3D採集裝置（一）雷射雷達認知

引入雷射感測器的原因：攝像機測距並不是那麼準確。

雷射雷達的原理（tof:time of fly）：雷射雷達的發射器發射出一束雷射，雷射光束遇到物體漫反射，返回雷射接收器，雷達模組根據傳送和接收訊號的時間間隔乘以光速，再除以2，即可計算出發射器與物體的距離。

雷射雷達的分類：

目前成本最低的雷射雷達。成本低，意味著量產的可能性大。

單束雷射發射器在雷射雷達內部進行勻速的旋轉，每旋轉乙個小角度即發射一次雷射，輪巡一定的角度後，就生成了一幀完整的資料。

因此，單線雷射雷達的資料可以看做是同一高度的一排點陣。

單線雷射雷達的資料缺少乙個維度，只能描述線狀資訊，無法描述面。如上圖，可以知道雷射雷達的面前有一塊紙板，並且知道這塊紙板相對雷射雷達的距離，但是這塊紙板的高度資訊無從得知。

四線雷射雷達將四個雷射發射器進行輪詢，乙個輪詢週期後，得到一幀的雷射點雲資料。四條點雲資料可以組成面狀資訊，這樣就能夠獲取障礙物的高度資訊。

根據單幀的點雲座標可得到障礙物的距離資訊。

根據多幀的點雲的座標，對距離資訊做微分處理，可得到障礙物的速度資訊。

實際應用時，在購買雷射雷達的產品後，其**商也會提供配套的軟體開發套件（sdk，software development kit），這些軟體開發套件能很方便地讓使用者得到精準的點雲資料，而且為了方便自動駕駛的開發，甚至會直接輸出已經處理好的障礙物結果。

16/32/64線的雷射雷達的感知範圍為360°，為了最大化地發揮他們的優勢，常被安裝在無人車的頂部。

圖中的每乙個圓圈都是乙個雷射束產生的資料，雷射雷達的線束越多，對物體的檢測效果越好。比如64線的雷射雷達產生的資料，將會更容易檢測到路邊的馬路牙子。

16/32/64線的雷射雷達只能提供原始的點雲訊號，沒有對應的sdk直接輸出障礙物結果。因此各大自動駕駛公司都在點雲資料基礎上，自行研究演算法完成無人車的感知工作。

以n線雷射雷達為例來講解點雲的資料結構：

每一線點雲的資料結構是由點雲的數量和每乙個點雲的資料結構組成。由於雷射雷達的資料採集頻率和單線的點雲數量都是可以設定的，因此1線點雲資料中需要包含點雲數量這個資訊。

最底層的是單個點雲的資料結構。點的表達既可以使用theta/r的極座標表示，也可以使用x/y/z的3維座標表示：

每個點雲除了座標外，還有乙個很重要的元素，那就是雷射的反射強度。雷射在不同材料上的反射強度是不一樣的。以3維座標點的表示方法為例，單個點雲的資料結構如上。x/y/z方向的偏移量是以雷射雷達的安裝位置作為原點。

雷射雷達點雲資料的一般處理方式是：資料預處理（座標轉換，去雜訊等），聚類（根據點雲距離或反射強度），提取聚類後的特徵，根據特徵進行分類等後處理工作。

利用高精度地圖限定感興趣區域（roi,region of interest）後，基於全卷積深度神經網路學習點雲特徵並**障礙物的相關屬性，得到前景障礙物檢測與分割。

利用高精度地圖限定roi後，可以對roi內部（比如可行駛道路和交叉口）的點雲的高度及連續性資訊進行判斷點雲處是否可通行。

利用多線雷射雷達的點雲資訊與地圖採集車載組合慣導的資訊，進行高精地圖製作。自動駕駛汽車利用雷射點雲資訊與高精度地圖匹配，以此實現高精度定位。

根據雷射雷達的感知資料與障礙物所在車道的拓撲關係（道路連線關係）進行障礙物的軌跡**，以此作為無人車規劃（避障、換道、超車等）的判斷依據。

當前人工智慧的演算法還不夠成熟，純視覺感測器的無人駕駛方案在安全性上還存在較多問題，因此現階段的無人車的開發還離不開雷射雷達。強如google,目前不也還沒有脫離雷射雷達的自動駕駛方案麼。

成本是雷射雷達普及所遇到的最大問題。畢竟一款比車還貴的感測器是車企無法接受的。

好文推薦：

1、雷射雷達的7大分類講解

2、雷射雷達（一）——知名雷射雷達公司

3、雷射雷達（二）——三角測距法和tof原理

4、雷射雷達（lds）技術原理解釋及實現過程

5、雷射雷達學習筆記 6、

雷射雷達原理介紹

走進自動駕駛感測器（一）——雷射雷達

自動駕駛系統入門（五） - 雷射雷達