電子發(fā)燒友網(wǎng)報道(文/李寧遠)慣性測量單元一直都是MEMS領域中極為重要的一類產(chǎn)品,不管是在消費電子、工業(yè)自動化還是汽車自動駕駛領域都有著廣泛的應用。將加速度傳感器、陀螺儀等MEMS器件(有些還會集成磁力計和氣壓計)集成在一起的IMU沿著三個正交軸測量旋轉(zhuǎn)角速度和線性加速度。
近年來,汽車的智能化發(fā)展推動了慣性導航系統(tǒng)在內(nèi)的相關器件的發(fā)展,根據(jù)Yole Development數(shù)據(jù)預測,IMU市場規(guī)模將在2022年超過9億美元。自動駕駛車輛想要實現(xiàn)對道路狀況進行實時預測,前提就是自動駕駛汽車必須具備超強的檢測感知能力。慣性導航系統(tǒng)是L3及以上等級自動駕駛車輛不可或缺的模塊,能夠在GPS、GNSS、5G等外部信號不佳時通過自身運動信息實現(xiàn)定位,IMU則是慣性導航系統(tǒng)中的核心部件。
加速度與角度
加速度計的測量可以用來直流或者低頻角度跟蹤機制。從整個測量計算過程來看,本質(zhì)上加速度計不會像陀螺儀那樣存在累加或積分誤差。也就是說在出現(xiàn)偏置誤差或其他誤差時,這些誤差雖然會持續(xù)存在,但不會累積。
但加速度也有一些要求較高的地方,加速度計會根據(jù)速度的變化做出反應,比如振動、加速、減速,加速度計的協(xié)方差項可以用來檢測振動,通過其他監(jiān)測裝置可以知曉加速度計何時超出量程,這些都需要在系統(tǒng)級算法開發(fā)時對這些情況進行管理。這些情況都是需要傳感器實時監(jiān)測根據(jù)環(huán)境變化做出調(diào)整然后選擇最佳的數(shù)據(jù)再進行使用。
陀螺儀能測量旋轉(zhuǎn)角速率,針對轉(zhuǎn)速進行實時積分計算可以得到動態(tài)角度。這些計算需要進行多次,一個系統(tǒng)跟蹤陀螺儀的時間平均在100s左右。陀螺儀加上一些實時協(xié)方和其他可信指標來判斷車輛的運行狀態(tài)需要隨時間流逝不斷校準偏置。
典型的反饋檢測就是把IMU在制導和導航控制系統(tǒng)中用作反饋檢測元件,通過直接慣性測量來發(fā)揮作用。在自動駕駛中,IMU的反饋檢測可以控制汽車軌跡,既監(jiān)控駕駛又修復駕駛中發(fā)生的行駛偏差。IMU系統(tǒng)修正方向控制,結(jié)合視覺或者其他導航技術完成整個自動駕駛過程。
自動駕駛IMU關鍵誤差
在IMU進行部署時,需要考慮估算初始姿態(tài)角度和估算陀螺儀誤差,需要讓這二者能在自動駕駛系統(tǒng)中保持全幀對齊。在這個過程中,加速度計時主要的限制點,需要極快的偏置誤差處理時間才能判斷初始姿態(tài)。這和IMU的偏置可重復性指標相關,1mg的偏置可重復性大概會帶來0.06°的誤差,盡可能小的誤差能從最開始就提高系統(tǒng)性能。
陀螺儀上,噪聲、線性振動和離軸旋轉(zhuǎn)的影響則是三個最影響器件效果的因素。一般來說,這三個因素并不會有強關聯(lián)性,但是這不能代表每個傳感器都是如此,在選用IMU時必須對這些指標進行驗證。
這和MEMS制造工藝息息相關,更好的穩(wěn)定性和更低的噪聲測量出的艾倫方差也會更低。器件本身的制造工藝之外,算法優(yōu)化也至關重要。不做算法優(yōu)化的情況下,慣導底層傳感器的零漂每小時都會產(chǎn)生零漂,然后隨機運動的累積誤差會很快發(fā)散形象估算結(jié)果。
自動駕駛IMU進化
在自動駕駛設備的發(fā)展中,IMU應用的基本流程是沒有太大變化的,室外場景使用GPS加IMU的組合,通過卡爾曼濾波對系統(tǒng)狀態(tài)進行最優(yōu)估計,為導航系統(tǒng)盡可能提供低延遲的位置信息。不過這些系統(tǒng)中的元件在不斷進化,性能增強提高了這種導航系統(tǒng)的上限。
不只是自動駕駛領域,更小的尺寸、更高的集成度、更少的成本、更準確的測量是IMU在每個應用領域的發(fā)展趨勢。我們也知道,IMU具有獨有的自恃性,自身并不能很好地解決漂移、噪聲,尤其是零偏不穩(wěn)定性,因此常需要與另一傳感器進行融合補足。
除了常見的GPS+IMU的方案,機器視覺、UWB、激光雷達等各種傳感定位技術與IMU的融合進化也在自動駕駛中發(fā)揮出重要作用。
算法層面結(jié)合運動學模式賦予導航系統(tǒng)更多的算法規(guī)則,傳感器融合更先進濾波和算法處理也大大提升了行駛過程中車輛的位姿估算準確度。有些廠商還在IMU中加入ML內(nèi)核,讓IMU上多出一個硬連線處理引擎來直接在傳感器層面進行AI計算,增強快速實時響應能力并處理更為復雜的自動駕駛?cè)蝿铡?br />
小結(jié)
自動駕駛由感知、決策、執(zhí)行三大系統(tǒng)組成,傳感器作為汽車核心感知層,是車輛保證位置感的基礎。用于導航平臺穩(wěn)定控制和導航的高性能MEMS IMU已經(jīng)成為自動駕駛丟失衛(wèi)星定位后最后的一道防線。
近年來,汽車的智能化發(fā)展推動了慣性導航系統(tǒng)在內(nèi)的相關器件的發(fā)展,根據(jù)Yole Development數(shù)據(jù)預測,IMU市場規(guī)模將在2022年超過9億美元。自動駕駛車輛想要實現(xiàn)對道路狀況進行實時預測,前提就是自動駕駛汽車必須具備超強的檢測感知能力。慣性導航系統(tǒng)是L3及以上等級自動駕駛車輛不可或缺的模塊,能夠在GPS、GNSS、5G等外部信號不佳時通過自身運動信息實現(xiàn)定位,IMU則是慣性導航系統(tǒng)中的核心部件。
加速度與角度
加速度計的測量可以用來直流或者低頻角度跟蹤機制。從整個測量計算過程來看,本質(zhì)上加速度計不會像陀螺儀那樣存在累加或積分誤差。也就是說在出現(xiàn)偏置誤差或其他誤差時,這些誤差雖然會持續(xù)存在,但不會累積。
但加速度也有一些要求較高的地方,加速度計會根據(jù)速度的變化做出反應,比如振動、加速、減速,加速度計的協(xié)方差項可以用來檢測振動,通過其他監(jiān)測裝置可以知曉加速度計何時超出量程,這些都需要在系統(tǒng)級算法開發(fā)時對這些情況進行管理。這些情況都是需要傳感器實時監(jiān)測根據(jù)環(huán)境變化做出調(diào)整然后選擇最佳的數(shù)據(jù)再進行使用。
陀螺儀能測量旋轉(zhuǎn)角速率,針對轉(zhuǎn)速進行實時積分計算可以得到動態(tài)角度。這些計算需要進行多次,一個系統(tǒng)跟蹤陀螺儀的時間平均在100s左右。陀螺儀加上一些實時協(xié)方和其他可信指標來判斷車輛的運行狀態(tài)需要隨時間流逝不斷校準偏置。
典型的反饋檢測就是把IMU在制導和導航控制系統(tǒng)中用作反饋檢測元件,通過直接慣性測量來發(fā)揮作用。在自動駕駛中,IMU的反饋檢測可以控制汽車軌跡,既監(jiān)控駕駛又修復駕駛中發(fā)生的行駛偏差。IMU系統(tǒng)修正方向控制,結(jié)合視覺或者其他導航技術完成整個自動駕駛過程。
自動駕駛IMU關鍵誤差
在IMU進行部署時,需要考慮估算初始姿態(tài)角度和估算陀螺儀誤差,需要讓這二者能在自動駕駛系統(tǒng)中保持全幀對齊。在這個過程中,加速度計時主要的限制點,需要極快的偏置誤差處理時間才能判斷初始姿態(tài)。這和IMU的偏置可重復性指標相關,1mg的偏置可重復性大概會帶來0.06°的誤差,盡可能小的誤差能從最開始就提高系統(tǒng)性能。
陀螺儀上,噪聲、線性振動和離軸旋轉(zhuǎn)的影響則是三個最影響器件效果的因素。一般來說,這三個因素并不會有強關聯(lián)性,但是這不能代表每個傳感器都是如此,在選用IMU時必須對這些指標進行驗證。
這和MEMS制造工藝息息相關,更好的穩(wěn)定性和更低的噪聲測量出的艾倫方差也會更低。器件本身的制造工藝之外,算法優(yōu)化也至關重要。不做算法優(yōu)化的情況下,慣導底層傳感器的零漂每小時都會產(chǎn)生零漂,然后隨機運動的累積誤差會很快發(fā)散形象估算結(jié)果。
自動駕駛IMU進化
在自動駕駛設備的發(fā)展中,IMU應用的基本流程是沒有太大變化的,室外場景使用GPS加IMU的組合,通過卡爾曼濾波對系統(tǒng)狀態(tài)進行最優(yōu)估計,為導航系統(tǒng)盡可能提供低延遲的位置信息。不過這些系統(tǒng)中的元件在不斷進化,性能增強提高了這種導航系統(tǒng)的上限。
不只是自動駕駛領域,更小的尺寸、更高的集成度、更少的成本、更準確的測量是IMU在每個應用領域的發(fā)展趨勢。我們也知道,IMU具有獨有的自恃性,自身并不能很好地解決漂移、噪聲,尤其是零偏不穩(wěn)定性,因此常需要與另一傳感器進行融合補足。
除了常見的GPS+IMU的方案,機器視覺、UWB、激光雷達等各種傳感定位技術與IMU的融合進化也在自動駕駛中發(fā)揮出重要作用。
算法層面結(jié)合運動學模式賦予導航系統(tǒng)更多的算法規(guī)則,傳感器融合更先進濾波和算法處理也大大提升了行駛過程中車輛的位姿估算準確度。有些廠商還在IMU中加入ML內(nèi)核,讓IMU上多出一個硬連線處理引擎來直接在傳感器層面進行AI計算,增強快速實時響應能力并處理更為復雜的自動駕駛?cè)蝿铡?br />
小結(jié)
自動駕駛由感知、決策、執(zhí)行三大系統(tǒng)組成,傳感器作為汽車核心感知層,是車輛保證位置感的基礎。用于導航平臺穩(wěn)定控制和導航的高性能MEMS IMU已經(jīng)成為自動駕駛丟失衛(wèi)星定位后最后的一道防線。
聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。
舉報投訴
-
IMU
+關注
關注
6文章
293瀏覽量
45617 -
自動駕駛
+關注
關注
782文章
13548瀏覽量
165752
發(fā)布評論請先 登錄
相關推薦
自動駕駛HiL測試方案案例分析--ADS HiL測試系統(tǒng)#ADAS #自動駕駛 #VTHiL
自動駕駛
北匯信息POLELINK
發(fā)布于 :2024年10月22日 15:20:19
FPGA在自動駕駛領域有哪些優(yōu)勢?
FPGA(Field-Programmable Gate Array,現(xiàn)場可編程門陣列)在自動駕駛領域具有顯著的優(yōu)勢,這些優(yōu)勢使得FPGA成為自動駕駛技術中不可或缺的一部分。以下是FPGA在自
發(fā)表于 07-29 17:11
FPGA在自動駕駛領域有哪些應用?
是FPGA在自動駕駛領域的主要應用:
一、感知算法加速
圖像處理:自動駕駛中需要通過攝像頭獲取并識別道路信息和行駛環(huán)境,這涉及到大量的圖像處理任務。FPGA在處理圖像上的運算速度快,可并行性強,且功耗
發(fā)表于 07-29 17:09
自動駕駛識別技術有哪些
自動駕駛的識別技術是自動駕駛系統(tǒng)中的重要組成部分,它使車輛能夠感知并理解周圍環(huán)境,從而做出智能決策。自動駕駛識別技術主要包括多種傳感器及其融合技術,以及基于這些傳感器數(shù)據(jù)的處理和識別算
深度學習在自動駕駛中的關鍵技術
隨著人工智能技術的飛速發(fā)展,自動駕駛技術作為其中的重要分支,正逐漸走向成熟。在自動駕駛系統(tǒng)中,深度學習技術發(fā)揮著至關重要的作用。它通過模擬人腦的學習過程,實現(xiàn)對車輛周圍環(huán)境的感知、理解和決策。本文將深入探討深度學習在
未來已來,多傳感器融合感知是自動駕駛破局的關鍵
的Robotaxi運營。這標志著L4級自動駕駛迎來了新的里程碑,朝著商業(yè)化落地邁進了一大步。中國的車企也不甘落后:4月7日,廣汽埃安與滴滴自動駕駛宣布合資公司——廣州安滴科技有限公司獲批工商執(zhí)照。廣汽埃安
發(fā)表于 04-11 10:26
用于自動駕駛,無人駕駛領域的IMU六軸陀螺儀傳感器:M-G370
的行駛是否會對其他交通參與成員產(chǎn)生危險。這就需要所謂的定位導航。而定位導航的關鍵就在于汽車中的IMU慣導模塊。那么為什么說慣導模塊是自動駕駛,無人駕駛的安全防線呢?
發(fā)表于 04-02 11:44
?0次下載
自動駕駛發(fā)展問題及解決方案淺析
汽車的發(fā)展提供有益的參考。 ? 自動駕駛汽車發(fā)展的現(xiàn)狀與挑戰(zhàn) (一)技術難題 自動駕駛汽車的核心在于通過先進的傳感器、算法和控制系統(tǒng)實現(xiàn)車輛的自主駕駛。然而,在實際應用中,
語音數(shù)據(jù)集在自動駕駛中的應用與挑戰(zhàn)
隨著人工智能技術的快速發(fā)展,自動駕駛汽車已經(jīng)成為交通領域的研究熱點。語音數(shù)據(jù)集在自動駕駛中發(fā)揮著重要的作用,為駕駛員和乘客提供了更加便捷和安全的交互方式。本文將詳細介紹語音數(shù)據(jù)集在自動駕駛
LabVIEW開發(fā)自動駕駛的雙目測距系統(tǒng)
達到950以上,而在其他較弱紋理區(qū)域也能維持在900左右。誤差率低至5%以下,甚至在特征點明顯的標志物上可達到2%左右。
基于LabVIEW的雙目測距系統(tǒng)在自動駕駛中具有廣泛的應用前景,它可以為車輛提供
發(fā)表于 12-19 18:02
自動駕駛“十問十答”
說起自動駕駛, 大家現(xiàn)在已經(jīng)不陌生, 但是關于自動駕駛你又了解多少呢? 今天小編總結(jié)了關于自動駕駛的 “十問十答” , 帶你了解更多 自動駕駛的來龍去脈 。 問題1. 為什么會 出現(xiàn)
自動駕駛路徑跟蹤控制的種類
行為決策在自動駕駛系統(tǒng)架構(gòu)中的位置 Claudine Badue等人以圣西班牙聯(lián)邦大學(UFES)開發(fā)的自動駕駛汽車(Intelligent Autonomous Robotics
評論