無人駕駛技術(shù)中的激光雷達(dá)和攝像頭都干些什么？

　　激光雷達(dá)與攝像頭性能對(duì)比

　　在無人駕駛環(huán)境感知設(shè)備中，激光雷達(dá)和攝像頭分別有各自的優(yōu)缺點(diǎn)。

　　攝像頭的優(yōu)點(diǎn)是成本低廉，用攝像頭做算法開發(fā)的人員也比較多，技術(shù)相對(duì)比較成熟。攝像頭的劣勢(shì)，第一，獲取準(zhǔn)確三維信息非常難（單目攝像頭幾乎不可能，也有人提出雙目或三目攝像頭去做）;另一個(gè)缺點(diǎn)是受環(huán)境光限制比較大。

　　激光雷達(dá)的優(yōu)點(diǎn)在于，其探測(cè)距離較遠(yuǎn)，而且能夠準(zhǔn)確獲取物體的三維信息;另外它的穩(wěn)定性相當(dāng)高，魯棒性好。但目前激光雷達(dá)成本較高，而且產(chǎn)品的最終形態(tài)也還未確定。

　　就兩種傳感器應(yīng)用特點(diǎn)來講，攝像頭和激光雷達(dá)攝像頭都可用于進(jìn)行車道線檢測(cè)。除此之外，激光雷達(dá)還可用于路牙檢測(cè)。對(duì)于車牌識(shí)別以及道路兩邊，比如限速牌和紅綠燈的識(shí)別，主要還是用攝像頭來完成。如果對(duì)障礙物的識(shí)別，攝像頭可以很容易通過深度學(xué)習(xí)把障礙物進(jìn)行細(xì)致分類。但對(duì)激光雷達(dá)而言，它對(duì)障礙物只能分一些大類，但對(duì)物體運(yùn)動(dòng)狀態(tài)的判斷主要靠激光雷達(dá)完成。

　　多線激光雷達(dá)----多少線合適？

　　目前，國(guó)外和國(guó)內(nèi)做激光雷達(dá)的廠商并不多。比如 Velodyne 推出 16 線、32 線和 64 線激光雷達(dá)產(chǎn)品。Quanergy 早期推出的 8 線激光雷達(dá)產(chǎn)品 M-8（固態(tài)激光雷達(dá)在研）。Ibeo 主要推出的是 4 線激光雷達(dá)產(chǎn)品，主要用于輔助駕駛。速騰聚創(chuàng)（RoboSense）推出的是 16 線激光雷達(dá)產(chǎn)品。

　　到底多少線的激光雷達(dá)產(chǎn)品才能符合無人駕駛廠商，包括傳統(tǒng)汽車廠商、互聯(lián)網(wǎng)造車公司的需求？

　　多線激光雷達(dá)，顧名思義，就是通過多個(gè)激光發(fā)射器在垂直方向上的分布，通過電機(jī)的旋轉(zhuǎn)形成多條線束的掃描。多少線的激光雷達(dá)合適，主要是說多少線的激光雷達(dá)掃出來的物體能夠適合算法的需求。理論上講，當(dāng)然是線束越多、越密，對(duì)環(huán)境描述就更加充分，這樣還可以降低算法的要求。

　　業(yè)界普遍認(rèn)為，像谷歌或百度使用的 64 線激光雷達(dá)產(chǎn)品，并不是激光雷達(dá)最終的產(chǎn)品形態(tài)。激光雷達(dá)的產(chǎn)品的方向肯定是小型化，而且還要不斷減少兩個(gè)相鄰間發(fā)射器的垂直分辨率以達(dá)到更高線束。

　　激光雷達(dá)產(chǎn)品參數(shù)包括四方面：測(cè)量距離、測(cè)量精度、角度分辨率以及激光單點(diǎn)發(fā)射的速度。我主要講分辨率的問題：一個(gè)是垂直分辨率，另一個(gè)是水平分辨率。

　　現(xiàn)在多線激光雷達(dá)水平可視角度是 360 度可視，垂直可視角度就是垂直方向上可視范圍。分辨率與攝像頭的像素是非常相似的，激光雷達(dá)最終形成的三維激光點(diǎn)云，類似于一幅圖像有許多像素點(diǎn)。激光點(diǎn)云越密，感知的信息越全面。

　　水平方向上做到高分辨率其實(shí)不難，因?yàn)樗椒较蛏鲜怯呻姍C(jī)帶動(dòng)的，所以水平分辨率可以做得很高。目前國(guó)內(nèi)外激光雷達(dá)廠商的產(chǎn)品，水平分辨率為 0.1 度。

　　垂直分辨率是與發(fā)射器幾何大小相關(guān)，也與其排布有關(guān)系，就是相鄰兩個(gè)發(fā)射器間隔做得越小，垂直分辨率也就會(huì)越小?？梢钥闯鰜恚€束的增加主要還是為了對(duì)同一物體描述得更加充分。如果是不通過減少垂直分辨率的方式來增加線束，其實(shí)意義不大。

　　如何去提高垂直分辨率？目前業(yè)界就是通過改變激光發(fā)射器和接收器的排布方式來實(shí)現(xiàn)：排得越密，垂直分辨率就可以做得很小。另一方面就是通過多個(gè) 16 線激光雷達(dá)耦合的方式，在不增加單個(gè)激光雷達(dá)垂直分辨率的情況下同樣達(dá)到整體減小垂直分辨率的效果。

　　但是，這兩種方法都有一定的缺陷。

　　第一種方法，如果在不增加垂直可視范圍情況下增加線束，是有一定天花板的。因?yàn)榧す獍l(fā)射器的幾何大小很難進(jìn)一步再縮小，比如說做到垂直 1 度的分辨率，如果想做到 0.1 度，幾乎不可能。

　　第二種方法，多傳感器耦合，即多個(gè)激光雷達(dá)耦合，因?yàn)樗皇菃我划a(chǎn)品，那么對(duì)往后的校準(zhǔn)將會(huì)有很高的要求。

　　激光雷達(dá)和攝像頭分別完成什么工作？

　　無人駕駛過程中，環(huán)境感知信息主要有這幾部分：一是行駛路徑上的感知，對(duì)于結(jié)構(gòu)化道路可能要感知的是行車線，就是我們所說的車道線以及道路的邊緣、道路隔離物以及惡劣路況的識(shí)別;對(duì)非結(jié)構(gòu)道路而言，其實(shí)會(huì)更加復(fù)雜。

　　周邊物體感知，就是可能影響車輛通行性、安全性的靜態(tài)物體和動(dòng)態(tài)物體的識(shí)別，包括車輛，行人以及交通標(biāo)志的識(shí)別，包括紅綠燈識(shí)別和限速牌識(shí)別。

　　對(duì)于環(huán)境感知所需要的傳感器，我們把它分成三類：

　　感知周圍物體的傳感器，包括激光雷達(dá)、攝像頭和毫米波雷達(dá)這三類;

　　實(shí)現(xiàn)無人駕駛汽車定位的傳感器，就是 GPS 、IMU 和 Encoder;

　　其他傳感器，指的是感知天氣情況及溫、濕度的傳感器。

　　今天主要講的是感知周圍物體的傳感器，即：激光雷達(dá)、毫米波雷達(dá)和攝像頭。其實(shí)他們都有各自的優(yōu)缺點(diǎn)。

　　在無人駕駛環(huán)境感知中，攝像頭完成的工作包括：

　　車道線檢測(cè);

　　障礙物檢測(cè)，相當(dāng)于把障礙物識(shí)別以及對(duì)障礙物進(jìn)行分類;

　　交通標(biāo)志的識(shí)別，比如識(shí)別紅綠燈和限速牌。

　　對(duì)車道線的檢測(cè)主要分成三個(gè)步驟：

　　第一步，對(duì)獲取到的圖片預(yù)處理，拿到原始圖像后，先通過處理變成一張灰度圖，然后做圖像增強(qiáng);

　　第二步，對(duì)車道線進(jìn)行特征提取，首先把經(jīng)過圖像增強(qiáng)后的圖片進(jìn)行二值化（ 將圖像上的像素點(diǎn)的灰度值設(shè)置為 0 或 255，也就是將整個(gè)圖像呈現(xiàn)出明顯的黑白效果），然后做邊緣提取;

　　第三步，直線擬合。

　　車道線檢測(cè)難點(diǎn)在于，對(duì)于某些車道線模糊或車道線被泥土覆蓋的情況、對(duì)于黑暗環(huán)境或雨雪天氣或者在光線不是特別好的情況下，它對(duì)攝像頭識(shí)別和提取都會(huì)造成一定的難度。

　　另一個(gè)是障礙物檢測(cè)。上圖是我們?cè)谑致房谧龅膶?shí)驗(yàn)，獲取到原始圖像后，通過深度學(xué)習(xí)框架對(duì)物體進(jìn)行識(shí)別。在這當(dāng)中，做訓(xùn)練集其實(shí)是主要的難點(diǎn)。

　　還有一個(gè)是道路標(biāo)識(shí)的識(shí)別，這一部分的研究比較多，這里不再贅述。

　　激光雷達(dá)能夠完成什么工作？

　　第一是路沿檢測(cè)，也包括車道線檢測(cè);第二是障礙物識(shí)別，對(duì)靜態(tài)物體和動(dòng)態(tài)物體的識(shí)別;第三是定位以及地圖的創(chuàng)建。

　　對(duì)于路沿檢測(cè)，分為三個(gè)步驟：拿到原始點(diǎn)云，地面點(diǎn)檢測(cè)、提取路沿點(diǎn)，通過路沿點(diǎn)的直線擬合，可以把路沿檢測(cè)出來。

　　接下來是障礙物識(shí)別，識(shí)別諸如行人、卡車和私家車等以及將路障信息識(shí)別出來。

　　障礙物的識(shí)別有這樣幾步，當(dāng)激光雷達(dá)獲取三維點(diǎn)云數(shù)據(jù)后，我們對(duì)障礙物進(jìn)行一個(gè)聚類，如上圖紫色包圍框，就是識(shí)別在道路上的障礙物，它可能是動(dòng)態(tài)也可能是靜態(tài)的。

　　最難的部分就是把道路上面的障礙物聚類后，提取三維物體信息。獲取到新物體之后，會(huì)把這個(gè)物體放到訓(xùn)練集里，然后用 SVM 分類器把物體識(shí)別出來。

　　如上圖，左上角、左下角是車還是人？對(duì)于機(jī)器而言，它是不清楚的。右上角和右下角（上圖）是我們做的訓(xùn)練集。做訓(xùn)練集是最難的，相當(dāng)于要提前把不同物體做人工標(biāo)識(shí)，而且這些標(biāo)識(shí)的物體是在不同距離、不同方向上獲取到的。

　　我們對(duì)每個(gè)物體，可能會(huì)把它的反射強(qiáng)度、橫向和縱向的寬度以及位置姿態(tài)作為它的特征，進(jìn)行提取，進(jìn)而做出數(shù)據(jù)集，用于訓(xùn)練。最終的車輛、行人、自行車等物體的識(shí)別是由SVM分類器來完成。我們用這種方法做出來的檢測(cè)精確度還是不錯(cuò)的。

　　利用激光雷達(dá)進(jìn)行輔助定位。定位理論有兩種：基于已知地圖的定位方法以及基于未知地圖的定位方法。

　　基于已知地圖定位方法，顧名思義，就是事先獲取無人駕駛車的工作環(huán)境地圖（高精度地圖），然后根據(jù)高精度地圖結(jié)合激光雷達(dá)及其它傳感器通過無人駕駛定位算法獲得準(zhǔn)確的位置估計(jì)?，F(xiàn)在大家普遍采用的是基于已知地圖的定位方法。

　　制作高精度地圖也是一件非常困難的事情。舉個(gè)例子，探月車在月球上，原來不知道月球的地圖，只能靠機(jī)器人在月球上邊走邊定位，然后感知環(huán)境，相當(dāng)于在過程中既完成了定位又完成了制圖，也就是我們?cè)跇I(yè)界所說的 SLAM 技術(shù)。

　　激光雷達(dá)是獲取高精度地圖非常重要的傳感器。通過 GPS、IMU 和 Encoder 對(duì)汽車做一個(gè)初步位置的估計(jì)，然后再結(jié)合激光雷達(dá)和高精度地圖，通過無人駕駛定位算法最終得到汽車的位置信息。