自動駕駛車如何在雪中看見一切?

2022-05-03
作者 Peter Hallschmid、Sandra Gely,Ansys資深產品行銷經理、應用工程經理

透過攝影機、光達(LiDAR)和雷達感測器的整合性系統,自動駕駛車不斷掃描環境以做出明智的決策。但是當自動感測器被雪阻擋時會發生什麼?

為了安全導航,自動駕駛車首先必須可以看到周圍的一切。透過攝影機、光達(LiDAR)和雷達感測器的整合性系統,自動駕駛車不斷掃描環境以做出明智的決策。但是當自動感測器被雪阻擋時會發生什麼?

雖然雨、霧同時也是自動駕駛車所面臨的天氣挑戰,但隨機的降雪模式、每片雪花的特性,以及雪花之間的不同距離,導致自動駕駛車在雪中前行更加困難。如果黏稠、冰冷、混亂的雪片夾雜在感測器與障礙物之間,車輛的反應能力可能會受到很大影響。

根據美國聯邦公路管理局(FHWA)的數據,近70%的美國人口生活在會降雪的地區。雖然加州有適合自動駕駛車的理想天氣,但現實情況是,要使自動駕駛車在美國普及化,必須先克服雪地駕駛的複雜性。

 

在Ansys Speos中使用3D紋理生成的雪花分析其光學特性。

 

為什麼雪對自動感測器來說如此難以辨識?

雪可能會導致感測器的運算法在嘗試處理來自感測器的訊息時,使運算結果的信賴度下滑。結果導致無法偵測到逼近的物體,或者錯誤地偵測到實際上並不存在的物體。

自動感測器在雪地中面臨的挑戰包括:

  • 雪和其他物體之間缺乏對比會導致物體未被偵測到;
  • 雪地散射會導致物體位置、距離或角度被錯誤辨識;
  • 來自多個感測器的輸入必須就它們「看到」的內容達成共識,但雪對每種感測器類型引發不同的問題,這會危及系統一致性。

 

由於雪花的散射,具有高功率的散射光達點在傳感器附近積聚。

 

由於對比度的降低,雪會降低側邊車輛的檢測。

 

感測器的準確度在雪地中會產生什麼變化?

不同的感測器對雪的偵測皆有相對的不足之處:

  • 攝影機:能見度和對比度降低。
  • 光達:訊號散射、吸收和衰減、提供感知運算的低品質數據和失真的結果。
  • 雷達:可以偵測到物體,但無法將其正確分類。

能應對千變萬化的天氣的自動駕駛車:工程師如何測試新解決方案

為了使自動駕駛車能夠應對不可預測的雪況,工程師必須針對無數駕駛場景測試他們的設計。針對測試,他們有幾個選項:

  • 天氣實驗室:這些氣候控制設施提供可重複的天氣數據,但不考慮其他車輛造成的間接影響和道路上的其他動態條件。
  • 道路測試:在安全的道路上駕駛車輛,得以使自動駕駛系統面對真實的天氣條件,但靠它卻不能來進行快速的技術開發。
  • 模擬:數位化的測試可提供無限的模型,同時保有真實世界準確性,減少實體原型製作的時間和成本,並且無須大自然的配合。

模擬如何幫助自動駕駛車在雪地中看得更清楚?

透過模擬工具,工程師能模擬無限的天氣和場景變化,為工程師提供了一種更好的方法來測試和改善惡劣天氣下的自動駕駛車行為。模擬使工程師無需等待下雪,由於結果幾乎可以立即獲得,自動駕駛車製造商可以更快地開發具有天氣感知能力的自主系統。

模擬能準確預測惡劣環境中的結果,例如外太空和深海環境,但雪帶來了其獨特而複雜的挑戰。為了使模擬結果能夠準確反映雪所產生的影響,模型必須考慮每片雪花的形狀、大小、位置和光學特性(即水是否清澈或有雜質)。此外,還必須考慮行駛面上積雪區域的位置與形狀。

 

光達(左)和雪中攝影機(右)的長距離、基於物理的感測器模擬。

 

Ansys Fluent適用於執行雪的計算流體動力學(CFD)模擬。此外,還可以使用Fluent分析天氣引起的感測器沾黏髒汙、液滴撞擊和膜流的過渡、起霧和表面冷凝、結霜、結冰和除冰現象。由CFD模擬生成的高度準確、可重複產生的天氣數據可以輸出至Ansys Speos,以進行攝影機和光達的模擬

透過在耦合CFD光學解決方案中使用Fluent,自動駕駛工程團隊可以加快測試速度,有信心地整合具混合功能的感測器設計,並顯著加強車輛在各種天氣條件下(甚至是雪天)的感知能力。

本文同步刊登於《電子工程專輯》雜誌20224月號

 

 

 

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

發表評論

訂閱EETT電子報