深入浅出讲解自动驾驶 - 激光雷达优缺点对比分析
- 💂 个人主页: 同学来啦
- 🤟 版权: 本文由【同学来啦】原创、在CSDN首发、需要转载请联系博主
- 💬 如果文章对你有帮助,欢迎关注、点赞、收藏和订阅专栏哦
文章目录
- 🐣 一、常见传感器性能对比
- 🐤 二、传感器选择
- 🐥 三、传感器参数对比分析
- 🔴 1、探测距离
- 🟠 2、测距精度、角分辨率、FOV
- 🟡 3、测速能力
- 🟢 4、点云数量
- 🔵 5、干扰源
- 🟣 6、算法应用
🐣 一、常见传感器性能对比
不同的传感器都有自己的独特优势,不能单纯地选择某一款,而忽视其他的传感器。其实我们要关注的是发挥各个传感器的优势,了解不同传感器应用场景,做多传感器融合。
下面将激光雷达与毫米波雷达、摄像头、超声波雷达等传感器进行性能比较,主要围绕探测距离、测距精度、FOV、角分辨率、测速能力、点云数量、干扰源、算法应用、价格等维度对比分析四种传感器的性能优劣势。
对于没有接触过传感器的人而言,根据参数分析会很快得到结论:
- 初步结论:毫米波雷达性价比最高,探测距离远,全天候工作,受外部干扰源比较少,而且又便宜。
- 结论判断:对于只有ACC、AEB、BSD等基础功能的L1级别系统,答案是肯定的。然后如果只有毫米波雷达或者摄像头,想上L3级别系统,那就明显不行了。
🐤 二、传感器选择
对于传感器的选择,传感器数据需要满足感知和定位算法的要求,这是最基础的要求。如果不满足,哪怕9项有7项参数看起来不错,只有精度和角分辨率较差,也会导致算法不会使用或者所占权重比较低,这也是为什么激光雷达这么贵,但在L3以上的智驾系统中采用多个的原因。
🐥 三、传感器参数对比分析
🔴 1、探测距离
目前在用的905nm激光雷达受限于脉冲功率,就是瞬时功率过高会对人眼有损坏,所以点云最远探测距离为230米左右,4D毫米波雷达采用MIMO和DBF技术功率和分辨率都提升不少,点云最远距离能到330米,摄像头虽然成像能达到1000米,但是视觉能提取物体二维或三维信息,主要依靠感知算法性能以及采集的数据量,如果算法不行或数据量比较少,哪怕20米测距也有问题。
🟠 2、测距精度、角分辨率、FOV
测距精度和角分辨率主要和传感器本身的工作原理有关系,视觉的精度和探测距离一样,受限于算法和数据量。激光雷达的测距精度主要受限于激光光源发散角的大小,以及接收器性能和ADC采样时的精度。毫米波主要受限于接收信号带宽,天线孔径大小和DBF算法性能,当然信号带宽、天线孔径增加一定程度分辨率不会再变了。
🟡 3、测速能力
对于测速能力,只有毫米波雷达具备该功能,这个也和收发信号的频率差有关,其他传感器的信号频率是不变的,所以没有这个功能,但FMCW激光雷达已经有DEMO样件了,未来激光雷达的点云也会带速度信息。
🟢 4、点云数量
点云数量和信号源有关,会受限于参数设计、设备性能、摄区情况等方面因素影响。
🔵 5、干扰源
干扰源这方面,激光雷达和摄像头都属于光学期间,受光的干扰会多些,毫米波雷达属于射频器件,对于金属等信号反射率高的环境比较敏感,这里主要指多径效应和镜面反射产生的噪点。所以激光雷达和摄像头才会对雨雾、扬尘等场景比较敏感
🟣 6、算法应用
算法应用这部分,传感器数据的权重这部分设计,不同自动驾驶公司以及不同车型会有所不同,但主要是激光雷达和视觉数据会有权重不同,对于毫米波来说权重都比较低,超声波主要在泊车或近距离时才会有作用,而且毫米波和超声波主要应用在感知算法,无法应用在定位功能。
🍎综合上述对比,激光雷达在测距,叫分辨率以及精度综合性能最强,这也是自动驾驶系统必有激光雷达的原因。
徐壳壳: 路侧相机我看只有但摄像头的数据,有整个完整路口摄像头的数据吗
(`˘ω˘)280: 咋新建啊
qq_73472730: 谢谢,这个方法有效
同学来啦: 6个压缩包都要下,再解压。
同学来啦: 解压密码:rjzkgzh