当今，人类文明的进程在不断加快，毫无疑问，21世纪将是人工智能的天下，而无人驾驶汽车就是人工智能皇冠上的明珠，无人驾驶已成为未来最值得期待的汽车技术之一，世界级IT企业和汽车巨头都在加速布局无人驾驶战略，力图在未来数百亿的无人驾驶市场中分一块蛋糕。
1 雷达是无人驾驶汽车的眼睛
汽车要实现无人驾驶，就跟人走路一样，必须通过眼睛来感知外界的信息，通过大脑来控制我们双腿该怎么走。眼睛之于汽车，可以是摄像头、普通雷达、激光雷达。大脑之于汽车，那就是芯片了，它会根据“眼睛”所看到情景，通过严密的计算，也可以结合例如地图等数据库，最终控制车轮该怎么走。在这些“眼睛”之中：摄像头精度高、可见范围远，但是害怕雾雨天；普通雷是以微波和毫米波段的电磁波作为载波，不怕雾雨天，但是精度低、可见范围短。而激光雷达正好结合以上两者的优点，它以光波波段电池辐射，波长比微波和毫米波短得多，
因此，不仅精度高、可见范围远，也不怕雾雨天，自然成为无人驾驶汽车的首选。
据国外调研机构的分析预测，2015年全球汽车激光雷达市场规模约为六千两百万美元，预计2020年全球市场规模将达到2.7亿美元左右，2017～2020年将以34%年复合成长率增长。
2 激光雷达的发展对无人驾驶汽车的影响
激光雷达能否大规模运用在无人驾驶汽车，主要取决于成本和效果。如果低成本的激光雷达方案能达到汽车业界期望的效果，将极大地推动无人驾驶汽车上市进度。目前，除了美国Velodyne公司，一些较为成规模也在做激光雷达的公司，以及一些处于创业阶段公司都在为寻求降低激光雷达成本，而努力奋斗中。目前降低激光雷达成本的基本方向是，让激光雷达从“机械式”往“固态式”的路线走。
3 激光雷达的原理与结构
确测量视场中物体轮廓边沿与设备间的相对距离，这些轮廓信息组成所谓的点云并绘制出3D环境地图，精度可达到厘米级别，从而提高测量精度。
在ADAS系统中，激光雷达通过透镜、激光发射及接收装置，基于TOF飞行时间原理获得目标物体位置、移动速度等特征数据并将其传输给数据处理器；同时，汽车的速度、加速度、方向等特征数据也将通过CAN总线传输到数据处理器；数据处理器对目标物体及汽车本身的信息数据进行综合处理并根据处理结果发出相应的被动警告指令或主动控制指令，以此实现辅助驾驶功能。
4 机械雷达与固态雷达
激光雷达包括机械激光雷达和固态激光雷达。
机械激光雷达带有控制激光发射角度的旋转部件，而固态激光雷达则依靠电子部件来控制激光发射角度，无需机械旋转部件。
由于内部结构有所差别，两种激光雷达的体积大小也不尽相同。机械激光雷达体积较大、价格昂贵、测量精度相对较高，一般置于汽车外部。固态激光雷达尺寸较小、性价比较
高、测量精度相对低一些，但可隐藏于汽车车体内，不会破坏外形美观。
激光雷达的固态化、小型化、低成本化将是大势所趋。有了低成本高精度的激光雷达，我们将会向无人驾驶的量产迈出一大步。
5 激光雷达在无人驾驶汽车上的基本运用
二维激光雷达和三维激光雷达在无人驾驶车辆上得到了广泛应用。与三维测距雷达相比，二维激光雷达只在一个平面上扫描，结构简单、测距速度快、系统稳定可靠，但是将二维激光雷达用于地形复杂、路面高低不平的环境时，无法完成地形的重建工作，且容易出现数据失真和虚报等现象；而三维激光雷达则可以获得车辆环境的深度信息，准确发现障碍物，构建可行驶区域，在丰富的点云数据上可获得包括车道、路沿等道路要素，还可获得非结构化道路的障碍物和可行驶区域，行驶环境中行人和车辆，交通信号灯和交通标志等其他丰富信息。
1）动静态障碍物检测与分类
障碍物检测时无人驾驶汽车自主导航的基本前提和安全保障。对于静态障碍物，无人车
需要通过激光雷达准确获取障碍物的位置、宽度、长度、高度等信息以便进行防碰撞、避障等动作；对于动态障碍物，无人车需要通过激光雷达获取障碍物的横纵向移动速度、位置、长宽高、类别等信息，无人车可以基于移动障碍物的信息进行合理的动作规划。
2）道路边缘检测与道路特征识别
道路边缘检测可以让无人车更合理的规划当前路径的可行驶区域，在GPS导航失效时保障无人车继续行驶；同时，不同颜的道路区域反射率不同，基于此，激光雷达可以利用反射率进行车道线检测；对于多线激光雷达，无人车可以利用每条线之间的关系进行坡度检测。
3）激光雷达用于地图构建和定位
在自主驾驶过程中需要一个厘米级的高精度地图，结合环境模型和传感器场景和交通状况感知，最后进行驾驶决策。这其中，激光雷达起到了地图采集、环境感知和辅助定位等功能。
天下汽车 通过采用激光雷达多次行驶获取道路的三维点云数据，进行人工标注，过滤一些点云图
中的错误信息，对多次收集的点云数据进行对齐拼接最终形成高清地图。所建立路面模型包含较全的交通标志和交通信号灯，车道线位置、数量和宽度等，道路坡度和斜率等，还包括车道限高、下水道口、障碍物以及其他道路细节。既提供当前道路的静态环境模型，也可以通过预先存储的点云和图像特征数据来提供高精度定位。
参考文献
[1]董辉. 谷歌无人驾驶汽车装用的雷达传感器 [J].汽车电器，2017（6）
[2]王世峰 戴祥. 无人驾驶汽车环境感知技术综述.[J].长春理工大学学报（自然科学版） ， 2017，40（1）
发布评论