自动驾驶汽车传感器融合系统及多传感器数据融合算法浅析自动驾驶汽车传感器融合系统及多传感器数据融合算法浅析
“自动泊车、公路巡航控制和自动紧急制动等自动驾驶汽车功能在很大程度上是依靠传感器来实现的。重要的不仅仅是传感器
的数量或种类，它们的使用方式也同样重要。目前，大多数路面上行驶车辆内的ADAS都是独立工作的，这意味着它们彼此之
间几乎不交换信息。只有把多个传感器信息融合起来，才是实现自动驾驶的关键。”
现在路面上的很多汽车，甚至是展厅内的很多新车，内部都配备有基于摄像头、雷达、超声波或LIDAR等不同传感器的先进驾
驶员辅助系统（ADAS）。
这些系统的数量将会随着新法案的通过而不断增加，例如在美国，就有强制要求安装后视摄像头的法案。此外，诸如车险打折
优惠和美国公路交通安全管理局（NHTSA）、欧洲新车安全评鉴协会（Euro-NCAP）等机构做出的汽车安全评级正在使某些
系统成为汽车的强制功能；另一方面，这也助长了消费者对它们的需求。
诸如自动泊车、公路巡航控制和自动紧急制动的自动驾驶汽车功能也在很大程度上依靠传感器来实现。重要的不仅仅是传感器
的数量或种类，它们的使用方式也同样重要。目前，大多数路面上行驶车辆内的ADAS都是独立工作的，这意味着它们彼此之
间几乎不交换信息。（没错，某些高端车辆具有非常先进的自动驾驶功能，不过这些功能还未普及）。后视摄像头、环视系
统、雷达和前方摄像头都有它们各自的用途。通过将这些独立的系统添加到车辆当中，可以为驾驶员提供更多信息，并且实现
自动驾驶功能。不过，你还可以突破限制，实现更多功能——参见图1。
图1：ADAS以汽车内单个、独立的功能存在。
传感器融合
仅仅通过多次使用相同种类的传感器无法克服每种传感器的缺点。反之，我们需要将来自不同种类传感器的信息组合在一起。
工作在可见光谱范围内的摄像头CMOS芯片在浓雾、下雨、刺眼阳光和光照不足的情况下会遇到麻烦。而雷达缺少目前成像传
感器所具有的高分辨率。我们可以在每种传感器中找到诸如此类的优缺点。
传感器融合这一想法的伟大之处在于获得不同传感器和传感器种类的输入内容，并且使用组合在一起的信息来更加准确地感知
周围的环境。相对于独立系统，这样可以做出更好、更安全的决策。雷达也许不具有光传感器所具有的分辨率，不过它在测距
和穿透雨、雪和浓雾方面具有很大优势。这些天气条件或光照不足的恶劣情况不利于摄像头发挥作用，不过摄像头能够分辨颜
色（可以想一想街道指示牌和路标），并且具有很高的分辨率。目前路面上图像传感器的分辨率已经达到1百万像素。在未来
几年内，图像传感器的发展趋势将是2百万，甚至4百万像素。
雷达和摄像头是两项传感器技术完美融合、互为补充的典范。采用这种方法的融合系统所实现的功能要远超这些独立系统能够
实现的功能总和。使用不同的传感器种类可以在某一种传感器全都出现故障的环境条件下，额外提供一定冗余度。这种错误或
故障可能是由自然原因（诸如一团浓雾）或是人为现象（例如对摄像头或雷达的电子干扰或人为干扰）导致。即使是在一个传
感器失效的情况下，这样的传感器融合系统也可以保持某些基本或紧急的功能。完全借助报警功能，或者让驾驶员时刻做好准
备，从而接管对车辆的控制，系统故障也许就不那么严重了。然而，高度和完全自动驾驶功能必须提供充足的时间让驾驶员重
新获得对车辆的控制。在这段驾驶员接管车辆控制之前的时间范围内，控制系统需要保持对车辆最低限度的控制。
传感器融合系统示例
传感器融合的复杂程度有所不同，并且数据的类型也不一样。两个基本的传感器融合示例是：a）后视摄像头加上超声波测
距；b）前方摄像头加上多模式前置雷达——参见图2。现在，我们可以通过对现有系统进行轻微更改和/或通过增加一个单独
的传感器融合控制单元来对其进行实现。
评论0