手机网站
手机网站
说到自动驾驶，首先要克服的第一个难关是传感器。 传感器们需要能够代替人的眼睛、耳朵、大脑，感知车外复杂且变化激烈的环境。
为了知道自动驾驶技术为什么需要这么多的传感器，首先需要知道传感器需要感知环境中的哪些信息。
传感器的种类是什么
一般来说，无论是l3水平以上的自动运转，还是l1、l2水平的辅助运转，应该区别的信息都被大致区分开来
动态
:行人车辆
静态的
:车道、信号灯、交通标志
道路上的情况复杂多变，只有组合多个传感器，才能完成对整体环境的感觉。
自动驾驶传感器主要分为以下几类，各有明显的优缺点
相机:为提供图像和道路细节，主要用于车道检测、障碍物检测和交通标志识别。 其优点是信息量丰富，能够控制成本，难易度是算法复杂，计算量大，如何在嵌入方有效实现代码是一个难点。
照相机
雷达:利用电磁波的飞行时间和多普勒频率特性进行物体测距和测试，实现前车碰撞报警( FCW )、盲点探测、车道偏离报警( LDW )、制动辅助、车距保持等功能。 毫米波雷达具有体积小、质量轻、半径距离和速度分辨率高、传输距离远、性能稳定、角度分辨率弱、行人和车辆等对象物识别能力低的缺点。
雷达
激光雷达:通过激光检测物体，可以提供被检测物体的3d点群。 具有分辨率高、能够直接取得进深程度信息的优点。 但是，成本过高，如果遇到恶劣天气(阴天、雨雪天)，就不能正常发挥作用，在功能上也有限制，例如变得不能感知颜色信息，变得不能识别交通信号。
激光雷达
超声雷达:该技术主要用于近物体的距离检测。 在自动驾驶中，主要用于后勤辅助。 超声波雷达成本低，但因为是机械波，所以数据更新频率低，距离和角度分辨率都很弱。
IMU :惯性测量单元是测量物体的三轴角速度和加速度的装置。 对GPS，不需要接收外部信号，而且稳定性强，具有高动态性。 但是，根据IMU的特性，有累计误差，无法进行长时间的定位，一般来说利用GPS与视觉的组合的导航系统是必要的。
IMU
传感器融合的优点
在 MINIEYE 前置产品X1中，主要使用照相机、imu传感器和毫米波雷达。
这些传感器的作用是:由于照相机获取图像，imu估计车辆自身运动，因此毫米波雷达测量障碍物。
自动驾驶车需要这么多传感器与自动驾驶需要解决的问题密切相关，也与各种传感器的特性有关。 有了必须实现的目标，知道传感器的特性，当然有各种传感器的组合。
传感器的作用、功能各不相同，传感器的融合也成为自动运行不可避免的话题。 在一些项目中，MINIEYE 融合了摄像机和毫米波雷达，两者的特性恰好变得冗馀，整个系统都有 1 1>； 2的效果，即
传感器融合
的优势。
传感器融合的前提是了解传感器的各个特性(需要大量测试和标定分析)，并根据特性设置融合策略。
例如，IMU与图像的融合应当首先理解IMU的特性，适当地建模它们的车辆运动、目标车辆运动、车道等，以确保在不同情况下以合理的机制适应于不同的场合，比如摇晃、转向、急加速和减速。
另一个典型的例子是毫米波雷达和照相机的融合，关系到在两个传感器不同的情况下需要采取什么样的策略和方法，以及存在什么样的误差和精度。
对于 MINIEYE 的产品，主要利用imu与图像的融合，进行自我运动估计、目标跟踪、计算量减少、识别精度提高。
自动驾驶一定要靠激光雷达吗？
今年，MINIEYE和新加坡麻省理工学院学术联盟( SMART )开始了l3级以上的自动驾驶合作，MINIEYE提供的视觉感知方案主要有助于自动驾驶车检测障碍物、可行驶区域等。
MINIEYE 传感器可以替代成本较高的激光雷达。 摄像机的原始分辨率高于雷达，为了实现更准确的测距，MINIEYE开发的深度学习系统可以对障碍物进行分类，摄像机可以帮助障碍物识别和测距。
视觉是感知的一部分，在自动驾驶中，由于光线的影响较大，缺乏纯视觉的解决方法。 而且，由于单目照相机通过识别类来测量速度，因此数据库不能复盖所有类型的车辆。 单一照相机无法识别所有不同的车辆。 因此， MINIEYE 在照相机中添加毫米波雷达，突破照相机光测距条件的限制，为L3级以上的自动运行提供了更经济高效的传感器。
