ROS交流群
ROS Group
产品服务
Product Service
开源代码库
Github
官网
Official website
技术交流
Technological exchanges
激光雷达
LIDAR
ROS教程
ROS Tourials
深度学习
Deep Learning
机器视觉
Computer Vision

速腾聚创激光雷达公开路测


  • administrators

    今年国庆节期间,速腾聚创宣布推出了国内首个应用于无人驾驶汽车的16线混合固态激光雷达RS-LiDAR;10月28日,速腾聚创对外公开了这款激光雷达,并进行了初期的路测,这也是国产激光雷达首次进行公开展示和测试。
    0_1477964296455_1.jpg
    速腾聚创CEO邱纯鑫表示,这次路测主要有两个目的:一是为了验证在实际道路运行过程中的数据采集效果,第二个目的是对公司开发的路况识别系统进行实测和调优。

    路测地点选择在了深圳的一条主干道上,雷锋网(公众号:雷锋网)体验了整个过程。汽车行驶时,速腾聚创RS-LiDAR激光雷达采集的实时点云数据会在大的显示屏上得到展示,这些数据包括周围路面的车辆、车道线、行人以及障碍物等,另外通过深度学习算法,系统可以识别目标物体并且做出标识。

    0_1477964337442_2.jpg
    除了硬件,速腾聚创还秀了一套软件算法

    众所周知,自动驾驶或者是无人驾驶几个核心的要素就是高精度地图、环境感知、决策规划以及车辆控制,而环境感知的作用是向其它几个部分提供基础数据,这也是速腾聚创现在正在做的工作。据介绍,这次进行路测的RS-LiDAR采用了混合固态的形态,测量距离为100米,精度达到了2cm,垂直30度(±15度),实时出点数32万点每秒。如果从这些参数来看,RS-LiDAR的性能还有优于Velodyne的16线产品。

    当然,多线激光雷的技术门槛不仅体现在硬件上,它需要光学系统、高速数据处理技术、点云算法以及电机控制技术的相互协调,才能获取、处理分析2.5D甚至是3D的数据。近两年,随着无人驾驶汽车概念的普及,研发多线激光雷达厂商在逐渐增多,但看似繁荣的现象背后也存在一个问题:在这些企业中,既能做好硬件,又能把点云算法做好的寥寥无几。

    这里涉及到一个问题,如果激光雷达厂商不针对原始数据做处理,那么整车厂商的压力就非常大。一辆无人驾驶汽车安装的传感器远不只一两种,除了激光雷达和摄像头之外,通常还会有毫米波雷达、IMU以及其它温湿度传感器等作为辅助,这些传感器采集的数据量堆积在一起后,处理的难度也会大大提升。

    邱纯鑫介绍,目前,速腾聚创团队有80多人,其中有一半做激光雷达硬件,另一半就是从事软件算法的研发。随着RS-LiDAR和其算法平台的上线,这家公司已经能向下游整车厂商同时提供激光雷达和经过算法处理后的数据,例如,激光雷达和摄像头采集到路面数据后,通过算法就能够同时计算目标物体的距离和速度,即达到动态物体追踪的效果,这可以简化整车厂的工作量。

    就服务于整车厂的激光雷达厂商而言,速腾聚创同时具备硬件和点云数据后处理算法的研发能力是一个优势。

    为何是16线?

    整车厂商和激光雷达厂商都有一个线束选择的问题,如国外的Velodyne和Ibeo等在8线、16线、32线以及64线激光雷达产品线的布局上都有差异。速腾聚创邱纯鑫则解释了他们为何会选择16线的产品。

    0_1477964350181_3.jpg
    这次测试的小型16线混合固态激光雷达是国内首个推向市场的实用化多线雷达,这和国外企业早先推出的32线和64线激光雷达相比,不仅在技术路线和实现方案上更加领先,而且通过内部光机电结构的整体优化,配合成熟的点云建模和辅助视觉算法,能够更好的达到实用要求,并且有效降低整体产品成本。

    邱纯鑫还告诉雷锋网,现在越来越多的整车厂开始选择多个扫线束耦合的方案,而外观酷似大花盆的Velodyne 64线激光雷达已经是一个鸡肋产品。例如,你可以用四个16线的激光雷达,通过算法的整合就可以达到64线的效果,而线束少量产效果和成本价格也有优势,所以多个混合固态16线激光雷达耦合是目前应用的趋势。

    雷锋网还了解到,速腾聚创现在的主要目标是量产16线混合固态激光雷达,并且开始寻求和更多的汽车一级供应商(Tier1)以及车辆主机厂家进行联合测试和开发产品,预计首批16线混合固态激光雷达会在近期内出货;另外,邱纯鑫还表示,速腾聚创也会接受8线与32线激光雷达的定制产品,但没有研发64线产品的计划。

    毫无疑问,随着速腾聚创等国内厂商相继推出成本更低、可落地应用的激光雷达后,无人驾驶生态圈无论是整车厂还是高精度地图提供商的技术门槛都将进一步降低,这也将加快无人驾驶汽车商业化的进程。

    本文来源:http://www.leiphone.com/news/201610/XW5hocwjnDUOxNRG.html