新闻动态 通过物联网和AI大数据技术能有效提升城市和交通的运行效率和安全性

雷视融合一体机将成为路侧感知核心传感器

信息来源:新闻动态 发布时间:2021-03-03

现有交通传感器

       交通传感器主要是实现路况环境的数据信息采集,为路侧感知网络提供原始数据。现有交通传感器主要分为两大类:第一类是传统的传感器,包括感应线圈、截面雷达和地磁钉等,这些设备仅可以获得某一截面或瞬时的车辆所在车道和车速信息。第二类是交通目标传感器。

       现有的交通目标传感器主要有以下3种:

       AI摄像头:能够检测交通参与者类型,比如车辆、行人和骑行者;缺点是定位精度不高,且受天气和光照强度的影响较大。

       激光雷达:能够准确检测出静止和运动目标的位置、速度以及目标物的尺寸等信息;缺点是对环境敏感度高,有机械转动部件、寿命和可靠性有影响。

       交通毫米波雷达:能够准确地检测目标的位置、速度等信息并且不受天气状态的干扰,覆盖范围大,综合性价比高;缺点是横向精度较低,且无法精确区分目标类型。

1.png

图1 交通毫米波雷达与摄像头

       车路协同对路侧感知传感器的要求

       车路协同系统现阶段需要支持全息交通管理应用的各种场景,而未来更是需要为无人驾驶提供有效的路侧数据支持。所以车路协同系统需要对交通道路进行全域覆盖、全天候感知,对感知的精度和实时性也提出了很高的要求。根据对《合作式智能运输系统车用通信系统应用层及应用数据交互标准》等行业标准分析,车路协同系统对路侧感知传感器提出了以下的要求:

       全天候:白天、夜间,不受光线影响;雾霾、下雨,精度不受影响

       大覆盖:每公里覆盖需求数量少;减少部署所需的附加成本

       高精度:位置、速度矢量精度高;面向算法,而非面向人眼

       多功能:单传感器实现大部分功能;减少边缘计算复杂度

       低成本:综合部署成本低;可靠性高、维护成本低

       雷视融合一体机及解决方案

       雷视融合一体机是全新一代专门针对车路协同所设计的智能传感器,是将摄像头、毫米波雷达和高性能处理器结为一体的交通传感器。雷视融合将原始的视频流和雷达数据流同时通过MIPI和SPI接口接入到一体机中的嵌入式处理器中。在内置的嵌入式处理器中直接对原始的视频流进行AI目标提取,然后通过内建的坐标映射系统将视频目标投影到雷达坐标系中,最后对视频目标和雷达目标进行融合跟踪处理,实现全局目标的实时矢量化和跟踪。

2.png

图2 雷视融合一体机实测界面

       下图为基于雷视融合一体机的路侧感知系统框图。雷视融合一体机通过内置的ARM+NPU嵌入式处理器实时将视频和雷达数据进行融合,输出目标矢量数据。通过TFES目标融合边缘服务器将多方向的矢量目标数据进行融合,形成路口或路段的全局实时目标数据源,从而为边缘计算层的决策、控制、交互等提供稳定可靠的数据支撑。TFES目标融合边缘服务器也可以获取RSU通过空口采集到的网联车辆信息数据,计算出整个道路上交通参与者的信息。RSU能够获取边缘计算单元融合后的所有交通参与者的信息,通过V2X通信方式将整个路口或者路段上的交通参与者信息发送给周围的智能网联车辆OBU。

3.png

图3 基于雷视融合一体机的路侧感知系统框图

       与现有的其他路侧感知方案相比,基于雷视融合一体机的路侧感知方案有以下的功能优点:

低延迟

       传统的路侧感知方案多采用多点传感器(视频,雷达)通过网络汇聚到MEC中,然后利用MEC的GPU进行视频处理和目标融合。但受限于网络传输和视频编解码,视频目标延迟较大且不可控(RTSP推流延迟普遍在200ms – 1s),和雷达目标融合难度较高、精度较差。

       而采用雷视融合一体机,摄像头的原始视频流直接在设备内连入处理器,省去了网络传输和视频编解码的过程,将延迟控制在50ms之内。

       《合作式智能运输系统车用通信系统应用层及应用数据交互标准》等标准中明确要求各场景端到端的延迟不能超过100ms。基于雷视融合一体机的路侧感知方案可以完全满足标准要求。

覆盖范围广

       雷视融合一体机探测距离可达250m/425 m,可视视角可达90°以上,适用于人车混行、车流密集、易拥堵路段,能够同时识别检测行人、非机动车、机动车等目标,覆盖范围广,检测要素全,可显著减少部署成本。

数据精度高

       雷视融合一体机采用MIMO体制,距离精度可达±0.32 m,方位角精度可达±0.1°(远距)、±0.3°(近距),速度分辨率为0.1m/s,可精准检测与区分行人和车辆,并进行全息化还原,实现全局目标的实时矢量化。

单机多功能

       雷视融合一体机可满足车路协同标准中DAY I和DAY II全场景对路侧感知的要求。雷视融合一体机内置先进的交通算法和丰富的原生事件输出,如拥堵事件、异常停车事件、逆行事件、大货车低速预警、城市路口行人碰撞预警等。可为车路协同应用提供数据支撑,协助车辆提前锁定化解远距离和盲区安全冲突,为人工驾驶提供辅助的同时,也可为单车自动驾驶技术提供更可靠的环境信息支撑。

易工程

       雷视融合一体机采用宽温设计(-40°C 至70°C),IP65防水,完全适用于全室外场景。在现场部署时,可使用专有的工具对雷视融合一体机进行标定,可在15-20分钟内完成雷达、视频和GPS坐标系的标定。

       雷视融合一体机的应用场景

       雷视融合一体机可在多个场景下应用,主要划分为两个方面:智慧交通管理和V2X车联网路侧感知。

       (1)  面向智慧交通管理:主要应用于城市路口的自适应信号控制、违法抓拍辅助、车流量统计、非机动车检测;交通路段的车流量检测、车型分辨、事故检测、测速、拥堵检测、抛洒物检测;城乡道路中独立化的车流统计和人流预警系统。

       典型案例——连云港花果山大道示范工程

雷森与中船重工七一六所下属杰瑞电子集团公司,在连云港花果山大道共建基于毫米波雷达的自适应信号灯示范工程。雷达将流量数据、过车信息、车速信息、排队长度等数据实时上传到信号机控制系统,实现路口的实时自适应信号灯控制。有效改善路口高峰时期拥堵程度。

       (2)  面向V2X车联网路侧感知:主要应用于城市路口下的交叉路口碰撞预警、弱势交通参与者碰撞预警;交通路段的前向碰撞预警、紧急制动预警、协作式匝道汇入;城乡道路的感知数据共享,弱势交通参与者碰撞预警。

       典型案例——苏州工业园区全息路口示范工程

       雷森与园区交警在苏州工业园区纳米城路口部署了4台雷视融合一体机,实现路口全覆盖,对所有车辆、非机动车、行人进行全息化处理。路口信号机箱内部署了1台TFES目标融合边缘服务器,实现4台雷视融合一体机的目标融合,结合高精地图叠加,接入卡口车牌数据,并与目标数据进行实时匹配绑定,实现身份识别。

4.png图4 全息路口系统示意图

5.png图5 全息路口全局目标感知

       结语

       雷视融合一体机将感知融合的算法前移至端侧,大幅降低了感知延迟和边缘侧的计算压力,并利用视频和雷达各自的优势,提升了目标的精确度。路侧感知系统是车路协同中的核心系统。基于雷视融合一体机可以广泛部署并实现路侧感知全覆盖,满足车路协同的各类应用场景与定位要求。雷视融合一体机目前已在多个示范区和先导区部署使用。未来,雷视融合一体机将会进一步提升探测精度,并融入更多的交通事件检测算法,充分支撑路侧感知对传感器和数据的各种需求。