竟是什麼樣子?

2020-12-05 電動知士

近年來，高級輔助駕駛系統開始越來越多的應用到我們的燃油車與新能源車上，從特斯拉Autopilot、蔚來Niopilot系統再到沃爾沃的領航輔助駕駛系統。這些黑科技無一不在改變著我們的汽車生活，那到底它們是如何「看清」世界的呢？它們眼中的世界到底是個什麼樣子呢？

小編今天為大家準備一段視頻，大家可以從視頻中看到，依靠視覺傳感器的高級輔助駕駛系統是如何工作的！

瀏覽器版本過低，暫不支持視頻播放

通過視頻我們能夠看到，基於攝像頭的視覺系統方面的開創性工作為駕駛員提供了額外的一雙眼睛，掃描車輛的周圍環境以防止危險。算法允許攝像機「看到」並跟蹤物體，在汽車發生碰撞危險時警告駕駛員並採取行動。

當然，就目前技術而言大多數車企主要還是依靠視頻中的技術來實現高級輔助駕駛，雷射雷達精度與準確度雖然明顯要比前者更好，但由於技術與體積的原因目前還處在大規模試驗階段。但相信在未來三到五年內，我們將能夠看到裝備雷射雷達的量產車型出現在街頭並且屆時也許會出現更加先進的硬體與軟體技術也說不定哦！

相關焦點

  • 自動駕駛的未來,是雷射雷達還是視覺識別?
    一般自動駕駛的視覺訓練邏輯只能識別到車輛後部、側面 和 頭部，顯然特斯拉的工程師沒有想到有一天系統需要識別貨車車箱的頂部。 首先我們來看看特斯拉跟雷射雷達還有計算機視覺識別的軼聞。 在特斯拉CEO馬斯克眼中，雷射雷達是一種落後的東西，他在2019年4月曾經說過：「雷射雷達和高精度地圖都是自動駕駛中錯誤的解決方案, 只會減慢自動駕駛商業化的速度。如果你只是在限制區域行駛, 那也不能叫做自動駕駛。」
  • 雷射雷達vs純計算機視覺 自動駕駛的兩大流派
    雷射雷達流派和純計算機視覺流派一直在自動駕駛技術中的感知層解決方案上喋喋不休。雷射雷達派認為純視覺算法在數據形式和精度上的不足；純視覺流派則認為雷射雷達不必要且過於昂貴。本文將對雷射雷達、攝像頭以及毫米波雷達等主流傳感器、各自動駕駛公司的解決方案以及傳感器市場格局作介紹。
  • 實現高級自動駕駛,一定要用雷射雷達嗎?
    在技術之爭上，支持雷射雷達的一派和支持純視覺計算的一派還在吵得不可開交，同時也還有技術廠商試圖用毫米波雷達來取代雷射雷達。可見雷射雷達在高級自動駕駛所處的「C位」的地位仍然面臨挑戰。為什麼大多數的自動駕駛公司都認可雷射雷達技術？而偏偏又有少數公司不走「尋常路」，不接雷射雷達的招？箇中原因嘛？既有傳感器的技術路線之爭，也有自動駕駛車企對商業路線的判斷。
  • 自動駕駛的眼睛:雷射、毫米波雷達&攝像頭三種技術產品之比較
    」的觀點後，在自動駕駛領域引起軒然大波。 qT1EETC-電子工程專輯目前無人駕駛汽車上主流的「眼睛」有四種：毫米波雷達、雷射雷達、超聲波雷達、攝像頭。但雷射雷達會比較容易受到自然光或是熱輻射的影響，在自然光強烈或是輻射區域的時候，雷射雷達將會被消弱很多而且雷射雷達的造價成本高，對工藝水平要求也比較高。對毫米波雷達而言，雖然抗幹擾能力較強，但是距離和精確度卻是硬傷，而且在行車環境下，處於多重波段並存的環境下對毫米波的影響是極大的。毫米波對於較遠處的探測能力也是極為有限的。
  • 雷射雷達加速自動駕駛汽車發展
    本文引用地址：http://www.eepw.com.cn/article/201804/378226.htm　　深度相機實現物物關係理解 雷射雷達在自動駕駛中必不可少　　人工智慧從「弱」到「強」，最基本的是要理解三維空間關係，利用基於深度相機的視覺系統進行視覺導航、識別外界的環境、規劃路徑、實現避障等工作，已經成為包括
  • 汽車自動駕駛之雷射雷達行業深度報告
    自動駕駛的環境監測傳感器主要包括攝像頭和雷達兩類：1）攝像頭通過圖像識別技 術實現距離測量、目標識別等功能；2）雷達利用發射波和反射波之間的時間差、相位差 獲得目標物體的位置和速度等數據，按所使用的不同類型的波，雷達可以分為毫米波雷達、 雷射雷達、超聲波雷達三類。
  • 雷射雷達疊加雷達,解決霧天自動駕駛
    雷射雷達疊加雷達，解決霧天自動駕駛 2020-11-20 10:52 來源：澎湃新聞·澎湃號·湃客
  • 自動駕駛的視覺密碼丨科技說
    換句話說，即通過單一攝像機晶片將多個路況探測應用進行捆綁，可以把無人駕駛的技術成本由數十萬美元直接縮減到幾百塊美金，同時也能節省傳感器的佔用空間。2、路徑爭奪從頭到尾梳理清楚自動駕駛車輛視覺感知的工作原理之後可以發現，在相同技術水平下，攝像頭的成本遠遠低於雷射雷達，更何況其可見範圍也超過雷射雷達及毫米波雷達。
  • 自動駕駛新驅動力:點雲算法如何釋放雷射雷達威力?
    雷射雷達是自動駕駛不可或缺的傳感器下圖是無人駕駛的偏算法層的系統框架。從左邊看，這是一個傳感器的輸入，如雷射雷達、攝像頭、毫米波、GPS、編碼器和 IMU。 無人駕駛的偏算法層的系統框架高精度地圖的獲取很大程度依賴雷射雷達以及攝像頭
  • 無人駕駛黑科技:毫米波雷達穿透力強,雷射雷達精度高
    上周，特斯拉發布了一條最新消息，當前所有在產車型（包括即將上市的Model 3）都將搭載Autopilot2.0硬體，並且新的自動駕駛系統可以實現最高級別自動駕駛（Level 5）。這套硬體中，除了8個攝像頭和12個全新超聲波傳感器之外，一個前向探測雷達引起了鎂客君的注意。
  • 雷射雷達是什麼?為什麼自動駕駛必不可少?
    上期文章我們介紹特斯拉的自動駕駛有個軟肋，就是對於靜止的物體有可能探測不到，其背後的原因就是傳統的雷達不能有效識別靜態物體。當然，這個問題並不是沒有解決的辦法，那就多種傳感器的配合使用。就目前的技術而言，大多數自動駕駛汽車都會搭載三類傳感器：攝像頭、雷達和雷射雷達。
  • 自動駕駛系列課 | 雷射雷達功能拆解 看看為啥這麼重要!【附PPT】
    機械式雷達目前比較成熟，但硬體成本貴、量產困難，且穩定性也有待提升，目前很多公司都在向固態雷射雷達方向發展。四、雷射雷達通過SLAM技術生成高精地圖並定位。1、自動駕駛汽車需要利用雷射雷達、攝像頭等傳感器感知外部環境、構建環境模型並利用該模型確定車輛所在的位置，這套技術被稱為SLAM。
  • 自動駕駛的寵兒!雷射雷達如何降價百倍走向普及【附PPT】
    對於我們來說，是希望能夠儘可能地在無人駕駛到來之前通過很低的成本和售價，能夠讓單線的雷射雷達儘可能快並批量的用到車上，所以單線在100米到150米範圍內的雷射雷達。我們以後在汽車上面的批量售價，應該是在1000-1500元人民幣之間。這樣就能讓所有的車都用得起，其實特斯拉的自動駕駛就是用毫米波和超聲波視覺來實現的，其實他們在自動駕駛功能方面已經做的很好了，但還是會出事。
  • 智能駕駛究竟是怎樣實現的?
    智能駕駛究竟是怎樣實現的?以攝像頭主導、配合毫米波雷達等低成本元件，構成純視覺計算，可以滿足當前L2級自動駕駛的需求，典型代表就是特斯拉。 但攝像頭拍下來的畢竟是二維圖像，相比三維信息更難挖掘，需要更強大的算法、大量數據的訓練和更長期的研發投入，並且會存在精度、穩定性和視野等方面的缺陷，暫時無法滿足L3級以上的自動駕駛要求。
  • 探地雷達如何確保自動駕駛車輛安全行駛?
    ，即使是最好的自動駕駛系統，仍然在和惡劣天氣做「抗爭」。探地雷達並不是一項新技術，考古學家和地理勘測人員一直在應用。WaveSense聲稱它們是第一個利用該技術定位地面物體的廠商，能夠對以65英裡/小時（約104千米/小時）的速度移動的物體進行定位。WaveSense專注於使自動駕駛汽車能夠在任何天氣下保持在道路上行駛，而攝像頭、雷達或LiDAR（雷射雷達）等其他傳感器則負責感知交通狀況、交通燈和路上的行人。
  • 雷射雷達:智能汽車的下一仗
    智能汽車的神經是基於大腦給出的決策結果，對制動系統、轉向系統、電機系統等下達指令，控制車輛運行狀態，執行駕駛路線。而馬斯克和何小鵬的爭論點在於：應該主要用什麼來當眼睛，雷射雷達還是攝像頭？視覺方案模仿的是人眼，主要是靠「看」，相當於一個二維照相機。
  • Waymo利用AI生成攝像頭圖像 用於自動駕駛仿真
    蓋世汽車訊 據外媒報導，日前，Waymo表示開發了新方法SurfelGAN，利用自動駕駛汽車收集的傳感器數據，通過AI生成用於仿真的攝像頭圖像。SurfelGAN使用紋理映射表面元素（surface elements，簡稱surfel）重建場景和攝像頭視角，以獲取位置和方向。
  • Uber自動駕駛撞人原因解析:一場原本可避免的災難
    也有業內人士分析，這輛Uber自動駕駛汽車已經檢測到了行人，只是沒有採取剎車或停車措施，致使釀成撞人事件。　　傳統成像技術的天花板　　眾所周知，當前無人駕駛汽車所採用的視覺系統 ，主要是基於攝像頭和光學雷達。
  • 一文解讀全球頂級計算機視覺會議:CVPR 2019自動駕駛內容
    為期五天的全球頂級的年度計算機視覺會議，CVPR（計算機視覺與模式識別）已經在加利福尼亞州的長灘市落下帷幕。計算機視覺在自動駕駛擁有著一席之地，甚至有從業者認為純視覺可以實現自動駕駛，所以在CVPR2019舞臺，自動駕駛也成為了其中重要的內容。
  • 雷射雷達:從光電技術角度看自動駕駛
    通過傳感器融合實現這些系統的同步運行，可以讓完全自動駕駛的車輛監視周圍環境，並警告駕駛員潛在的道路危險，甚至採取獨立於駕駛員的躲避行動以防止碰撞。　　自動駕駛汽車還必須在高速狀態下區分和識別前方的物體。通過測距技術，這些自動駕駛汽車必須快速構建一張約100m距離內的三維(3D)地圖，並在高達250m距離範圍內創建高角解析度的圖像。如果駕駛員不在場，車輛的人工智慧必須做出最佳決策。