友思特应用 | 多接口的智驾无忧:GigE相机在自动驾驶数据采集系统的稳定应用

news2024/7/7 17:20:24

导读

GigE接口相机为自动驾驶数据采集提供了高性价比的选择。在此基础上,友思特搭建了多GigE接口支持PTP的采集设备系统级方案 BRICK2,为多传感器数据记录测试提供了完整的解决方案。


GigE接口相机与智能驾驶数据采集

智能驾驶技术的发展已经成为当今科技领域的热点之一,而其背后的关键是大量高质量的数据采集和处理。自动驾驶数据采集系统是智能驾驶技术研发过程中至关重要的一环,纵览各大厂商,这些技术基本上集中在 L2-L3 级自动驾驶,通过安装在车辆上的传感器相机来采集车辆周围的环境信息,包括道路、车辆、行人等。为了实现这些功能,单车感知系统中,摄像头的使用量基本上都在5个以上,采集的这些数据对于训练和验证自动驾驶系统至关重要。

图片

摄像头作为整个数据采集系统的关键传感器部件,不同接口相机的选择也是需要考虑的重要因素,这会直接影响系统的采集性能和方案成本。

综合数据采集整个系统对于相机端的应用要求、总体成本空间以及使用的便利性,友思特工程师们提出:使用 GigE 接口相机是实现该场景需求最具性价比的方案。GigE接口作为一种高性能的图像采集设备接口,经过我们在多个用户场景的测试,其稳定性、高效率和高性价比均得到了客户一致的认可。接下来本文将探讨 GigE 相机在自动驾驶数据采集系统中的应用及其稳定性。

GigE接口:智驾数采系统的标准配置

GigE Vision 是基于以太网基础架构和协议的网络相机接口标准。GigE Vision 相机因其与众多主机设备的兼容性而受到业界的广泛认可。千兆以太网端口几乎是个人计算机(PC)或嵌入式平台的标准配置,市场上的大多数数采设备系统均会配置以太网接口,GigE Vision 相机可以直接连接,并不需要考虑很多硬件接口的兼容性问题,使用通用驱动程序,实现真正的即插即用。

图片

友思特GigE相机:GPIO+PTP时间同步协议

在自动驾驶数据采集系统中,相机通常与激光雷达和毫米波雷达等传感器结合使用,互相弥补单个传感器信息获取不足的问题,以获得更加全面和准确的环境感知信息。多传感器如何确保在同一时刻获取环境信息?这是一个无法避免的问题,也是多传感器处理的必要一环。

友思特GigE相机本身带有GPIO外设,可以接收来自于外部传感器或者外部设备的脉冲信号,通过数采系统设备本身的系统时钟来实现发送脉冲信号至相机,相机接收到该脉冲信号即可实现硬件同步触发,与其他传感器在同一时间节点捕获环境信息图像。

进一步地提高时间同步精度,与其他传感器和设备进行灵敏的响应以及准确的同步,我们可以使用相机本身支持的PTP时间同步功能,该时间同步协议可以实现微秒级别的同步。当我们所采用的其他传感器设备(如激光雷达、毫米波雷达、IMU等)同样可以支持PTP时,我们可以通过网络线缆直接满足多传感器时间同步的采集要求,大大减少了系统开发的兼容性问题以及提高了开发效率。

图片

多GigE接口支持PTP的采集设备系统级方案

对于多传感器采集方案,如辅助驾驶或自动驾驶数据采集系统采用多个 GigE 接口相机、激光雷达、毫米波雷达、IMU、GPS 等传感器设备,我们提供了可以满足大数量千兆以太网接口要求的系统设备 BRICK2,该设备是ADAS和AD的测试平台,可以用于高带宽数据的采集、处理和记录,最多可以支持21个GigE接口设备同时接入系统,可涉及图像、点云数据、IMU信号、GPS定位信号等多种不同类型的数据采集,支持PTP时间同步协议,为多传感器的数据记录测试提供了一个集成度高、性能高、兼容性强的完整解决方案。

图片

GigE Vision 作为标准配置接口,为自动驾驶数采系统提供了更广泛的兼容性,实现了真正的即插即用,结合友思特 BRICK2 系统设备,组成一个高性能的多GigE接口支持PTP的采集设备系统级方案,为多传感器数据记录测试提供了完整的解决方案。

总体而言,友思特 GigE 接口相机在自动驾驶数据采集系统中的应用不仅满足了数据采集的需求,还提高了系统的稳定性和性能,为智能驾驶技术的发展带来了更多可能性。

随着技术的不断演进,我们可以期待这些创新在未来的智能驾驶领域中发挥更大的作用,为安全、高效的驾驶体验提供更加坚实基础的保障。

了解更多?欢迎探索丰富案例:https://viewsitec.com/products/cameras/ueye/

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1886262.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【前端vue3】TypeScrip-元组类型和枚举类型

元组类型 元组就是数组的变形 元组(Tuple)是固定数量的不同类型的元素的组合。 元组与集合的不同之处在于,元组中的元素类型可以是不同的,而且数量固定。元组的好处在于可以把多个元素作为一个单元传递。如果一个方法需要返回多个…

day03-主页模块-修改密码

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 1.获取用户资料在Vuex中共享登录成功跳转到主页之后,可以获取用户资料,获取的资料在Vuex中共享,这样用户就可以很方便的获取该信…

【基础算法总结】分治—快排

分治—快排 1.分治2.颜色分类3.排序数组4.数组中的第K个最大元素5.库存管理 III 点赞👍👍收藏🌟🌟关注💖💖 你的支持是对我最大的鼓励,我们一起努力吧!😃😃 1.分治 分治…

Node.js安装及配置

文章目录 1.安装Node.js2.创建目录3.配置环境变量4.配置全局安装路径和缓存路径(可选)配置Webstorm 1.安装Node.js https://registry.npmmirror.com/binary.html?pathnode 推荐安装18.x版本 2.创建目录 下载解压后进入目录,创建node_global和node_cache两个空文…

在嵌入式商用里面哪款RTOS(实时操作系统)比较多人用?

在开始前刚好我有一些资料,是我根据网友给的问题精心整理了一份「嵌入式的资料从专业入门到高级教程」, 点个关注在评论区回复“888”之后私信回复“888”,全部无偿共享给大家!!! 传统的RTOS和嵌入式Linu…

【氮化硼】 h-BN薄膜的控制辐射损伤和边缘结构

摘要: 本文展示了通过化学剥离法合成的六方氮化硼(h-BN)膜在80 kV电子束辐照下表现出比石墨烯更高的抗辐射损伤能力。研究表明,即使在长时间电子束辐照下,单层h-BN也不会形成空位缺陷或发生非晶化。实验观察到在h-BN薄膜中,锯齿形边缘结构占主导地位,且这些边缘主要由氮…

6个操作简单又好用的实用办公工具

分享6个操作简单又好用的实用办公工具,手机和电脑上的都有,好好使用可以让工作效率翻倍! 1.方方格子 一个大型的的【Excel工具箱】,支持32位和64位Office,可直接作为插件使用,功能覆盖非常全面&#xff0c…

MySQL实战-4 | 深入浅出索引(上)(下)

什么是数据库索引,索引又是如何工作的呢? 一句话简单来说,索引的出现其实就是为了提高数据查询的效率,就像书的目录一样。一本 500 页的书,如果你想快速找到其中的某一个知识点,在不借助目录的情况下&…

MySQL:设计数据库与操作

设计数据库 1. 数据建模1.1 概念模型1.2 逻辑模型1.3 实体模型主键外键外键约束 2. 标准化2.1 第一范式2.2 链接表2.3 第二范式2.4 第三范式 3. 数据库模型修改3.1 模型的正向工程3.2 同步数据库模型3.3 模型的逆向工程3.4 实际应用建议 4. 数据库实体模型4.1 创建和删除数据库…

学习笔记(linux高级编程)10

IPC 进程间通信 interprocess communicate 三大类: 1、古老的通信方式 无名管道 有名管道 信号 2、IPC对象通信 system v BSD suse fedora kernel.org 消息队列(用的相对少,这里不讨论) 共享内存 信号量集 3、socket通信 网络通信 特…

【MySQL】mysql访问

mysql访问 1.引入MySQL 客户端库2.C/C 进行增删改3.查询的处理细节4.图形化界面访问数据库4.1下载MYSQL Workbench4.2MYSQL Workbench远程连接数据库 点赞👍👍收藏🌟🌟关注💖💖 你的支持是对我最大的鼓励&a…

基于CNN的股票预测方法【卷积神经网络】

基于机器学习方法的股票预测系列文章目录 一、基于强化学习DQN的股票预测【股票交易】 二、基于CNN的股票预测方法【卷积神经网络】 文章目录 基于机器学习方法的股票预测系列文章目录一、CNN建模原理二、模型搭建三、模型参数的选择(1)探究window_size…

8619 公约公倍

这个问题可以通过计算最大公约数 (GCD) 和最小公倍数 (LCM) 来解决。我们需要找到一个整数,它是 a, b, c 的 GCD 的倍数,同时也是 d, e, f 的 LCM 的约数。 以下是解决这个问题的步骤: 1. 计算 a, b, c 的最大公约数。 2. 计算 d, e, f 的最…

SAP MM模块的ATP检查

前面几篇文章都演示和说明ATP的一些设置和操作,通常情况下ATP的检查PP模块,SD模块用的相对来说是比较多的,但是实际上MM模块也会遵循ATP的可用性的检查规则。 当我们在做311、301等移动类型时,系统会根据相应的可用性检查规则&am…

大模型应用开发实战基础

大模型应用开发实战基础 1. 背景 大模型如日中天,各行各业都受它影响,但是作为程序员,除了让它翻译代码不知道用它干什么,就像是拿着锤子的木匠,找不到钉子在哪。一边听着别人说2024是AI元年,一边又不知所…

基于X86+FPGA的精密加工检测设备解决方案

应用场景 随着我国高新技术的发展和国防现代化发展,航空、航天等领域需 要的大型光电子器件,微型电子机械、 光 电信息等领域需要的微型器件,还有一些复杂零件的加工需求日益增加,这些都需要借助精密甚至超精密的加工检测设备 客…

Asp.NET identity以及Owin

》》》Identity是集成到Owin框架中中 ● Microsoft.AspNet.Identity.Core:Identity的核心类库,实现了身份验证的核心功能,并提供了拓展接口。● Microsoft.AspNet.Identity.EntityFramework:Identity数据持久化的EF实现。   ● …

强化学习的数学原理:最优贝尔曼公式

大纲 贝尔曼最优公式是贝尔曼公式的一个特殊情况,但其也非常重要。 本节课很重要的两个概念和一个工具: 工具不用多说,就是贝尔曼最优公式,概念则是 optimal state value(最优状态价值) 和 optimal polic…

文件中各个函数返回----EOF----NULL---非零值>>>>>区分

fopen 返回值:操作正常返回文件指针, 失败返回NULL fclose 返回值:操作正常返回 0 失败返回EOF 不关闭文件会丢失 fgetc 返回值: 成功读入字符 失败返回EOF fputc 返回值:成功输出的字符 失败返回EOF fgets …

香橙派OrangePi AIpro初体验:当小白拿到一块开发板第一时间会做什么?

文章目录 香橙派OrangePi AIpro初体验:当小白拿到一块高性能AI开发板第一时间会做什么前言一、香橙派OrangePi AIpro概述1.简介2.引脚图开箱图片 二、使用体验1.基础操作2.软件工具分析 三、香橙派OrangePi AIpro.测试Demo1.测试Demo1:录音和播音(USB接口…