一键获得LiDAR感知能力,速腾聚创首次发布LiDAR算法

摘要: 速腾聚创开发该SDK的目的在于方便自动驾驶项目开发者基于该套件进行二次开发,从而加速自动驾驶技术的开发。

10-29 17:49 首页 MEMS

不要低估你车上LiDAR的威力!



2017年4月,速腾聚创宣布启动“普罗米修斯”计划致力于向合作伙伴提供一系列软硬件一体化的自动驾驶激光雷达解决方案,本着“负责、开放、共享”的态度和同样致力于推动自动驾驶技术进步的伙伴们一起,更好更快地探索自动驾驶技术的未来。


半年时间里,速腾聚创和首批来自汽车OEM厂商、科技公司及高校等领域的合作伙伴们戮力齐心,基于不同的真实驾驶场景做了大量的实测工作,以提升算法的性能并充分验证各个算法模块的稳定性。


现在,RS-LiDAR-Algorithms感知算法1.0版本正式向“普罗米修斯”计划合作伙伴开放啦!



*基于16线激光雷达RS-LiDAR-16设备采集的算法演示

(高清视频可点击文章底部原文链接


一个让你的自动驾驶车立刻获得LiDAR感知能力的开发套件


RS-LiDAR-Algorithms感知算法SDK是专门为自动驾驶环境感知开发的一套软件开发套件,包括定位、路沿/可行驶区域检测、车道标识线检测、障碍物检测、动态物体跟踪、障碍物分类识别等功能模块。


速腾聚创开发该SDK的目的在于方便自动驾驶项目开发者基于该套件进行二次开发,从而加速自动驾驶技术的开发。


RS-LiDAR-Algorithms六大模块


高精度定位


高精度定位是自动驾驶环境感知的基础。RS-LiDAR-Algorithms包含高精度实时定位模块,定位精度达到业界领先水平(≤20cm),足以满足自动驾驶的需求。



路沿/可行驶区域检测


可行驶区域检测是自动驾驶系统进行路径规划的前提。RS-LiDAR-Algorithms包含路沿/可行驶区域检测模块,包括路沿检测、可行驶区域检测,为自动驾驶汽车提供“探路”功能。



车道标识线检测


车道标识线是除路沿之外另一个自动驾驶系统进行精确路径规划所必须的重要信息。RS-LiDAR-Algorithms包含车道标识线检测模块,可以根据激光反射回波信号的微弱强度差异信息精准提取出车道标识线,包括车道线、路面标识、人行横道线等交通标识信息。



障碍物检测


障碍物检测是自动驾驶汽车与其它周边道路共享者进行互动的前提,也是保障自动驾驶安全的基本需求。RS-LiDAR-Algorithms包含障碍物检测模块,可以实时检测并输出周边多个障碍物的精确位置、距离、姿态、大小、形状等信息,帮助自动驾驶汽车“看清”周围的环境,以便决定下一步行动。



动态物体跟踪


对于自动驾驶汽车而言,需要“集中精力“注意的是运动物体。RS-LiDAR-Algorithms包含动态物体跟踪模块,可以实时估计并输出周边多个动态物体的运动参数,包括速度大小和方向,基于速度信息还可以进一步推算出加速度、角速度等信息,帮助自动驾驶汽车分析和预测其它运动物体的驾驶/行动意图。



障碍物分类识别


对周边障碍物进行分类有助于自动驾驶系统更精准的估计周边物体的行动意图,从而制定出更准确的路径规划和控制策略。RS-LiDAR-Algorithms包含障碍物分类识别功能,可以将障碍物区分为行人、自行车、小汽车、卡车等不同的类别。为了提高识别的精准度,我们还建立了业内领先的激光雷达场景数据库。



自动驾驶,我们需要互相帮助


普罗米修斯计划是速腾聚创向自动驾驶领域合作伙伴提供的一系列软硬结合的自动驾驶激光雷达解决方案。


目前为止,围绕普罗米休斯计划,速腾聚创已经发布了三款量产级别LiDAR产品、耦合平台以及配套的算法,并有大量的亲密战友加入合作。


速腾聚创期待有更多致力于推动自动驾驶领域进步的小伙伴加入我们的计划,一起进步!

推荐会议:

2017年12月22日,由麦姆斯咨询主办的『“微言大义”研讨会:激光雷达技术及应用』将在深圳会展中心隆重举行(同期展会:2017年深圳国际电子展)。本次研讨会内容涉及激光雷达应用及市场分析、激光雷达原理及技术路线、 激光雷达模组剖析及算法解析等。已邀请百度、ams、禾赛科技、速腾聚创、西安知微传感、滨松、镭神智能、上海技物所等单位进行演讲,如果贵司希望参加会议,请联系:
联系人:王懿
邮箱:WangYi@memsconsulting.com
电话:18217468860

详情及报名:www.MEMSeminar.com


相关报告:

《汽车MEMS和传感器市场及技术趋势-2017版》

《激光雷达市场-2016版》

《LeddarTech固态激光雷达(LiDAR)模组:LeddarVu》


《适用于激光雷达的GaN增强型场效应管:EPC2040》


《3D成像和传感-2017版》



首页 - MEMS 的更多文章: