下载掌阅APP，畅读海量书库
立即打开
人们在驾驶汽车时，主要是利用自己的视觉系统和听觉系统，然而，利用人工感知的方法，通常会依靠多种模式来克服单个传感器的限制。自动驾驶汽车使用的传感器种类繁多，包括无源传感器（如单目摄像机和立体摄像机等）和有源传感器（如激光雷达、雷达和声呐等）。由于对自动驾驶感知的研究大多集中在摄像机和激光雷达上，因此，这里将更详细地介绍这两类传感器。在文献 [1-2] 中，你可以找到有关用于自动驾驶的传感器更全面的报告。
单目摄像机以像素强度的形式提供详细的信息，旨在以更大的比例显示图像的形状和纹理信息。图像的形状和纹理信息可用于检测车道的几何形状、交通标志和对象类别。单目摄像机的一个缺点是缺乏深度信息，而深度信息是物体的精确尺寸和位置估计所必需的。立体摄像机的配置，可用于恢复深度信息。这种配置通过匹配算法来寻找两张图像中的对应关系，并计算相对于摄像机每个点的深度，因此需要更强的处理能力。
提供深度估计的ToF（Time of Flight）摄像机，通过测量发射和接收的调制红外脉冲之间的延迟来推断深度。虽然这项技术在车辆安全上得到应用，但是与立体摄像机相比，其分辨率较低，传感器也容易受到光线和天气条件的影响，例如进出隧道时的亮度差异。此外，在交通标志和车辆刹车灯上，使用LED灯产生了闪烁问题。这种情况的发生，是因为摄像机传感器因LED的开关行为，而无法可靠地捕获发射的光量。
激光雷达传感器通过发射激光束，测量发射和返回脉冲之间的时间，以确定障碍物在任何给定方向上的距离。传感器会产生一组3D点（也称为点云）和与接收脉冲强度相对应的反射率值。与图像不同，点云稀疏，在样本空间中分布不均匀。作为有源传感器，激光雷达不需要外部照明。因此，即使在恶劣的天气和极端的照明条件（例如，夜间或阳光刺眼的情况）下，也可以实现更可靠的检测。标准的激光雷达模型，例如HDL-64E [3] ，使用旋转的激光束阵列来获得360度和最大半径（如120m）的3D点云。该传感器每帧可输出12万个点，在10Hz帧速率下，每秒可输出12亿个点。2020年，Velodyne发布了VLS-128型号的激光雷达产品，其具有128束激光、更大的角分辨率和300m的半径范围。激光雷达被广泛采用的主要障碍是其价格：单个激光雷达传感器的成本可能超过70000美元。然而，随着固态激光雷达技术的引入和激光雷达产品的大规模生产，这一价格在未来几年内将会下降。
还有一些检测方法，同时依赖激光雷达和摄像机模式。在融合这些模态之前，需要校准传感器，以获得单个空间参考系。Park等人 [4] 建议使用多边形平板作为目标，可通过两种方式将其检测出来，以生成准确的3D-2D对应关系，并获得更准确的校准。然而，由于具有空间目标，使得该方法难以进行现场校准。Ishikawa等人 [5] 设计了一种校准方法，在不具有空间目标的情况下，该方法使用传感器的测距法估算环境来反复进行校准。
不同传感器具有不同的特点。单目摄像机是廉价的传感器，但是缺少深度信息，而深度信息是3D对象精确检测所必需的；立体摄像机可用于恢复深度信息，但是在不利的光照条件和无纹理的场景中其无法使用；ToF摄像机传感器的分辨率有限；激光雷达传感器可用于在夜间进行精确深度估计，但是在不利的天气条件（如雪和雾等）下容易产生噪声，并且无法提供纹理信息。因此，如何融合不同传感器的数据，以实现可靠检测目标，一直是业界不断努力的方向。