Home Woordenlijst Multisensorfusie

De navigatieprestaties in veeleisende omgevingen verbeteren →
Ellipse A AHRS Mini Unit Rechts
Ellipse-A
AHRS 0,8 ° Koers (Magnetisch) 5 cm heave 0,1 ° Rol en Stampen
Ontdekken
Ellipse-A
Ellipse D INS mini-eenheid rechts
Ellipse-D
INS RTK INS met dubbele antenne 0,05 ° Roll en Pitch 0,2 ° Koers
Ontdekken
Ellipse-D
Ekinox E INS mini-unit rechts
Ekinox-E
INS Externe GNSS-ontvanger 5 cm heave 0,02 ° Roll en Pitch
Ontdekken
Ekinox-E

Multisensorfusie vormt een cruciaal onderdeel van de omgevingswaarnemingssystemen van zelfrijdende voertuigen en draagt bij aan een verbetering van de veiligheid en de besluitvormingscapaciteiten. Door gegevens van verschillende sensoren, zoals camera’s, LiDAR, radar en ultrasone apparatuur, te integreren, kunnen deze systemen in verschillende scenario’s een uitgebreidere en nauwkeurigere globale positionering en betere algehele systeemprestaties realiseren.

Tot de veelgebruikte detectiemethoden in omgevingswaarnemingssystemen voor autonome voertuigen behoren:

  • Camera's: leveren uitgebreide visuele informatie, waaronder kleur en textuur, die essentieel is voor objectherkenning en -classificatie.
  • LiDAR (Light Detection and Ranging): Biedt een nauwkeurige 3D-weergave van de omgeving, wat van cruciaal belang is voor het detecteren van obstakels en het meten van afstanden.
  • Radar: Geschikt voor het meten van de snelheid en positie van objecten, met name bij slechte weersomstandigheden.
  • Ultrasone sensoren: worden doorgaans gebruikt voor detectie op korte afstand, ter ondersteuning bij het parkeren en bij manoeuvres bij lage snelheid.

Elk van deze sensoren heeft zijn sterke punten en beperkingen. Camera’s blinken bijvoorbeeld uit in het vastleggen van gedetailleerde visuele informatie, maar hun prestaties kunnen achteruitgaan bij weinig licht.

LiDAR levert nauwkeurige afstandsmetingen, maar kan duur zijn en gevoelig voor weersomstandigheden.

Radarsystemen zijn robuust in diverse weersomstandigheden, maar kunnen gedetailleerde omgevingskenmerken missen. Ultrasone sensoren zijn beperkt tot toepassingen op korte afstand.

Door gegevens van deze diverse sensoren te combineren, kunnen zelfrijdende voertuigen de beperkingen van individuele sensoren ondervangen, wat leidt tot een betrouwbaardere en nauwkeurigere waarneming van de omgeving. Deze multisensorbenadering verbetert het vermogen van het voertuig om dynamische elementen in zijn omgeving te detecteren en erop te reageren, waardoor de algehele veiligheid en operationele efficiëntie worden verbeterd.

De implementatie van multisensorfusie brengt echter uitdagingen met zich mee, waaronder:

  1. Gegevenssynchronisatie: het op elkaar afstemmen van gegevensstromen afkomstig van sensoren die op verschillende frequenties en met verschillende vertragingstijden werken.
  2. Kalibratie: Zorgen voor een nauwkeurige ruimtelijke en temporele afstemming tussen sensoren om de consistentie van de gegevens te waarborgen.
  3. Gegevensverwerking: het in realtime beheren en verwerken van grote hoeveelheden gegevens ter ondersteuning van onmiddellijke besluitvorming.

Het aanpakken van deze uitdagingen is cruciaal voor de verdere ontwikkeling van technologieën voor autonoom rijden. Het lopende onderzoek richt zich op de ontwikkeling van efficiëntere fusiealgoritmen, de verbetering van sensortechnologieën en het vergroten van de robuustheid van het systeem om een veilige en betrouwbare werking van zelfrijdende voertuigen te waarborgen.

Kortom, multisensorfusie is onmisbaar voor de omgevingswaarnemingssystemen van zelfrijdende voertuigen en biedt een holistisch en nauwkeurig beeld van de rijomgeving. Het overwinnen van de bijbehorende uitdagingen zal de weg vrijmaken voor veiligere en efficiëntere oplossingen voor autonoom vervoer.

Vertel ons over uw project