精品论文

聚焦科技之美

以高素质团队和专业设备打造业界领先的传感器、混合集成电路产品

聚焦科技之美

精品论文

  主页 / 新闻资讯 / 精品论文 /

激光雷达应用

作者:admin  更新时间:2018-01-25

  激光雷达首先是定位,无人车的第一步也是定位,利用激光雷达SLAM的回环检测或者与全局地图做match,进而做到厘米级定位,这是业内一致的做法,百度、谷歌和通用主流厂家都是如此。而非主流厂家大多用GPS RTK定位,有两个非常显眼的蘑菇天线,GPS RTK定位不能做大规模应用,只能用于拉投资的demo。

  激光雷达应用

  上图为百度无人车定位框架。这种定位方法的缺点是需要提前制作激光雷达地图也就是Prior LIDAR MAP,这对通用来说不是难事。通用在其超级巡航里已经制作了美国的所有高速公路的激光地图。但是如果没有提前制作激光雷达地图的区域(如人烟稀少地域广大的郊区和农村),无人车做不到厘米级定位,只能做到传统GPS最高3米的定位。

  激光雷达的第二个作用是与摄像头数据融合做目标分类识别和轨迹跟踪,推测由两侧朝下的激光雷达来获得道路细节,如车道线,路沿,隔离带,虚实线,斑马线。百度无人车也是用激光雷达获得道路细节,出身百度的景驰则在2018年CES上演示了只用激光雷达识别车道线、行人和车辆的技术。谷歌和丰田也是如此。

  目前激光雷达检测车道线主要有四种方法,一是根据激光雷达回波宽度。二是根据激光雷达反射强度信息形成的灰度图,或者根据强度信息与高程信息配合,过滤出无效信息。三是激光雷达SLAM与高精度地图配合,不仅检测车道线还进行自车定位。四是利用激光雷达能够获取路沿高度信息或物理反射信息不同的特性,先检测出路沿,因为道路宽度是已知,根据距离再推算出车道线位置。对于某些路沿与路面高度相差低于3厘米的道路,这种方法无法使用。后三种方法需要多线激光雷达,最少也是16线激光雷达。前者可以使用4线或单线激光雷达。目前绝大部分都是采用第二种方法。这种方法的标志就是需要激光雷达尽量贴近路面或朝向路面以取得比较多的反射强度信息,丰田、谷歌都是在车最前部保险杠处安置激光雷达,通用由于保险杠附近有9个毫米波雷达和1个摄像头,估计是安装空间不足,只能放在车顶。

  中间正前方的激光雷达与摄像头数据融合可以加大识别目标的速度和准确性。用激光雷达识别目标有两种做法,一种是利用激光雷达反射强度值,不同特性的物质对激光雷达反射强度差异很大,利用这个差异可以对目标进行简单分类,比如行人、车辆、建筑物、植物、路面、草地等。由于只是简单的阈值滤波器,计算量很小,速度极快,远高于深度学习的目标分类。就在2018年1月初,瑞萨宣布和初创公司Dibotics合作,Dibotics有一款增强激光雷达(Augmented LiDAR)软件,就是采用这种方法做分类识别,瑞萨将把这套软件嵌入进其芯片中。第二种是将激光雷达的点云转换为具备张量结构的密集的图像数据,然后用faster RCNN识别。后者需要强大的运算资源,处理速度比较慢。faster RCNN则是图像识别领域公认最优秀的方法。推测通用用了前一种,而摄像头的深度学习识别,通用应该也是用faster RCNN。

  激光雷达还有一个优势就是擅长预测移动物体的轨迹和轨迹跟踪,这是行为决策的基础。就像人类驾驶员,可以预估行人或其他车辆下一步的方向或位置,根据这个预估来做出决策。激光雷达天生具备轨迹场(trajectory-yielding)的能力,Velodyne的16线激光雷达在美国最隆重的超级碗赛事上能够准确预测四分卫投球后球的移动位置。Velodyne对此非常自豪。所以通用也说用激光雷达tracking objects,这比摄像头用光流法计算轨迹并预测要快得多,运算资源消耗也远远低于光流法。