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(shù)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(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

自動駕駛傳感器前處理介紹

麥辣雞腿堡 ? 來源:智車Robot ? 作者:Bruce Jiang ? 2023-10-04 10:42 ? 次閱讀

攝像頭前處理流程

?自動駕駛HDR:為適應自動駕駛所處的高動態(tài)范圍環(huán)境,先進的圖像傳感器采用同時多曝光和/或拆分像素設計。組合不同曝光可將固有動態(tài)范圍(80-100dB)擴展至目標動態(tài)范圍(120-140dB或更高)。

?攝像頭或攝像模塊:由圖像傳感器、顏色濾波陣列、鏡頭、外殼及可選前處理組成的傳感器系統(tǒng)。

?色彩濾波陣列(CFA):應用于圖像傳感器的光學元件,形成特定顏色像素模式,通常以2x2單個顏色指定,如紅、綠、藍、黃、青等。常見例子有RGGB(Bayer)、RCCC、RCCB、RYYCy。

?計算機視覺(CV)前處理:用于增強傳統(tǒng)CV算法效果的具體處理,如光流、Harris角點檢測等。

?圖像傳感器:收集光線并輸出數(shù)字像素樣本的芯片。可采集不同波長光線,數(shù)字輸出格式多種多樣。常見波長包括可見光、IR、近紅外(NIR)、短波IR(SWIR)等。

?人類視覺前處理:用于使圖像對人類更易看的具體處理。

?鏡頭:各種鏡頭安裝在圖像傳感器陣列和CFA上。傳統(tǒng)自動駕駛應用使用固定焦距/固定鏡頭。

?機器學習(ML)前處理:用于增強機器學習(ML)和深度神經(jīng)網(wǎng)絡(DNN)算法效果的具體處理。這取決于所用算法,前處理范圍從無到完整的人類視覺流程不等。詳見成像工作組。

?傳感器上的前處理:用于自動駕駛的先進圖像傳感器具有許多增強和壓縮原始樣本的功能。這些傳感器通常具有數(shù)字增益調(diào)整、黑電平調(diào)整、多曝光片段線性組合等。輸出流量仍很大(3~6Gbps),但遠低于原始樣本流。

?原始像素樣本:來自芯片上ADC的未處理樣本。這些樣本仍受鏡頭、CFA、模擬增益設定、曝光設定等的光學和模擬影響調(diào)整。像素通常以每個曝光10~16位采樣。一個800萬像素的圖像傳感器,使用4次曝光,以每秒30幀的速度,將產(chǎn)生高達15.36 Gbps的數(shù)據(jù)率。

雷達前處理流程

?汽車雷達:由天線陣列、一個或多個微波集成電路(MMIC)和可選前處理組成。大多數(shù)汽車雷達采用頻率調(diào)制連續(xù)波(FMCW)操作,但也有幾種替代技術(shù)正在開發(fā)。雷達操作基礎有許多不錯的資料來源。

?雷達幀:通過一個或多個發(fā)射機發(fā)出的一系列傳輸脈沖序列,以實現(xiàn)場景視野、分辨率/分離度/識別度和期望維度(距離、徑向速度、方位和仰角)的精度設計目標。

?原始雷達樣本:來自連接特定接收機(Rx)的ADC的樣本。這些ADC通常為10~16位,工作頻率約50MHz(MSps),生成原始流量高達每Rx通道約800Mbps。高端汽車雷達通常有4~16個接收通道(3.2~12.8Gbps),先進研究使用幾十個接收機。

?雷達數(shù)據(jù)立方體:通過處理原始雷達樣本生成的1~4維立方體。通常采用FFT獲得距離和多普勒維度。可用于計算方位和/或仰角的數(shù)字波束成形,但也有許多更先進的算法以更好的結(jié)果換取額外處理。

?雷達數(shù)據(jù)立方體壓縮:由于數(shù)據(jù)立方體中大多數(shù)位置沒有返回,存在幾種簡單(通常專有)算法壓縮數(shù)據(jù)立方體以減少傳輸帶寬。

?雷達檢測/點云:通常對數(shù)據(jù)立方體進行閾值處理/CFAR和將相鄰返回合并為單點/檢測。這大大降低了數(shù)據(jù)帶寬,但也損失了數(shù)據(jù)立方體中的目標“形狀”。

?雷達對象:基于檢測結(jié)果,傳統(tǒng)雷達處理會將附近點集群化并返回目標對象“塊”。

?雷達感知:大類算法,可將雷達數(shù)據(jù)處理為汽車、人員等分類對象,還有更多基礎設施對象。這些算法通常對數(shù)據(jù)立方體、點云或?qū)ο筮M行操作,但也有基于原始數(shù)據(jù)的研究。

?雷達輸出數(shù)據(jù)格式:點云,點具有位置、距離、強度、運動信息等屬性。

激光雷達前處理流程

?汽車激光雷達傳感器:激光雷達系統(tǒng)可以分為幾類基本類別。波長、脈沖/調(diào)制技術(shù)、接收器技術(shù)和掃描技術(shù)等基本變量會帶來許多權(quán)衡取舍。

?Flash與掃描激光雷達:閃光激光雷達本質(zhì)上是飛行時間(TOF)相機。使用激光閃光和高速2D接收器陣列,可以捕捉到許多“曝光區(qū)間”或“距離分箱”。2D陣列給出x/y位置,對距離分箱的處理可以得到反射或返回的峰值z位置。與Flash激光雷達不同,掃描激光雷達一次只在一個x/y方向上“觀察”。發(fā)出脈沖后等待一定時間獲取返回。這使設計者可以一次關(guān)注發(fā)出能量(在眼安全限制內(nèi))在一個位置上。然后掃描機制移動到下一個“像素”位置。

?脈沖與調(diào)制激光雷達:脈沖激光雷達需要更高功率來克服陽光的背景噪聲,但系統(tǒng)相對簡單。調(diào)制激光雷達噪聲水平更低,因為干擾源要么沒有調(diào)制(陽光或其他脈沖激光雷達),要么與發(fā)射調(diào)制的時間/頻率組合極不可能重合(其他調(diào)制激光雷達)。由于噪聲水平更低,在相似輸出功率下,調(diào)制激光雷達的范圍遠超脈沖激光雷達。更復雜的發(fā)射器和接收器的代價是主要缺點。根據(jù)調(diào)制方案(如FMCW),它們也有更長的“駐留”時間,因為接收器需要等待完整調(diào)制返回,而不是快速脈沖。這增加的駐留時間導致與其他技術(shù)相比點數(shù)/秒更低。

?原始激光雷達樣本:激光雷達樣本測量返回強度對時間的關(guān)系。它們通常每個接收器為1~6 Gbps,不太可能在當前汽車網(wǎng)絡技術(shù)中傳輸。接收強度取決于發(fā)射功率、與物體距離和物體反射率。

?激光雷達返回波形:對原始樣本進行閾值處理形成每個從遠處物體反射的波形,也稱為返回。

?激光雷達返回:使用各種算法找到返回波形的強度峰值/時間。對于任 one發(fā)射脈沖,由于波束發(fā)散和目標的半透明性,可以有許多不同的返回。這些返回通常包括視場中的x、y位置,返回的距離和強度,以及用于全局同步的時間戳。

?激光雷達點云:點云是返回列表,可以對視場中的每個x/y位置具有多個返回。大多數(shù)汽車激光雷達輸出每個x/y位置1~3個返回的點云。研究界有強烈觀點認為應輸出返回波形,因為它們包含目標對象的更多信息。與雷達處理類似,峰值檢測可有效壓縮所需的數(shù)據(jù)帶寬,但明顯損失目標對象信息。

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(quán)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(quán)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(guān)注

    關(guān)注

    2551

    文章

    51168

    瀏覽量

    754180
  • 汽車電子
    +關(guān)注

    關(guān)注

    3027

    文章

    7972

    瀏覽量

    167157
  • 攝像頭
    +關(guān)注

    關(guān)注

    60

    文章

    4848

    瀏覽量

    95803
  • 雷達
    +關(guān)注

    關(guān)注

    50

    文章

    2940

    瀏覽量

    117607
  • 自動駕駛
    +關(guān)注

    關(guān)注

    784

    文章

    13838

    瀏覽量

    166537
收藏 人收藏

    評論

    相關(guān)推薦

    未來已來,多傳感器融合感知是自動駕駛破局的關(guān)鍵

    巨大的進展;自動駕駛開始摒棄手動編碼規(guī)則和機器學習模型的方法,轉(zhuǎn)向全面采用端到端的神經(jīng)網(wǎng)絡AI系統(tǒng),它能模仿學習人類司機的駕駛,遇到場景直接輸入傳感器數(shù)據(jù),再直接輸出轉(zhuǎn)向、制動和加速信號。模仿學習人類
    發(fā)表于 04-11 10:26

    FPGA在自動駕駛領(lǐng)域有哪些應用?

    低,適合用于實現(xiàn)高效的圖像算法,如車道線檢測、交通標志識別等。 雷達和LiDAR處理自動駕駛汽車通常會使用雷達和LiDAR(激光雷達)等多種傳感器來獲取環(huán)境信息。FPGA能夠協(xié)助完成這些傳感
    發(fā)表于 07-29 17:09

    FPGA在自動駕駛領(lǐng)域有哪些優(yōu)勢?

    領(lǐng)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在處理
    發(fā)表于 07-29 17:11

    【mBot申請】自動駕駛

    申請理由:很喜歡硬件功能完善的機器人,這款機器人上面的多種傳感器及器件均用過,超聲波傳感器和巡線傳感器還未接觸過,想了解下這種傳感器的靈敏度和精度,而且近年來
    發(fā)表于 11-30 15:30

    自動駕駛真的會來嗎?

    自動駕駛和背后技術(shù)有了更廣泛地討論、更深刻地認知;另一方面則是讓不少風投看到了機會,認為傳感器芯片為代表的硬件研發(fā),以及計算機視覺為支撐的軟件技術(shù),將會迎來更大的關(guān)注度。特斯拉的autopilot
    發(fā)表于 07-21 09:00

    自動駕駛的到來

      傳統(tǒng)汽車廠商更趨向于通過技術(shù)的不斷積累,場景的不斷豐富,逐步從輔助駕駛過渡到半自動駕駛,進而在將來最終實現(xiàn)無人駕駛;某些高科技公司則希望通過各種外部傳感器實時采集海量數(shù)據(jù),
    發(fā)表于 06-08 15:25

    自動駕駛系列報告大放送了涉及傳感器,芯片,執(zhí)行控制等

    自動駕駛系統(tǒng):量產(chǎn)導向還是性能導向, 自動駕駛系列報告三:車載芯片篇,自動駕駛芯片,GPU的現(xiàn)在和ASIC的未來, 自動駕駛系列報告之四:傳感器
    發(fā)表于 08-09 17:14

    自動駕駛的五大傳感器各有千秋

    自動駕駛概念想必大家并不陌生,但對于其中發(fā)揮“眼睛”作用,眼觀六路耳聽八方的各種傳感器,可能大家未必非常熟悉。通常而言,為獲得良好的路況檢測結(jié)果,一輛自動駕駛汽車會安裝多種傳感器,本文
    發(fā)表于 05-13 08:29

    自動駕駛汽車中傳感器的分析

    特斯拉在五月份發(fā)生的自動駕駛事故,和最近在Defcon上演示的如何干擾傳感器,都充分說明了傳感器自動駕駛中的重要性:環(huán)境感知是自動駕駛實現(xiàn)
    發(fā)表于 05-14 07:34

    這些自動駕駛傳感器,你了解多少?

    傳感器技術(shù)發(fā)展本身來說,要在接下來十年里保證自動駕駛車安全地上路,硬件性能與背后的軟件算法,以及不同傳感器之間的數(shù)據(jù)融合,都是需要提升的地方。
    發(fā)表于 05-18 06:11

    傳感器自動駕駛“硬實力” 有哪些

    隨著自動駕駛等前沿科技領(lǐng)域發(fā)展加速,傳感器的重要性和普及率也獲得了持續(xù)提升。面對傳感器在未來愈發(fā)廣闊的藍?!罢T惑”,國內(nèi)企業(yè)亟需加強各領(lǐng)域合作,并積極引進高端人才、完善培養(yǎng)體系,以獲得突破性的創(chuàng)新
    發(fā)表于 07-29 07:54

    自動駕駛系統(tǒng)設計及應用的相關(guān)資料分享

    作者:余貴珍、周彬、王陽、周亦威、白宇目錄第一章 自動駕駛系統(tǒng)概述1.1 自動駕駛系統(tǒng)架構(gòu)1.1.1 自動駕駛系統(tǒng)的三個層級1.1.2 自動駕駛系統(tǒng)的基本技術(shù)架構(gòu)1.2
    發(fā)表于 08-30 08:36

    自動駕駛線控底盤VCU功能介紹

    滿足自動駕駛遠程遙控的線控底盤整車控制VCU1 自動駕駛線控底盤VCU功能介紹滿足自動駕駛及遙控駕駛
    發(fā)表于 09-07 06:30

    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(guān)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
    的頭像 發(fā)表于 07-23 16:00 ?2336次閱讀

    自動駕駛傳感器技術(shù)介紹

    自動駕駛傳感器技術(shù)是自動駕駛系統(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。以下是對自動駕駛傳感器技術(shù)的詳細
    的頭像 發(fā)表于 07-23 16:08 ?2296次閱讀