融合激光雷达与图像信息的智能车辆环境感知系统设计文献综述
2020-05-06 16:51:48
文 献 综 述 1.目的及意义 随着汽车保有量的增加,汽车安全日益受到关注,为了有效减少交通事故的发生,车辆环境感知系统就显得尤为重要。
而基于多传感器融合的车辆环境感知系统,能够很好的解决驾驶人员因注意力不集中对车辆不能及时操控等问题,系统可以在必要的情况下主动对车辆进行操作,从而保证人员安全。
2.国内外智能汽车的研究现状 2.1国外智能汽车的研究现状 上世纪九十年代后,随着环境感知和计算机等技术的发展,车辆辅助驾驶系统的研究得到了突飞猛进的发展[1-2]。
卡耐基梅隆大学研发的Boss无人车的环境感知系统主要由两个工业相机、一个64线激光雷达、六个单线雷达和四个毫米波雷达组成,通过将多传感器获得信息进行融合处理,实时得出车辆周围环境信息[3]。
英国牛津大学改装的越野型无人驾驶汽车,采用激光雷达感知道路情况,可以行驶在山路中[4]。
意大利帕尔马大学VisLab曾放弃热门的雷达组合系统而仅采用机器视觉技术[5],在2014年推出的无人驾驶汽车Deeva配备了超过20个相机和4个毫米波雷达,然而外形与普通汽车相似[6]。
Google Waymo采用”低成本激光雷达 毫米波雷达 超声波传感器 摄像头”多传感融合方案,激光雷达是主动视觉,目标检察较为可靠,但缺少颜色和纹理信息且成本较高。
2014年发布的最新无人驾驶原型车,其搭载的无人驾驶系统已达到Level 4级别[7]。
特斯拉采用”摄像头 毫米波雷达 超声波雷达”多传感器融合方案,Autopilot2.0硬件由8个摄像头、1个毫米波雷达和12个超声波雷达组成,但摄像头受环境光照影响较大,目标检测较不可靠,优势是成本相对较低,特斯拉已经将带有Autopilot自动辅助驾驶的车型进行量产并收获全球数以万计的订单[8]。
2.2国内智能汽车的研究现状 我国智能车技术研究稍晚,近年来我国逐步加大在车辆辅助驾驶系统方向的投入[9],但达到世界上主要发达国家的技术水平还需要一定时间[10]。