0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

自動(dòng)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(dòng)駕駛HDR:為適應(yīng)自動(dòng)駕駛所處的高動(dòng)態(tài)范圍環(huán)境,先進(jìn)的圖像傳感器采用同時(shí)多曝光和/或拆分像素設(shè)計(jì)。組合不同曝光可將固有動(dòng)態(tài)范圍(80-100dB)擴(kuò)展至目標(biāo)動(dòng)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(yīng)用于圖像傳感器的光學(xué)元件,形成特定顏色像素模式,通常以2x2單個(gè)顏色指定,如紅、綠、藍(lán)、黃、青等。常見例子有RGGB(Bayer)、RCCC、RCCB、RYYCy。

?計(jì)算機(jī)視覺(CV)前處理:用于增強(qiáng)傳統(tǒng)CV算法效果的具體處理,如光流、Harris角點(diǎn)檢測(cè)等。

?圖像傳感器:收集光線并輸出數(shù)字像素樣本的芯片??刹杉煌ㄩL(zhǎng)光線,數(shù)字輸出格式多種多樣。常見波長(zhǎng)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(duì)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(dòng)駕駛應(yīng)用使用固定焦距/固定鏡頭。

?機(jī)器學(xué)習(xí)(ML)前處理:用于增強(qiáng)機(jī)器學(xué)習(xí)(ML)和深度神經(jīng)網(wǎng)絡(luò)(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(dòng)駕駛的先進(jìn)圖像傳感器具有許多增強(qiáng)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(yuǎn)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(shè)定、曝光設(shè)定等的光學(xué)和模擬影響調(diào)整。像素通常以每個(gè)曝光10~16位采樣。一個(gè)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(dá)15.36 Gbps的數(shù)據(jù)率。

雷達(dá)前處理流程

?汽車?yán)走_(dá):由天線陣列、一個(gè)或多個(gè)微波集成電路(MMIC)和可選前處理組成。大多數(shù)汽車?yán)走_(dá)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(dá)操作基礎(chǔ)有許多不錯(cuò)的資料來源。

?雷達(dá)幀:通過一個(gè)或多個(gè)發(fā)射機(jī)發(fā)出的一系列傳輸脈沖序列,以實(shí)現(xiàn)場(chǎng)景視野、分辨率/分離度/識(shí)別度和期望維度(距離、徑向速度、方位和仰角)的精度設(shè)計(jì)目標(biāo)。

?原始雷達(dá)樣本:來自連接特定接收機(jī)(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(dá)每Rx通道約800Mbps。高端汽車?yán)走_(dá)通常有4~16個(gè)接收通道(3.2~12.8Gbps),先進(jìn)研究使用幾十個(gè)接收機(jī)。

?雷達(dá)數(shù)據(jù)立方體:通過處理原始雷達(dá)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??捎糜谟?jì)算方位和/或仰角的數(shù)字波束成形,但也有許多更先進(jìn)的算法以更好的結(jié)果換取額外處理。

?雷達(dá)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(jiǎn)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(dá)檢測(cè)/點(diǎn)云:通常對(duì)數(shù)據(jù)立方體進(jìn)行閾值處理/CFAR和將相鄰返回合并為單點(diǎn)/檢測(cè)。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(biāo)“形狀”。

?雷達(dá)對(duì)象:基于檢測(cè)結(jié)果,傳統(tǒng)雷達(dá)處理會(huì)將附近點(diǎn)集群化并返回目標(biāo)對(duì)象“塊”。

?雷達(dá)感知:大類算法,可將雷達(dá)數(shù)據(jù)處理為汽車、人員等分類對(duì)象,還有更多基礎(chǔ)設(shè)施對(duì)象。這些算法通常對(duì)數(shù)據(jù)立方體、點(diǎn)云或?qū)ο筮M(jìn)行操作,但也有基于原始數(shù)據(jù)的研究。

?雷達(dá)輸出數(shù)據(jù)格式:點(diǎn)云,點(diǎn)具有位置、距離、強(qiáng)度、運(yùn)動(dòng)信息等屬性。

激光雷達(dá)前處理流程

?汽車激光雷達(dá)傳感器:激光雷達(dá)系統(tǒng)可以分為幾類基本類別。波長(zhǎng)、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(huì)帶來許多權(quán)衡取舍。

?Flash與掃描激光雷達(dá):閃光激光雷達(dá)本質(zhì)上是飛行時(shí)間(TOF)相機(jī)。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(duì)距離分箱的處理可以得到反射或返回的峰值z(mì)位置。與Flash激光雷達(dá)不同,掃描激光雷達(dá)一次只在一個(gè)x/y方向上“觀察”。發(fā)出脈沖后等待一定時(shí)間獲取返回。這使設(shè)計(jì)者可以一次關(guān)注發(fā)出能量(在眼安全限制內(nèi))在一個(gè)位置上。然后掃描機(jī)制移動(dòng)到下一個(gè)“像素”位置。

?脈沖與調(diào)制激光雷達(dá):脈沖激光雷達(dá)需要更高功率來克服陽(yáng)光的背景噪聲,但系統(tǒng)相對(duì)簡(jiǎn)單。調(diào)制激光雷達(dá)噪聲水平更低,因?yàn)楦蓴_源要么沒有調(diào)制(陽(yáng)光或其他脈沖激光雷達(dá)),要么與發(fā)射調(diào)制的時(shí)間/頻率組合極不可能重合(其他調(diào)制激光雷達(dá))。由于噪聲水平更低,在相似輸出功率下,調(diào)制激光雷達(dá)的范圍遠(yuǎn)超脈沖激光雷達(dá)。更復(fù)雜的發(fā)射器和接收器的代價(jià)是主要缺點(diǎn)。根據(jù)調(diào)制方案(如FMCW),它們也有更長(zhǎng)的“駐留”時(shí)間,因?yàn)榻邮掌餍枰却暾{(diào)制返回,而不是快速脈沖。這增加的駐留時(shí)間導(dǎo)致與其他技術(shù)相比點(diǎn)數(shù)/秒更低。

?原始激光雷達(dá)樣本:激光雷達(dá)樣本測(cè)量返回強(qiáng)度對(duì)時(shí)間的關(guān)系。它們通常每個(gè)接收器為1~6 Gbps,不太可能在當(dāng)前汽車網(wǎng)絡(luò)技術(shù)中傳輸。接收強(qiáng)度取決于發(fā)射功率、與物體距離和物體反射率。

?激光雷達(dá)返回波形:對(duì)原始樣本進(jìn)行閾值處理形成每個(gè)從遠(yuǎn)處物體反射的波形,也稱為返回。

?激光雷達(dá)返回:使用各種算法找到返回波形的強(qiáng)度峰值/時(shí)間。對(duì)于任 one發(fā)射脈沖,由于波束發(fā)散和目標(biāo)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(chǎng)中的x、y位置,返回的距離和強(qiáng)度,以及用于全局同步的時(shí)間戳。

?激光雷達(dá)點(diǎn)云:點(diǎn)云是返回列表,可以對(duì)視場(chǎng)中的每個(gè)x/y位置具有多個(gè)返回。大多數(shù)汽車激光雷達(dá)輸出每個(gè)x/y位置1~3個(gè)返回的點(diǎn)云。研究界有強(qiáng)烈觀點(diǎn)認(rèn)為應(yīng)輸出返回波形,因?yàn)樗鼈儼繕?biāo)對(duì)象的更多信息。與雷達(dá)處理類似,峰值檢測(cè)可有效壓縮所需的數(shù)據(jù)帶寬,但明顯損失目標(biāo)對(duì)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(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2545

    文章

    50445

    瀏覽量

    751035
  • 汽車電子
    +關(guān)注

    關(guān)注

    3023

    文章

    7819

    瀏覽量

    166004
  • 攝像頭
    +關(guān)注

    關(guān)注

    59

    文章

    4793

    瀏覽量

    95271
  • 雷達(dá)
    +關(guān)注

    關(guān)注

    50

    文章

    2872

    瀏覽量

    117164
  • 自動(dòng)駕駛
    +關(guān)注

    關(guān)注

    782

    文章

    13621

    瀏覽量

    165938
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    未來已來,多傳感器融合感知是自動(dòng)駕駛破局的關(guān)鍵

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

    FPGA在自動(dòng)駕駛領(lǐng)域有哪些應(yīng)用?

    低,適合用于實(shí)現(xiàn)高效的圖像算法,如車道線檢測(cè)、交通標(biāo)志識(shí)別等。 雷達(dá)和LiDAR處理自動(dòng)駕駛汽車通常會(huì)使用雷達(dá)和LiDAR(激光雷達(dá))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(dòng)駕駛領(lǐng)域有哪些優(yōu)勢(shì)?

    領(lǐng)域的主要優(yōu)勢(shì): 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(shí)處理多個(gè)數(shù)據(jù)流和計(jì)算任務(wù)。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(qǐng)】自動(dòng)駕駛

    申請(qǐng)理由:很喜歡硬件功能完善的機(jī)器人,這款機(jī)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(dòng)駕駛真的會(huì)來嗎?

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

    自動(dòng)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(chǎng)景的不斷豐富,逐步從輔助駕駛過渡到半自動(dòng)駕駛,進(jìn)而在將來最終實(shí)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(shí)時(shí)采集海量數(shù)據(jù),
    發(fā)表于 06-08 15:25

    自動(dòng)駕駛系列報(bào)告大放送了涉及傳感器,芯片,執(zhí)行控制等

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

    自動(dòng)駕駛的五大傳感器各有千秋

    自動(dòng)駕駛概念想必大家并不陌生,但對(duì)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(cè)結(jié)果,一輛自動(dòng)駕駛汽車會(huì)安裝多種傳感器,本文
    發(fā)表于 05-13 08:29

    自動(dòng)駕駛汽車中傳感器的分析

    特斯拉在五月份發(fā)生的自動(dòng)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(dòng)駕駛中的重要性:環(huán)境感知是自動(dòng)駕駛實(shí)現(xiàn)
    發(fā)表于 05-14 07:34

    這些自動(dòng)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(dòng)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(dòng)駕駛“硬實(shí)力” 有哪些

    隨著自動(dòng)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(duì)傳感器在未來愈發(fā)廣闊的藍(lán)?!罢T惑”,國(guó)內(nèi)企業(yè)亟需加強(qiáng)各領(lǐng)域合作,并積極引進(jìn)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(dòng)駕駛系統(tǒng)設(shè)計(jì)及應(yīng)用的相關(guān)資料分享

    作者:余貴珍、周彬、王陽(yáng)、周亦威、白宇目錄第一章 自動(dòng)駕駛系統(tǒng)概述1.1 自動(dòng)駕駛系統(tǒng)架構(gòu)1.1.1 自動(dòng)駕駛系統(tǒng)的三個(gè)層級(jí)1.1.2 自動(dòng)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(dòng)駕駛線控底盤VCU功能介紹

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

    自動(dòng)駕駛汽車傳感器有哪些

    自動(dòng)駕駛汽車傳感器是實(shí)現(xiàn)自動(dòng)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(dòng)駕駛系統(tǒng)提供必要的感知和決策依據(jù)。以下是對(duì)
    的頭像 發(fā)表于 07-23 16:00 ?1842次閱讀

    自動(dòng)駕駛傳感器技術(shù)介紹

    自動(dòng)駕駛傳感器技術(shù)是自動(dòng)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(duì)自動(dòng)駕駛傳感器技術(shù)的詳細(xì)
    的頭像 發(fā)表于 07-23 16:08 ?1918次閱讀