新聞動態(tài) 通過物聯(lián)網(wǎng)和AI大數(shù)據(jù)技術(shù)能有效提升城市和交通的運行效率和安全性
雷視融合一體機將成為路側(cè)感知核心傳感器
信息來源：新聞動態(tài) 發(fā)布時間：2021-03-03
現(xiàn)有交通傳感器
交通傳感器主要是實現(xiàn)路況環(huán)境的數(shù)據(jù)信息采集，為路側(cè)感知網(wǎng)絡(luò)提供原始數(shù)據(jù)?，F(xiàn)有交通傳感器主要分為兩大類：第一類是傳統(tǒng)的傳感器，包括感應(yīng)線圈、截面雷達和地磁釘?shù)?，這些設(shè)備僅可以獲得某一截面或瞬時的車輛所在車道和車速信息。第二類是交通目標(biāo)傳感器。
現(xiàn)有的交通目標(biāo)傳感器主要有以下3種：
AI攝像頭：能夠檢測交通參與者類型，比如車輛、行人和騎行者；缺點是定位精度不高，且受天氣和光照強度的影響較大。
激光雷達：能夠準確檢測出靜止和運動目標(biāo)的位置、速度以及目標(biāo)物的尺寸等信息；缺點是對環(huán)境敏感度高，有機械轉(zhuǎn)動部件、壽命和可靠性有影響。
交通毫米波雷達：能夠準確地檢測目標(biāo)的位置、速度等信息并且不受天氣狀態(tài)的干擾，覆蓋范圍大，綜合性價比高；缺點是橫向精度較低，且無法精確區(qū)分目標(biāo)類型。
圖1 交通毫米波雷達與攝像頭
車路協(xié)同對路側(cè)感知傳感器的要求
車路協(xié)同系統(tǒng)現(xiàn)階段需要支持全息交通管理應(yīng)用的各種場景，而未來更是需要為無人駕駛提供有效的路側(cè)數(shù)據(jù)支持。所以車路協(xié)同系統(tǒng)需要對交通道路進行全域覆蓋、全天候感知，對感知的精度和實時性也提出了很高的要求。根據(jù)對《合作式智能運輸系統(tǒng)車用通信系統(tǒng)應(yīng)用層及應(yīng)用數(shù)據(jù)交互標(biāo)準》等行業(yè)標(biāo)準分析，車路協(xié)同系統(tǒng)對路側(cè)感知傳感器提出了以下的要求：
全天候：白天、夜間，不受光線影響；霧霾、下雨，精度不受影響
大覆蓋：每公里覆蓋需求數(shù)量少；減少部署所需的附加成本
高精度：位置、速度矢量精度高；面向算法，而非面向人眼
多功能：單傳感器實現(xiàn)大部分功能；減少邊緣計算復(fù)雜度
低成本：綜合部署成本低；可靠性高、維護成本低
雷視融合一體機及解決方案
雷視融合一體機是全新一代專門針對車路協(xié)同所設(shè)計的智能傳感器，是將攝像頭、毫米波雷達和高性能處理器結(jié)為一體的交通傳感器。雷視融合將原始的視頻流和雷達數(shù)據(jù)流同時通過MIPI和SPI接口接入到一體機中的嵌入式處理器中。在內(nèi)置的嵌入式處理器中直接對原始的視頻流進行AI目標(biāo)提取，然后通過內(nèi)建的坐標(biāo)映射系統(tǒng)將視頻目標(biāo)投影到雷達坐標(biāo)系中，最后對視頻目標(biāo)和雷達目標(biāo)進行融合跟蹤處理，實現(xiàn)全局目標(biāo)的實時矢量化和跟蹤。
圖2 雷視融合一體機實測界面
下圖為基于雷視融合一體機的路側(cè)感知系統(tǒng)框圖。雷視融合一體機通過內(nèi)置的ARM+NPU嵌入式處理器實時將視頻和雷達數(shù)據(jù)進行融合，輸出目標(biāo)矢量數(shù)據(jù)。通過TFES目標(biāo)融合邊緣服務(wù)器將多方向的矢量目標(biāo)數(shù)據(jù)進行融合，形成路口或路段的全局實時目標(biāo)數(shù)據(jù)源，從而為邊緣計算層的決策、控制、交互等提供穩(wěn)定可靠的數(shù)據(jù)支撐。TFES目標(biāo)融合邊緣服務(wù)器也可以獲取RSU通過空口采集到的網(wǎng)聯(lián)車輛信息數(shù)據(jù)，計算出整個道路上交通參與者的信息。RSU能夠獲取邊緣計算單元融合后的所有交通參與者的信息，通過V2X通信方式將整個路口或者路段上的交通參與者信息發(fā)送給周圍的智能網(wǎng)聯(lián)車輛OBU。
圖3 基于雷視融合一體機的路側(cè)感知系統(tǒng)框圖
與現(xiàn)有的其他路側(cè)感知方案相比，基于雷視融合一體機的路側(cè)感知方案有以下的功能優(yōu)點：
低延遲
傳統(tǒng)的路側(cè)感知方案多采用多點傳感器（視頻，雷達）通過網(wǎng)絡(luò)匯聚到MEC中，然后利用MEC的GPU進行視頻處理和目標(biāo)融合。但受限于網(wǎng)絡(luò)傳輸和視頻編解碼，視頻目標(biāo)延遲較大且不可控（RTSP推流延遲普遍在200ms – 1s），和雷達目標(biāo)融合難度較高、精度較差。
而采用雷視融合一體機，攝像頭的原始視頻流直接在設(shè)備內(nèi)連入處理器，省去了網(wǎng)絡(luò)傳輸和視頻編解碼的過程，將延遲控制在50ms之內(nèi)。
《合作式智能運輸系統(tǒng)車用通信系統(tǒng)應(yīng)用層及應(yīng)用數(shù)據(jù)交互標(biāo)準》等標(biāo)準中明確要求各場景端到端的延遲不能超過100ms?；诶滓暼诤弦惑w機的路側(cè)感知方案可以完全滿足標(biāo)準要求。
覆蓋范圍廣
雷視融合一體機探測距離可達250m/425 m，可視視角可達90°以上，適用于人車混行、車流密集、易擁堵路段，能夠同時識別檢測行人、非機動車、機動車等目標(biāo)，覆蓋范圍廣，檢測要素全，可顯著減少部署成本。
數(shù)據(jù)精度高
雷視融合一體機采用MIMO體制，距離精度可達±0.32 m，方位角精度可達±0.1°（遠距）、±0.3°（近距），速度分辨率為0.1m/s，可精準檢測與區(qū)分行人和車輛，并進行全息化還原，實現(xiàn)全局目標(biāo)的實時矢量化。
單機多功能
雷視融合一體機可滿足車路協(xié)同標(biāo)準中DAY I和DAY II全場景對路側(cè)感知的要求。雷視融合一體機內(nèi)置先進的交通算法和豐富的原生事件輸出，如擁堵事件、異常停車事件、逆行事件、大貨車低速預(yù)警、城市路口行人碰撞預(yù)警等。可為車路協(xié)同應(yīng)用提供數(shù)據(jù)支撐，協(xié)助車輛提前鎖定化解遠距離和盲區(qū)安全沖突，為人工駕駛提供輔助的同時，也可為單車自動駕駛技術(shù)提供更可靠的環(huán)境信息支撐。
易工程
雷視融合一體機采用寬溫設(shè)計（-40°C 至70°C），IP65防水，完全適用于全室外場景。在現(xiàn)場部署時，可使用專有的工具對雷視融合一體機進行標(biāo)定，可在15-20分鐘內(nèi)完成雷達、視頻和GPS坐標(biāo)系的標(biāo)定。
雷視融合一體機的應(yīng)用場景
雷視融合一體機可在多個場景下應(yīng)用，主要劃分為兩個方面：智慧交通管理和V2X車聯(lián)網(wǎng)路側(cè)感知。
(1) 面向智慧交通管理：主要應(yīng)用于城市路口的自適應(yīng)信號控制、違法抓拍輔助、車流量統(tǒng)計、非機動車檢測；交通路段的車流量檢測、車型分辨、事故檢測、測速、擁堵檢測、拋灑物檢測；城鄉(xiāng)道路中獨立化的車流統(tǒng)計和人流預(yù)警系統(tǒng)。
典型案例——連云港花果山大道示范工程
雷森與中船重工七一六所下屬杰瑞電子集團公司，在連云港花果山大道共建基于毫米波雷達的自適應(yīng)信號燈示范工程。雷達將流量數(shù)據(jù)、過車信息、車速信息、排隊長度等數(shù)據(jù)實時上傳到信號機控制系統(tǒng)，實現(xiàn)路口的實時自適應(yīng)信號燈控制。有效改善路口高峰時期擁堵程度。
(2) 面向V2X車聯(lián)網(wǎng)路側(cè)感知：主要應(yīng)用于城市路口下的交叉路口碰撞預(yù)警、弱勢交通參與者碰撞預(yù)警；交通路段的前向碰撞預(yù)警、緊急制動預(yù)警、協(xié)作式匝道匯入；城鄉(xiāng)道路的感知數(shù)據(jù)共享，弱勢交通參與者碰撞預(yù)警。
典型案例——蘇州工業(yè)園區(qū)全息路口示范工程
雷森與園區(qū)交警在蘇州工業(yè)園區(qū)納米城路口部署了4臺雷視融合一體機，實現(xiàn)路口全覆蓋，對所有車輛、非機動車、行人進行全息化處理。路口信號機箱內(nèi)部署了1臺TFES目標(biāo)融合邊緣服務(wù)器，實現(xiàn)4臺雷視融合一體機的目標(biāo)融合，結(jié)合高精地圖疊加，接入卡口車牌數(shù)據(jù)，并與目標(biāo)數(shù)據(jù)進行實時匹配綁定，實現(xiàn)身份識別。
圖4 全息路口系統(tǒng)示意圖
圖5 全息路口全局目標(biāo)感知
結(jié)語
雷視融合一體機將感知融合的算法前移至端側(cè)，大幅降低了感知延遲和邊緣側(cè)的計算壓力，并利用視頻和雷達各自的優(yōu)勢，提升了目標(biāo)的精確度。路側(cè)感知系統(tǒng)是車路協(xié)同中的核心系統(tǒng)?；诶滓暼诤弦惑w機可以廣泛部署并實現(xiàn)路側(cè)感知全覆蓋，滿足車路協(xié)同的各類應(yīng)用場景與定位要求。雷視融合一體機目前已在多個示范區(qū)和先導(dǎo)區(qū)部署使用。未來，雷視融合一體機將會進一步提升探測精度，并融入更多的交通事件檢測算法，充分支撐路側(cè)感知對傳感器和數(shù)據(jù)的各種需求。
