车路协同全域感知与数据融合Word格式.docx
《车路协同全域感知与数据融合Word格式.docx》由会员分享,可在线阅读,更多相关《车路协同全域感知与数据融合Word格式.docx(17页珍藏版)》请在冰豆网上搜索。
前向碰撞预警
2
V2VN2I
交叉路口碰撞预警
3
左转辅助
4
盲区预警/变道辅助
5
逆向超车预警
6
V2V-Event
紧急制动预警
7
异常车辆提醒
8
车辆失控预警
9
V2I
道路危险状况提示
10
限速预警
11
阁红灯预警
12
V2P/V2I
弱势交通参与者碰撞预警
13
效率
绿波车速引导
14
车内标牌
15
前方拥堵提醒
16
紧急车辆提醒
17
信息服务
汽车近场支付
3车路协同感知体系
3.1车路协同感知体系
车路协同感知在结合现有的智能交通感知设备的基础上,增加了更加精密的路侧感知设备、车载感知设备和5G移动大数据。
路侧感知设备包括激光雷达、毫米波雷达和带目标识别功能的视频摄像机;
车载感知则是包括自动驾驶车辆能够感知到的数据,需要通过路侧单元RSU实时上传到边缘计算节点。
图1车路协同感知体系
3.2交通感知传感器
激光雷达
激光雷达的测距精度非常高,基本上可以达到正负一两厘米,甚至到了毫米级,分辨率也非常高。
机械激光雷达可以360度旋转,同时角分辨率也比别的雷达高。
但是目前的机械旋转激光雷达的成本比较高,而且容易受到阳光雨雾和互干扰的影响。
它跟毫米波雷达一样是属于主动传感器。
目前的机械激光雷达也会受到工作温度以及工作环境震动的影响,它的工作温度一般是在零下10°
到零上60°
左右。
图2激光雷达
激光雷达目前的成本比较高,美国Velodyne的64线激光雷达在10万美金左右,即使是16线雷达的售价也在8000美金左右。
Flash激光雷达以及MEMS激光雷达,即向使用各种镜片或者透镜来形成非旋转式雷达的方向演进和发展,它的成本还有功耗都会有很大的下降。
毫米波雷达
毫米波雷达是利用波长1~10mm,频率30GHz~300GHz之间的电磁波,通过测量回波的时间差算出距离,具备全天时全天候以及探测距离远的优势。
目前市场上主流的车载毫米波雷达频段为24GHz(用于短中距离雷达,15~30m)和77GHz(用于长距离雷达,100~200m)。
相比于24GHz产品,77GHz产品在性能和体积上都更具优势,其距离分辨率更高,体积也小了1/3。
图3毫米波雷达工作原理
最重要的是,毫米波价格低廉,比起动辄几千乃至上万美元的激光雷达,一两百美元就可以被收入囊中的毫米波雷达算得上是业界良心。
不过,凡事无绝对,在探测精度上,毫米波要略逊一筹。
视频摄像机
视频摄像机是在智能交通系统中应用最为普遍的感知设备。
随着自动驾驶技术的不断发展,视频摄像机也被广泛运用在自动驾驶车辆上。
伴随视觉处理技术的进步,可以使视频处理出的有效信息倍增,从而更好地辨别道路上的标识、行人等信息。
传感器感知能力比较
总体而言激光雷达精度高但价格不菲。
毫米波雷达价格便宜但精度欠佳。
视频摄像机价格适中而且随着视频解析算法的不断提高,视频摄像机是车路协同感知体系中不可或缺的主要感知手段。
图4激光雷达/毫米波雷达/摄像头感知能力比较
激光雷达、毫米波雷达和摄像机的详细优劣比较见下表。
表2激光雷达/毫米波雷达/摄像机比较表
传感器
优势
劣势
最远距离
摄像机
可以分辨出障碍物的大小和距离,而且能识别行人、交通标识牌
受到视野的影响,受恶劣天气影响,逆光和光影复杂情况效果差
6-100m
超声波达
防水、防尘,监测距离在0.1-3m之间
测试角度较小,需要在车身安装多个
3m
毫米波达
不受天气情况和夜间影响,可以探测远距离物体
行人的反射波较弱,难以探测
>
200m
测距精度高,方向性强,响应快,能快速复建出目标的三维模型,满足90%的三维工况
成本高,容易受天气的影响,如雨雪、大雾,但随着算法和激光器的进,可以解决
100-200m
3.3车载传感器
激光雷达、毫米波雷达和摄像机是车载感知设备的主要选项。
尽管自动驾驶车技术发展到现在,车载感知技术已经取得了长足发展。
从目前传感器的性能来看,每一种传感器都有其使用的环境条件和性能的边界。
包括:
测量范围以及在不同环境下表现出来的感知缺陷。
图5奥迪A8的传感器布局
(1)检测范围受限
传感器对周围环境检测的有其固定的范围。
例如,长距毫米波雷达探测距离为1-280m,红外线传感器探测距离为0.2-120m,视觉摄像头探测距离为0-80m,中短距毫米波雷达探测距离为0.2-120m,短句毫米波雷达探测距离为0.2-30m,激光雷达探测距离为80-150m。
下图为Tesla的传感器配置及传感器感知范围,扇形角度表示传感器的视场角,扇形半径表示传感器的最大检测距离。
图6特斯拉配置的传感器最大探测距离
(2)感知缺陷
每一种传感器都有其适用的环境条件。
比如激光传感器检测效果稳定,但在面对大范围的尘土时,其检测效果大幅降低;
再比如高分辨率摄像机能检测图像中的物体,窄视场的摄像机可以检测很远的距离。
但是面对暴雨、大雪等恶劣天气,其很难检测到正确的车道线/障碍物/马路牙子等信息。
图7车身各传感器情况概述
(3)先验信息缺失
先验信息是指某些可以提前采集且短时间内不会改变的信息。
仅仅依靠传感器的信息是很难感知车辆现在是处在高速公路上,还是处在普通城市道路上的;
无限速牌的路段,车速最高可以开多快;
前方道路的曲率;
所处路段的GPS信号强弱,这些都是传感器遇到检测盲区,无法实时捕获的信息。
而这些信息是客观存在,不会随外部事物的变化而变化,因此可以提前采集,并作为先验信息传给自动驾驶车做决策。
图为高精度地图可以为自动驾驶车提供的某些先验信息。
包括道路曲率、航向、坡度和横坡角。
因为车载感知方式存在这些缺陷,因此有必要通过路侧感知的方式,弥补这方面的不足。
一方面可以大幅度提高自动驾驶车对周边环境的感知程度,同时也为其他普通车辆提供安全和效益方面的信息服务。
3.4路侧传感器
车路协同路侧传感器主要包括激光雷达、毫米波雷达和摄像机。
传统智能交通的传感器如视频卡口、视频事件检测、GNSS浮动车定位、4G大数据定位、事件报警等也需要纳入到车路协同全域感知体系。
交通信号灯作为交通控制主要手段,其信号灯配时数据需要接入车路协同系统。
此外,物联网大数据如气象数据、道路路面感知数据、道路湿滑/积水等数据,根据实际情况需要也可以考虑接入系统。
3.5车路协同通信
作为物联网面向应用的一个概念延伸,V2X(VehicletoEverything)车联网是对D2D(DevicetoDevice)技术的深入研究过程。
它指的是车辆之间,或者汽车与行人、骑行者以及基础设施之间的通信系统。
利用装载在车辆上的传感器、摄像头获取车辆行驶情况、系统运行状态及周边道路环境信息,同时借助GPS定位获得车辆位置信息;
利用装在路侧的传感器获得道路环境信息;
并通过D2D技术将这些信息进行端对端的传输,继而实现在整个车联网系统中信息的共享。
通过对这些信息的分析处理,及时对驾驶员进行路况汇报与警告,有效避开拥堵路段选择最佳行驶线路。
V2X车联网通信主要分为三大类:
V2V、V2I和V2P。
运输实体,如车辆、路侧基础设施和行人,可以收集处理当地环境的信息(如从其它车辆或传感器设备接收到的信息),以提供更多的智能服务,如碰撞警告或自主驾驶。
图8车路协同服务
在V2X系统中,控制车辆与路面基础设施之间信息交流的部分就是车路协同,它能够让驾驶者能第一时间了解交通信息和危险状况。
车路协同需要有高速、稳定、低时延的通信技术作为保障,而基于当前成熟的LTE技术的LTE-V2X能够让路边单元(RSU)与车载单元(OBU)的信息进行有效交互。
同时,这项技术也在演进之中,在5G时代,更是能够凭借5G技术的优秀通信能力让自动驾驶成为可能,让人们获得更优良、安全、高效的出行体验。
图9华为LTE-V2X模块DA2300
3.6高精度地图(HDM)
高精度地图,通俗来讲就是精度更高、数据维度更多的电子地图。
精度更高体现在精确到厘米级别,数据维度更多体现在其包括了除道路信息之外的与交通相关的周围静态信息。
高精度地图将大量的行车辅助信息存储为结构化数据,这些信息可以分为两类。
第一类是道路数据,比如车道线的位置、类型、宽度、坡度和曲率等车道信息。
第二类是车道周边的固定对象信息,比如交通标志、交通信号灯等信息、车道限高、下水道口、障碍物及其他道路细节,还包括高架物体、防护栏、数目、道路边缘类型、路边地标等基础设施信息。
以上这些信息都有地理编码,导航系统可以准确定位地形、物体和道路轮廓,从而引导车辆行驶。
其中最重要的是对路网精确的三维表征(厘米级精度),比如路面的几何结构、道路标示线的位置、周边道路环境的点云模型等。
有了这些高精度的三维表征,自动驾驶系统可以通过比对车载的GPS、IMU、LiDAR或摄像头的数据精确确认自己当前的位置。
另外,高精度地图中包含有丰富的语义信息,比如交通信号灯的位置和类型、道路标示线的类型、以及哪些路面是可以行使等。
图10高精度地图的主要结构化数据
导航地图、ADAS地图和AD所需要的地图各不相同。
(1)对于导航地图而言,街道名称是比较重要的信息,但对于ADAS和AD地图确并非如此。
(2)道路曲率对于ADAS应用至关重要,对于自动驾驶也是必需的,但导航地图并不需要道路曲率数据。
(3)道路的几何特征对于导航、ADAS和AD地图都是适用的。
(4)不同地图级别和地图精度的背后是不同级别的智能驾驶以及不同级别的精度需求。
图11高精地图与导航地图的关联关系
高精度地图与传统地图的区别。
与一般电子导航地图相比,高精度地图不同之处在于:
(1)精度:
一般电子地图精度在米级别,商用GPS精度为5米。
高精度地图的精度在厘米级别(Google、Here等高精度地图精度在10-20厘米级别)。
(2)数据维度:
传统电子地图数据只记录道路级别的数据:
道路形状、坡度、曲率、铺设、方向等。
高精度地图(精确度厘米级别):
不仅增加了车道属性相关(车道线类型、车道宽度等)数据,更有诸如高架物体、防护栏、树、道路边缘类型、路边地标等大量目标数据。
高精度地图能够明确区分车道线类型、路边地标等细节。
(3)作用&
功能:
传统地图起的是辅助驾驶的导航功能,本质上与传统经验化的纸质地图是类似的。
而高精度地图通过“高精度