【智驾深谈】撑起自动驾驶半壁江山:剧学铭谈Ibeo激光雷达-阿里云开发者社区

开发者社区> 新智元> 正文
登录阅读全文

【智驾深谈】撑起自动驾驶半壁江山:剧学铭谈Ibeo激光雷达

简介:

我做自动驾驶有些年头,研发过程中也接触过许多主流激光雷达产品(惭愧讲用坏过好几个),深知目前自动驾驶技术对激光雷达的依赖:一方面激光雷达为自动驾驶的感知系统提供了强有力的准确支持;另一方面相比毫米波和相机,其居高不下的价格也一直受人诟病。


后来机缘使然,我认识了剧学铭博士,他曾在慕尼黑工大任教,有多年宝马研究院自动驾驶项目传感器上扎实的工作,以及后来排除万难在北京创办欧百拓来推广Ibeo激光雷达,都给我留下了深刻的印象,而最让人敬佩的,是他对激光雷达由衷的热爱。在跟剧博士相识的颇久时间里,我们在不同场合多次交流和探讨激光雷达的好与坏。


两周前的一个晚上,剧博士在创新港组织的微信讲堂中进行了一次分享《主流激光雷达在自动驾驶中的应用》,算是他首次在公众面前讲述自己在激光雷达上的工作和看法,结合这次分享,我也谈一些思路。


博士的分享主要是四个部分:原理及现状,在自动驾驶项目中的应用,未来发展趋势和群友提问。本文部分整理自剧博士创新港分享,已得到博士授权。


激光雷达原理及现状

640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy


关于原理已经有太多的文章介绍和说明,不多赘述了,贴一张博士的图,就是靠汇聚光反射计算时间差。补充一点是,激光雷达这种工作原理,我实测在中雨以上的情况下会失效,雾霾400的时候倒是还能正常工作,因此在经常下雨的南方城市做测试的时候,效果不好不一定是算法问题,也可能是传感器被水滴遮挡。而激光雷达的数据,可视化以后是下图的模样。


640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy


接下来博士介绍了激光雷达的重要参数,包括有效距离、横向和纵向的识别范围,以及角分辨率。先说有效距离,一般来讲目前纵向可以做到200-300米,而实际使用过程中,决策程序一般对100米以外的障碍物就不怎么处理了。然后关于分辨率,目前激光雷达水平方向达到0.1度,个人感觉开发者并不需要这么细的分辨率,实际使用时也许只会划分为8-16个扇形通道来处理,法雷奥2017年准备发布的一款基于TOF的产品,就是16通道的数据,价格却只有几百。

640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy


当前用于自动驾驶系统的激光雷达主要有Ibeo和Velodyne公司在做,分成两个阵营,左边是Ibeo的系列,是德国公司做的无人驾驶应用;右边是美国的Velodyne,一般是做高线束的,就是高纵向角度无人驾驶应用。SICK在早些年研发过程中使用很多,现在主要被LUX取代,而ScaLa则是Ibeo和法雷奥合作生产的第一款准备用于量产项目的激光雷达。


无人驾驶中的应用


博士介绍的第二部分是应用,由于Ibeo激光雷达的用户太过于广泛,只是列举了几个例子,然而却是非常有代表性,充分表示了激光雷达在自动驾驶领域的重要地位。我们可以吧这几个例子抽象来看,其实代表了当前自动驾驶发展的几个垂直领域:公交、出租车、私家车和特种车辆。任何一个领域都存在驾驶的痛点,对自动驾驶从业者来讲都存在大把的机会。


640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy
Navia小巴车,代表公交运营领域


640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy

640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy
宝马自动泊车和奥迪900千米自动驾驶,代表私家车领域


640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy
东京2020奥运会的Robot Taxi,代表出租车领域。


640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy
重型矿山卡车,代表特种车辆领域,Ibeo解决高处的驾驶员脚下的盲区问题。


当然,Ibeo在业界的直接应用已经得到了认可,其实更重要的是它在自动驾驶技术前期开发的标注工作中,也起到很多作用。例如下图中,通过4线的激光雷达我们可以比较完整的自动识别路上一些移动物体的信息,可以把车的轮廓清晰地勾勒出来。

640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy


激光雷达还可以用于地图元素的自动生成,这可以极大地加速高精度地图生产过程。示例如下图。对这套标注和评测体系,博士给出了很高的评价:“目前激光雷达可能因为价格的原因,在很多项目中其实并没有真正大规模的采纳,但是这套测评体系所标注的结果对其他传感器的测评有非常重要的价值,因为它可以在你测试的场景中,把你周围的车辆的信息、车线的信息和其他的环境信息全部捕捉,这样测量完以后可以通过软件后处理,进行一个回放,然后就可以把之前驾驶场景中存在一些误识,存在一些未发现的风险,把这些因素进行重新的分析考量,可以对其他的摄像头、毫米波进行测评。这套测评系统的价值现在越来越多的得到体现,在很多欧洲的车企,他们可能不实际采用激光雷达,但是他们对于自己传感器的测评都采用以激光雷达为基础的评价系统。”


640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy



未来展望



博士对未来激光雷达的发展趋势总结了五点,会变得更小、更轻便,集成度更高,价格更低以及变成固态


下图是Ibeo总裁演讲中使用的一个未来激光雷达发展趋势图,一句话总结就是,需求很迫切,路线很明确,时间还需要一些


640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy



群友问答



从群友问答的情况来看,我觉得创新港做的这两次微讲座(包括第二期Mobileye)都很成功,吸引到了相当多的专业听众,很多自动驾驶研究人员,很多是汽车行业、IT行业的资深工程师,还有做产业分析,做投资的听众,也正是他们在最后贡献了好几个有代表性的问题,为这次分享画上圆满句号,这里摘录一些要点。


问:激光雷达和其他传感器的数据融合


答:任何一个单一的传感器方案都是不稳妥的,博士推崇激光雷达+视觉的方案,既可以保证测距的准确性和可靠性,又可以拥有颜色和纹理等特征。


问:关于激光雷达未来的价格


答:只要量产价格就会有个合理的下降,例如目前4线LUX是10万人民币,量产后在3000元以下。这个回答可以说是给很多团队坚定了选用激光雷达的信息,对毫米波供应商一个很大的冲击。因为跟激光雷达相比,毫米波的准确度会差一些。当然毫米波雷达有它的优点,就是对于在不同天气情况下鲁棒性会略微好一些。但是如果我们对于安全级别有比较高的要求,或者是在无人驾驶项目上,激光雷达是可以作为一个核心数据的供应,行驶这样的一个角色。


问:天气对激光雷达的影响


这个我就可以回答,别问了,天气不好就自己开吧,OK?


结语


如果我设计自动驾驶系统,跟博士的看法比较一致,会推荐选用毫米波+摄像头+前置4线激光雷达的做法,这样既能保证产出有价格优势,还可以对未来有所预期。而从任何角度来看,激光雷达在过去、现在和未来,都为自动驾驶提供了极其精准的效果,说它撑起半壁江山根本不过分,就这样。


文章转自新智元公众号,原文链接

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享: