Hjem Ordliste Multisensorfusjon

Forbedre navigasjonsytelsen i krevende miljøer →
Ellipse En « AHRS »-minienhet til høyre
Ellipse-A
AHRS 0,8° Kurs (magnetisk) 5 cm heving 0,1° rulling og krengning
Oppdag
Ellipse-A
Ellipse D INS Mini-enhet, høyre
Ellipse-D
INS RTK med to antenner INS 0,05° krengning og stigning 0,2° kurs
Oppdag
Ellipse-D
Ekinox E INS Mini-enhet, høyre side
Ekinox-E
INS Ekstern « GNSS »-mottaker 5 cm heving 0,02° rulling og krengning
Oppdag
Ekinox-E

Multisensorfusjon

Gå tilbake til ordlisten
Multisensor-fusjon

Multisensorfusjon er en avgjørende komponent i miljøoppfatningssystemene til førerløse kjøretøy, og bidrar til å forbedre sikkerheten og beslutningsevnen. Ved å integrere data fra ulike sensorer, som kameraer, LiDAR, radar og ultralydsenorer, kan disse systemene oppnå en mer omfattende og nøyaktig global posisjonsbestemmelse samt bedre samlet systemytelse i ulike scenarier.

Blant de mest brukte sensormetodene i miljøoppfattelsessystemer for autonome kjøretøy finner man:

  • Kameraer: gir omfattende visuell informasjon, blant annet om farge og tekstur, noe som er avgjørende for gjenkjenning og klassifisering av objekter.
  • LiDAR (Light Detection and Ranging): Gir presis 3D-kartlegging av omgivelsene, noe som er avgjørende for å oppdage hindringer og måle avstander.
  • Radar: Effektivt verktøy for å måle hastigheten og posisjonen til objekter, spesielt under ugunstige værforhold.
  • Ultralydssensorer: Brukes vanligvis til deteksjon på kort avstand, og hjelper til ved parkering og manøvrering i lav hastighet.

Hver av disse sensorene har sine styrker og begrensninger. For eksempel er kameraer svært gode til å fange opp detaljert visuell informasjon, men ytelsen kan bli dårligere under dårlige lysforhold.

LiDAR gir nøyaktige avstandsmålinger, men kan være kostbart og følsomt for værforhold.

Radarsystemer er robuste i ulike værsituasjoner, men kan mangle detaljerte miljøtrekk. Ultralydsensorer er begrenset til kortdistanseapplikasjoner.

Ved å fusjonere data fra disse ulike sensorene kan førerløse kjøretøy kompensere for de enkelte sensorenes begrensninger, noe som fører til en mer pålitelig og nøyaktig oppfatning av omgivelsene. Denne multisensor-tilnærmingen forbedrer kjøretøyets evne til å oppdage og reagere på dynamiske elementer i omgivelsene, og forbedrer dermed den generelle sikkerheten og driftseffektiviteten.

Imidlertid medfører implementering av multisensor-fusjon utfordringer, blant annet:

  1. Datasynkronisering: Samordning av datastrømmer fra sensorer som opererer med ulike frekvenser og forsinkelser.
  2. Kalibrering: Sikre nøyaktig romlig og tidsmessig samordning mellom sensorene for å opprettholde datakonsistensen.
  3. Databehandling: Håndtering og behandling av store datamengder i sanntid for å legge til rette for umiddelbar beslutningstaking.

Det er avgjørende å takle disse utfordringene for å fremme utviklingen av teknologier for autonom kjøring. Den pågående forskningen fokuserer på å utvikle mer effektive fusjonsalgoritmer, forbedre sensorteknologiene og styrke systemets robusthet for å sikre sikker og pålitelig drift av førerløse kjøretøy.

Oppsummert er multisensorfusjon uunnværlig for førerløse kjøretøyers omgivelsesoppfattelsessystemer, da den gir en helhetlig og nøyaktig forståelse av kjøreomgivelsene. Å overvinne de tilhørende utfordringene vil bane vei for sikrere og mer effektive løsninger for autonom transport.

Fortell oss om prosjektet ditt