1、AUTO TIME 153 AUTO PARTS|汽车零部件智能汽车环境感知传感器研究进展吕翱福建船政交通职业学院 福建省福州市 350007摘 要:智能汽车是近年来汽车行业先进技术的发展方向,而传感器的应用是智能汽车环境探测中的关键技术。本文介绍了智能汽车环境感知 ADAS 系统中常用的传感器,着重阐述了视觉传感器、毫米波雷达和激光雷达的工作原理、技术参数、技术类型和应用场景等;同时总结对比了不同类型传感器的技术特点,提出了环境感知系统的发展趋势,为今后的自动驾驶相关研究提供参考。关键词:智能汽车环境感知传感器1引言智 能 汽 车(Intelligent Vehicles,IV)通过车载传感
2、系统具备主动环境感知能力,利用车载信息终端实现与人、车、路等信息的交换,是智能交通系统的重要组成部分1。自主式智能汽车的初级阶段是具有先进驾驶辅助系统(Advanced Driver Assistance Systems,ADAS)的汽车,具备自主决策能力自动分析车辆行驶的安全及危险状态,能够执行车辆制动、驱动、转向干预,并利用声音、影像、灯光、触觉报警等方式提醒驾驶员2。自主式智能汽车 ADAS 系统是车辆从被动安全技术向主动安全技术的重要变革,其核心是环境感知系统,主要由感知层、决策层和执行层组成,本文重点介绍 ADAS 系统感知层中摄像头、毫米波雷达、激光雷达等各类传感器的技术特征及发展
3、趋势。2智能汽车环境感知传感器2.1视觉传感器视觉传感器是利用摄像头获取到的图像进行图像处理,捕捉对象物如面积、重心、尺寸、方位等关键特征量,并能够输出数据便于决策单元做分析的传感器,是实现众多预警、识别类 ADAS 功能的基础,同时也是自动驾驶必备的传感器之一3。按照车载视觉传感器原理和布置方式的不同,主要分为:单目摄像头、多目摄像头、环视摄像头、红外夜视摄像头等,其技术特点对比表如表 1 所示。视觉传感器特点主要有:1、视觉图像信息丰富,可识别交通标示、地面标志物、车道线、交通信号灯等;2、视觉摄像头可实现道路特征与高精度地图匹配后的辅助定位,环境适应能力强;3、与机器学习、深度学习等人工
4、智能相融合,可获取更高检测效果。4、受天气影响大,算法及算力要求较高。2.2毫米波雷达车载毫米波雷达主要由发射模块、接收模块、信号处理模块及天线等组成,其工作原理如图 1 所示5。雷达天线向外发射毫米波信号,通过接收目标的反射信号,经信号处理模块获取车辆周边的环境信息,主要包括与探测物体间的相对距离、速度、角度及运动方向等;依据此信息进行目标跟踪和识别,Research Progress of Intelligent Vehicle Environmental Perception SensorsLv AoAbstract:Intelligent vehicles are the develo
5、pment direction of advanced technology in the automotive industry in recent years,and the application of sensors is the key technology in intelligent vehicle environmental detection.This paper introduces the commonly used sensors in ADAS systems for intelligent vehicle environment perception,focusin
6、g on the working principle,technical parameters,technical types and application scenarios of vision sensors,millimeter-wave radar and lidar.At the same time,the technical characteristics of diferent types of sensors are summarized and compared,and the development trend of environmental perception sy
7、stem is proposed,which provides reference for future research on autonomous driving.Key words:smart car,environmental perception,sensors图 1车载毫米波雷达工作原理环境感知分析决策控制执行发射机发射机信号处理模块控制算法声音、图像、振动报警制动、驱动、转向干预车辆ECU天线收发模块接收机天线154 AUTO TIMEAUTO PARTS|汽车零部件结合车身信息状态,经车辆 ECU 处理及决策后,以声音、图像和振动等形式提醒驾驶员,或及时做出制动、驱动和转向干预
8、。毫米波雷达按照工作原理可分为脉冲式毫米波雷达与调频式连续毫米波雷达,脉冲式毫米波雷达通过发射、接受电磁脉冲信号间的时间差计算目标位置信息,但由于需要在微秒级别内发射大功率脉冲信号,且需要对收、发设备进行隔离技术处理,导致这类型毫米波雷达在硬件设计上较为复杂,产品成本高;同时在高速情况下回波信号易到周围环境影响,接收系统灵敏度有限,故在智能车用领域较少采用。调频式连续毫米波雷达是目前车载毫米波的主流方案,主要利用多普勒效应(Dopler Effect)测量目标状态信息,通过分析一个或多个发射信号频率与反射信号频率的变化,计算出目标与雷达的相对位置信息,可实现对多目标识别,技术相对成熟。毫米波雷
9、达按照探测距离可分为短程毫米波雷达(SRR)、中程毫米波雷达(MRR)和远程毫米波雷达(LRR)三类,具体参数对比如表 2 所示。目前 MRR/LRR 相比LRR 具有体积小、单芯片集成度高、性能好以及研发、物料成本低的优点,MRR/LRR对简单,性价比高;5、抗干扰能力强,受地面杂波及噪声影响小;6、覆盖区域呈扇形,存在盲区;无法识别交通标志及信号灯。2.3激光雷达激光雷达(Light Detection and Ranging,LiDAR)是一种以利用激光器为发射光源,利用光电探测方式的光学遥感传感器,通过向目标物体发射探测激光信号,比较接收、发射信号差异,输出点云,呈现目标物精确的三维结
10、构信息,从而获取距离、方位和高度等位置信息及速度、姿态等运动状态的传感器,从而对目标物体进行探测、跟踪和识别,能帮助汽车实现周围环境的精准 3D 重建,被称为最有效的智能汽车环境感知方案之一6。不同类型的激光雷达结构略有差异,但都主要由激光发射系统、激光接收系统、信息处理系统和扫描系统四大部分组成。激光发射系统中的驱动电路周期性的驱动激光器发射激光脉冲,通过激光调制器的光束控制器调整发射激光的方向及线数,再由发射光学系统发射激光;经接收光学系统,光电探测器接收目标物体反射的激光信号,并将信息传递至信息处理系统;信息处理系统经过放大处理及数模转换,由控制单元计算分析获取目标表面形态、物理属性等特
11、征,建立物体模型;扫描系统则是能够改变激光束的空间投射方向,能够以稳定的转速旋转对所在平面进行扫描,并产生实时平面图信息,摄像头种类测距原理优点难点单目摄像肉通过图像匹配进行目标识别,再通过图像目标大小估计目标距离(先识别后测距)1、成本较低2、对计算资源要求不高3、系统结构简单4、算法成熟度高1、距离并非真正意义上的测量,物体越远,精度越低2、需要不断更新和维护样本数据库,保证系统较高识别精度3、无法对非标准障碍物进行判断多目摄像头通过多幅图像视差,加入深度信息,通过两幅图像视差进行距离测量(先测距后识别)1、无识别率的限制2、感知范围、测量精度高于单目3、无需维护样本数据库1、标定工作量大
12、,算法要求高2、双目系统产品化、小型化难度较大3、双目配准效果会影响测距准确性;4、成本较单目系统高环视摄像头使用多个鱼眼摄像头图像进行数字图像拼接,对同一时刻采集到视频影像处理成为3600车身俯视图1、视野大2、上陡峭或恶劣环境地面,能够清晰显示地面全息实景图像3、可配合其他传感器用于高精度地图数据采集1、会产生失真变形现象2、对摄像头分辨率要求高3、算法要求较高红外夜视摄像头采用红外线照射目标,依靠照射系统识别红外反射波,探测器接收目标反射的红外光线并输出1、探测距离较远2、图像质量稳定3、可识别道路标志物1、受天气影响大2、成本较高参数短程毫米波雷达 SRR中程毫米波雷达 MRR远程毫米
13、波雷达 LRR工作频段/GHz24.05-24.2576-7777-81带宽/GHz0.214探测距离/m0.15-1001-20010-250测距精度/m0.020.10.1水平角/(0)804515仰俯角/(0)1055方位精度/(0)10.50.1测速精度/(m/s)0.10.10.1ADAS主要功能DOW、AEB、FCW、LCA、BSD等ACC、BSD、AEB、LCA、PSD等ACC、AEB、FCW等国内频段已批准已批准未开放民用将成为行业未来发展主要方向。毫米波雷达特点主要有:1、视野覆盖范围广,探测距离远,最大探测距离可达 250m;2、探测性能好,成像能力强,不受物体颜色与环境温
14、度影响,可在极端环境下全天候正常工作;3、灵敏度高、响应速度快、方向性好、低空跟踪精度较高;4、体积小、质量轻、技术成熟、工艺相表 1各类视觉传感器技术特点对比表 2不同探测距离毫米波雷达技术特点对比AUTO TIME 155 AUTO PARTS|汽车零部件实现激光雷达的 3D 建模及雷达定位,具体组成原理如图 2 所示。图 2激光雷达工作原理激光调制器信息处理系统激光接收系统激光发射系统驱动电路激光器光束控制器光电探测器接收光学系统发射光学系统目标物体放大器控制单元按照扫描系统原理差异,激光雷达主要分为机械激光雷达、混合固态激光雷达、固态激光雷达三种类型。机械式激光雷达是带有控制激光发射角
15、度的旋转部件进行全面扫描;混合固态激光雷达无需机械旋转结构,而是采用内部玻璃片旋转的方式改变光束角度,主要有微机电系统 MEMS、转镜式、棱镜式三种类型;固态激光雷达也无需机械旋转结构,而是依靠电控方式改变激光发射方向,主要有 Flash 和光学相控阵 OPA 两种类型。不同扫描系统原理的激光雷达技术特点如表 3 所示。按照发射光波长的差异,目前主流的三维成像激光雷达发射光主要有 905nm 和1550nm 两种波长。其中 905nm 激光接收器使用价格较低的硅材质,以半导体激光器为光源器件,成本较低、尺寸相对较小,是目前最主流的激光雷达类型,但为避免对人眼造成伤害,其发射功率和探测距离会受到
16、限制;1550nm 波长激光则不会对人体视网膜产生伤害,发射功率较高、探测距离远、穿透能力强、受日光干扰小,但需要以光纤激光器为光源器件,探测器材料成本较高。激光雷达主要有以下特点:1)分辨率高。激光雷达距离分辨率可达5cm 以下;速度分辨率达 10m/s 以内,可同时跟踪多个目标;2)探测范围广。探测距离可达 300m 以上、水平视场角可达 360、垂直视场角可达40;3)信息量丰富。激光雷达不仅可以探测周边车辆信息,还能有效识别路面凹凸、抛洒物、大型静止障碍物等目标物。4)可全天候工作。无需外接光照条件即可正常工作。5)隐蔽性好,抗干扰能力强。激光雷达发射口径小,接收区域窄,干扰源少。6)
17、多线激光雷达成本较高,易受大雨、浓烟、浓雾等天气影响,同频段激光雷达易相互干扰。3环境感知传感器性能对比智能汽车高级别的自动驾驶需要环境感知系统多种传感器的优势互补,不同类型传感器性能对比如表 4 所示7。不同类型的环境感知传感器有各自的优势和应用局限性,目前发展趋势是通过多传感器信息融合以弥补单一传感器的不足。多传感器融合可更加准确、全面识别外界环境,显著提高智能驾驶系统的安全性和可靠性,是高级别无人驾驶的必然选择。多传感器融合在硬件层面上要求传感器数量要足够,保证功能互补、信息全面、可信度高、识别能力强;软件层面上要求算法数据运算速度快、并行处理能力强、兼容协调性好、容错率高,保证决策的时
18、效性和准确度。4结语本文对智能汽车环境感知系统中的视觉传感器、毫米波雷达、激光雷达等传感器进行了较为全面的介绍,并对比了各类传感器的技术特点。相较其他类型传感器,激光雷达所见即所得,能够实现三维实时感知,避开对算法和数据的高度依赖,在探测精度、可靠性和抗干扰能力等方面具备特色优势,而 1550nm 波长、FMCW 测距方式的固态激光雷达方案已是目前发展趋势。目前“毫米波雷达+摄像头”方案是短期内最有可能的技术组合,但长远来看,随着成本的下降,“固态激光雷达+摄像头”具备更大潜力,或将成为主流。福建省教育厅中青年教师教育科研项目(JAT201069)。参考文献:1 桂晶晶,吴芯洋,曾月,付泽宇.
19、我国智能汽车发展现状及前景J.中国高新科技,2022(04):60-61.2 张微.先进驾驶辅助系统及汽车芯片的技术发展现状和趋势 J.金属功能材料,2022,29(04):70-77.3 詹德凯.自动驾驶汽车环境感知系统传感器技术现状及发展趋势 J.辽宁省交通高等专科学校学报,2021,23(03):21-26.机械激光雷达混合固态激光雷达固态激光雷达MEMS转镜式棱镜式FlashOPA技术特点带有控制激光发射角度的旋转部件,在竖直方向排列多组激光束,通过360旋转进行全面扫描通过控制微振镜以一定谐波频率振荡发射激光器光线,实现快速和大范围扫描,形成点云图电机带动转镜运动,收发模块静止不动利
20、用棱镜转动进行非重复式扫描利用快闪原理成像,发射端采用垂直腔面发射激光,接收端通过大面积面阵激光以高灵敏探测器完成图像绘制利用相干原理,采用多个光源组成阵列,调节发射阵列中每个发射单元的相位差控制输出激光束的方向优势扫描速度快,抗干扰能力强,精度较高,技术最成熟运动部件较少,尺寸小,稳定性较高、分辨率高精度较高,成本较低,功耗较低点云密度高,探测距离较远结构简单,体积小,信息量全无任何机械元件,体积小,扫描速度快,精度高不足机械结构复杂、使用寿命有限、稳定性较差、体积大,目前难以符合车规量产使用探测距离和视场角范围有限,寿命较短,信噪比较低探测距离和视场角范围有限,信噪比较低机械结构复杂,零部
21、件容易磨损功率密度较低,分辨率、探测距离有限光信号覆盖有限,对材料、工艺要求苛刻,技术不够成熟,成本较高表 3不同扫描系统原理的激光雷达技术特点对比156 AUTO TIMEAUTO PARTS|汽车零部件4 蔡思,高丽洁.自动驾驶汽车环境感知系统的研究 J.汽车零部件,2021(11):105-107.5 许博玮,马志勇,李悦.多传感器信息融合技术在环境感知中的研究进展及应用J.计算机测量与控制,2022,30(09):1-7+21.6 程川,宋春华,王鹏.车载激光雷达发展研究综述 J.装备制造技术,2022(05):247-251.7 周文鹏,路林,王建明.多传感器信息融合在无人驾驶中的研
22、究综述J.汽车文摘,2022(01):45-51.表 4各类型传感器技术特点对比分类车载摄像头红外夜视毫米波雷达激光雷达探测距离0-100m150-400m15-250m80-150m探测精度一般一般较高最高抗恶劣条件能力弱弱强弱特点人体识别(稳定性较差)物体探测物体识别优势像素高;颜色识别;可通过算法实现各项功能夜视效果好探测精度高、距离远;受环境影响小;性价比高探测精度高;可绘制3D环境地图及雷达定位劣势受天气影响大;对算法要求较高;不够稳定受天气影响大无法识别道路指示牌、行人等易受天气影响;成本高成本较低较高一般高技术成熟度较高较高较高一般应用场景行人、路标、车道线等识别一般与倒车雷达配
23、合使用ACC、BSD、AEB等3D识别、高精度地图及定位 作者简介吕翱:(1990),男,汉族,讲师,硕士。研究方向:新能源汽车技术。25 叶永贞.电动汽车制动能量回收系统研究D.青岛理工大学,2013.26 赵文平.纯电动客车再生制动与液压制动协调控制算法研究 D.吉林大学,2008.27 吴兴康.基于 ECE R13 法规线和 I 曲线的电动汽车制动能量回收控制策略 D.浙江科技学院,2021.28Zhang Z,Dong Y,Han Y.Dynamic and Control of Electric Vehicle in Regenerative Braking for Driving
24、Safety and Energy ConservationJ.Journal of Vibration Engineering&Technologies,2019.29Shengqin,Li,Bo,et al.Research on braking energy recovery strategy of electric vehicle based on ECE regulation and I curveJ.Science Progress,2019,103(1).30Li L,Zhang Y,Yang C,et al.Model predictive control-based effi
25、cient energy recovery control strategy for regenerative braking system of hybrid electric busJ.ENERGY CONVERSION AND MANAGEMENT,2016.31Huang X,Wang J.Model predictive regenerative braking control for lightweight electric vehicles with in-wheel motorsJ.Proceedings of the Institution of Mechanical Eng
26、ineers Part D Journal of Automobile Engineering,2012,226(9):1220-1232.32Xu W,Chen H,Zhao H,et al.Torque optimization control for electric vehicles with four in-wheel motors equipped with regenerative braking systemJ.Mechatronics,2019,57:95-108.33 张兵.基于模糊控制的纯电动汽车制动能量回收研究 D.中原工学院,2020.34 牛继高,张兵,徐春华.基于
27、模糊控制的纯电动汽车制动能量回收研究 J.中原工学院学报,2020,31(02):23-28.35Gao H,Gao Y,Ehsani M.A neural network based SRM drive control strategy for regenerative braking in EV and HEVC.IEEE International Electric Machines&Drives Conference,2001.36Shetty S S,Karabasoglu O.Regenerative Braking Control Strategy for Hybrid and
28、Electric Vehicles Using Artificial Neural NetworksJ.Springer International Publishing,2014.37Li N,Ning X,Wang Q.Genetic algorithm optimization of hydraulic regenerative braking system for electric vehiclesJ.Boletin Tecnico/Technical Bulletin,2017,55(6):513-523.38 孟祥飞,卢衍彬,王仁广,et al.电动汽车制动能量回收相关技术J.汽车工程师,2019(2):4.(上接第108页)