自動(dòng)駕駛新驅(qū)動(dòng)力：點(diǎn)云算法如何釋放激光雷達(dá)威力？

　　2015 年，當(dāng)時(shí)業(yè)界還在爭(zhēng)論：無(wú)人駕駛是該用激光雷達(dá)還是用攝像頭。到 2016 年，事情發(fā)生很大的轉(zhuǎn)變，尤其某汽車公司 Autopilot 致死事故之后，業(yè)內(nèi)漸漸覺得激光雷達(dá)是非常重要的。

　　激光雷達(dá)是自動(dòng)駕駛不可或缺的傳感器

　　下圖是無(wú)人駕駛的偏算法層的系統(tǒng)框架。從左邊看，這是一個(gè)傳感器的輸入，如激光雷達(dá)、攝像頭、毫米波、GPS、編碼器和 IMU。這些傳感器的數(shù)據(jù)輸入到系統(tǒng)的感知算法里，對(duì)于這個(gè)感知算法，我們會(huì)將這些數(shù)據(jù)進(jìn)行處理分析，如何將靜態(tài)的物體分離出來(lái)，并如何識(shí)別、分類與跟蹤動(dòng)態(tài)物體。

　　無(wú)人駕駛的偏算法層的系統(tǒng)框架

　　高精度地圖的獲取很大程度依賴激光雷達(dá)以及攝像頭。我們獲取高精度地圖后，結(jié)合 GPS 和 IMU、編碼器、實(shí)時(shí)感知環(huán)境的特征，進(jìn)行地圖匹配進(jìn)行定位。對(duì)于路徑規(guī)劃和運(yùn)動(dòng)控制，最終是結(jié)合車輛的 CAN 總線，對(duì)車進(jìn)行控制。

　　在感知方面，我們普遍使用的是激光雷達(dá)、攝像頭、毫米波雷達(dá)三個(gè)是作為感知外界物體的傳感器。其中，激光雷達(dá)可以做物體的識(shí)別、分類、跟蹤，攝像頭也可以做物體的分類和跟蹤。毫米波雷達(dá)主要用于對(duì)物體障礙物識(shí)別。

　　毫米波雷達(dá)、攝像頭和激光雷達(dá)這三個(gè)傳感器，有一些重合點(diǎn)。這是由傳感器本身的性質(zhì)決定，他們有各自不可或缺的功能。

　　毫米波雷達(dá)主要用還是在障礙物檢測(cè);攝像頭很難得到三維物體的模型，包括它對(duì)于環(huán)境的干擾也比較依賴這個(gè)光照的影響，但攝像頭對(duì)物體分類和跟蹤是非常好的;激光雷達(dá)普遍用于定位、障礙物檢測(cè)、物體分類、動(dòng)態(tài)物體跟蹤等應(yīng)用。

　　其實(shí)在 2016 年之前，激光雷達(dá)行業(yè)的發(fā)展還是比較緩慢的。但現(xiàn)在來(lái)看，包括上游供應(yīng)商和下游客戶的緊迫需求，我們極力希望推動(dòng)實(shí)現(xiàn)激光雷達(dá)降成本化、可量產(chǎn)化。

　　我把激光雷達(dá)目前分成兩類：掃描式激光雷達(dá)和非掃描式激光雷達(dá)。

　　1、掃描式激光雷達(dá)

　　機(jī)械式旋轉(zhuǎn)激光雷達(dá)(發(fā)射、接收、共軸旋轉(zhuǎn)的激光雷達(dá))，這是目前比較成熟的，在下游無(wú)人駕駛使用比較多的方案。比較有代表性的有 Velodyen、Ibeo，包括我們現(xiàn)在在量產(chǎn)的也是這種機(jī)械式的激光雷達(dá)?；旌瞎虘B(tài)也是機(jī)械式旋轉(zhuǎn)類的激光雷達(dá)。

　　另外一種是 MEMS?；?MEMS 的掃描式雷達(dá)目前屬于在研狀態(tài)，它的原理是通過 MEMS 掃描鏡來(lái)改變光路。

　　還有一種是相控陣激光雷達(dá)(OPA)，其實(shí)也屬于掃描式激光雷達(dá)，因?yàn)樗峭ㄟ^逐點(diǎn)掃描的方式，即多個(gè)小天線之間發(fā)射的激光的發(fā)射相位來(lái)改變光路而實(shí)現(xiàn)的。

　　2、非掃描式激光雷達(dá)

　　Flash LiDAR 是發(fā)掃描式激光雷達(dá)，發(fā)射的就是一個(gè)面陣的光，如瑞士的 Ledder Tech 研發(fā)就是 Flash liDAR 這類產(chǎn)品。

　　目前來(lái)看，其實(shí)行業(yè)現(xiàn)在的推動(dòng)力挺大的，包括我們自己，主要的研發(fā)精力也放在固態(tài)激光雷達(dá)上。我相信很快大家能看到這種低成本的激光雷達(dá)，從研發(fā)、樣品到商用，可能會(huì)比原來(lái)預(yù)想的周期更快。因?yàn)椴皇且患壹す饫走_(dá)公司在努力，而是整個(gè)產(chǎn)業(yè)鏈都在努力。

　　點(diǎn)云是在同一空間倡導(dǎo)系下表達(dá)目標(biāo)空間分布和目標(biāo)表面特性的海量點(diǎn)云數(shù)據(jù)。

　　點(diǎn)云數(shù)據(jù)生成設(shè)備可以由激光雷達(dá)或者深度相機(jī)產(chǎn)生。根據(jù)激光雷達(dá)得到的點(diǎn)云，包括三維坐標(biāo)(XYZ)和激光反射強(qiáng)度(Intensity)。

　　激光雷達(dá)在自動(dòng)駕駛中的應(yīng)用：定位

　　激光雷達(dá)在自動(dòng)駕駛中的應(yīng)用，最重要部分還是定位：位置確定了，無(wú)人車才知道要去哪里、以及怎么去。所以，確定“我在哪里”是第一步，也是非常關(guān)鍵的一步。

　　現(xiàn)在定位用 RTK，差分 GPS ，也有用激光雷達(dá)或者視覺去做。但 RTK 還是會(huì)受信號(hào)的干擾。特別是在一些城市、建筑和樹比較多的地方，以及進(jìn)隧道、出隧道，它的信號(hào)容易中斷。

　　還有一個(gè)是基于視覺定位，它其實(shí)對(duì)于跟他視覺本身的特性有關(guān)，對(duì)環(huán)境的依賴比較強(qiáng)，比如逆光或雨雪天氣下，這種定位容易失效。

　　激光雷達(dá)的定位，我們通過 IMU、慣性導(dǎo)航系統(tǒng)、編碼器和 GPS，得到一個(gè)預(yù)測(cè)的全局位置。當(dāng)激光雷達(dá)實(shí)時(shí)掃描單次的點(diǎn)云數(shù)據(jù)后，我們會(huì)去結(jié)合單次的點(diǎn)云數(shù)據(jù)進(jìn)行匹配，并進(jìn)行特征提取。

　　這些特征包括路沿、車道線等周圍點(diǎn)線面的特征。對(duì)于高精度地圖，提取過特征與實(shí)時(shí)提取的特征進(jìn)行匹配，最終得到精準(zhǔn)的車本體速度，這是激光雷達(dá)的定位過程。

　　激光雷達(dá)的第二個(gè)應(yīng)用：障礙物的檢測(cè)和分類。

　　對(duì)于障礙物檢測(cè)和分類來(lái)講，目前有應(yīng)用視覺和激光雷達(dá)，這兩者并沒有沖突。激光雷達(dá)不依賴光照，它的視角是 360 度，計(jì)算量比較小，可以實(shí)時(shí)掃描，目前普遍用的是 100 毫秒以內(nèi)的。激光雷達(dá)在掃描的過程中，先識(shí)別障礙物，知道這個(gè)障礙物在空間中的位置，再根據(jù)存在的障礙物做分類。

　　如上圖，我們先拿到一個(gè)原始點(diǎn)云數(shù)據(jù)，對(duì)地面點(diǎn)進(jìn)行提取，對(duì)非地面點(diǎn)進(jìn)行障礙物分割。

　　比如車、人，我們將這些障礙物分割成為獨(dú)立的個(gè)體，通過分割出來(lái)獨(dú)立的個(gè)體再去匹配，從而進(jìn)行障礙物的分類和物體的跟蹤。

　　簡(jiǎn)單言之，我們先去除地面點(diǎn)，得到障礙物，分割出障礙物，然后把障礙物分割出來(lái)從而進(jìn)行分類跟蹤。

　　而跟蹤的過程，首先是分割點(diǎn)云，通過點(diǎn)云做關(guān)聯(lián)目標(biāo)，我們知道上一楨和下一楨是否屬于同一個(gè)物體，再進(jìn)行目標(biāo)跟蹤，輸出目標(biāo)跟蹤信息。

　激光雷達(dá)的應(yīng)用現(xiàn)狀

　　今年 4 月份我們開始供貨，目前也了解到行業(yè)激光雷達(dá)在應(yīng)用上現(xiàn)狀。

　　首先就是傳感器缺乏，一方面是現(xiàn)在的激光雷達(dá)比較貴，供貨周期也非常長(zhǎng)，能夠普遍用起激光雷達(dá)的公司并不多。而傳感器的缺乏，解決方案的不成熟、點(diǎn)云算法人才積累太少，激光雷達(dá)無(wú)法發(fā)揮最大威力。

　　對(duì)于無(wú)人駕駛團(tuán)隊(duì)，他們可能除了激光雷達(dá)的點(diǎn)云算法以外，還做攝像頭算法、毫米波雷達(dá)算法以及多傳感器的融合，包括定位、路徑規(guī)劃、決策控制和改車等等。他們做的技術(shù)點(diǎn)非常多，無(wú)法聚焦，這導(dǎo)致他們被迫拉長(zhǎng)戰(zhàn)線。

　　所以在今年 4 月，我們針對(duì)激光雷達(dá)的解決方案提出了普爾米修斯計(jì)劃。我們希望這個(gè)計(jì)劃的本質(zhì)是一個(gè)負(fù)責(zé)開放共享的態(tài)度，加快整個(gè)無(wú)人駕駛商業(yè)化落地。

　　整個(gè)普羅米修斯計(jì)劃的模塊還是基于激光雷達(dá)能夠做什么事來(lái)進(jìn)行的，包括：定位、車道線檢測(cè)、路沿檢測(cè)、障礙物識(shí)別、障礙物分類與跟蹤的算法模塊。

　　不管是低速車，園區(qū)車還是物流車或是在高速公路上行駛的車輛，我們都希望自己能夠貢獻(xiàn)出一份力量。

　　上圖是基于激光雷達(dá)車道線檢測(cè)和路沿檢測(cè)?；诩す饫走_(dá)的車道線檢測(cè)還是比較不錯(cuò)的，路面上車道線一般是白色和黃色兩種，所以我們提前把反射強(qiáng)度的方式先做出來(lái)，這樣激光雷達(dá)就很容易將提取車道線出來(lái)，不會(huì)因?yàn)榘滋旌屯砩鲜艿礁蓴_。

　　而路沿檢測(cè)可以根據(jù)路沿的幾何形狀來(lái)做一些訓(xùn)練，現(xiàn)在路沿十幾厘米的高度都能夠提取出來(lái)。

　　我們可以看上圖的有半部分：紅色表示提取的車道線，淺色是提取的路沿，中間是虛線，兩邊是實(shí)線。這個(gè)準(zhǔn)確性還是不錯(cuò)的，包括路面的左轉(zhuǎn)、右轉(zhuǎn)這些指示也能做出來(lái)。如果后續(xù)有多幀迭代的話，其實(shí)效果會(huì)更好。

　　激光雷達(dá)做物體的跟蹤，相當(dāng)于對(duì)每一個(gè)識(shí)別到的物體，都會(huì)計(jì)算，并且分割到底是自行車、卡車、行人還是私家車。

　　識(shí)別之后，除了我們知道自動(dòng)駕駛本體車的速度以外，也可以跟蹤出前車的速度，以及前車距離本車的橫向和縱向距離。激光雷達(dá)輸出的已經(jīng)不是原始點(diǎn)云數(shù)據(jù)，還有每個(gè)障礙物空間的位置和分類，到底是哪種類型，以及速度信息。

　　激光雷達(dá)能做的事情有很多，包括定位、障礙物的檢測(cè)、分類和跟蹤、車道線的檢測(cè)、路沿檢測(cè)等等。在感知的工作里，激光雷達(dá)扮演了非常重要的角色。