Hi,您当前浏览器版本过低,可能会影响浏览效果,建议下载使用感更好的浏览器,或者使用360浏览器极速模式浏览!

轻科普丨为何智能驾驶补盲激光雷达120°水平FoV是标配?

探索补盲激光雷达RS-LiDAR-E1的硬核实力——RS-LiDAR-E1,提供120°水平视场角

我们先看下结论:


a. 要以最少的传感器,构建360°全覆盖、无盲区的感知区域,补盲激光雷达水平视场角需要到120°;


b. 水平视场角低于120°的补盲激光雷达,要么需要同时部署更多数量,要么就容易产生误检、漏检。


在实际应用的过程中,如何定义补盲激光雷达的性能、补盲激光雷达如何部署才能更安全、更高效、更经济,这一直是RoboSense(速腾聚创)首要考虑的问题。事实上,这也是E1水平视场角定义为120°的原因。


为了更好地理解这一点,我们换个角度来思考。


如下图所示,如果我们按照市场上的主流配置,即以前视激光雷达的水平视场角为120°来考虑的话,车身两侧会各留下120°的水平盲区。这时,如果侧向补盲激光雷达水平视场角小于120°,比如设计为100°,那么会存在一定的融合盲区(即下图中,灰色与蓝色部分相间的白色部分)。



从上图中可以明显看到,如果仅在两侧翼子板各部署1颗水平视场角为100°的补盲激光雷达,将无法全面覆盖侧向120°的水平视场范围,导致前视激光雷达与两侧补盲激光雷达之间各出现20°的融合盲区。


这个融合盲区不但会导致感知系统对小型物体的漏检——比如行人、电动车等刚好进入融合盲区中的情况,甚至还会让后端算法造成两种严重的误判:


1. 把同向行驶的车辆识别为两个形态不定障碍物,造成频繁点刹。


当同向行驶的车辆经过融合盲区时,由于横跨了前视激光雷达和补盲激光雷达的两个视场范围,所以点云会被分割成两部分,导致传感器误判目标的类型和朝向——比如把一辆同向行驶的小汽车,识别一辆侧向来车和一辆自行车或电动车;或者把一辆同向行驶的大卡车,识别为一辆同向的小汽车和一辆侧向来车。


这样,自动驾驶系统识别到侧向来车,就会控制车辆点刹。最后导致的结果是,在一路上,每有一辆同向车辆经过,就有可能造成多次点刹。



2. 超车过程中,把前车错判为高速横向切入的障碍物,造成紧急制动。


当车辆超车时,前车尾部会从融合盲区斜切进入补盲传感器视场。此时,点云从外向内出现,前后两帧的bounding box质心向内快速移动,从而使传感器误判为大货车向内变道。


举个例子,比如下图这样的情况,当卡车以80km/h的速度行驶,而小车以100km/h的车速超车时,传感器就可能会出现误判——认为大货车是向小汽车以横向113.4km/h速度切入,导致自动驾驶系统认为遇到“紧急情况”,控制车辆紧急制动。



存在融合盲区的危险不止于此。除了以上两个特定场景外,在更为日常的掉头场景中,如果感知系统存在融合盲区,就无法避免漏检对向来车的风险,继而有可能导致碰撞事故,如下图。


△ 掉头场景下,不同水平FoV补盲激光雷达应用对比


实际部署过程中,如果小于120°水平视场角的补盲激光雷达想要兼顾融合盲区与车身侧后方盲区的覆盖,达到与2颗E1等同的补盲效果,它们就必须增加到4个——这样不但成本翻倍,还要面临更为复杂低效的安装部署过程。



△ 水平FoV不足120°的激光雷达,常见的补盲部署方案


△ RS-LiDAR-E1的补盲部署方案



从自动驾驶的场景需求出发做产品性能定义,这是RoboSense(速腾聚创)始终坚持的方法。



正如RoboSense(速腾聚创)联合创始人兼执行总裁邱纯潮所言:


“对于车载激光雷达而言,如今,产业已走出了堆性能、秀肌肉的‘上半场’,激光雷达企业需要深度考虑应用需求,用极致简洁的光机系统架构作为基础,充分挖掘每个元器件的性能极限,从而实现需求到产品各个层面的极致均衡。”


相关产品:自研芯片,首款高性能全固态补盲激光雷达RS-LiDAR-E1