3DSensing（摄像头模组+传感器模组）：无人驾驶功能的技术核心
李星
从科学发展的历史进程来看，人类通过模仿各种生物的特性制造不同种类的工具：模仿蝙蝠发明了雷达，模仿鸡蛋发明了拱形建筑，模仿苍蝇发明了复眼照相机等等。最终人类希望制造一种机器，他能替代人类做事，人类将被模仿的对象设为人类本身。制造这种能够像人一样工作的机器（或者说人造人），需要考虑硬件（模仿人类身体部件）和软件（模仿人的大脑，AI）两个方面。
无人驾驶车辆为了能像人一样，遇到障碍物或红灯就减速，直到停止；遇到绿灯或前方无障碍物的情况，进行加速等操作，这就需要车载传感器3DSensing去周围的环境进行感知。
应用于无人车上的3DSensing目前有四大类，分别是摄像头，激光雷达、毫米波雷达和超声波雷达。不同的传感器根据其传感特性，布置在车身的不同位置。
3DSensing是无人驾驶功能的技术核心，市场主流的硬件产品都需要搭载3DSensing。3DSensing是由多个摄像头+深度传感器组成的，在色彩、分辨率、观测距离、抗干扰及夜视等方面优于2D摄像头，还可实时采集物体三维位置及尺寸信息。
目前市场上有3种主流方案，按成熟度从高到低依次为：结构光、飞行时间（timeofflight，TOF）和双目成像。结构光是通过激光的折射及算法计算出物体的位置和深度信息，进而复原整个三维空间。目前该方案的发展相对最成熟，已大量应用工业3D视觉领域。TOF是一种光雷达系统，可从发射极向对象发射光脉冲，接收器则可通过计算光脉冲从发射器到对象、再返回到接收器的运行时间来确定被测量对象的距离。
双目成像是使用两个或两个以上的摄像头同时采集图像，通过比对这些不同摄像头在同一时刻获得的图像差别，使用算法来计算深度信息。由于算法开发难度高，双目成像多应用在不考虑功耗的机器人、自动驾驶等新兴领域。
用摄像头去识别镜头中有多少人，用传统摄像头来做算法很复杂，怎么把这些人隔开来，有多少人，而且识别率不是那么高，在大部分场合下是达不到一些具体应用的需求的。但是用3D摄像头来做算法就很简单，因为每个人之间的距离、空间位置都不一样，三维信息可以使算法简单化、识别率提高好几倍。这就是硬件的作用，提供有效的信息。
无人驾驶车辆视觉传感器主要由单目摄像头、双目摄像头、三目摄像头和环视摄像头组成。在无人驾驶领域，摄像头的最主要两大功能是实现各种环境信息的感知以及定位，所以视觉传感器也是所有车载传感器中感知能力最强的，没有之一。
由于单目测距存在缺陷，双目摄像头应运而生。相近的两个摄像头拍摄物体时，会得到同一物体在摄像头的成像平面的像素偏移量。有了像素偏移量、相机焦距和两个摄像头的实际距离这些信息，根据数学换算即可得到物体的距离。根据双目测距原理应用在图像上每一个像素点时，即可得到图像的深度信息。深度信息的加入，不仅能便于障碍物的分类，更能提高高精度地图定位匹配的精度。
三目摄像头其实就是三个不同焦距单目摄像头的组合。根据焦距不同，每个摄像头所感知的范围也不尽相同。三个摄像头的感知范围由远及近，分别为前视窄视野摄像头（最远感知米）、前视主视野摄像头（最远感知米）及前视宽视野摄像头（最远感知60米）。
在视觉上，过去的摄像头已经能做到2D图像的重现，而3DSensing就是将硅基器件的功能追平"碳基"生命器官的关键一步，将获得的信息从2D向3D过渡，减少了外部功能部件对AI开发的制约。有了相当于人眼视觉的3D成像，人类向实现AI的梦想又迈出了一大步。
3D视觉是自动驾驶所急需的。自动驾驶的主流路径是激光雷达+摄像头，本身是为了组合起来替代人类视觉的功能，若3DSensing功能能够在m以内满足需要并且其成本又低，则汽车厂商必然会转向3DSensing的汽车化，而放弃现在的激光雷达+摄像头的方式，这也是Tesla所期望走的方式（以低成本摄像头为主+毫米波雷达）。
转载请注明：http://www.0431gb208.com/sjszjzl/3602.html
