這家公司推出了世界首款用於自動駕駛汽車的探地雷達

來自專欄智車科技6 人贊了文章

WaveSense 公司宣佈推出一項新技術，利用地面穿透雷達（GPR）的數據，在地下做「SLAM高精地圖定位」，來保證自動駕駛車輛精確地保持在車道內來改善自動車輛導航。

一家名為 WaveSense Inc.的新創業公司宣佈推出一項新技術，該技術通過利用地面穿透雷達（GPR）的數據精確保持自動駕駛車輛在車道內，顯著改善了自動車輛導航。

WaveSense 的技術通過將電磁脈衝發送到地面並使用地下特徵的反射來生成底圖來工作。地面穿透雷達測量物體的反射和地下深處土壤性質的變化，包括管道，根部，岩石和土壤。每一寸路都有一個獨特的地下構成，它讓WaveSense構建了一個高度精確的地圖。

該技術並非專為自動駕駛汽車而設計，而是與車輛的激光雷達，相機，水面雷達和GPS數據結合使用的另一層感測器數據和冗餘，以幫助自動駕駛汽車導航。

該技術適用於惡劣的天氣條件。包括雪，雨和霧，以及車道標記不存在或基於攝像頭的感測器不可見的地方。

什麼是GPR？

探地雷達（GPR）是一種利用雷達脈衝對地下成像的地球物理方法，它使用地下特徵的高頻（VHF）雷達反射來生成基線地圖，然後將當前的GPR反射與這些地圖進行匹配，以確定車輛的位置和位置，具有釐米級精度。MIT 林肯實驗室已經證明瞭使用來自地面穿透雷達的先前基於地圖的圖像，來進行車輛定位的新方法[1]。被稱為「定位探地雷達」（LGPR），已經證明瞭速度高達60英里/小時的釐米級精度[2]。2016年夜間暴風雪期間的公路速度釐米級定位得到了證明。[3]

它是如何工作的？

對於地下感測，GPR是當今最通用和最多樣的感測模式之一。

雷達：探地雷達系統通過將電磁輻射脈衝發射到地面，並測量地表下方散射點的反射來工作。反射發生在具有不同電磁特性的物體之間的界面上，例如周圍「污垢」中的管道，根部和岩石。土壤層和水分含量的變化導致數據中的反射。然而，通常主導GPR反射剖面的，不是這些離散的物體，而是地下地質中的自然不均勻性。土壤層和水分含量的變化會影響數據中的反射。因此，GPR描繪了地下環境的完整畫面。除少數例外情況外，幾乎每個離散的物體和土壤特徵都能被接收到，只要它的波長不是非常小並且與周圍土壤具有足夠的對比度。 GPR定位的前提是這些地下特徵有足夠獨特性且是靜態的，以允許它們用作收集其反射的精確位置的標識符。

映射：GPR過程的第一步是開發道路下方的環境地圖。在該第一步驟中，簡單地收集地下「物體」的GPR數據以及GPS標籤以形成地下特徵的初始資料庫。然後將該地下地圖用作參考數據集，以便在隨後的訪問中估計車輛位置。

跟蹤：接下來，在幾個步驟中執行在線本地化。當車輛運動時，週期性地從資料庫中提取數據以進行匹配。始終保持基線數據的本地網格。圍繞初始位置，估計搜索區域，其中包含表示候選位置和方向的「粒子」（網格上的點）。演算法迭代地評估粒子以縮小對車輛五維空間（東向，北向，高度，滾動和航向）內的最大相關性的搜索。在幾次迭代之後，選擇最高相關粒子作為車輛當前位置和方向的最可能估計。更新搜索區域並擴展或縮小以反映新的估計。

WaveSense

WaveSense 成立於2017年，由Rhapsody Venture Partners資助，Rhapsody Venture Partners是一家位於馬薩諸塞州劍橋的風險投資基金，專註於科學和技術投資。

自動駕駛車輛使用的當前系統主要依靠GPS，激光雷達和照相機等地上感測器來識別車輛的確切位置。然而，這些技術在低光照條件或天氣條件下，或者道路標記不清晰時，不能很好地工作。

WaveSense使用來自地面以下10英尺處的獨特地質模式的數據建立指紋路線圖。與地面上不斷變化的視覺景觀不同，這種地下數據是靜態的，提供了在任何天氣條件下始終可用於自動駕駛車輛的指南。由於地下地圖與地表地圖相比非常穩定，因此不需要頻繁地掃描和更新地下地圖。

當車輛沿著道路行駛時，WaveSense每秒大約126次掃描地下土層，岩石和路面，並將掃描結果與其車載圖像資料庫進行比較，以確定相對於道路的確切車輛位置。

通過將地下數據添加到地上感測器信息，自動駕駛汽車將具有始終瞭解其確切位置的全面能力。根據WaveSense，這種導航模式在標準高速公路速度下精確到幾釐米。

WaveSense首席執行官Tarik Bolat說：「隨著自動系統的發展，全球範圍內的交通和移動性正在發生巨大變化。」「但在廣泛採用自動駕駛車輛之前，導航安全性和可靠性必須大幅提升。WaveSense的技術從根本上提高了自動駕駛車輛在所有條件下的安全性，提升了公眾的信任。「

該技術最初是在麻省理工學院林肯實驗室開發用於軍事應用的。第一批系統於2013年在阿富汗部署，解決了道路標記不存在或因能見度低而受阻的情況。

參考文獻

[1] Cornick, Matthew; Koechling, Jeffrey; Stanley, Byron; Zhang, Beijia (2016-01-01). "Localizing Ground Penetrating RADAR: A Step Toward Robust Autonomous Ground Vehicle Localization". Journal of Field Robotics. 33 (1): 82–102.

[2] MIT Lincoln Laboratory (2016-06-24), Enabling Autonomous Vehicles to Drive in the Snow with Localizing Ground Penetrating Radar, retrieved 2017-05-31.

[3] MIT Lincoln Laboratory: News: Lincoln Laboratory demonstrates highly accurate vehicle localization under adverse weather conditions". www.ll.mit.edu. Retrieved 2017-05-31.