無人駕駛路上：激光雷達和攝像頭都干了些什么？

　　對車道線的檢測主要分成三個步驟：

　　第一步，對獲取到的圖片預(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;

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

　　第三步，直線擬合。

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

　　另一個是障礙物檢測。上圖是我們在十字路口做的實驗，獲取到原始圖像后，通過深度學(xué)習(xí)框架對物體進行識別。在這當(dāng)中，做訓(xùn)練集其實是主要的難點。

　　還有一個是道路標(biāo)識的識別，這一部分的研究比較多，這里不再贅述。

　　激光雷達能夠完成什么工作?

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

　　對于路沿檢測，分為三個步驟：拿到原始點云，地面點檢測、提取路沿點，通過路沿點的直線擬合，可以把路沿檢測出來。

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

　　障礙物的識別有這樣幾步，當(dāng)激光雷達獲取三維點云數(shù)據(jù)后，我們對障礙物進行一個聚類，如上圖紫色包圍框，就是識別在道路上的障礙物，它可能是動態(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，會把這個物體放到訓(xùn)練集里，然后用 SVM 分類器把物體識別出來。

　　如上圖，左上角、左下角是車還是人?對于機器而言，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，而且這些標(biāo)識的物體是在不同距離、不同方向上獲取到的。

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

　　利用激光雷達進行輔助定位。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。現(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。舉個例子，探月車在月球上，原來不知道月球的地圖，只能靠機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，也就是我們在業(yè)界所說的 SLAM 技術(shù)。

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