車道感知
關注創建者：匿名 創建時間：2021-08-11
車道感知的實例教程
4 基于車道錨點的軌跡預測
在本節中，我們將介紹一種稱為ALAN的單一表示模型，它在向前傳遞中為多個交通參與者生成車道感知軌跡。我們將問題表述為跨越時間的不同假設的單例回歸。接下來將詳細描述我們的方法。
4.1 問題陳述
我們的方法采用兩種形式的場景信息輸入：a) 場景的柵格化鳥瞰(BEV)表示，記為尺寸為H × W × 3的I，b) 每個交通參與者的車道中心線信息作為錨點。我們定義車道錨點L={L1，…，Lp}作為包含p個點的序列，在BEV參考系中坐標為Lp =(x, y)。我們將Xi = {Xi1，…，XiT}表示為包含每個交通參與點的過去和未來觀測結果的笛卡爾形式的軌跡坐標，其中Xit = (xit，yit)。對于每個交通參與者i，我們根據軌跡信息，如最近距離、偏航對齊和其他參數，確定車輛可能采取的一組候選車道。我們將其表示為一組可信的車道中心線A = { L1，…，Lk}，其中k表示車輛可能沿著其行駛的車道中心線的總數。然后我們在二維曲線法向—切向坐標系(nt)中沿這些中心線定義車輛軌跡Xi。將Ni, k = {Ni, k1，…，Ni, kT}表示為交通參與者i沿車道中心線Lk的nt坐標，其中Ni, kt = (ni, kt，li, kt)表示到車道最近點的法向和縱向距離。nt坐標的使用對于捕獲復雜的道路拓撲和相關的動態是至關重要的，坐標用以提供語義一致的預測，這已經在我們的實驗中得到了研究(第5節)。
展開 小鵬前置攝像頭2M像素，幀率15/60fps，按HFOV（Horizon Field of View）分為:
HFOV 28：窄視角的前向攝像頭，用于AEB（自動緊急剎車）、ACC（自適應巡航）和前向碰撞預警，按圖來看，這個攝像頭可用于關注150m以上的路面情況；可能是1828*948的分辨率，15fps，用于遠距離的感知；
HFOV 52：主前向攝像頭，用于交通信號燈檢測（會看紅綠燈）、AEB、ACC、前向碰撞預警和車道感知；
HFOV 100：寬視角的前向攝像頭，用于交通信號燈檢測（會看紅綠燈、應該是輔助主前向攝像頭的）、雨量檢測（自動雨刮要靠它）和防加塞（看的角度更廣），猜測應該是60fps的攝像頭
特斯拉前置攝像頭分辨率為 1280×960 1.2Mp。它提供了一個長達 250 米的前方圖像捕捉系統。
側向的攝像頭，
小鵬的分別安裝在左右車身，都是HFOV 100，應該都是1M像素，但是側前方向的攝像頭是60fps，側后方是30fps。這四個攝像頭其實已經可用完成360度覆蓋了，他們的視場還有一點點的重疊。前視側邊攝像頭，用于防加塞和側向車輛的檢測（另一張PPT里直接說就是防加塞攝像頭），分辨率457*237，較低的分辨率可用于獲得更快的響應速度；后視側邊攝像頭，用于ALC（自動變道）、開門預警和盲區檢測。
特斯拉在B柱上布置了側向前視攝像頭，側向后視和小鵬一致。
展開 環境感知負責檢測各種移動和靜止的障礙物（比如車輛，行人，建筑物等），以及收集道路上的各種信息（比如可行駛區域，車道線，交通標志，紅綠燈等），這里需要用到的主要是各種傳感器（比如攝像頭，激光雷達，毫米波雷達等）。車輛定位則根據環境感知得到的信息來確定車輛在環境中所處位置，這里需要高精度地圖，以及慣性導航（IMU）和全球定位系統（GPS）的輔助。
本專欄主要關注環境感知系統，重點會介紹攝像頭，激光雷達和毫米波雷達這三種主要的傳感器，以及它們的融合。不同的傳感器有著不同的特性，各自都有優缺點，因此也適用于不同的任務。攝像頭是感知系統中最常用的傳感器，優勢在于能夠提取豐富的紋理和顏色信息，因此適用于目標的分類。但是其缺點在于對于距離的感知能力較弱，并且受光照條件影響較大。激光雷達在一定程度上彌補了攝像頭的缺點，可以精確的感知物體的距離和形狀，因此適用于中近距的目標檢測和測距。但是其缺點在于成本較高，量產難度大，感知距離有限，而且同樣受天氣影響較大。毫米波雷達具有全天候工作的特點，可以比較精確的測量目標的速度和距離，感知距離較遠，價格也相對較低，因此適用于低成本的感知系統或者輔助其它的傳感器。但是缺點在于高度和橫向的分辨率較低，對于靜止物體的感知能力有限。
環境感知系統中的多種傳感器
2 技術概覽
上一節中提到了，環境感知系統的硬件基礎是多種傳感器以及它們的組合，而軟件方面的核心則是感知算法。總的來說，感知算法要完成兩個主要的任務：物體檢測和語義分割。前者得到的是場景中重要目標的信息，包括位置，大小，速度等，是一種稀疏的表示；而后者得到的是場景中每一個位置的語義信息，比如可行駛，障礙物等，是一種稠密的表示。這兩個任務的結合被稱為全景分割，這也是自動駕駛和機器人領域最近興起的一個概念。
展開 環境感知負責檢測各種移動和靜止的障礙物（比如車輛，行人，建筑物等），以及收集道路上的各種信息（比如可行駛區域，車道線，交通標志，紅綠燈等），這里需要用到的主要是各種傳感器（比如攝像頭，激光雷達，毫米波雷達等）。車輛定位則根據環境感知得到的信息來確定車輛在環境中所處位置，這里需要高精度地圖，以及慣性導航（IMU）和全球定位系統（GPS）的輔助。
本專欄主要關注環境感知系統，重點會介紹攝像頭，激光雷達和毫米波雷達這三種主要的傳感器，以及它們的融合。不同的傳感器有著不同的特性，各自都有優缺點，因此也適用于不同的任務。攝像頭是感知系統中最常用的傳感器，優勢在于能夠提取豐富的紋理和顏色信息，因此適用于目標的分類。但是其缺點在于對于距離的感知能力較弱，并且受光照條件影響較大。激光雷達在一定程度上彌補了攝像頭的缺點，可以精確的感知物體的距離和形狀，因此適用于中近距的目標檢測和測距。但是其缺點在于成本較高，量產難度大，感知距離有限，而且同樣受天氣影響較大。毫米波雷達具有全天候工作的特點，可以比較精確的測量目標的速度和距離，感知距離較遠，價格也相對較低，因此適用于低成本的感知系統或者輔助其它的傳感器。但是缺點在于高度和橫向的分辨率較低，對于靜止物體的感知能力有限。
環境感知系統中的多種傳感器
2 技術概覽
上一節中提到了，環境感知系統的硬件基礎是多種傳感器以及它們的組合，而軟件方面的核心則是感知算法。總的來說，感知算法要完成兩個主要的任務：物體檢測和語義分割。前者得到的是場景中重要目標的信息，包括位置，大小，速度等，是一種稀疏的表示；而后者得到的是場景中每一個位置的語義信息，比如可行駛，障礙物等，是一種稠密的表示。這兩個任務的結合被稱為全景分割，這也是自動駕駛和機器人領域最近興起的一個概念。
展開 而L2+高級智能駕駛輔助系統，可通過24個高精度智能傳感器，實現多達20項智能駕駛輔助功能和360度無死角的智能感知。
值得一提的是，嵐圖 FREE還具備整車固件與軟件升級功能，可實現包括智能語音、地圖導航、影音娛樂、車身控制、懸架系統、動力控制、高級智能駕駛輔助系統等在內的軟件和固件在線升級。
在駕駛過程中，筆者先后體驗了360度無死角智能感知、車道保持等智能科技配置。在筆者看來，這些配置不僅能夠提升駕乘的安全性，而且還能讓駕駛更加省心。
除了出色的顏值和智能科技配置外，嵐圖FREE在讓利市場方面也是亮點多多。據介紹，嵐圖FREE的首任車主擁有4大限時權益和6大免費權益。4大限時權益（7月29日前），包括終身免費充電、增程版尊享包免費升級、3年0息購車和3年保值換購。
6大服務無憂保障方面，包括終身整車質保、終身三電質保、終身免費車機流量、終身免費OTA升級、終身免費道路救援、免費充電樁及安裝服務。
嵐圖汽車CEO盧放曾表示，擁有全新戰略、全新組織機制、全新商業模式和全新模式，以一個開放的思維去接納新事物、新鮮思想，了解年輕消費者的嵐圖品牌是造車“新實力”，而通過此次嵐圖FREE的試駕體驗，筆者認為不管是嵐圖品牌，還是嵐圖FREE這款車型，都當得起“造車新實力”之名。
展開 
車道感知的最新內容
此外，在沒有HD Map模塊而單純依靠視覺車道線的情況下，此時感知車道線會發生異常。在匯入匯出道路和十字路口道路中，其道路拓撲問題尤為凸顯。
2.2.2 障礙物統一建模
交通場景的參與者有車輛、摩托車、自行車、行人、錐桶等。廣義上來講還包括人行橫道、紅綠燈、道路限速等地圖靜態元素，Motion Planning需要針對不同的元素做出不同的決策。
此外，在沒有HD Map模塊而單純依靠視覺車道線的情況下，此時感知車道線會發生異常。在匯入匯出道路和十字路口道路中，其道路拓撲問題尤為凸顯。
2.2.2 障礙物統一建模
交通場景的參與者有車輛、摩托車、自行車、行人、錐桶等。廣義上來講還包括人行橫道、紅綠燈、道路限速等地圖靜態元素，Motion Planning需要針對不同的元素做出不同的決策。
內側行駛，干擾少，但是駛出時需要變換兩條車道，對感知、規劃增加了更多挑戰。外側車道行駛，駛出環島成本最低，但是需要面對的無序的干擾較多。如何選擇，需要根據自動算法的特點來做選擇。
而這個時候IMU的“玉女心經”便可以發揮作用，結合之前感知的車道線信息和高精地圖，IMU可以保持一段時間相對定位的準確，待汽車離開隧道GNSS定位重新接管或SLAM匹配到合適特征或直接執行最小風險策略。
本文就深挖IMU小和美的特點，看她修煉的玉女心經有什么神奇之處。
View）分為:
HFOV 28：窄視角的前向攝像頭，用于AEB（自動緊急剎車）、ACC（自適應巡航）和前向碰撞預警，按圖來看，這個攝像頭可用于關注150m以上的路面情況；可能是1828*948的分辨率，15fps，用于遠距離的感知；
HFOV 52：主前向攝像頭，用于交通信號燈檢測（會看紅綠燈）、AEB、ACC、前向碰撞預警和車道感知
如果需要變道輔助功能，則需要增加傳感器對相鄰車道進行感知。常用的方案是在車頭和車尾增加多個角雷達，以實現360度的目標檢測能力。對于L3級別的應用，需要在特定場景下實現車輛的完全自主駕駛，因此需要擴展車輛對周邊環境的感知能力。這時就需要增加激光雷達，側視和后視的攝像頭和毫米波雷達，以及GPS，IMU和高精度地圖來輔助車輛定位。
如果需要變道輔助功能，則需要增加傳感器對相鄰車道進行感知。常用的方案是在車頭和車尾增加多個角雷達，以實現360度的目標檢測能力。對于L3級別的應用，需要在特定場景下實現車輛的完全自主駕駛，因此需要擴展車輛對周邊環境的感知能力。這時就需要增加激光雷達，側視和后視的攝像頭和毫米波雷達，以及GPS，IMU和高精度地圖來輔助車輛定位。
從人類感知車道環境的經驗中得到啟發，文獻[34]設計了多任務網絡來檢測車道線消影點，提高了檢測精度。文獻[35]設計了特征圖逐層卷積網絡，在CNN 框架中加入像素之間的約束，學習車道線的結構信息。
3) 目標跟蹤算法
視覺跟蹤通過在連續的視頻圖像序列中估計感興趣目標的位置或所在區域，結合歷史運動信息，預測其未來的運動信息，對智能車分析理解其周圍環境至關重要。
4 基于車道錨點的軌跡預測
在本節中，我們將介紹一種稱為ALAN的單一表示模型，它在向前傳遞中為多個交通參與者生成車道感知軌跡。我們將問題表述為跨越時間的不同假設的單例回歸。
在駕駛過程中，筆者先后體驗了360度無死角智能感知、車道保持等智能科技配置。在筆者看來，這些配置不僅能夠提升駕乘的安全性，而且還能讓駕駛更加省心。
除了出色的顏值和智能科技配置外，嵐圖FREE在讓利市場方面也是亮點多多。據介紹，嵐圖FREE的首任車主擁有4大限時權益和6大免費權益。
