무인자동차는 도로 상태에 주의를 기울이고, 교통 표지를 이해하고, 물체를 탐지하고 분류하며, 속도/궤적 및 기타 차량을 감지하는 것은 쉽지 않다. 더 중요한 것은, 주행의 목적지를 정확히 알기 위해서는 지도에서 자신을 찾을 수 있어야 한다는 것이다. 주변 환경을 추적할 때 무인 자동차는 카메라, 레이더, 초음파, GPS 안테나, 광 펄스를 사용하여 거리를 측정하는 라이더 구성 요소 등 많은 센서에 의존해야 합니다. 각 센서에는 장점과 단점이 있습니다. 라이더는 선 수, 점 밀도, 수평 및 수직 뷰 각도, 프로브 거리, 스캔 빈도 및 정밀도를 포함하여 주변 환경의 몇 가지 주요 매개변수를 설명합니다. 위치 및 거리 정보 외에도 라이더는 스캔된 물체의 밀도 정보를 제공합니다. 이 정보는 후속 알고리즘에서 추가 처리 전에 스캔된 물체의 반사도를 결정하는 데 사용할 수 있습니다. 대상 개체의 공간 방향과 거리를 감지하여 점 구름으로 3D 환경 모델을 설명하고 대상의 레이저 반사 강도 정보를 제공하여 감지된 대상에 대한 자세한 모양 설명을 제공합니다. 조명 조건이 좋은 환경뿐만 아니라 밤, 비 오는 날 등 극단적인 상황에서도 잘 작동합니다. 일반적으로 라이더 센서는 정확도, 해상도, 민감도, 동적 범위, 센서 각도, 사전 감지, 저오경보, 온도 적응성, 어둠과 악천후 적응성, 신호 처리 능력 등의 지표에서 잘 작동합니다. 국내외에서 라이더 방면에서 비교적 잘 하는 회사는 위력 등정, iBeo, 스피드 융합이 있다.

단 하나의 유형의 센서와 단일 기술만으로는 안전 자율운전이 어렵다. 가장 기본적인 센서 시나리오에서 핵심 센서를 줄일 수 없으며 다중 유형 센서의 중복 구성 및 정보 융합도 필요하다는 점을 일깨워 줍니다.

우선 센서의 고유 결함을 어떻게 가장 효과적으로 메울 수 있는지 알아야 한다. 두 번째 단계는 중요한 정보가 손실되지 않도록 서로 다른 데이터 스트림을 결합하는 최적의 전략을 개발하는 것이 더 중요할 수 있습니다. 각 센서가 자체 이미지 업데이트 속도로 데이터를 전송하는 것은 이미 문제이며, 센서 융합은 더욱 복잡합니다. 일부 센서는 원시 데이터를 제공하고 다른 센서는 객체 데이터에 대한 자신의 답을 제공합니다. 20 17 우리는 감지 기술의 일련의 발전을 보았다. VSI 연구소의 설립자이자 책임자인 필 매그니 (Phil Magney) 는 "인식은 무인자동차 소프트웨어 스택의 주요 분야로 많은 혁신이 있다" 고 말했다. 。 기술 회사, 1 급 공급업체 및 OEM 공급업체는 자체 회사가 부족하거나 자체 개발할 수 없는 센서 기술을 획득하려고 노력해 왔습니다. 이와 함께 지난 2 년 동안 많은 센서 초창기 회사들이 등장했으며, 이들 중 상당수는 아직 초급 단계에 있는 무인자동차 시장에 관심을 기울이고 있다.