自动驾驶 2-1 传感器和计算硬件 Sensors and Computing Hardware
欢迎来到第二周的第一节课 我们认为我们现有的所采用的硬件 和软件画面中的图片细节进行讨论 特别是我们将介绍可发现的各种传感器 可用的计算平台 设计自动驾驶汽车传感器配置的基础 典型的自动化软件的组件 ，我们最后将讨论 形成自动驾驶环境的不同方法
希望到本周末你 打造自动驾驶汽车的设备
和软件有一个广泛的认识 让我们开始今天的课程 在本课程中我们首先将给出传感器的定义 可能会讨论问题中的几类传感器 然后我们会讨论</>当前自动驾驶中所涉及的硬件 让我们从上海开始 即使最佳的检测结果也被检测到 的限制 挑选传感器可以放大 自动驾驶的可能任务 那是什么？ 传感器就是可以测量或检测环境特定属性的装置 或能够随时间改变环境属性的装置 传感器区分两种类型 他们所记录的环境属性 他们如果记录环境的属性，他们是外部感应传感器 Extero 表示外在的或来自周围的环境 当传感器记录了动物的属性 她们是感应感应 Proprios 指内在的专业人士的
让我们从讨论开始的外部感应传感器开始 我们从自动驾驶中最常见的最广泛的传感器 在相机里 相机是一种主动式非常摄影收集的传感器 场景内的细节信息 确实有些人认为相机是唯一真正需要的传感器 对于自动驾驶来说 但是，目前的技术表现仍然不可能仅使用视觉信息来完成 在摄影时 我们通常会介绍三个重要的比较指标 我们挑选相机是为了他们的感情 敏感是创建图像的像素数 因此，确定这是图像质量的一种方法 我们还可以基于范围选择相机 视线范围由摄像机的水平和垂直范围所定义 并且可以通过选择镜头和变焦将其调整
另一个重要指标是动态视觉范围 巴西的动态视觉范围是图像中最暗 和最亮色调的差异 高动态视频范围对于自发事件因为 会遇到多变的光线条件特别是在夜间通话时间 在相机和镜头选择之间有一个重要的权衡 应用范围和问题的选择 较宽的范围允许在周围有广泛的范围 但从一个特定对象吸收的光的图像 随着视线范围的增加 我们需要解决问题才能找到相同的质量 可能遇到的情况的环境信息
相机的其他一些属性也会影响看到 例如焦距景深和帧频 我们将在视觉上看到的课程三中详细介绍 相机和计算机视觉
组合两台范围 统一图像平面的相机一个立体相机 立体机架允许根据同步图像进行深度估计 图片中的像素值可以与其他图片对比 提供一个场景的视差图 此视差可以然后被伤害来估计
接下来，我们有LIDAR（光学雷达）光谱检测和测距传感器 光学视线指向指向向环境中发光 并测量反射回的信号
通过测量返回的光量和这个飞行时间 范围内的物体方向和反射物体都可以被估计 光学雷达通常包括一个带有光源的旋转原件 并输出三维点云图 评估各种特殊物品 因为它是一个具有自身光源的有源传感器 光学辐射不受环境照明情况的影响 因此，光学雷达并不会在相机上 恶劣或多变的条件下所面临的挑战 让我们来讨论挑选光学雷达的重要比较指标 第一个目标是光源量化标签的8 16 32 和64个光源 第二个指标是可以收集的点数 点数收集越快3D点云信息可以更详细 另一个指标是目的 3D点云的速度越快 检测范围也很重要 并源光源的输出功率 我们有特别关注又一次 是指光学雷达传感器的可视角度范围 ，我们还应该说当前新出现的光学雷达类型 水光雷达 没有传统光学雷达的旋转元件 这些传感器的成本极低且可靠 学习完全于芯片中集成实现 鼠标观察雷达继续开发中 但它确实可以发展可再生的自动驾驶的未来 我们的下一个传感器是RADAR（雷达）是指无线电检测和测距
雷达传感器已经可以超越光学雷达 测中距并能检测环境的大型物体 他们在少数的一些特殊情况 大环的影响
让我们讨论一些选择雷达的比较指标 选择雷达可基于检测范围 位置和速度的测量合理性
雷达也可以被认为是具有宽广范围 但视距范围 辐射窄但距离范围
我们将讨论的下一个传感器是感应传感器，声纳 最初以声音导航和测距距离 使用声波测量范围 声纳是在低测距设备中测量短距离的传感器
这使它们适合放置场景 身体车辆需要靠近其他车辆的情况下移动 声纳另一个优点是其成本很低 此外，类似雷达和光学雷达一样的声纳不受照明和 条件影响 声纳可基于一些关键指标进行选择
他们可以测量的最大范围检测数量 现在让我们讨论一下本性感应感应 感应本性的传感器 这里最常见的就是全球导航卫星系统 简称GNSS，例如GPS或Galileo（伽利略） 惯性测量装置 GNSS接收器用于测量身体车辆的位置、速度 有时移动交通工具方向 蜘蛛侠应用定位方法 和使用的对偶方法 地球，IMU还测量旋转角速度 身体车辆的去除以及一些可测量的 估计车辆的3D方向 前进方向最重要的车辆控制 最后，我们有一颗星星 该传感器追踪地球旋转速度 使用这些来估计身体车辆速度和前进方向的变化率 这同样是车辆上记录的传感器
因此，总而言之之当前使用的主要传感器 包括相机、纳雷达、光学雷达、声波 GNSS,IMU和节点计模块 这些传感器具有许多不同的特性 包括分辨率检测范围和范围 选择合适的传感器配置用于 汽车并非不重要 这是一个简单的示意图示例 用于车辆上的位置 我们将在下一个视频回顾此图当我们讨论如何 选择传感器配置，以实现特定的操作设计
最后，让我们讨论一下最常见的计算硬件 被当今世界的自动驾驶汽车中 最关键的部分是计算的大脑 汽车的主要决策单元
它接收所有传感器数据并输出驾驶车辆需要的命令 新闻公司更喜欢设计自己的计算系统来匹配特定的 传感器和程序需求 然而，存在一些硬件选项 可以处理考虑外的自动驾驶计算任务 最常见的例子是Nvidia的Drive PX和Intel＆Mobileye的EyeQ 任何用于自动驾驶的大脑计算都需要大量和并行计算模块 特别是对于图像和光学雷达处理进行分割 生物检测和地图映射 我们过去采用了GPU FPGA和自定义ASIC 是为特定计算设计的专用硬件 例如Drive PX单元包含多个GPU 而EyeQ的FPGA都将加速可并行计算任务 例如图像处理或神经网络推理 最后，快速讨论一些同步问题 因为我们要基于相关图片 来决定决策 必须正确同步系统中不同模块 并设立一个统一的时钟 幸运的是，GPS 依赖于极其精确的计时功能 因此它可以在适当的时候使用 一次，传感器的测量必须确保时间一致 以便传感器能正常运行
让我们总结一下 在本视频中我们学习了传感器 可测量属性的不同传感器类型 我们介绍了自动驾驶硬件系统中使用的主要传感器 讨论了各自的优势和比较指标 然后我们简要讨论了可以的 自动驾驶计算硬件 我们希望，这巩固了学习的 关于自主认为的一些概念 在下一课中我们将进一步了解如何 为自动驾驶汽车选择合适的传感器配置 我们下一个视频再见
补充阅读：传感器和计算硬件
如果您想了解更多关于传感器和计算机硬件，检查出
参考
https://www.coursera.org/learn/intro-self-driving-cars/lecture/LrLty/lesson-1-sensors-and-computing-hardware
