自动驾驶传感器比较:激光雷达(LiDAR) vs. 雷达(RADAR)
自动驾驶传感器比较:激光雷达(LiDAR) vs. 雷达(RADAR)
据麦姆斯咨询报道,2032年全球范围内自动驾驶汽车的产量将高达2310万辆,未来该市场的复合年增长率(CAGR)高达58%。届时,与自动驾驶汽车生产相关的市场营收将达到3000亿美元,而其中26%将来自激光雷达(LiDAR)、雷达(RADAR)、摄像头、惯性测量单元(IMU)等。
激光雷达(LiDAR)成像(左) vs. 高分辨率雷达(RADAR)成像(右)
RADAR和LIDAR区别分析
如果一直关注自动驾驶汽车的新闻,可能已经注意到许多自动驾驶汽车制造商正在使用LIDAR(光成像检测和测距)进行车载物体检测。对于许多自动 驾驶汽车应用而言,LIDAR比其他常用的对象检测技术RADAR(无线电检测和测距)更好。但是,当需要经受恶劣环境的高质量,负担得起的物体检测时,雷达是一个明智的选择。原因如下:
LIDAR传感器通过发出高频激光脉冲然后测量其中一些脉冲撞击物体,反弹并撞击传感器所需的时间(以纳秒为单位)来找到物体。随着物体的移动,LIDAR传感器内部的处理器会保存有关每个返回脉冲的信息,并可以生成物体的精确3D图像,物体相对于设备的位置,物体向哪个方向移动以及移动的速度。一个激光雷达图像可以非常准确,不仅能检测行人100公尺远,知道面对哪个方向。LIDAR甚至已用于跟踪树叶和树枝的生长,以衡量森林的总体生长。
随着无人驾驶汽车的媒体报道不断增加,LIDAR经常成为新闻,因此许多人错误地认为这是一项新技术。美国军方和NASA在1970年代发明了LIDAR,尽管直到1990年代它才被“使用”,直到现在仍被用作地理地图工具。简而言之,激光雷达是一种非常精确的工具,可以检测物体的形状和位置。它能够创建高度详细的图像,并在100码外的物体上重新创建不到一英寸的细节。缺点是这是一项昂贵的技术。
如果说LIDAR是牧场上的漂亮小马,那么RADAR就是主力军。RADAR于1940年发明,
其返回的物体图像不如LIDAR精确,可以在雨,雪,雨夹雪,冰雹,雾,泥和尘土中返回。在夜间和阴天条件下也比激光雷达更准确。RADAR的工作方式与LIDAR相似,发出的是无线电波而不是激光束。由于激光波比无线电波短,因此激光雷达可以生成更详细的物体图像。尽管无线电波不仅具有探测人类的能力,还可以探测到比雷达小的得多的物体。无线电波和光波都以相同的速度(每秒186,000英里)传播,因此这两个系统都以相同的速度刷新对象位置数据。
RADAR系统的成本大大低于LIDAR系统,后者通常需要昂贵的组件,例如高速电子设备,CCD接收器,光学器件,电机以及激光器本身。车载摄像头,反光镜和盲点检测传感器将为这两个系统提供支持。
本文的重点并不是说这些对象检测技术中的一种优于另一种。如果设备通常在恶劣的环境(例如建筑工地或矿山)中运行,则RADAR会更有意义。 除了LIDAR系统外,将RADAR添加为侧弯辅助系统或后盲点监视系统,只会为操作员,其他驾驶员和易受伤害的道路使用者提高安全性。
现在,自动驾驶技术已经迅速成为汽车产业发展的主要驱动力。全球各地的汽车制造商都在积极联合Google(谷歌)等科技巨头或知名自动驾驶初创公司开发下一代自动驾驶汽车。据麦姆斯咨询报道,近期,中国也已经宣布为自动驾驶开放道路测试。Uber和Lyft等流行共享汽车服务商也已经成为自动驾驶汽车的忠实拥趸,因为自动驾驶汽车不仅能降低道路事故风险,还能显著降低油耗。
自动驾驶汽车所需的传感器技术及供应商
据麦姆斯咨询报道,2032年全球范围内自动驾驶汽车的产量将高达2310万辆,未来该市场的复合年增长率(CAGR)高达58%。届时,与自动驾驶汽车生产相关的市场营收将达到3000亿美元,而其中26%将来自激光雷达(LiDAR)、雷达(RADAR)、摄像头(Camera)、惯性测量单元(IMU)等传感器硬件。
现在,几乎每个月都会有新的ADAS(先进驾驶辅助系统)或其它最先进的自动驾驶创新技术在汽车市场涌现。除了机器学习、物联网(IoT)和云互联, LiDAR(激光雷达)和RADAR(雷达)这两项技术已经成为自动驾驶开发过程中关注度最高的热门。不过,对于自动驾驶,LiDAR和RADAR谁更具价值目前还不够明朗。
LiDAR运行原理
LiDAR传感器快速发射激光脉冲(通常最高可达每秒150000次脉冲),激光信号到达障碍物后反射回LiDAR传感器。传感器通过测量激光信号从发射到返回的时间,精确计算确定传感器到障碍物之间的距离,能探测目标物体的准确尺寸。LiDAR通常用于高分辨率地图的绘制。
大陆集团最先进的ADAS激光雷达SRL1,基于飞行时间(ToF)技术原理,采用飞思卡尔处理芯片组和专用集成电路(ASIC),其红外激光光源来自欧司朗(OSRAM)的InAlGaAs / GaAs量子阱结构激光光电二极管。SRL1可提供紧急制动辅助等功能,目前已经在多款微型车上使用
RADAR运行原理
RADAR系统的工作原理跟LiDAR很相似,唯一的区别在于RADAR采用的是无线电波而非激光。在RADAR系统中,其天线既可以作为雷达接收器,也可以作为发射器。不过,和光波相比,在与被测物体接触时,无线电波的吸收较少,因此,RADAR的有效工作距离相对更远。RADAR技术最广为人知的应用,应该是军事用途了。飞机和战舰都会装备RADAR来测量高度,或探测附近其它的运输设备和物体。
博世77GHz远距离雷达传感器LRR4,使用77 GHz频段且没有可移动部件,集成了恩智浦(NXP)和意法半导体(STMicroelectronics)微控制器,以及博世电源管理IC。采用英飞凌77 GHz锗硅(SiGe)单片微波集成电路(MMIC)作为高频发射器和接收器
谁将主导市场?
包括Google(谷歌)、Uber(优步)和Toyota(丰田)在内的大部分自动驾驶汽车制造商都高度依赖LiDAR系统来实现车辆的自动巡航。LiDAR传感器常用于周围环境的实时3D地图创建,例如行人、减速带、车道分隔栏和其它车辆。其3D成像能力,是大部分汽车制造商热衷于开发这项技术的主要原因之一。当然凡事皆有例外,Tesla(特斯拉)是唯一没有采用LiDAR传感器的知名自动驾驶汽车制造商。Tesla的自动驾驶汽车采用RADAR技术作为主要传感器。
高端LiDAR传感器可以在100米以外实现厘米级的细节识别。例如,Waymo的LiDAR系统不仅可以探测行人,还可以识别行人所面对的方向。因此,自动驾驶汽车可以精确预测行人将向哪个方向行走。其高精度还可以“看”到更丰富的细节,例如骑行者挥手示意先通过,当车辆全速行驶时能够在两个足球场以外的距离提供惊人的探测精度。Waymo还通过努力将LiDAR传感器的成本降低了约90%。数年前,一个LiDAR单元的售价高达75000美元,而现在已经降到了7500美元,使这项技术变得更加经济从而实现普及。
Waymo的LiDAR系统成像的测试车辆前方正在推车的4个人
不过,这项技术也有一些明显的缺点。LiDAR系统可以轻松地探测位于30~200米范围内的物体。但是,当面对附近物体地精确识别时,该系统可能会力不从心。在所有光线条件下均能正常工作,但在雪、雾、雨和扬尘环境下,其性能会开始打折扣。此外,其光学识别性能也不够给力。这就是为什么像Google这样的自动驾驶汽车制造商,会将LiDAR与其它辅助传感器(例如摄像头和超声波传感器)一起搭配使用。
另一方面,RADAR系统则相对便宜很多。成本,应该是Tesla选择RADAR技术而不是LiDAR技术的原因之一。RADAR系统的一个优势是在雾、雨、雪和扬尘等所有天气条件下,均能稳定运行。然而,相比LiDAR传感器,角度精度略低,在弯道上会丢失目标车辆。如果多个探测对象彼此靠得很近,可能会出现识别困难。例如,RADAR可能会将附近的两辆小型汽车视为一辆大型车辆,从而发出错误的接近信号。不过,与LiDAR系统不同的是,RADAR可以利用多普勒频移,精确地确定相对行驶速度和移动物体的速度。
虽然Tesla使用RADAR作为主要传感器而饱受非议,已成功地提高了其主传感器的处理能力,使其能够看透大雨、浓雾、灰尘甚至前方的汽车。而且,除了主雷达传感器之外,新款Tesla车型还将拥有8个摄像头、12个超声波传感器和新的车载计算系统。换句话说,这两种技术在与摄像头和超声波传感器融合使用时效果最佳。
结束语
LiDAR和RADAR这两种传感器技术的基本功能,是通过在行驶中与障碍物保持一定的安全距离,以确保自动驾驶汽车中的乘员安全。无论选择LiDAR还是RADAR,这两种技术都能很好的胜任这项任务。不过,这两种技术各自都还有比较明显的优缺点。尽管采用LiDAR传感器的汽车能够“看”得更清晰准确,但是RADAR系统尺寸更小,还更便宜。
自动驾驶传感器比较:激光雷达(LiDAR) vs. 雷达(RADAR)的更多相关文章
- zz自动驾驶多传感器感知的探索1
Pony.ai 在多传感器感知上积累了很多的经验,尤其是今年年初在卡车上开始了新的尝试.我们有不同的传感器配置,以及不同的场景,对多传感器融合的一些新的挑战,有了更深刻的认识,今天把这些经验,总结一下 ...
- zz自动驾驶多传感器感知的探索
案例教学,把“问题”讲清楚了,赞 Pony.ai 在多传感器感知上积累了很多的经验,尤其是今年年初在卡车上开始了新的尝试.我们有不同的传感器配置,以及不同的场景,对多传感器融合的一些新的挑战,有了更深 ...
- zz“老司机”成长之路:自动驾驶车辆调试实践
随着自动驾驶技术的发展,一辆新车从被改装到上路需要经过的调试流程也有了许多提升.今天,我希望结合自己之前的调车经验来跟大家分享一下我们是如何将系统的各个模块逐步上车.调试.集成,进而将一辆“新手”车培 ...
- 自动驾驶汽车数据不再封闭,Uber 开源新的数据可视化系统
日前,Uber 开源了基于 web 的自动驾驶可视化系统(AVS),称该系统为自动驾驶行业带来理解和共享数据的新方式.AVS 由Uber旗下负责自动驾驶汽车研发的技术事业群(ATG)开发,目前该系统已 ...
- Google Waymo自动驾驶安全技术报告(二)
Waymo的技术在公开道路上.封闭测试场.仿真器进行了广泛的测试,所以可以保证自动驾驶系统的每一部分在其ODD内都有强大.可靠.安全的处理能力. Waymo的自动驾驶系统由三个相互独立.严格测试的子系 ...
- 激光雷达Lidar与毫米波雷达Radar:自动驾驶的利弊
激光雷达Lidar与毫米波雷达Radar:自动驾驶的利弊 Lidar vs Radar: pros and cons for autonomous driving 新型无人驾驶汽车的数量在缓慢增加,各 ...
- zz自动驾驶复杂环境下高精度定位技术
今天为大家分享下,自动驾驶在复杂环境下的高精度定位技术. 定位/导航负责实时提供载体的运动信息,包括载体的:位置.速度.姿态.加速度.角速度等信息. 自动驾驶对定位系统的基本要求: 1. 高精度:达到 ...
- zzL4自动驾驶中感知系统遇到的挑战及解决方案
本次分享的大纲: Perception Introduction Sensor Setup & Sensor Fusion Perception Onboard System Percepti ...
- NXP开源自动驾驶计算平台Bluebox 打造现实无人汽车
知名半导体制造商恩智浦NXP已经准备好了自家的自动驾驶计算开源平台Bluebox,将为汽车制造商提供现成的一体化自动 驾驶计算解决方案.专为自动驾驶设备的BlueBox中央计算引擎.不仅能够为无人驾驶 ...
随机推荐
- 常用head标签
最小推荐 <meta charset="utf-8"> <meta http-equiv="x-ua-compatible" content= ...
- 【转】gitlab CI流水线配置文件.gitlab-ci.yml详解
目录 GitLab CI流水线配置文件.gitlab-ci.yml详解 实验环境 GitLab CI介绍 .gitlab-ci.yml 配置参数 参数详解 script image services ...
- SpringBoot程序后台运行
使用nohup命令让进程后台运行 nohup java -jar 自己的springboot项目.jar >日志文件名.log 2>&1 & >日志文件名.log : ...
- 【opencv】获取摄像头rstp视频流地址方法
1.rstp通用地址格式为 : 通用格式 // user : 登录摄像头的用户名 // password:登录摄像头的密码 // ip:摄像头的ip地址 // port:端口号,常用的为554 &qu ...
- 修改wordpress版权信息
修改页脚版权信息位置:找到C:\wamp64\www\wordpress\wp-content\themes\travelify\library\structure\footer-extensions ...
- SecureCRT 基本设置
1:字体与大小 Lucida Console 四号 2:声音关闭 Terminal-->Audio bell不勾选 默认网络工程师常用: Terminal-->Emulation--& ...
- Instagram 为什么不用redis
Hi 我还是大粽子 碎碎念 让我比较兴奋的就是这段时间的文章,被感兴趣的同学一一关注,关注量上涨就是我的最大动力. 我每周都会输出至少3篇原创文章,希望能被更多的同学关注,点赞,在看,形成习惯. In ...
- MongoDB评论管理
MongoDB简介 文章评论数据分析 相较于一般数据,文章评论一般有如下特点: 数据量巨大.通常评论量要比帖子.文章大很多 写入操作频繁. 价值较低.一般来说,我们的主要目标还是在帖子(文章)本身. ...
- FHE-Toolkit 安装
什么是FHE-Toolkit? FHE-Toolkit-linux是用于Linux的IBM全同态加密工具包, 该工具包是一个基于Linux的Docker容器,可演示对加密数据的计算而无需解密, 该工具 ...
- 【敏杰开发】Scrum Meeting 博客汇总
敏杰开发团队 Scrum Meeting 博客汇总 项目名称:[知识路书] 一.Alpha阶段 Scrum meeting 1 2020/04/07 选题 Scrum meeting 2 2020/0 ...