科普自动驾驶汽车的传感器该如何布置？

Posted 2021-04-27 公共交通资讯

点击蓝字，一键关注 

走进《公共交通资讯》，及时掌握公交领域的行业政策、管理理论、科技信息、专家观点和先进经验... ...

来源：一览智车

“无人驾驶汽车的研究越来越多，各环境感知传感器的分布位置也不同，到底这些传感器要遵循一个什么样的布置原则？请看本文介绍。”

传感器介绍

智能驾驶汽车环境感知传感器主要有超声波雷达、毫米波雷达、激光雷达、单/双/三目摄像头、环视摄像头以及夜视设备。目前，处于开发中的典型智能驾驶车传感器配置如表 1所示。

表 1 智能驾驶汽车传感器配置

• 环视摄像头：主要应用于短距离场景，可识别障碍物，但对光照、天气等外在条件很敏感，技术成熟，价格低廉；

• 摄像头：常用有单、双、三目，主要应用于中远距离场景，能识别清晰的车道线、交通标识、障碍物、行人，但对光照、天气等条件很敏感，而且需要复杂的算法支持，对处理器的要求也比较高；

• 超声波雷达：主要应用于短距离场景下，如辅助泊车，结构简单、体积小、成本低；

• 毫米波雷达：主要有用于中短测距的 24 GHz 雷达和长测距的 77 GHz 雷达 2 种。毫米波雷达可有效提取景深及速度信息，识别障碍物，有一定的穿透雾、烟和灰尘的能力，但在环境障碍物复杂的情况下，由于毫米波依靠声波定位，声波出现漫反射，导致漏检率和误差率比较高；

• 激光雷达：分单线和多线激光雷达，多线激光雷达可以获得极高的速度、距离和角度分辨率，形成精确的 3D 地图，抗干扰能力强，是智能驾驶汽车发展的最佳技术路线，但是成本较高，也容易受到恶劣天气和烟雾环境的影响。

不同传感器的感知范围均有各自的优点和局限性（见图 1），现在发展的趋势是通过传感器信息融合技术，弥补单个传感器的缺陷，提高整个智能驾驶系统的安全性和可靠性。

图 1  环境感知传感器感知范围示意图

全新奥迪A8配备自动驾驶系统的传感器包括

-12个超声波传感器，位于前后及侧方

-4个广角360度摄像头，位于前后和两侧后视镜

-1个前向摄像头，位于内后视镜后方

-4个中距离雷达，位于车辆的四角

-1个长距离雷达，位于前方

-1个红外夜视摄像头，位于前方

-1个激光扫描仪Laser Scanner，位于前方

传感器的布置原则

无人车传感器的布置，需要考虑到覆盖范围和冗余性。

覆盖范围：车体360度均需覆盖，根据重要性，前方的探测距离要长（100m），后方的探测距离稍短（80m），左右侧的探测距离最短（20m）。为了保证安全性，每块区域需要两个或两个以上的传感器覆盖，以便相互校验，如下图所示[1]：

图2： 一种典型的传感器全覆盖、多冗余配置示意图

Host Vehicle是无人车实体，ESR，RSDS是毫米波，UTM、LUX、HDL是激光，Camera是工业相机。从图中也可以看出，各个方向上均有多个传感器配置。为了简洁，图中的Camera只画出了前方的，实际上前后左右Camera配置了很多个，使得系统的冗余度更高。

具体安装在车上，是这样样子的：

图3：传感器在无人车上的实际安装。

大部分传感器都是隐藏式安装（车前保、后保内），

唯一的特例，三维激光安装在车顶上。

前后探测距离的差异，主要是考虑一些特殊场景下的安全问题。

例如，车辆刚驶出高速公路服务区，准备自动变道：初始车速 V1=60km/h；变道过程约需要 t = 3 s；变道完成时与后方车辆的车间时距 τ ≥ 2 s （注 1）左后方来车车速 V2 = 120 km/h；为保证变道安全，本车与左后方车辆的初始安全距离至少为

(V2－V1)×(t+τ)=(120km/h－60km/h)×(3s+2s) ≈ 83m

注1：目前自动变道无相关的法规要求， 故参考 GB /T20608-2006《智能运输系统自适应巡航控制系统性能要求与检测方法》中， 第5.2.2 条对自适应巡航的车间时距做出规定：τ_min 为可供选择的最小的稳态车间时距， 可适用于各种车速 v 下的 ACC 控制。τ_min ( v) 应大于或等于 1 s，并且至少应提供一个在 1.5 ~ 2.2 s 区间内的车间时距 τ。在自动变道场景的计算中，为保证安全，选取 τ = 2 s 进行计算。

一般后向 24 GHz 毫米波雷达的探测距离为 60 m 左右，如果车后安装一台24GZ毫米波雷达，60～83 m 是危险距离。若前后车距在此范围内，开始变道时，系统误判为符合变道条件。随着左后方车辆高速接近，自动变道过程中安全距离不足，本车中途终止变道，返回本车道继续行驶。这种情况会干扰其他车辆的正常驾驶，存在安全隐患，也会给本车的乘员带来不安全感（见图 4）。

图 4： 自动变道场景

要解决这个极端场景下智能驾驶汽车自动变道的安全问题，可以考虑增加一个 77 GHz 后向毫米波雷达，它的探测距离可以达到 150 m 以上，完全能满足这个场景中 83 m 的探测距离要求。当然，可以采用探测距离达到 100 m 以上的 8 线激光雷达或摄像头( 如 Tesla 车型) 解决 24 GHz 毫米波雷达探测距离不足的问题， 还可以通过控制算法设定车辆必须加速到一定车速才允许自动变道。

而前车安全距离要保证至少100米左右，也保证了车辆有足够的制动时间。

冗余度：谁都不希望把自己的生命交付给一个/种传感器，万一它突然失效了呢？所谓的冗余度，也可以划分为硬件冗余，或软件冗余。

如图1中，前方的障碍物有4类传感器覆盖，这样最大程度上保证前方障碍物检测不会漏检或者虚警。这属于硬件冗余。

再比如车道线检测。现阶段大量的对车道线的检测均是基于视觉(此处不讨论基于激光的传感器)，对它的冗余则遵循3选2，或少数服从多数的选择。通过多支算法来保证识别的正确性。

算法设计上用到Sensor Fusion，下图是CMU的多传感器融合的障碍物检测/跟踪框架[2]：

图5：CMU的障碍物检测、跟踪框架。主要分为两层，Sensor Layer负责收集各个传感器测量，并将其抽象为公共的障碍物特征表示；Fusion Layer接收障碍物特征表示，输出最终的障碍物结果（位置、速度、类别等）。

除了要保证覆盖和冗余度，当然在实际安装中，还要符合每个传感器和车辆的安装条件。比如把激光雷达放置在高处，增大了扫描的面积。

智能驾驶车辆的传感器中，以需要考虑因素较多的毫米波雷达布置为例进行介绍。

毫米波雷达的布置

毫米波雷达的位置

（1）正向毫米波雷达

正向毫米波雷达一般布置在车辆中轴线，外露或隐藏在保险杠内部。雷达波束的中心平面要求与路面基本平行，考虑雷达系统误差、结构安装误差、车辆载荷变化后，需保证与路面夹角的最大偏差不超过 5°。

另外，在某些特殊情况下，正向毫米波雷达无法布置在车辆中轴线上时，允许正 Y 向最大偏置距离为 300 mm，偏置距离过大会影响雷达的有效探测范围。

（2）侧向毫米波雷达

侧向毫米波雷达在车辆四角呈左右对称布置，前侧向毫米波雷达与车辆行驶方向成 45° 夹角，后侧向毫米波雷达与车辆行驶方向成 30° 夹角，雷达波束的中心平面与路面基本平行，角度最大偏差仍需控制在 5° 以内。

图 6：毫米波雷达位置

（3）毫米波雷达的布置高度

毫米波雷达在 Z 方向探测角度一般只有 ±5°，雷达安装高度太高会导致下盲区增大，太低又会导致雷达波束射向地面，地面反射带来杂波干扰，影响雷达的判断。因此，毫米波雷达的布置高度（即地面到雷达模块中心点的距离），一般建议在 500（满载状态）～800 mm（空载状态）之间（见图 6）。

表面覆盖材料

毫米波雷达大多数情况都是隐藏布置，采用某些不合适的表面覆盖材料会屏蔽毫米波或引起波束畸变、驻波变差，使雷达失效或灵敏度降低。因此选用的覆盖物材料有如下要求。

（1）优先选用 PC、PP、ABS、TPO 等电解质传导系数小的材料，这些材料中不能夹有金属和碳纤维。如果材料表面有低密度金属涂层(如车漆)，虽对雷达性能影响不是很大，但必须经过测试才可使用。

（2）覆盖物的表面必须平滑且厚度均匀，不能出现料厚突变或结构复杂的情况，且厚度最好是雷达半波长的整数倍，以减少对雷达波的扭曲和衰减。

另外，覆盖物与雷达面的距离也不能太大，否则雷达容易把覆盖物误判为障碍物。在实际布置中，一般把雷达和覆盖物之间的距离控制在 50～150 mm，如果在造型设计阶段就把毫米波雷达数据输入给造型设计师，经过造型优化，最小距离可控制在 15 mm 左右。

毫米波雷达布置其他参考因素

图 7： 毫米波雷达布置示例

除以上毫米波雷达本身要求外，在布置时，还需要兼顾考虑其他因素，如：雷达区域外造型的美观性、对行人保护的影响、设计安装结构的可行性、雷达调试的便利性、售后维修成本等问题 [5]。以下是一些示例（见图 7）。

智能驾驶车辆只能实现部分场景的自动驾驶，为了能适应更多场景，一方面，可以配置性能更好或数量更多的环境感知传感器；另一方面，从降低整车成本考虑，还可以从传感器的布置优化方向入手，充分发挥传感器的性能。

参考文献：

[1] J. Xue, D. Wang, S. Du, D. Cui, Y. Huang and N. Zheng, “A vision-centered multi-sensor fusing approach to self-localization and obstacle perception for robotic cars,” Frontier of Information Technology & Electronic Engineering (FITEE), 2017, 18(1), pp. 122-138, 10.1631/FITEE.1601873.

[2] H. Cho, Y. W. Seo, B. V. K. V. Kumar and R. R. Rajkumar, "A multi-sensor fusion system for moving object detection and tracking in urban driving environments," 2014 IEEE International Conference on Robotics and Automation (ICRA), Hong Kong, 2014, pp. 1836-1843.

[3] 王艺帆．自动驾驶汽车感知系统关键技术综述 [J]．汽车电器，2016(12):12 ~ 16．

[4]  沈峘．智能车辆视觉环境感知技术的研究 [D]．南京:南京航空航天大学，2010．

[5] 陈晓伟．汽车前方车辆识别的雷达和视觉信息融合算法开发 [D]．吉林:吉林大学，2016．

[6] Araki H，Yamada K，Hiroshima Y et al. Development of rear-end collision avoidance system [C]. Intelligent Vehicles Symposium Proceedings of IEEE, 2002: 224 ~ 229

[7] 付银玲．长测距雷达在轿车上的布置应用 [J]．上海汽车，2012(7):15 ~ 18．

[8] 王群，钱焕延．车联网体系结构及感知层关键技术研究 [J]．电信科学，2012，28(12):1－9．

---