常用的三大传感器有哪些优缺点(激光雷达、毫米波雷达和相机)

作者 | 徐俊杰  编辑 | 汽车人

原文链接:zhuanlan.zhihu.com/p/475856247

点击下方卡片,关注“自动驾驶之心”公众号

ADAS巨卷干货,即可获取

传感器选择标准

为自动驾驶车辆选择合适的传感器组是一项微妙的任务,因为需要平衡从可靠性到成本的一系列因素,以便公司能够确定最佳点并选择最佳传感器组。我们将从如下10个维度,了解相机、激光雷达和(毫米波)雷达的差异。

1. Range 范围:激光雷达和雷达系统可以探测距离从几米到200米以上的物体。许多激光雷达系统很难在非常近的距离内探测到物体,而雷达可以在不到一米的距离内探测到物体,这取决于雷达类型(长距离、中距离或短距离)。单摄像头无法可靠地测量到物体的距离——这只能通过对世界的性质(如平面路面)做出一些假设来实现。另一方面,立体摄像头可以测量距离,但只能测量到约80米的距离,大于这个距离,精度会显著下降。

2. Spatial resolution 空间分辨率:由于发射的红外激光波长较短,激光雷达扫描的空间分辨率约为0.1°。这允许进行高分辨率3D扫描,从而对场景中的对象进行表征。另一方面,雷达不能很好地分辨小特征,尤其是随着距离的增加。相机系统的空间分辨率由光学元件、图像上的像素大小及其信噪比决定。当小物体发出的光线扩散到图像传感器上的几个像素(模糊)时,小物体的细节就会丢失。此外,当几乎不存在环境光来照亮对象时,随着图像传感器的噪声级增加,对象细节被叠加,空间分辨率会降低。

3. Robustness in darkness 黑暗中的鲁棒性:雷达和激光雷达在黑暗中都具有极好的鲁棒性,因为它们都是主动传感器。虽然激光雷达系统的白天性能非常好,但它们在夜间的性能甚至更好,因为没有可能干扰红外激光反射探测的环境阳光。另一方面,摄像头在夜间的探测能力非常低,因为它们是依赖环境光的被动传感器。尽管图像传感器的夜间性能有所提高,但在三种传感器类型中,它们的性能最低。

4. Robustness in rain, snow, fog 在雨、雪、雾中的鲁棒性:雷达传感器的最大优点之一是在恶劣天气条件下的性能。它们不会受到雪、大雨或空气中任何其他障碍物(如雾或沙粒)的显著影响。作为一种光学系统,激光雷达和相机容易受到恶劣天气的影响,其性能通常会随着逆境程度的增加而显著下降。

5. Classification of objects 物体分类:摄像机擅长对车辆、行人、速度标志等物体进行分类。这是摄像系统的主要优势之一,人工智能的最新进展更强调了这一点。使用高密度3D点云的激光雷达扫描也可以实现一定程度的分类,尽管其对象多样性不如摄像头。雷达系统不允许进行很多物体分类。

6. Perceiving 2D structures 感知二维结构:摄像机系统是唯一能够解释二维信息的传感器,例如速度标志、车道标记或交通灯,因为它们能够测量颜色和光强度。这是摄像头相对于其他传感器类型的主要优势。

7. Measure speed 测量速度:雷达可以利用多普勒频移直接测量物体的速度。这是雷达传感器的主要优势之一。激光雷达只能通过连续的距离测量来近似速度,这使得它在这方面的精度较低。尽管相机无法测量距离,但可以通过观察图像平面上物体的位移来测量碰撞时间。

8. System cost 系统成本:近年来,雷达系统已广泛应用于汽车行业,目前的系统高度紧凑且价格合理。单目相机也是如此,在大多数情况下价格远低于100美元。由于硬件成本的增加和市场上数量的显著减少,立体相机的价格更高。激光雷达在过去几年中越来越受欢迎,尤其是在汽车行业。由于技术进步,其成本已从75000多美元降至5000美元以下。许多专家预测,未来几年,激光雷达模块的成本可能会降至500美元以下。

9. Package size 包装尺寸:雷达和单摄像头都可以很好地集成到车辆中。立体摄像头在某些情况下体积庞大,这使得它们更难集成在挡风玻璃后面,因为它们有时可能会限制驾驶员的视野。激光雷达系统有各种尺寸。360°扫描激光雷达通常安装在屋顶顶部,因此非常清晰可见。行业向更小的固态激光雷达系统的转变将在不久的将来大幅缩小激光雷达传感器的系统尺寸。

10. Computational requirements 计算要求:激光雷达和雷达几乎不需要后端处理。虽然摄像头是一种成本高效且易于使用的传感器,但它们需要大量处理才能从图像中提取有用信息,这增加了系统的总体成本。

总结:

1ea53325fd315b95c1cce96565282bfa.png

思考:

1, 三种传感器在Spatial resolution 空间分辨率的强弱排序?

Lidar>Camera>Radar

2, 三种传感器在robustness in daylight 白天的鲁棒性的强弱排序?

Radar>Camera=Lidar

3, 三种传感器在computational requirements 计算量上的强弱排序?

Camera>Radar>Lidar

c50c83badc00e7012f2ccb80f4bbbda2.png

自动驾驶之心】全栈技术交流群

自动驾驶之心是首个自动驾驶开发者社区,聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多传感器融合、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、硬件配置、AI求职交流等方向;

4756ded0fcb47cd83b4612bf994050ba.jpeg

添加汽车人助理微信邀请入群

备注:学校/公司+方向+昵称

<think>嗯,用户的问题是关于SLAM技术雷达传感器的区别以及它们在机器人或自动驾驶中的应用对比。首先,我需要明确两者的基本概念。SLAM是同时定位地图构建的技术,而雷达是一种传感器,包括激光雷达毫米波雷达等。用户可能混淆了技术本身使用的硬件,所以需要先区分清楚。 接下来,我应该解释SLAM是一个算法框架,依赖多种传感器,而雷达是其中的一种数据来源。需要详细说明两者的定义、工作原理应用场景的不同。例如,SLAM系统可能使用雷达、摄像头、IMU等,而雷达单独使用时主要用于测距障碍物检测。 然后,应用场景方面,用户可能想知道在自动驾驶中,SLAM如何整合雷达数据,或者雷达在其中的角色。比如,激光雷达在SLAM中提供高精度点云,而毫米波雷达适合恶劣天气。需要对比它们在实时定位、环境建模中的优缺点。 还要考虑用户可能的深层需求,比如他们可能在选择技术方案时遇到困惑,需要了解哪种技术更适合特定场景。例如,室内机器人可能用2D激光雷达配合SLAM,而自动驾驶可能需要多传感器融合的SLAM系统。 此外,引用中的信息提到多传感器融合的SLAM系统,如R3LIVE++,结合了LIOVIO,说明SLAM的复杂性。同时,引用2提到不同场景下的传感器适用性,比如黑暗环境对视觉的影响,这时候雷达更有优势。这些都需要融入回答,以增强权威性。 最后,生成相关问题时要覆盖用户可能进一步的问题,比如技术挑战、发展趋势,或具体应用案例。确保回答结构清晰,先对比区别,再讨论应用,最后举例说明,这样用户能逐步理解。</think>### SLAM技术雷达传感器的区别及应用场景对比 #### 一、核心区别 1. **技术定义** - **SLAM(Simultaneous Localization and Mapping)** 是一种算法框架,通过融合多传感器数据(如激光雷达、摄像头、IMU等)实现实时定位环境建模[^1]。例如,激光雷达惯性里程计(LIO)视觉惯性里程计(VIO)是SLAM系统的典型子系统[^1]。 - **雷达传感器** 是一种主动感知设备,通过发射电磁波(如激光或毫米波)并接收反射信号来测量距离、速度或物体形状。例如,激光雷达(LiDAR)生成点云数据,毫米波雷达适用于恶劣天气下的障碍物检测。 2. **功能范围** - SLAM是包含算法、传感器融合状态估计的完整系统,需解决定位地图构建的“鸡生蛋”问题。 - 雷达仅提供原始测量数据(如距离、方位角),需结合其他模块(如SLAM算法)才能实现定位导航。 3. **依赖关系** - SLAM依赖雷达、相机传感器,但也可使用其他替代方案(如纯视觉SLAM)。 - 雷达作为硬件,可独立用于避障或测距,无需SLAM支持。 #### 二、应用场景对比 | **场景/需求** | **SLAM技术** | **雷达传感器** | |----------------------|---------------------------------------|-------------------------------------| | **自动驾驶定位** | 融合LiDAR+IMU+相机,提供厘米级精度[^1] | LiDAR生成高精度点云,毫米波雷达适应雨雾天气 | | **室内机器人导航** | 使用2D激光雷达+SLAM构建平面地图[^2] | 2D激光雷达扫描走廊轮廓 | | **黑暗环境** | 依赖激光雷达或热成像相机[^2] | 激光雷达不受光照影响 | | **低成本解决方案** | 纯视觉SLAM(如ORB-SLAM3) | 低线数LiDAR或ToF传感器替代 | #### 三、典型应用案例 1. **自动驾驶** - **SLAM**:通过多传感器融合(如R3LIVE++系统)实现车道级定位[^1]。 - **雷达**:毫米波雷达用于自适应巡航控制(ACC),激光雷达用于高精地图构建。 2. **工业机器人** - **SLAM**:AGV小车利用3D激光SLAM在仓库中动态避障。 - **雷达**:ToF雷达用于近距离货物堆叠检测。 3. **无人机勘测** - **SLAM**:结合LiDAR视觉,在无GPS环境下重建矿山结构[^1]。 - **雷达**:毫米波雷达检测高压线等细小障碍物。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值