实现“产品系列化、运营集团化、通路国际化、服务本地化、办公智能化”
的目标，打造世界一流的智能应用及运营管理平台。
对于自主车辆而言，识别障碍车辆是自主车辆环境感知系统中的关键技术。准确地检测前方车辆，对于自主车辆避障具有重要的意义。目前国内外学者已经研究出许多车辆识别的算法，如基于视觉信息以及基于激光雷达信息等方法。
由于视觉图像获取较易、处理方法多样，所以视觉技术是现阶段自主车辆研究中的主要获取信息手段。其中视觉技术主要分为单目视觉和双目视觉。单目视觉识别技术多采用基于车辆特征的方法，该方法主要利用车辆与背景有差异的特征，如纹理、边缘和底部阴影等。
但这种方法获取的信息量不足，缺乏深度信息，而且易受外部环境的干扰，诸如光照和阴影等因素。双目视觉识别技术虽然可以取得较好的效果，但其计算量较大，算法复杂，难以保证车辆识别的实时性。
激光雷达能够获得场景的距离信息，不易受光照等外部条件的影响，但其获取的外部信息不充分，易造成误判。而采用多传感器融合技术可以克服单一传感器获取信息量不足，探测范围小的缺点。
曾杰等分别通过毫米波雷达和摄像头对前方车辆进行检测，然后分别对雷达和摄像头检测到的目标进行目标一致性检测，可以较为准确地检测出前方车辆的宽度、位置等信息，但此方法需要处理整幅图像，运算量较大，且面对尾部特征复杂的情况时易出现漏检情况。
杨磊等通过对雷达信号进行预处理，确定感兴趣区域，采用 Canny 算子进行边缘检测，确定车辆的具体位置，虽然算法较为简单，但易受外部光照环境影响，准确率不够理想。高德芝等采用基于密度的空间聚类算法对雷达信息进行聚类确定感兴趣区域，利用 T- 模糊推理系统融合车辆的灰度、宽高比和信息熵等多个特征验证车辆假设，可以实现较好的识别效果，但是算法较为复杂，难以满足实时性要求。
为了使车辆识别算法具有较好的准确性，同时减少算法的复杂程度，本文采用激光雷达和单目视觉两种传感器相结合的车辆识别方法，即先对激光雷达信号进行预处理，并采用最邻近距离法进行聚类，初步确定感兴趣区域，然后对感兴趣区域进行预处理操作，计算感兴趣区域的熵值归一化对称性测度，对初步确定的感兴趣区域进行验证，完成对前方车辆的识别。
该数据库提供了惯导系统、64 线激光雷达、黑白立体摄像机、彩色立体摄像机的同步数据，其中摄像机提供的是去除畸变之后的图像。
激光雷达以 10 帧 / 秒的速度触发摄像机进行拍摄，因此其时间同步性也得到了保证，同时该数据库对各传感器都进行了标定，标定参数已知。该数据库进行测试的车辆的传感器安装位置如图 1 所示，由于只选取了该数据库中的激光雷达和其中一个彩色摄像头的数据，故图 1 中只标出了这两个传感器的安装位置。
本文所研究数据的雷达信息由 Velodyne HDL64 线 线激光雷达的点云数据量非常大，约 100 万个点 / 秒。如图 2 所示，若直接对雷达数据进行分析，系统所需处理的信息量过大，难以满足实时性的要求。因此，在通过雷达数据获取感兴趣区域前，需要对雷达数据进行预处理。
由图 2 可以看出，未处理的雷达信号将路面也扫描在内，由于本文主要对前方车辆进行检测，因此将高度低于 0.2 m 的雷达信号剔除。汽车在行驶中，位于不同车道内行驶的车辆对于自车的影响程度不同，位于本车同车道的前方车辆和相邻车道的前方车辆对自车的安全影响最大，为了减少处理的数据量，本文算法主要对主车道和旁侧车道的目标进行识别。
同时根据图 2 所示，在纵向距离 40 m 之后，激光雷达的数据点越来越稀疏，难以提取有效的障碍物信息，而且视觉传感器难以表现 40 m 外目标的特征。综上，将前方纵向 40 m，横向 10 m 作为雷达的有效区域。经过上述预处理的雷达信号如图 3 所示。
如图 3 所示，经过预处理的激光雷达点较为分散，对于同一个目标，雷达会返回多个值。因此，为了从雷达数据中提取出有效的障碍物信息，需要对雷达数据进行聚类。
聚类分析作为一种常用的模式识别方法，在处理数据集中发挥着重要的作用，通过对雷达数据进行聚类处理，可以使雷达数据得到简化，判断出车前障碍物的数量和位置。
常用的聚类方法主要有栅格聚类法、距离聚类法和密度聚类法等，为了减少算法的复杂程度，本文采用最临近距离法对目标进行聚类。
具体步骤如下：把经过预处理的雷达数据按照与自车的纵向距离由近及远进行重新排列，并按照顺序为各障碍点编号。给 1 号障碍点赋值类别编号为 1，然后按顺序计算之后障碍点与之前所有同类别障碍点之间的欧氏距离。并根据普通车辆的宽度设定预设阈值：
对雷达进行聚类处理后，将雷达信号由世界坐标系转换至图像坐标系中。对每个类别进行如下操作：在图像坐标系中，将该类别内最左侧的点和最右侧的点分别向左和向右移动 5 个像素点，并将这两个点所在的列作为矩形区域的左右边界。将该类别内最上面和最下面的点分别向上和向下移动 5 个像素点，这两个点所在的行为矩形区域的上下边界。如图 5 所示，矩形区域即为初步获取的感兴趣区域。
3.车辆特征识别对雷达信号进行处理之后，初步获得的感兴趣区域可能有多个，路牌、树木等无关物体也被检测在内。因此需要对感兴趣区域进一步验证，剔除非车辆的干扰。本文通过检测感兴趣区域的熵值归一化对称性测度来验证目标车辆。
通过视觉传感器采集的前方道路信息会受到光照等因素的影响，降低其成像质量，因此需要对感兴趣区域进行预处理。通过预处理之后的图像，可以突出有用的信息，去除背景环境的干扰。本文采取的预处理流程包括图像灰度化、图像灰度增强和滤波去噪。
由于获取的图像为彩色图像，信息量较大，为了减少计算量，需要首先对原始感兴趣区域进行灰度化处理。获取灰度化图像之后，采用直方图均衡化的方法进行灰度增强，增加图像的全局对比度。
同时，经过灰度处理的图像往往存在噪声干扰，因此需要对图像进行滤波，由于中值滤波在一定程度上可以保留图像细节，而且算法简单，故本文采取中值滤波对图像进行处理。图 6 为原始感兴趣区域，图 7 为预处理之后的感兴趣区域。
感兴趣区域图像中的车辆尾部具有非常好的灰度对称性。灰度对称性指以车辆区域中线为轴，左右区域的灰度值为轴对称图形。设 R(x) 为 ROI 区域内某一行灰度数据的一维函数，因此其可以被表达为奇函数和偶函数的形式，对应感兴趣区域的对称性测度可以通过其分离出的偶函数所占的比重来决定。
对感兴趣区域逐行计算其对称性测度，然后求取其平均值，从而获得感兴趣区域的水平灰度对称性测度。
但是通常情况下，图像中道路及部分背景的灰度图像也具有水平对称性的特点，仅通过灰度图像的水平对称性测度来判断是不够的，容易造成误判，因此需要检测其他特征来增加判断的准确率。本文采用熵值归一化的对称性测度来验证车辆的存在。
通常情况下车辆所在区域所含的信息量要比背景区域多，因此可以将其作为识别车辆的依据之一。在信息论中，信息熵可以作为特定区域包含信息量的度量，其定义如式（7）所示：
识别结果如图 8 所示，其中图 8(a)为激光雷达采集到的原始数据，图 8(b）为经过预处理之后的激光雷达数据，图 8(c）为车辆检测结果及对应结果的熵值归一化对称性测度。
4.2 实验分析除此之外，本文采用上述算法对 KIT⁃TI 数据库中城市道路总计 572 帧的数据进行分析验证。采用本文算法正确识别车辆的数量和处理时间等数据如表 1 所示。
由表 1 可得，采用本文方法的正确检测率为 91.3%，误检率为 3.5%，漏检率为 8.7%。实验表明该算法在城市道路环境下，具有较好的适应性，能够排除树木、建筑等无关物体的干扰，能较为准确地识别前方车辆，可以满足自主车辆对前方车辆识别精度的要求。由于 KITTI 数据库采集数据的频率为 10 Hz，本文算法的平均处理时间为 34 ms，可以满足实时性的要求。
针对此种情况，可以将雷达的识别范围动态化，使识别范围随车辆行驶的条件而变化，即首先进行道路识别，提取可通行道路区域，然后根据可通行道路区域识别的结果确定雷达的有效识别区域，降低漏判率，提升自主车辆的安全性能。
针对此种情况，可以在原有基础上进一步检测感兴趣区域的其他特征，例如底部阴影、宽高比和边缘特征等，综合考虑多种特征，减少非车辆目标对检测算法的影响。
本文提出了一种模型较为简练的基于雷达信息和单目视觉信息的前方车辆检测方法。该方法利用激光雷达信息初步划分车辆检测的感兴趣区域，并通过检测感兴趣区域的熵值归一化对称性测度完成对前方车辆的确认。
近日，中国科学技术大学科研团队在相干测风激光雷达方面实现重大突破，首次实现3米和0.1秒的全球最高时空分辨率的高速风场观测。该成果日前在国际学术期刊《光学快报》上发表。 米级分辨率的大气风场探测在航空航天安全、高价值目标保障、数值天气预报等方面具有重大意义。为了获取3米和0.1秒时空分辨率的风场，需再提高现有激光雷达信号检测灵敏度2个数量级以上。科研团队通过在激光光源、光学收发系统、高速数据采集电路和数据处理算法上对激光雷达进行全面优化，提出一种新的反演算法，大大提高了风场反演精度和稳健性，最终实现了一套全国产化的“产品级”测试样机，具有人眼安全、设备轻便（整装设备40公斤）、工作稳定、环境适应性强等特点。 为进一
系统研制重大突破 /
尽管受到了新冠疫情、自然灾害、地缘等诸多不确定性的影响，但全球半导体产业在2021年还是迎来了新一轮高增长。 据IC Insights发布的报告显示，全球半导体收入在2021年的经济反弹中增长了25%，预计2022年将继续增长11%并达到创纪录的6806亿美元。 在恩智浦公布的截至2021年12月31日的第四季度和全年财报中，2021年的全年营收再创新高，达到110.6亿美元，同比增长28%。其中汽车业务全年营收达54.93亿美元，占总营收比重近50%。 当前，中国的自动驾驶渗透率和商业化步伐正在加速，一方面L2+级别的自动驾驶规模量产不断猛增，并逐步向L3级过渡，另一方面高级自动驾驶的商业化应用也正在干线物流、港
的替代者来了 /
一、激光雷达是什么？ 激光雷达（英文：Lidar），激光雷达是集激光、全球定位系统（GPS）、和IMU（惯性测量装置）三种技术于一身的系统，相比普通雷达，激光雷达具有分辨率高，隐蔽性好、抗干扰能力更强等优势。随着科技的不断发展，激光雷达的应用越来越广泛，在机器人、无人驾驶、无人车等领域都能看到它的身影。激光雷达是高等级智能驾驶汽车主要选择，国内激光雷达技术自主发展具有着重要的战略意义。 二、激光雷达量产上车 三、车规级激光雷达产业的发展 （1）从产业周期来看，车规级激光雷达已先后经过技术起步、导入、探索的时期，进入快速发展阶段，可以看到车规级激光雷达与智能网联汽车的发展存在着产业共生关系，这种共生关系将随着高等级自动驾驶
测试验证完整解决方案 /
近年来，激光雷达被越来越多地应用于汽车、工业等应用领域，因其在探测距离以及角度和深度分辨率等方面都有着明显的优势，尤其是硅光电倍增管(SiPM) 技术发展势头强劲，具备独特的功能集，已成为广阔市场深度传感应用的首选传感器。安森美半导体作为拥有此技术的市场领袖，提供高性能的硅基单光子探测器，为激光雷达解决更远的距离要求、超低目标反射率的探测、对环境光等噪声的抑制的技术挑战，同时大幅降低整体成本，有助于实现激光雷达的大规模应用。 为何需要深度信息？ 因为线D图像，而摄像头呈现的是2D图像，如果是简单的实现让人看场景的功能，其应用是足够的，但对机器视觉系统来说具有挑战性。深度数据消除了图像的模糊性，有助于区分场景中的
的大规模应用 /
推动高能效创新的安森美半导体 (ON Semiconductor)，近日发布新的RDM系列硅光电倍增管 (SiPM) 阵列，将激光雷达 (LiDAR) 传感器能力扩展到其广泛的智能感知方案阵容。ArrayRDM-0112A20-QFN是市场上首款符合车规的SiPM产品，应对汽车行业及其他领域LiDAR应用中不断增长的需求。 ArrayRDM-0112A20-QFN是单片1×12 SiPM像素阵列，基于安森美半导体领先市场的RDM工艺，可实现对近红外 (NIR) 光的高灵敏度，从而在905纳米(nm)处达到领先业界的18.5％的光子探测效率 (PDE) (1)。SiPM的高内部增益使其灵敏度可达到单光子水平，该功能与高PDE结合
应用 /
使用激光雷达很蠢。任何依赖激光雷达的人都注定要失败。 还记得这句狂言吗？在一周前的特斯拉自动驾驶开放日上，特斯拉推出了基于自研芯片 ASIC 的全自动驾驶计算机（FSD），但更让人印象深刻的，恐怕是还是马斯克的大嘴巴。 一石激起千层浪，diss了激光雷达的马斯克可是没少招骂。好在反对者有之，支持者亦有之，近日，知名科技撰稿人Steve Cheney就从技术角度出发，撰文支持了马斯克的观点：激光雷达将在3年内变成多余的部分。 观点 Steve认为，有志于自动驾驶领域的公司所面临的挑战是度的，他们要考虑发展更先进的技术，要考虑汽车的销售前景，要考虑税收的问题……但无论如何，激光雷达会被放弃这件事是很清楚的。 他并不否认激光雷达
三年内将被取代！ /
据外媒报道，激光雷达传感器全球供应商Ibeo Automotive Systems GmbH已申请破产，德国汉堡破产法院已经批准其进入自行管理破产程序。在此期间，该公司在德国汉堡、荷兰埃因霍温和密歇根州底特律的所有部门都仍将正常运转，Ibeo管理层在公司自治期间也将完全负责运营。 Ibeo与空客合作在机场停机坪上测试特殊安全要求下的自动驾驶；图片来源：Ibeo Automotive Systems 由于无法获得进一步的增长融资，该公司提交了破产申请。Ibeo的目标是通过破产程序保护公司和尽可能多的就业岗位。 目前，Ibeo管理团队正在研究公司的重组方案，并寻找新的投资者。Ibeo的团队乐观地认为，有了新的投资者，
行业“老大哥”Ibeo申请破产 /
据美国《汽车新闻》报道称，福特（Ford）汽车正在研发一个新型机器人Digit，该机器人顶部安装有一个激光雷达传感器，可依靠与无人驾驶汽车共享的传感处理系统，最重可将最重约20千克的货物送到家门口。 福特送货机器人Digit 据悉，该机器人的一大优点是重量轻，这是因为该机器人没有配备过多的传感器和处理器，其大部分计算能力来自福特的自动驾驶汽车，可通过自动驾驶汽车的导航传感器来扫描通往车门的路径，从而确认路径。 由于担心带轮子的机器人快递员，会被美国大多数家庭门外的门廊台阶挡住。因此，该机器人能自己爬上台阶，在摔倒时还能举起手臂抓住自己，它的鞋底是波纹橡胶，可以穿过混凝土、草、木头和砾石。 该机器人配备有激光雷达传感器和立体相机
目标检测 target=_blank
作为摄像头进行端到端驾驶 target=_blank
感知综述 target=_blank
模拟方法综述 target=_blank
PAS CO2 传感器 套件测评
最近一段时间，业界出现不同的声音，表示“开源才是最贵的”，这些编译器在开源背后潜藏许多隐形成本。...
作者：Arm 战略与生态部开发者平台副总裁 Geraint North人工智能 (AI) 是当今最重大的技术变革之一，并正以前所未有的速度推动着各行 ...
本文给出基于Kinetis MK60N512微和16位／24位音频数模转换器MAX5556的立体声音频接口设计。MK60N512由I2S总线传输音频数 ...
在工业应用中成像系统的广泛采用持续扩展，不仅由新的影像感测器技术和产品的开发所推动，还由支援平台的进步所推动，如电脑功率和高速数据 ...
拥有高度优化和高性能引擎的赛车，因为不合格的车轮和轮胎影响性能，这并不罕见。在这种情况下，引擎必须更加费力地运行才能弥补车轮和轮胎 ...
嵌入式处理器嵌入式操作系统开发相关FPGA/DSP总线与接口数据处理消费电子工业电子汽车电子其他技术存储技术综合资讯论坛电子百科