當(dāng)然，對于可以根據(jù)需求自主定制傳感器的土豪公司而言，本篇顯得多余，請繞行。本篇主要適用于自動駕駛初級開發(fā)者，主要面向高校和科研院所的研究人員，以性能為主，較少考慮成本問題。筆者主要基于Linux系統(tǒng)進(jìn)行開發(fā)，所介紹的API均以Ubuntu14.04及以上版本為準(zhǔn)（4月份出Ubuntu18.04了，2年一個穩(wěn)定版本，值得期待）。

 

圖1 自動駕駛主流傳感器

 

單目攝像機(jī)

 

首推AVT工業(yè)相機(jī)，國內(nèi)代理商較多。包含的相機(jī)種類較為齊全，接口包括1394火線接口、網(wǎng)口接口等，價格從幾千元到幾萬元不等。

 

應(yīng)用：單目相機(jī)的應(yīng)用開發(fā)主要包括特征類符號的檢測與識別，如車道線檢測、交通標(biāo)志識別、交通燈識別、行人和車輛檢測等，基于機(jī)器學(xué)習(xí)的視覺計算在自動駕駛普及之日一定會是必不可少的部分，盡管目前來說視覺檢測可靠性并不是很高，在以激光雷達(dá)為主要感知手段的自動駕駛車輛中應(yīng)用并未達(dá)到預(yù)期。

 

圖2 路面及車輛識別

 

雙目攝像機(jī)

 

應(yīng)用于室外場景的雙目視覺確實不多見，筆者之前用過的bumblebee雙目也是應(yīng)用于室內(nèi)場景，之后接觸了ZED相機(jī)也是室內(nèi)比較好用（畢竟基線長度固定了，就那么短?。＝ㄗh用于室外做視覺里程計或者識別類算法的，自行搭建雙目傳感器，在保證同步觸發(fā)的情況下，根據(jù)具體需求確定基線長度。雙目視覺繞不開視差圖和雙目標(biāo)定，目前比較通用的雙目標(biāo)定做法是采用張正友法，利用Camera Calibration Toolbox進(jìn)行標(biāo)定，當(dāng)然，openCV中也集成了該方法，習(xí)慣C編程的可以看下，OpenCV經(jīng)典教材《學(xué)習(xí)OpenCV》中文版464頁至492頁有詳細(xì)內(nèi)容，更有代碼，不多說。

 

圖3 雙目立體視覺標(biāo)定

 

應(yīng)用：障礙物檢測可以，限于室內(nèi)，結(jié)構(gòu)光，近距離；視覺里程計確實是目前比較好的應(yīng)用領(lǐng)域，用于路口定位等，各種開源SLAM技術(shù)中也都有應(yīng)用，如ORB SLAM2，《視覺SLAM十四講》有詳細(xì)介紹和應(yīng)用，好書，推薦一下。

 

全景相機(jī)

 

分為單鏡頭全景相機(jī)和多鏡頭拼接全景相機(jī)。筆者基于全景視覺的開發(fā)應(yīng)用不多（當(dāng)多目鏡頭使用，未完全發(fā)揮其全景優(yōu)勢），2015年騰訊做街景地圖的時候貌似見過他們車上裝著一個。

 

應(yīng)用：比較推薦用全景相機(jī)做視覺里程計，視野范圍大，特征點(diǎn)關(guān)聯(lián)度高，個人始終覺得用全景視覺配合組合導(dǎo)航做高精度地圖重建是個不錯的選擇，實現(xiàn)自動駕駛汽車車道級別定位，其他的沒有深入研究。

 

紅外相機(jī)

 

紅外相機(jī)應(yīng)該屬于視覺的另外一個門類，夜視效果比白晝效果好，可應(yīng)用于行人、車輛檢測等。以前覺得在激光雷達(dá)出現(xiàn)以后，紅外相機(jī)在自動駕駛應(yīng)用中處于一個比較尷尬的地位，價格不菲且沒有激光雷達(dá)結(jié)果來的直接，使用之后發(fā)現(xiàn)，在障礙物（如人）識別上，激光離散點(diǎn)云還是比不上空間上連續(xù)的圖像。另外，測試中驚奇的發(fā)現(xiàn)，紅外相機(jī)具體可以捕捉玻璃上的人影！細(xì)思極恐！紅外相機(jī)在一定程度上可以對發(fā)熱體進(jìn)行區(qū)分，如路面、行人等，但畢竟需要后處理，沒有激光雷達(dá)利用絕對高度或者梯度進(jìn)行障礙物檢測來的直接。夜晚條件下可以替代彩色相機(jī)，進(jìn)行前視障礙物檢測與監(jiān)控。

 

圖4 紅外視覺成像

 

毫米波雷達(dá)

 

適用于高速環(huán)境和編隊行駛，其他場景貌似沒有必要安裝。單買貴，批發(fā)便宜。使用過delphi的一款，應(yīng)該也是國內(nèi)應(yīng)用的比較多的，距離上最遠(yuǎn)到150米，分為單點(diǎn)跟蹤和多目標(biāo)檢測兩種工作模式，前者適用于編隊行駛過程中前車檢測，后者適用于高速環(huán)境下的遠(yuǎn)距離目標(biāo)檢測。由于毫米波雷達(dá)的成像原理為錐面成像（相當(dāng)于從一點(diǎn)往外發(fā)散成一個錐面），依據(jù)錐面中障礙物的面積來推算障礙物，因而對于復(fù)雜場景，障礙物較為雜亂。而高速公路場景較為理想，道路環(huán)境好，車輛相對較少，適用于前方車輛的提前預(yù)警。（Tesla認(rèn)為視覺+毫米足夠支撐自動駕駛系統(tǒng)，個人相當(dāng)認(rèn)同，但是貌似算法上還需要推進(jìn)一步）

 

開發(fā)：通過can收發(fā)數(shù)據(jù)，數(shù)據(jù)格式較為簡單，一般協(xié)議文件中都有定義，對can口開發(fā)沒有基礎(chǔ)也不要恐慌，相當(dāng)簡單，買一個USBCAN轉(zhuǎn)換器，有Ubuntu系統(tǒng)下can接收數(shù)據(jù)的依賴庫，之后的數(shù)據(jù)解析按照協(xié)議來即可。 激光雷達(dá)。

 

應(yīng)用：障礙物檢測主流，waymo、百度、各大傳統(tǒng)汽車廠商、各大創(chuàng)業(yè)公司、各大高校、研究院所……那么多自動駕駛汽車頂上裝著的幾乎都是激光雷達(dá)（Tesla除外）；高精度地圖重建與環(huán)境建模；SLAM等。

 

圖 多雷達(dá)融合

 

目前實際開發(fā)中筆者用到的傳感器就這么多，希望對于初學(xué)者有所幫助吧。對于設(shè)備選型有選擇困難癥的也可以私信我，多多交流。

 

 

推薦閱讀：