Debunking magien bag sensorer, der bruges i selvkørende køretøjer

På en fin morgen krydser du vejen for at nå dit kontor på den anden side, lige når du er halvvejs igennem, bemærker du et førerløst stykke metal, en robot, der rykker frem mod, og du kommer i et dilemma, der beslutter at krydse vej eller ej? Et stærkt spørgsmål presser dig op, "Har bilen lagt mærke til mig?" Så føler du dig lettet, når du ser, at køretøjets hastighed automatisk sænkes, og det er en vej ud for dig. Men hold fast ved, hvad der lige skete? Hvordan fik en maskine intelligens på menneskeligt niveau?

I denne artikel vil vi prøve at besvare disse spørgsmål ved at se nærmere på de sensorer, der bruges i selvkørende biler, og hvordan de gør sig klar til at køre bilerne i vores fremtid. Før vi dykker ned i det, lad os også indhente det grundlæggende i autonome køretøjer, deres kørselsstandarder, de vigtigste nøgleaktører, deres nuværende udviklings- og implementeringsfase osv. Til alt dette vil vi overveje selvkørende biler, fordi de udgør et stort marked andel af de autonome køretøjer.

Selvkørende bilers historie

Føreren uden selvkørende biler kom oprindeligt ud af science fiction, men nu er de næsten klar til at komme på vejene. Men teknologien opstod ikke natten over; eksperimenter med selvkørende biler begyndte i slutningen af ​​1920'erne med de biler, der fjernstyres ved hjælp af radiobølgerne. Imidlertid begyndte den lovende prøve med disse biler at komme ud i 1950-1960'erne og blev direkte finansieret og støttet af forskningsorganisationer som DARPA.

Ting startede først realistisk i 2000'erne, da teknologigiganter som Google begynder at komme frem for at give et slag mod sine konkurrerende feltfirmaer som generelle motorer, ford og andre. Google startede med at udvikle sit selvkørende bilprojekt, der nu kaldes Google waymo. Den taxaselskab Uber også komme frem med deres selvkørende bil i en række langs med dens konkurrence med Toyota, BMW, Mercedes Benz og andre store aktører på markedet, og med den tid, Tesla drevet af Elon Musk også slog markedet til at gøre tingene krydret.

Kørselsstandarder

Der er en stor forskel mellem udtrykket selvkørende bil og fuldt autonom bil. Denne forskel er baseret på niveauet for kørselsstandard, der forklares nedenfor. Disse standarder er givet af J3016-sektionen fra den internationale ingeniør- og bilindustriforening, SAE (Society of Automotive Engineers) og i Europa af Federal Highway Research Institute. Det er en klassifikation på seks niveauer fra niveau nul til niveau fem. Imidlertid niveau nul, ingen automatisering men komplet humant kontrollen over køretøjet.

Niveau 1-Kørselsassistance: En lav-niveau hjælp fra bilen, såsom accelerationskontrol eller styringskontrol, men ikke begge samtidigt. Her kontrolleres de store opgaver som styring, brud, kendskab til omgivelserne stadig af føreren.

Niveau 2 - Delautomatisering: På dette niveau kan bilen hjælpe både styring og acceleration, mens de fleste kritiske funktioner stadig overvåges af føreren. Dette er det mest almindelige niveau, vi kan finde i biler, der er på vej i dag.

Niveau 3 - Betinget automatisering: Gå videre til niveau 3, hvor bilen overvåger miljøforholdene ved hjælp af sensorer og tager de nødvendige handlinger som f.eks. Bremsning og rulning på styringen, mens den menneskelige chauffør er der for at gribe ind i systemet, hvis der opstår en uventet tilstand.

Niveau 4 - Høj automatisering: Dette er et højt niveau af automatisering, hvor bilen er i stand til at gennemføre hele rejsen uden menneskelig input. Denne sag har dog sin egen betingelse, at føreren kun kan skifte bilen til denne tilstand, når systemet registrerer, at trafikforholdene er sikre, og der ikke er trafikprop.

Niveau 5 -Fuld automatisering: Dette niveau gælder for fuldautomatiske biler, der ikke eksisterer indtil dato. Ingeniører prøver at få det til at ske. Dette gør det muligt for os at nå vores destination uden manuel kontrolindgang til styring eller bremser.

Forskellige typer sensorer, der anvendes i autonome / selvkørende køretøjer

Der findes forskellige typer sensorer, der bruges i autonome køretøjer, men de fleste af dem inkluderer brugen af ​​kameraer, RADAR'er, LIDAR'er og ultralydssensorer. Den position og type af sensorer, der anvendes i selvstyrende biler er vist nedenfor.

Alle de ovennævnte sensorer leverer realtidsdata til Electronic Control Unit, også kendt som Fusion ECU, hvor data behandles for at få 360 graders information om det omgivende miljø. De vigtigste sensorer, der udgør hjertet og sjælen i selvkørende køretøjer, er RADAR-, LIDAR- og kamerasensorer, men vi kan ikke ignorere bidraget fra andre sensorer såsom ultralydssensor, temperatursensorer, banedetekteringssensorer og GPS så godt.

Grafen vist nedenfor er fra forskningsundersøgelsen udført på Google Patenter med fokus på brugen af ​​sensorer i autonome eller selvkørende køretøjer, undersøgelsen analyserer antallet af patentfelt på hver teknologi (flere sensorer inklusive Lidar, ekkolod, radar og kameraer til detektering, klassificering og sporing af objekter og forhindringer) ved hjælp af basissensorer, der bruges i alle selvkørende køretøjer

Ovenstående graf viser patentansøgningstendenser for selvkørende køretøjer med fokus på brugen af ​​sensorer i det, da det kunne fortolkes, at udviklingen af ​​disse køretøjer ved hjælp af sensorer startede omkring 1970'erne. Selvom udviklingshastigheden ikke var hurtig nok, men steg i et meget langsomt tempo. Årsagerne til dette kunne være mange som ubebyggede fabrikker, uudviklede ordentlige forskningsfaciliteter og laboratorier, utilgængelighed af avanceret computing og selvfølgelig utilgængelighed af højhastighedsinternet, sky- og kantarkitekturer til beregning og beslutningstagning af selvkørende køretøjer.

I 2007-2010 var der pludselig vækst af denne teknologi. Fordi der i denne periode kun var et enkelt firma, der var ansvarlig for det dvs Generelle motorer, og i de næste år blev dette løb tilsluttet af teknologigiganten Google, og nu arbejder forskellige virksomheder på denne teknologi.

I de kommende år kan det forventes, at et helt nyt sæt virksomheder vil komme ind i dette teknologiområde, der tager forskningen videre på forskellige måder.

RADAR'er i selvkørende køretøjer

Radar spiller en vigtig rolle ved at hjælpe køretøjerne med at forstå dets system, vi har allerede bygget et simpelt ultralyd Arduino Radar-system tidligere. Radar-teknologien fandt først sin udbredte anvendelse under Anden Verdenskrig med anvendelse af den tyske opfinder Christian Huelsmeyer patent 'telemobiloscope' en tidlig implementering af radarteknologi, der kunne opdage skibe op til 3000 m væk.

Hurtigt fremad i dag har udviklingen af ​​radarteknologien bragt mange brugssager over hele verden inden for militæret, fly, skibe og ubåde.

Hvordan fungerer radar?

RADAR er et akronym for ra dio d etection en nd r Anging, og temmelig meget fra sit navn det kan forstås, at det virker på radiobølger. En sender sender radiosignalerne i alle retninger, og hvis der er en genstand eller en hindring i vejen, reflekterer disse radiobølger tilbage til radarmodtageren, forskellen i sender og modtagerfrekvens er proportional med rejsetiden og kan bruges til at måle afstande og skelne mellem forskellige typer objekter.

Nedenstående billede viser Radar-transmission og modtagelsesgraf, hvor rød linje er det transmitterede signal, og blå linjer er de modtagne signaler fra forskellige objekter over tid. Da vi kender tidspunktet for transmitteret og modtaget signal, kan vi udføre FFT-analyse for at beregne afstanden til objektet fra sensoren.

Brug af RADAR i selvkørende biler

RADAR er en af ​​sensorerne, der kører bag bilens metalplade for at gøre den autonom, det er en teknologi, der har været i produktionen af ​​bilerne fra 20 år til nu, og det gør det muligt for en bil at have adaptiv fartpilot og automatisk nødbremsning. I modsætning til synssystemer som kameraer kan det se om natten eller i dårligt vejr og kan forudsige afstanden og hastigheden på objektet fra hundreder af yards.

Ulempen med RADAR er, at selv de meget avancerede radarer ikke kan forudsige deres miljø tydeligt. Overvej at du er en cyklist, der står foran en bil, her kan Radar ikke forudsige sikkert, at du er en cyklist, men det kan identificere dig som et objekt eller en forhindring og kan tage nødvendige handlinger, det kan heller ikke forudsige retningen i som du står over for, kan kun registrere din hastighed og bevægelsesretning.

For at køre som mennesker skal køretøjer først se ud som mennesker. Desværre er RADAR ikke meget detaljeret, det skal bruges i kombination med andre sensorer i autonome køretøjer. De fleste af bilproduktionsselskaberne som Google, Uber, Toyota og Waymo er stærkt afhængige af en anden sensor kaldet LiDAR, da de er detaljerede, men deres rækkevidde er kun få hundrede meter. Dette er den eneste undtagelse fra den autonome bilproducent TESLA, da de bruger RADAR som deres primære sensor, og Musk er overbevist om, at de aldrig har brug for en LiDAR i deres systemer.

Tidligere skete der ikke meget udvikling med Radar Technology, men nu med deres betydning i autonome køretøjer. Fremskridt inden for RADAR-systemet opdrages af forskellige teknologivirksomheder og startups. De virksomheder, der genopfinder RADARs rolle i mobilitet, er angivet nedenfor

BOSCH

Boschs nyeste version af RADAR hjælper med at oprette et lokalt kort, som køretøjet kan køre over. De bruger et kortlag i kombination med RADAR, der gør det muligt at finde ud af placeringen baseret på GPS- og RADAR-oplysninger svarende til oprettelse af vejsignaturer.

Ved at tilføje input fra GPS og RADAR kan Boschs system tage data i realtid og sammenligne dem med basiskortet, matche mønstrene mellem de to og bestemme dets placeringer med høj nøjagtighed.

Ved hjælp af denne teknologi kan bilen køre selv under dårlige vejrforhold uden at stole meget på kameraer og LiDAR'er.

WaveSense

WaveSense er et Boston-baseret RADAR-firma, der mener, at selvkørende biler ikke behøver at opfatte deres omgivelser som de samme som mennesker.

Deres RADAR bruger i modsætning til de andre systemer jorddæmpende bølger til at se gennem vejene ved at oprette et kort over vejoverfladen. Deres systemer transmitterer radiobølgerne 10 meter under vejen og får signalet tilbage, som kortlægger jordtype, tæthed, klipper og infrastruktur.

Kortet er en unik fingerprint på vejen. Biler kan sammenligne deres position med et forudindlæst kort og lokalisere sig inden for 2 centimeter vandret og 15 centimeter lodret.

Wavesense-teknologien er heller ikke afhængig af vejrforholdene. Jordtrængende radar bruges traditionelt til arkæologi, rørledningsarbejde og redninger; wavense er det første firma, der bruger det til bilformål.

Lunewave

Kugleformede antenner er anerkendt af RADAR-industrien siden deres komme i 1940 af den tyske fysiker Rudolf Lüneburg. De kan give en 360-graders sensorfunktion, men indtil nu var problemet, at de var hårde at fremstille i en lille størrelse til bilbrug.

Med resultatet af 3D-udskrivning kunne de let designes. Lunewave designer 360 graders antenner ved hjælp af 3D-udskrivning omtrent på størrelse med en ping-pong-kugle.

Det unikke design af antenner gør det muligt for RADAR at mærke forhindringer i en afstand af 380 yards, hvilket er næsten det dobbelte, som en normal antenne kunne opnå. Sfæren tillader endvidere sensorfunktionen på 360 grader fra en enkelt enhed snarere end 20-graders traditionel visning. På grund af lille størrelse er det lettere at integrere det i systemet, og reduktion af RADAR-enheder mindsker stingbelastningen for flere billeder over processoren.

LiDars i selvkørende køretøjer

LiDAR står for Li GHT D etection en nd R Anging, det er en billeddannende teknik ligesom RADAR men i stedet for ved hjælp af radiobølger det bruger lys (laser) til billeddannelse omgivelserne. Det kan nemt generere et 3D-kort over omgivelserne ved hjælp af en punktsky. Det kan imidlertid ikke matche kameraets opløsning, men det er stadig klart nok til at fortælle, i hvilken retning et objekt vender.

Hvordan fungerer LiDAR?

LiDAR kan normalt ses på toppen af ​​selvkørende køretøjer som et roterende modul. Når det drejer, udsender det lys ved en høj hastighed 150.000 impulser pr. Sekund, og derefter måler det tid, det tager for dem at vende tilbage efter at have ramt forhindringerne foran det. Da lyset bevæger sig med en høj hastighed, 300.000 kilometer i sekundet, kan det let måle forhindringernes afstande ved hjælp af formlen Distance = (Lysets hastighed x Flyvetid) / 2 og som afstanden mellem forskellige punkter i miljøet er samlet, det bruges til at danne en punktsky, som kan fortolkes til 3D-billeder. LiDAR måler normalt objekternes faktiske dimensioner, hvilket giver et pluspoint, hvis de bruges i biler. Du kan lære mere om LiDAR og dets arbejde i denne artikel.

Brug af LiDar i biler

Selvom LiDAR ser ud til at være en uforsonlig billeddannelsesteknologi, har den sine egne ulemper som

• Høje driftsomkostninger og hård vedligeholdelse
• Ineffektivt under kraftig regn
• Dårlig billeddannelse på steder, der har høje solvinkler eller store refleksioner

Ud over disse ulemper investerer virksomheder som Waymo stærkt i denne teknologi for at gøre det bedre, da de er stærkt afhængige af denne teknologi til deres køretøjer, selv Waymo bruger LiDAR'er som deres primære sensor til billeddannelse af miljøet.

Men der er stadig virksomheder som Tesla, der er imod brugen af ​​LiDAR i deres køretøjer. Tesla-administrerende direktør Elon Musk fremsatte for nylig en kommentar til brugen af ​​LiDARs " lidar er et fjols ærinde, og enhver, der stoler på lidar, er dømt." Hans firma Tesla har været i stand til at opnå selvkørsel uden LiDAR'er, sensorerne, der bruges i Tesla, og dets dækningsområde er vist nedenfor.

Dette kommer direkte mod virksomheder som Ford, GM Cruise, Uber og Waymo, der mener, at LiDAR er en væsentlig del af sensorpakken, moskus. Citeret på det som “ LiDAR er halt, De vil dumpe LiDAR, markér mine ord. Det er min forudsigelse. ” Også universiteter bakker op for muskus beslutning om at dumpe LiDAR'er, da to billige kameraer på hver side af et køretøj kan registrere genstande med næsten LiDARs nøjagtighed med kun en brøkdel af prisen på LiDAR. Kameraerne placeret på hver side af en Tesla-bil er vist i billedet nedenfor.

Kameraer i selvkørende køretøjer

Alle selvkørende køretøjer bruger flere kameraer til at få 360 graders udsigt over det omgivende miljø. Der bruges flere kameraer fra hver side som front, bag, venstre og højre, og til sidst sys billederne sammen for at få 360 graders visning. Mens nogle af kameraerne har et bredt synsfelt så meget som 120 grader og kortere rækkevidde, og det andet fokuserer på mere snæver visning for at give visuelle langtrækkende billeder. Nogle kameraer i disse køretøjer har fish-eye-effekten til at have en super bred panoramaudsigt. Alle disse kameraer bruges sammen med nogle computersynsalgoritmer, der udfører al analyse og detektion for køretøjet. Du kan også tjekke andre relaterede artikler til billedbehandling, som vi tidligere har dækket.

Brug af kamera i biler

Kameraer i køretøjer bruges i meget lang tid sammen med en applikation, f.eks. Til parkeringshjælp og overvågning af bilers bagside. Nu, når teknologien til selvkørende køretøjer udvikler sig, overvejes kameraets rolle i køretøjer. Mens de giver en 360 graders omgivende udsigt over miljøet, er kameraer i stand til at køre køretøjerne autonomt gennem vejen.

For at have et surroundbillede af vejen er kameraer integreret forskellige steder i køretøjet, foran anvendes en vidvinkelsensor, også kendt som kikkertvisionssystem, og på venstre og højre side anvendes monokularsynssystemer og bagpå ender, bruges et parkeringskamera. Alle disse kameraenheder bringer billederne til kontrolenhederne, og det syr billederne, så de har en surroundvisning.

Andre typer sensorer i selvkørende køretøjer

Udover de ovennævnte tre sensorer er der nogle andre typer sensorer, der bruges i selvkørende køretøjer til forskellige formål såsom banedetektion, dæktryksovervågning, temperaturregulering, udvendig lysstyring, telematiksystem, forlygtekontrol osv.

Fremtiden for selvkørende køretøjer er spændende og er stadig under udvikling, i fremtiden ville mange virksomheder komme frem for at køre løbet, og med dette ville der blive skabt mange nye love og standarder for at have en sikker anvendelse af denne teknologi.