产品分类
联系我们

销售直拨
     025-85550202;
     025-85550520;
     025-84311092

master@csch.com.cn

技术咨询:
     025-85550520

duan@csch.com.cn

售后服务专线:

     13814544738    

wu_yuyang@csch.com.cn

传 真:025-85550303


深圳市中霍电子技术有限公司
地址:深圳市龙华新区龙华街道牛地埔村美满圆小区
联系人:颜安军/副总
Mobile:18038070895
E-mail: szyanaj@csch.com.cn  
 
首页  >  新闻中心  >  其它

自动驾驶汽车环境感知需要哪些传感器(三)

超声波传感器


超声波传感器主动发出高于人类听觉水平的高频声音。它们具有非常差的范围,但是对于非常近距离的三维映射非常好,因为声波相对较慢,因此可以检测到一厘米或更小的差异。


无论光照水平如何,由于距离短,它们都可以在雪,雾和雨的条件下同样良好地工作。与激光雷达和雷达一样,它们不提供任何颜色,对比度或光学字符识别功能。由于它们的射程短,因此无法用于测量速度。它们小而便宜。


超声波传感器主要应用于短距离场景下,如辅助泊车。结构简单、体积小、成本低是它的优势。


超声波传感器是利用超声波的特性,将超声波信号转换成其它能量信号的传感器,具有频率高、波长短、绕射现象小等特点,对液体、固体的穿透性较强,用于自动驾驶汽车可帮助车辆探测外部环境并指导车辆对此做出适当的反应。超声波传感器初期主要用于车辆制动辅助系统和倒车雷达,用来检测障碍物避免碰撞和擦蹭,目前已被研究应用在自动泊车和自动刹车系统。


一是自动泊车辅助系统利用超声波传感器提供的停车区信息和车辆位置,控制汽车油门、制动器和转向,从而完成车库停车和侧方位自动泊车。泊车传感器通过声纳技术来计算与目标物体的距离或方向,汽车制造商通过在后保险杠上安置 2~4 颗传感器来部署自动泊车系统,这样可以确保探测距离在 2~2.5 m 之间,并将测量到的距离用蜂鸣声传达给驾驶员。


二是超声波自动刹车系统是通过松开油门踏板、同时采取制动来避免前侧碰撞,放置在汽车车头的超声波传感器会发射超声波,在接收到前面物体的反射波后确定汽车与物体之间的距离,进而通过伺服电机自动控制汽车制动系统。


产业链


车用超声波传感器市场较为分散,国际厂商主导地位显著。目前,全球车用超声波传感器市场主要由Bosch,Valeo,Murata和SensorTec等主导,国内尚无具有较强竞争力的大型专业设计和制造厂商。


图像传感器(摄像头)


近年来,相机图像识别系统变得非常便宜,小巧且高分辨率。它们的颜色,对比度和光学字符识别功能为其提供了一个全新的功能集,完全没有其他所有传感器。它们具有*佳的传感器范围,但光线条件良好。它们的范围和性能随着光线水平变暗而降低,开始依赖于 - 就像人眼一样 - 依赖于汽车前灯的光线。


通过对采集图像进行计算机算法分析,车载摄像头能够识别行人、自行车、机动车、道路轨迹线、路牌、信号灯等环境信息,进而支撑实现车道保持辅助、车道偏离预警、前向碰撞预警、行人碰撞预警、全景泊车、驾驶员疲劳预警等功能。


产业链


我国在车载摄像头镜头、模组等方面具备较好基础,在图像传感器、DSP 方面对外依存度较高:


一是国内拥有以大立光学、舜宇光学、玉晶集团、亚洲光学、利达光电、关东辰美、先进光电、威海世高光电子、深圳市理念光电、江西兴邦光电、深圳精龙达光电、东莞新旭光学、水晶光电等为代表的车载摄像头镜头元件提供商,突破了模压玻璃非球面技术、精密变焦凸轮设计技术、多层宽带增透镀膜技术、超低色散光学玻璃技术等高精密加工工艺,技术水平与日本电波、蔡司、三星、LG、夏普等国际厂商基本相当。


二是拥有以同致电子、深圳豪恩、苏州智华、欧菲光等为代表的模组厂商,可提供车载级安 全要求的摄像头模组产品。


三是拥有格科微、思比科等图像传感芯片处理企业,在 CMOS 图像传感上具备一定技术基础,但在高像素演进和单像素尺寸微缩方面与索尼、三星仍存在较大差距,高 端产品仍存在严重技术依赖。


国际上主要由索尼、Delphi、霍尼韦尔、东芝、Mobileye等国际厂商供货,国内仍存在较大的提升空间。


多传感器融合是主要方向


虽然说自动驾驶在全球范围内已经形成风潮,并有望在2021年实现4级自动驾驶,但是其想要真正走入现实也并非易事。从技术方面而言,目前自动驾驶的痛点在于稳定可靠的感知及认知,包括清晰的视觉、优  质的算法、多传感器融合以及高效强大的运算能力。其中,多传感器融合是实现自动驾驶的必然发展趋势。


具体而言,多传感器融合就是将多个传感器获取的数据、信息集中在一起综合分析以便更加准确可靠地描述外界环境,从而提高系统决策的正确性。虽然在原理上看似简单,但是在自动驾驶场景中则显得充满挑战。多传感器融合,需要对每个传感器采集的信息进行快速处理,从而让高速行驶的汽车及时进行反馈动作,以应对突发的交通情况。由此可见,多传感器融合并不仅仅是硬件方面的协同配合,还包括决策层的算法和算力支持。


当前,自动驾驶环境感知技术路线主要包括视觉主导和激光雷达主导两种方案:


一是以特斯拉为代表的「摄像头 + 毫米波雷达 + 超声波雷达」多传感器融合,Autopilot 2.0 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;


二是以 Google Waymo 为代表的「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,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。


目前,没有一种解决方案是完 美的,每种组合解决方案都有妥协,即使这些妥协的规模或不同方向的意识程度不同。这些传感器技术将以不同的方式在不同的车辆价格点组合,从而获得更有效的解决方案。