自动驾驶汽车传感器技术与应用
模块六传感器融合技术应用
■一传感器调试与标定
■二多传感器融合案例
■拓展阅读
■技能实训
■思考与练习
■(三)车载网络技术的发展趋势及Telematics技术
■(四)车载网络的分类
■(五)车载网络技术应用概况
一传感器调试与标定
■(一)车载网络定义
■(二)车载网络技术的发展历程
高级驾驶辅助系统(AdvancedDrivingAssistance
System,ADAS)是利用安装在车上的各式各样传感器
(毫米波雷达、激光雷达、单\\双目摄像头以及卫星导航),在汽车行驶过程中随时来感应周围的环境，
收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽
(一)多传感器融合技术
高级驾驶辅助系统
车驾驶的舒适性和安全性。
实现ADAS的技术主要有三类，分别基于视觉传感器、毫米波雷达和激光雷达。由于激光雷达成本较高，
目前主要使用视觉传感器、毫米波雷达。
(1)基于视觉传感器：需要先进行目标识别，然后根据目标在图像中的像素大小来估算目标的距离。
(2)基于毫米波雷达：毫米波雷达主要是通过对目标物发送电磁波并接受回波来获得目标物体距离、速度和角度。
(3)基于激光雷达：成本高。
将视觉传感器和雷达进行融合，相互配合共同构成汽车的感知系统，取长补短，实现更稳定可靠的ADAS功能。
(一)多传感器融合技术
高级驾驶辅助系统
假设采用视觉传感器为主、毫米波雷达为辅的方案，则基本思路是将毫米波雷达返回的目标点投影到
图像上，围绕该点并结合先验知识，生成一个矩形的感兴趣区域，然后只对该区域内进行目标检测。
1)优点
这个方案的优点是：可以迅速地排除大量不会有目标的区域，极大地提高识别速度。对于前碰撞系统
(FCWS),它可以迅速排除掉雷达探测到的非车辆目标，增强结果的可靠性。利用毫米波返回的目标的距离、角度、速度信息来进行碰撞时间计算，以达到预警功能，实现行人/车辆在预警时间阈值内预警，避免单目视觉距离测量及障碍物速度估计不准的问题。
(一)多传感器融合技术
优缺点
2)缺点
这个方案缺点如下：
(1)实现起来有难度。理想情况下雷达点出现在车辆中间。首先因为雷达提供的目标横向距离不准确，再加上视觉传感器标定的误差，导致雷达的投影点对车的偏离可能比较严重。只能把感兴趣区域设置的比较大，但感兴趣区域过大后导致里面含有不止一辆车，这个时候目标就会被重复探测，这会造成目标匹配上的混乱。交通拥挤的时候尤其容易出来这种情况。
(2)噪声问题。对于性能比较差的毫米波，返回的目标点中包含了大量的噪声点，将这些点投影到图像上将会存在大量的矩形框，反而造成了程序的耗时。
(一)多传感器融合技术
优缺点
毫米波雷达可以得到目标的x,y坐标信息，没有目标的z坐标信息。
将毫米波雷达坐标系0m到世界坐标系OW的转换看作二维XY坐标系
的转换0m和OW之间的关系有平移和旋转两种。
毫米波雷达坐标到世界坐标的转换关系为：
毫米波雷达坐标到世界坐标的转换
(二)联合标定分析
转换矩阵是由两部分组成：由角度所带来的旋转矩阵和平移产生的
平移矩阵。其中，平移矩阵的平移量可以理解为毫米波雷达在世界坐标系的坐标，即毫米波雷达到视觉传感器的距离。因此，平移矩阵可以很好求出，直接利用卷尺就可以测量得到。如果毫米波雷达安装位置合适，也可以理解旋转矩阵为0。
(二)联合标定分析
毫米波雷达坐标到世界坐标的转换
得到的世界坐标值是二维的，只有x,y值，没有z值，这个可以利用先验知识予以给定。
假设毫米波雷达得到的点是物体的中心点，利用物体的宽度和高度信息，便可以得到其z坐标信息。由于方案是用于车辆和行人检测，假设目标的宽度W=1.6m,高度H=1.8m。可以得到目标点的世界
坐标为(x,y,-H/2),注意z值是负值。
由于我们的目的是在图像上将目标框出，因此，需要的是目标的左上顶点和右下顶点的坐标值，将这两个点转换到图像上，即可得到目标的矩形区域。
根据3个已知变量的值加上视觉传感器外参，可以很容易求出像素坐标(u,v)。
由于上面两个转换过程涉及外参问题，转换前提是需要先已知外参。
世界坐标到像素坐标的转换
(二)联合标定分析
(1)操作平台：Windows2000以上版本或Linux等操作系统；
(2)运行工具：visualstudio2013或者更高版本；
(3)框架：ARM框架；
(4)编程语言：C++编码。
(二)联合标定分析
代码运行环境
■(一)激光雷达与摄像头性能对比
■(