共查询到20条相似文献,搜索用时 15 毫秒
1.
为了提高自动驾驶汽车传感器的校准质量,增强自动驾驶系统对目标的精准感知能力,提出了基于手眼模型的毫米波和激光雷达联合标定方法。首先,利用毫米波雷达的内在结构特征建立数学模型,对毫米波和激光雷达传感器的外部参数进行精确计算,确保在统一的世界坐标系中。然后利用手眼模型作为融合分析的基础,实现了毫米波和激光雷达的联合标定。最后,在自动驾驶小巴车平台上进行了标定试验,利用该标定系统得到标定结果的三维位姿关系,并验证了自动驾驶小巴车传感器数据的准确性。研究结果表明,该方法测距误差均值为0.01 m左右,传感器旋转角度可以精确到1°左右,可以满足汽车自动驾驶系统中雷达感知精度的要求。 相似文献
2.
准确的多目标感知系统是自动驾驶技术的关键。本文提出了一种基于相机与激光雷达融合的多目标检测算法。针对相机传感器无法获得准确的目标距离等深度信息,激光雷达无法获得准确的目标类别信息的问题,首先采用嵌入自适应特征融合模块的YOLOv7网络处理相机数据,同时对激光雷达数据进行点云预处理以消除无用的噪声点;其次,利用坐标变换将激光点云数据和相机数据转换到像素坐标系中;最后,采用基于ROI感兴趣区域的方法对点云进行聚类处理,以参数加权的方式融合两种传感器的检测结果。实验结果表明,嵌入改进YOLOv7网络的融合算法能够检测出更加准确的目标信息。 相似文献
3.
4.
<正>随着自动驾驶之争回归理性,未来多年,行业会将更多目光聚焦在L2+级别自动驾驶。就像比亚迪董事长王传福说的那样,高级辅助驾驶才是未来的发展方向。要想实现无限接近L3的L2+自动驾驶,更强的ADAS感知水平是必不可少的。在这其中,摄像头的重要性不待多言,激光雷达不一定是必选项,但更先进的毫米波雷达一定是刚需。摄像头可以识别物体、图案和颜色等信息,激光雷达对目标的距离感知更精准,但这两种传感器受雨、雪、 相似文献
5.
<正>激光雷达从21世纪初引入汽车领域,随着ADAS渗透率的提升而迎来快速发展。激光雷达最先用于地图测绘领域,高精度要求使得激光雷达成本居高不下。随着之后的发展,激光雷达领域企业不断增多,激光雷达的产品性能稳步提升,成本大幅下降,行业也迎来了长足的发展。激光雷达产品成熟度持续提升激光雷达是一种通过脉冲激光照射目标,并用传感器测量反射脉冲返回时间来测量目标距离的测量工具。其工作原理是向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,进行适当处理后,可获得有关信息,从而对周围环境进行探测、跟踪和识别。它由激光发射机、光学接收机、转台和信息处理系统等组成。其核心优势在于利用激光的高频特性进行大量、高速的位置及速度信息测量,形成准确清晰的物体3D建模。 相似文献
6.
7.
传统的DBSCAN聚类算法是基于密度的聚类算法,原始算法在搜索精度和搜索效率上存在一定的局限性。基于LUX4线激光雷达数据点的点云特点,结合DBSCAN算法存在的不足与路面目标物的实际情况,提出了1种基于改进的DBSCAN聚类算法,选取4个代表点取代对所有点的搜索和改进搜索半径使其随扫描的距离而变化的方法,实现激光雷达目标物的快速、准确检测。通过改进DBSCAN算法对雷达数据进行去噪声和聚类处理,根据检测物在激光雷达探测中的形状特征模型进行形状匹配。实验结果表明该改进算法能较好的识别出目标物,行人检测率由原始算法的61.90%提高到了80.95%,搜索时间较原始算法缩短了44.7%,解决了原始算法精度低、搜索慢的缺点。 相似文献
8.
9.
10.
<正>一颗、两颗,甚至三、四颗激光雷达,能够给市面上的量产高级辅助驾驶系统带来多大的提升?在2023年的当下,答案已经很明显了。激光雷达,车企不卷了对于L3以下的自动驾驶,激光雷达的定位有些尴尬。刚需肯定谈不上,那么多摄像头+毫米波雷达的方案照样玩得转。而4D成像雷达的涌现,也被很多人认为是激光雷达的平替。持币观望的消费者,大多已经不会为看似没发挥多大作用的激光雷达而掏钱包。 相似文献
11.
近年来,随着自动驾驶技术的快速发展,智能汽车对于环境感知技术的需求也越来越高,由于激光雷达数据具有较高的精度,能够更好的获取环境中的三维信息,已经成为了3D目标检测领域研究的热点。为了给智能汽车提供更加准确的环境信息,对激光雷达3D目标检测领域主要研究内容进行综述。首先,分析了自动驾驶车辆各种环境感知传感器的优缺点;其次,根据3D目标检测算法中数据处理方式的不同,综述了基于点云的检测算法和图像与点云融合的检测算法;然后,梳理了主流自动驾驶数据集及其3D目标检测评估方法;最后对当前点云3D目标检测算法进行总结和展望,结果表明当前研究中2D视图法和多模态融合法对自动驾驶技术发展的重要性。 相似文献
12.
13.
<正>据外媒报道,MEMS固态激光雷达和高级驾驶辅助系统(ADAS)解决方案领导者MicroVision,近日发布了新款动态范围激光雷达系统MicroVision MAVINTM DR。该系统有助于实现全新的ADAS安全功能,以满足自动驾驶车辆看得更远、更清晰、更快响应新场景的需求,为汽车OEM厂商提供更友好设计的同时,实现高速行车安全。 相似文献
14.
15.
16.
17.
激光雷达是智能网联汽车环境感知的重要传感器,多坐标系空间标定是激光雷达精准环境感知的前提条件。针对激光雷达与车体坐标系空间同步面临传感器观测单一的问题,提出基于激光雷达与车辆的平面运动和直线运动约束2步标定方法。为构建运动约束,基于激光里程计获取激光雷达运动位姿信息,通过激光雷达运动轨迹信息和时域上多帧地面平面拟合信息进行平面行驶识别,在满足平面路况下构建平面运动约束标定,进而标定横滚角与俯仰角;基于俯仰角和横滚角对车辆轨迹进行修正,通过激光运动轨迹建立直线行驶判别模型判别车辆运动状态,在满足车辆直线行驶路况下构建直线运动约束,从而标定偏航角。最后,在智能驾驶试验车上开展了激光雷达与车辆坐标系标定的实车试验,通过实车采集的数据验证了提出的空间同步方法的可行性。试验结果表明:提出的激光雷达与车体坐标系标定方法优于基于标定物的方法,在原始数据上可以保证标定后的旋转误差降低至0.61,误差率降低约47.4%。在手动调整的扩充数据上标定后的旋转误差降至1.64,误差率降低约40.6%。相对于基于标定物的方法,其旋转误差均有降低且不需要借助特定的标定物与标定场,降低了对环境的依赖程度。同时通过消... 相似文献
18.
伴随着无人驾驶领域的迅速发展,激光雷达(LIDRA)在这一行业上的应用越来越广泛。激光雷达的快速发展,为智能网联汽车在目标跟踪与识别等方面提供了另一种方式。文章以车载激光雷达在自动驾驶行业上的应用为切入点,介绍了车载激光雷达的三种应用算法。目标跟踪与识别算法,通过目标跟踪算法对障碍物运动状态做出估计和预测,实时评估障碍物和无人驾驶车辆的安全等级,作出相应的决策。即时定位与地图构建(SLAM)相关算法,应用于解决机器人在未知环境中定位自身位置和姿态的一种高级算法。点云分割往往是物体识别、地图构建的基础,通过对六种常用分割算法的描述,分析了算法各自的特点,为不同应用场景算法的选择提供了一定参考。 相似文献
19.
20.
为实现智能汽车仿真开发与测试,需构建高逼真度的道路场景模型,应包含分别用于视景仿真、动力学及物理特性仿真、激光雷达等传感器仿真的多种类型场景内容.分析了不同类型仿真对场景模型或数据的需求,探讨了视景模型、物理层模型、传感层模型的内容,归纳了3类模型的数据特征;研究了智能汽车仿真场景建模方法,即根据道路线形建立道路模型,在此基础上分别建立上述3类模型;讨论了建模的步骤、方法,并给出了场景模型结构的组织方案.使用该方法建立了1个区域的道路场景模型,并在仿真系统中进行验证,结果表明,视景仿真平均帧速率为60帧/s,激光雷达仿真周期为8~12 ms,道路高程及物理属性的获取时间低于1 ms,证明场景模型能够满足实时仿真的要求. 相似文献