智能网联汽车概论 课件 模块三 智能网联汽车传感器

智能网联汽车概论模块三

智能网联汽车传感器目录单元1智能网联汽车传感器原理单元2传感器融合与校正导读

学习本模块，读者将会获取智能网联汽车传感器布局、工作原理、作用和传感器的融合、标定等基础知识。本模块学习要点是结合实际量产主流智能网联汽车的传感器类型、传感器分布、传感器的作用等信息学习。

读者应特别关注智能传感器的融合的目的，传感器标定的实质。

通过科研小课题的思索与实践，拓展小贴士等拓展读者的视野，希望读者应能够初步具备运用智能网联汽车传感器相关知识运用到实际工作之中，结合学习与工作实际，能够搭建相关基础电路；

希望读者能够发扬工匠精神，提升智能网联汽车传感器制造、选型、标定、检测与诊断等技能。智能网联汽车传感器智能网联汽车传感器智能网联汽车传感器激光传感器智能网联汽车上的激光传感器也叫激光雷达（LiDAR，光检测与测距），是一种利用光的传播原理来测量物体距离的远程感测技术，通过发射脉冲激光，然后捕获反射回来的光束，以测量物体的距离，被广泛应用于自动驾驶汽车、无人飞机和其它移动设备中。01激光雷达的优点是能够提供精确的三维空间信息，帮助汽车识别和避免障碍物。在自动驾驶汽车中，激光雷达主要用于感知环境，包括检测和识别物体、估计物体的运动状态以及建立和更新地图。02智能网联汽车传感器激光传感器类型单线束激光雷达和多线束激光雷达01机械激光雷达02固态激光雷达03混合固态激光雷达根据线束数量的不同根据有无机械旋转部件智能网联汽车传感器机械式激光传感器固态激光传感器智能网联汽车传感器激光雷达一般由激光发射系统、光电接收系统、信号采集处理系统、控制系统组成。激光雷达系统的简化结构智能网联汽车传感器02010403激光发射系统主要负责向障碍物发送激光信号光电接收系统主要负责接收经障碍物反射回来的激光信号信号采集处理系统主要负责对来自光电接收系统的信号进行处理，使它能够符合下一级系统的要求，是激光雷达系统最关键的环节，其性能好坏直接影响激光雷达系统的测量精度控制系统主要负责提供激光发射控制信号，并对来自信号采集处理系统的信号进行处理智能网联汽车传感器

激光器发射激光，在照射到物体后，反射光由线性CCD接收，由于激光器和探测器间隔了一段距离，所以依照光学路径，不同距离的物体将会成像在CCD上不同的位置。按照三角公式进行计算，就能推导出被测物体的距离。智能网联汽车传感器激光传感器的工作原理-三角测距目标物体车载激光雷达的工作原理是通过发射红外激光束到周围环境，当激光束遇到障碍物并反射回来时，接收器会捕捉这些反射光。1同时，通过激光雷达的快速旋转和连续扫描，它能够收集来自各个方向的距离信息，结合车辆自身的位置与方向数据，生成车辆周围环境的实时、高分辨率的三维点云图像。3激光雷达内部系统会精确测量激光从发射到接收的时间差，即光的飞行时间（TOF：TimeofFly），并基于光速计算出障碍物与车辆之间的精确距离。2智能网联汽车传感器激光传感器的工作原理-TOF智能网联汽车传感器激光传感器的工作原理-TOF由激光器发射激光脉冲，计时器记录发射时间t1，激光脉冲经物体反射后由接收器接收，计时器记录接收时间t2。智能网联汽车传感器激光传感器的工作原理智能网联汽车传感器毫米波传感器毫米波传感器是一种利用电磁波在毫米波频段进行探测的雷达，其工作原理与传统的雷达类似，都是通过发射电磁波，并接收反射回来的信号，以获取周围环境的信息。智能网联汽车传感器毫米波传感器的结构智能网联汽车传感器脉冲测距法的原理简单，但对应产品结构复杂、生产成本高；调频连续波测距法的测量结果准确，且对应产品结构简单、体积小。因此，目前智能网联汽车用毫米波雷达多采用调频连续波测距法。毫米波雷达的探测方法主要有脉冲测距法和调频连续波测距法两种。毫米波传感器的工作原理1）相对距离和相对速度的测量当毫米波雷达发射的调频连续波遇到前方目标时，会产生具有一定延时的回波，经雷达混频器混频处理，即可得到毫米波雷达与目标之间的相对距离和相对速度。智能网联汽车传感器毫米波传感器的工作原理毫米波雷达测量目标相对距离和相对速度的原理1）相对距离和相对速度的测量

相对距离和相对速度的计算公式为式中：s——相对距离；c——光速；T——信号发射周期；f'——发射信号与反射信号的频率差；Δf——调频带宽；fd

——多普勒频率；f0

——发射信号的中心频率；u——相对速度。智能网联汽车传感器毫米波传感器的工作原理2）方位角的测量右图所示为毫米波雷达测量目标方位角的原理。TX为毫米波雷达的发射天线RX1、RX2为毫米波雷达的接收天线当TX发射出毫米波后，目标将毫米波反射到接收天线RX1和RX2，根据接收天线RX1和RX2之间的距离d，以及RX1、RX2接收信号的相位差b，即可通过三角函数计算得到目标的方位角αAZ。智能网联汽车传感器毫米波传感器的工作原理智能网联汽车传感器工作原理132毫米波频段测量距离划分依据毫米波传感器的分类脉冲式毫米波雷达调频式连续毫米波雷达VS通过测量发射脉冲信号与接收脉冲信号之间的时间差的方式，得到毫米波雷达与目标之间的相对距离利用多普勒效应，测量雷达与目标之间的相对距离和相对速度。1）根据工作原理分类智能网联汽车传感器毫米波传感器的分类以77GHz频段为例，它是自动驾驶和ADAS的核心技术，探测距离超200米。在高速公路上，它能提前发现远处目标，支持自适应巡航控制（ACC）和前方碰撞预警（FCW）。01同样采用77GHz或79GHz频段，但聚焦于城市道路和复杂交通环境。一实例中，中距离雷达通过发射电磁波并接收回波，精确探测约100米内的目标。02短程雷达可能工作在24GHz或其他较低频段，24GHz是宽频带，检测范围通常小于60米，主要用于近距离的目标检测和避障。032）根据测量距离分类长距离雷达（LRR，long-rangeradar）中距离雷达（MRR，medium-rangeradar）短距离雷达（SRR，short-rangeradar）智能网联汽车传感器不同毫米波雷达的探测范围智能网联汽车传感器3）根据毫米波频段分类0124GHz毫米波雷达0260GHz毫米波雷达0377GHz毫米波雷达0479GHz毫米波雷达目前使用较多的为24GHz和77GHz毫米波雷达，其中24GHz毫米波雷达适用于近距离探测，77GHz毫米波雷达适用于远距离探测。智能网联汽车传感器毫米波雷达类型短程雷达（SRR）中程雷达（MRR）远程雷达（LRR）工作频段24GHz77GHz77GHz测量距离小于60m100m左右大于200m功能前向碰撞预警系统前方前方自适应巡航控制系统前方前方盲区监测系统侧方侧方自动制动辅助系统前方前方自动泊车辅助系统前方、后方侧方变道辅助系统后方后方毫米波雷达在智能网联汽车先进驾驶辅助系统中的应用智能网联汽车传感器

如图所示，L3级自动驾驶样车车身周围布置了2枚长距毫米波雷达和4枚中距毫米波雷达，可实现车身360°环境感知范围覆盖。毫米波雷达系统整车布置方案及探测范围如图所示。智能网联汽车传感器智能网联汽车传感器超声波传感器超声波传感器利用高于人耳听阈的声波测量距离，广泛应用于自动驾驶车辆和无人机，尤其在停车和低速驾驶中检测障碍物。

超声波雷达是可在超声频率范围内将交变的电信号转换成超声波信号，以及将外界声场中的超声波信号转换为电信号的能量转换器件。其工作原理类似“声呐”，发射超声波并接收反射信号（在标准大气条件下，约为343米/秒），结合声速与信号往返时间，精准计算物体距离。0102超声波雷达典型结构超声波雷达结构图智能网联汽车传感器超声波传感器的结构

超声波传感器产生超声波，是利用逆压电效应的原理工作。逆压电效应即在压电晶片上施加交变电压，压电晶片将发生交变机械变形，从而产生同频振动而发射超声波。而超声波探头接收超声波时则利用正压电效应原理工作的。超声波雷达通常由控制器、发射器、接收器等组成，其中发射器和接收器在同一平面上。在发射器发射超声波的同时，控制器内部的计时器开始计时，并在接收器接收到返回的超声波后停止计时。控制器根据超声波的往返时间及其在介质中的传播速度，计算出目标与超声波雷达之间的距离，并将相关数据信息转化成相应的电信号。智能网联汽车传感器超声波传感器的工作原理智能网联汽车传感器超声波传感器的工作原理设发射器到障碍物表面的距离为L，超声波在空气中的传播速度为v（约为340m/s），从发射到接收超声波所用的往返时间为t，当发射器和接收器之间的距离l远小于超声波雷达到障碍物的距离L时，。由此可见，超声波雷达与障碍物之间的距离与超声波的往返时间成正比，只要测得超声波的传播时间，即可计算出超声波雷达与障碍物之间的距离。超声波雷达的工作原理

超声波雷达的测距原理智能网联汽车传感器超声波传感器的工作原理停车辅助系统：超声波传感器常见的应用场景之一就是在汽车的倒车、停车过程中，为驾驶员提供周围环境的障碍物信息，有助于避免碰撞。自动驾驶：在自动驾驶技术中，超声波传感器常与摄像头、雷达等其它传感器配合使用，获取车辆周围的详细环境信息，增强自动驾驶系统的安全性和稳定性。PART01PART02智能网联汽车传感器超声波传感器的应用

倒车雷达是超声波雷达在汽车上最典型的应用。倒车雷达主要用于车辆泊车，一般通过声音和仪表显示的方式向驾驶员提供障碍物的距离信息。

倒车雷达的工作原理当挡位位于倒车挡，障碍物与超声波雷达之间的距离达到某一阈值后，警报器开始发出较低频率的声音报警信号；当障碍物与超声波雷达之间的距离不断变小直至达到某一更小的阈值后，警报器将发出更高频率的声音报警信号，以提醒驾驶员；当挡位退出倒车挡或车速超过临界值后，超声波雷达停止工作。智能网联汽车传感器超声波传感器的应用智能网联汽车标准1.查阅资料，了解中国技术标准的发展历程。2.目前中国企业主导制定了智能网联汽车技术领域的哪些标准？科研小课堂智能网联汽车标准1.比较激光传感器、毫米波传感器、超声波传感器的性能。2.在比较的基础上，合理设计能够识别信号灯、车道线、横穿马路的行人和盲区的传感电路。科研小课堂智能网联汽车传感器视觉传感器什么是视觉传感器视觉传感器又称成像装置或摄像装置，是指通过对摄像头拍摄到的图像进行处理，对目标进行检测，并输出数据和判断结果的智能传感器。视觉传感器主要由镜头、图像传感器、模数转换器、图像处理器、图像存储器等部件组成智能网联汽车传感器视觉传感器的组成智能网联汽车传感器视觉传感器的工作原理

视觉传感器的环境感知流程一般包括图像采集、图像预处理、图像特征提取、图像模式识别、结果传输等。利用视觉传感器进行道路识别的流程01单目摄像头：单目摄像头就是只有一个镜头的摄像头，主要用于识别交通标志、行人、车辆等。但是，由于只有一个镜头，单目摄像头在深度感知上的能力较差。02双目摄像头：双目摄像头由两个镜头组成，通过两个相互平行且有一定距离的摄像头同时观测同一物体，可以更准确地判断物体的位置和距离，模拟人眼的立体视觉，增强了对空间深度的感知能力。03三目摄像头：三目摄像头是一种高级视觉系统，主要应用于智能网联汽车中。三目摄像头是通过多视角的图像获取和深度信息融合，为车辆提供了精确的环境感知能力，有助于提升车辆的自动驾驶性能。04环视视觉摄像头：360度环视系统也常被称作全景摄像头系统，通常由多个摄像头（通常为四个）组合而成，其可以提供车辆全方位的视野，主要应用于停车辅助、环视系统等。智能网联汽车传感器视觉传感器的分类ZZZZZZZZ1）CCD（电荷耦合器件，chargecoupleddevice）2）CMOS（互补金属氧化物半导体，complementarymetaloxidesemiconductor）

图像传感器是视觉传感器的核心部件，是一种半导体器件，设有许多排列整齐的光电二极管，这些光电二极管可以将光信号转换成电信号，再经外部采样，最终将光学影像转化为电信号。图像传感器主要有两种。智能网联汽车传感器视觉传感器的工作原理CCD采用的光电二极管是硅半导体光敏元件，它可以捕获光子并产生光生电子，使光生电子聚集在CCD下的绝缘层中，在电路导通时形成光电流；控制电路对光电流进行放大、滤波后串行输入模数转换器，将其转换成数字信号;再通过成像电路（如DSP）进行色彩校正、白平衡等后期处理，最终将图像信息编码为特定数据格式的图像文件。1）CCD成像原理智能网联汽车传感器视觉传感器的工作原理2）CMOS成像原理CMOS采用的光电二极管是硅和锗两种半导体光敏元件，它同样可以捕获光子并产生光生电子，并通过处理芯片将所产生的光电流记录和解读成影像。智能网联汽车传感器视觉传感器的工作原理定义上述几种视觉传感器均为可见光视觉传感器。由于可见光在夜间的信噪比较低，因此可见光视觉传感器在夜间的成像难度较大，而红外夜视视觉传感器在夜间就能发挥独特的优势。红外线通常是指波长为0.78～1000μm的电磁波，红外波段的短波段与可见光部分相邻，长波段与微波相连，如图所示。智能网联汽车传感器红外线与可见光一样，都是以光速传播，且遵守同样的反射、折射、衍射、偏振等定律，因此红外夜视视觉传感器的成像原理与前面介绍的几种视觉传感器基本一致。红外夜视视觉传感器利用红外成像原理，将视场内物体的红外线聚焦到红外探测器上，红外探测器再将强弱不等的辐射信号转换成相应的电信号，然后经过放大和视频处理，形成可供人眼观察的红外图像，如图所示。智能网联汽车传感器智能网联汽车传感器为了全面理解周围环境，多传感器融合算法被应用于处理来自不同传感器的数据，构建一个综合的三维环境模型。这一过程克服了单一传感器的局限性，提高了感知的可靠性和精度，为控制器实施决策提供了全面、准确的环境信息。智能网联汽车传感器传感器融合智能网联汽车传感器传感器融合从而使车辆能够自动分析是否处于安全或危险的状态，实现智能驾驶，最终取代人类做出决策并实现无人驾驶的目标。03这一技术通过算法来优化数据的处理流程，解决单一传感器的局限性，提升数据的可靠性和精确度。02传感器融合技术能够整合这些传感器获取的不同类型数据，以获得更为准确和稳定的环境感知结果。0101激光雷达、毫米波雷达、摄像头和超声波雷达在智能驾驶中各司其职，共同构建外部环境感知系统。02例如：在复杂的城市交通环境中，一辆自动驾驶汽车通过激光雷达详细扫描前方的路况，精确识别出一位正准备横穿马路的行人。03同时，毫米波雷达在雨雾天气下稳定工作，提供了行人的相对速度和距离信息。04摄像头则捕捉到了行人的衣着颜色，并通过计算机视觉技术确认了交通信号灯的状态为绿灯，进一步确认穿越的安全性。05结合这些信息，自动驾驶系统迅速做出决策，减速并安全避让行人。智能网联汽车传感器传感器融合智能网联汽车传感器传感器融合传感器融合分为硬件层融合、数据层融合和任务层融合。数据层融合直接在原始数据层面进行整合，适用于同构传感器。其优点是信息损失小，但对数据同步要求高。数据层融合特征层融合提取各传感器的特征后进行整合，适用于异构传感器。其能够减少数据量，提高处理效率。特征层融合决策层融合在各传感器独立决策后进行整合，适用于分布式系统。其容错性强，但信息损失较大。Subitile3智能网联汽车传感器传感器融合AI算法能够通过学习自动优化融合策略，适应复杂环境。其在大数据场景下表现尤为突出。AI算法优势AI算法需要大量训练数据，计算资源消耗大，且模型可解释性较差。实际应用中需权衡性能与成本。AI算法挑战智能网联汽车传感器传感器融合常用的传感器融合算法有随机算法（包括加权平均、卡尔曼滤波和贝叶斯估计）和AI算法（包括数据层融合、特征层的融合和决策层的融合）。智能网联汽车传感器传感器标定的意义传感器标定是确保传感器数据准确性的关键步骤。通过标定，可以消除传感器误差，提高数据采集的精度，从而为智能驾驶系统提供可靠的数据支持。传感器标定的重要性随着人工智能和物联网技术的快速发展，智能网联汽车已成为汽车产业的重要发展方向。传感器作为智能网联汽车的核心部件，其标定精度直接影响车辆的安全性和可靠性。智能网联汽车发展本研究旨在探讨智能网联汽车传感器标定的关键技术和方法，为实际应用提供理论支持和实践指导。研究目标智能网联汽车传感器视觉传感器标定自动辅助驾驶系统需要通过传感器融合进行工作，因此必须将多个传感器测量结果变换到统一的时空坐标系。传感器标定分为内参标定和外参标定。内参相机的位置坐标与像素点上的坐标之间的位置转化之间所包含的参数被称为内部参数