激光雷達(dá)點(diǎn)云處理中遇到的問題及對策

在與激光雷達(dá)公司和下游主機(jī)廠或者解決方案商的專家交流的過程中，筆者發(fā)現(xiàn)，當(dāng)前激光點(diǎn)云的處理過程中，感知算法人員會(huì)遇到很多問題。比如，點(diǎn)云噪點(diǎn)的問題、點(diǎn)云的過多或者過少的問題、FOV的設(shè)計(jì)問題、點(diǎn)云重疊區(qū)域的問題、標(biāo)定參數(shù)偏移的問題等。

本文將從技術(shù)層面和工程化層面兩個(gè)維度，分別來闡述點(diǎn)云處理環(huán)節(jié)中遇到的問題以及相應(yīng)的對策。

01 技術(shù)層面的問題及對策

1.1 點(diǎn)云噪點(diǎn)的問題及對策

點(diǎn)云噪點(diǎn)是指激光雷達(dá)采集到的一些無效點(diǎn)，它容易造成目標(biāo)檢測算法模型的誤檢。激光點(diǎn)云噪點(diǎn)的主要來源有兩方面：一方面是目標(biāo)物表面造成的噪點(diǎn)。比如，目標(biāo)物表面材質(zhì)的性質(zhì)（高反射率的表面材質(zhì)引起的點(diǎn)云反射能量過強(qiáng)，而使得目標(biāo)物比實(shí)際大小更大）、粗糙程度（凹凸不平的表面使得點(diǎn)云的發(fā)射角度發(fā)生變化）等；另一方面是外部掃描環(huán)境造成的噪點(diǎn)，如雨雪霧塵等顆粒物遮擋了點(diǎn)云而無法反射回點(diǎn)云等。

上一篇《詳解激光雷達(dá)點(diǎn)云數(shù)據(jù)的處理過程》的文章中提到，點(diǎn)云噪點(diǎn)的處理主要集中在預(yù)處理階段的濾波處理環(huán)節(jié)。濾波處理是從算法應(yīng)用的角度來處理噪點(diǎn)，但是有些噪點(diǎn)并不能簡單地通過濾波算法來處理。比如，大雨或者大雪等環(huán)境不能直接用濾波算法處理。再比如，對于某些電信號對激光雷達(dá)的影響，濾波算法也不能直接處理。

接下來，筆者梳理了幾個(gè)較為典型的噪點(diǎn)因素，并依次詳述它們各自的問題和對策。

（1）物體表面引起的噪點(diǎn)

激光點(diǎn)云掃描到一些特殊的目標(biāo)物表面時(shí)，由于目標(biāo)物反射回來的點(diǎn)云能量過高（高反射率）而造成了一些噪點(diǎn)。

對于高反射率的目標(biāo)物表面，激光點(diǎn)云通常會(huì)出現(xiàn)高反“鬼影”和高反“膨脹”的現(xiàn)象。其中，高反“鬼影”指的是由于激光雷達(dá)對于高反射率目標(biāo)物反射回來的高強(qiáng)度回波非常敏感，這促使目標(biāo)物除了在原有真實(shí)坐標(biāo)系下存在一個(gè)真實(shí)點(diǎn)云圖像外，在臨近的其它位置也會(huì)出現(xiàn)一個(gè)大小和形狀類似的點(diǎn)云圖像。例如，交通指示牌、車牌照、尾燈等。高反“膨脹”指的是激光掃描到高反射率的目標(biāo)物表面后，點(diǎn)云圖像會(huì)出現(xiàn)向四周擴(kuò)散的現(xiàn)象，使得原有的目標(biāo)物點(diǎn)云圖像顯得更大。

圖：點(diǎn)云圖像中的“鬼影”現(xiàn)象

（數(shù)據(jù)來源：速騰聚創(chuàng)）

圖：點(diǎn)云圖像中路牌的“高反”現(xiàn)象

（數(shù)據(jù)來源：速騰聚創(chuàng)）

那么，無論是高反“鬼影”還是高反“膨脹”都會(huì)造成誤檢，兩者都可能會(huì)迫使車輛采取本來毫無必要的避障措施。

物體表面引起的點(diǎn)云噪點(diǎn)主要可以通過硬件層面和算法層面來解決。

在硬件層面，技術(shù)人員通過加強(qiáng)激光雷達(dá)產(chǎn)品的出廠測試環(huán)節(jié)，從而提升激光雷達(dá)對高反射率物體和低反射率物體的分辨能力。

在算法層面，主要靠濾波算法來處理?？v目科技感知算法工程師湯強(qiáng)說：“物體表面引起的噪點(diǎn)通過設(shè)置閾值條件來把異常點(diǎn)去掉?！?/p>

關(guān)于如何設(shè)置閾值的條件，某自動(dòng)駕駛公司的感知算法工程師說：“舉例來說，算法模型會(huì)先定位到一片點(diǎn)云密集區(qū)域內(nèi)，計(jì)算該區(qū)域內(nèi)每個(gè)點(diǎn)到其中心點(diǎn)的平均距離，然后將這個(gè)平均距離設(shè)為初始閾值條件。若目標(biāo)點(diǎn)云在這個(gè)初始閾值范圍外，該點(diǎn)云就是噪點(diǎn)?！?/p>

（2）惡劣天氣引起的噪點(diǎn)

惡劣天氣是自動(dòng)駕駛系統(tǒng)較難應(yīng)付的環(huán)境因素，尤其是雨雪霧塵，這些天氣環(huán)境會(huì)讓激光點(diǎn)云產(chǎn)生非常多的噪點(diǎn)。下文將依次分析這四種環(huán)境對激光雷達(dá)點(diǎn)云產(chǎn)生的影響。

首先是雨天環(huán)境。雨滴主要是晶體狀，激光打上去會(huì)損失一定的能量，因?yàn)樗螘?huì)讓部分激光束產(chǎn)生一定的鏡面折射。另外，隨著雨量增大后，降雨可能會(huì)由于地面溫差而形成團(tuán)狀霧，這會(huì)讓自動(dòng)駕駛系統(tǒng)誤以為前方是一個(gè)“障礙物”。

其次是雪天環(huán)境。雪是固體狀，并且容易形成體積更大的固體物。除了會(huì)堆積成團(tuán)狀的障礙物外，大雪天還容易讓地面形成大面積的積雪，這將不利于在目標(biāo)檢測環(huán)節(jié)中做地面點(diǎn)云分割處理。

再者是大霧環(huán)境。一般來說，在霧天不嚴(yán)重的情況下，如輕霧（能見度為1km-10km），霧天并不會(huì)影響激光雷達(dá)點(diǎn)云的處理效果，但是當(dāng)霧天能見度越來越低后，激光點(diǎn)云的透過率會(huì)下降，車輛前方的點(diǎn)云圖像會(huì)形成類似團(tuán)狀物體的假象，這就會(huì)造成誤檢。

最后是粉塵環(huán)境。相比于前面三者，粉塵或許會(huì)更難應(yīng)付。一方面，粉塵會(huì)形成團(tuán)狀物體，易導(dǎo)致激光雷達(dá)的誤識別；另一方面，粉塵不同于雨雪霧，它附著于激光雷達(dá)表面后，不會(huì)變干后自然消失，需要用清潔裝置立即進(jìn)行清理。

那么，該如何去解決這些問題？

上汽高級經(jīng)理殷瑋說：“如果激光雷達(dá)只是用于識別障礙物的話，點(diǎn)云噪點(diǎn)的影響不會(huì)特別大；如果這些點(diǎn)云數(shù)據(jù)用于勾勒free space（即可行駛區(qū)域，其指的是自動(dòng)駕駛車輛可以進(jìn)行規(guī)劃控制的區(qū)域）的話，就需要考慮使用傳統(tǒng)的濾波算法進(jìn)行處理，但濾波算法處理這些噪點(diǎn)的程度不一定能把控好?！?/p>

雖然傳統(tǒng)的濾波算法可以用于點(diǎn)云去噪，但是該方法的計(jì)算量非常大，其算法最終的效果還依賴于技術(shù)人員的技術(shù)水平。所以，在自動(dòng)駕駛行業(yè)內(nèi)，技術(shù)人員也會(huì)采用神經(jīng)網(wǎng)絡(luò)模型來處理點(diǎn)云噪點(diǎn)。

某主機(jī)廠感知算法工程師說：“感知算法人員可直接利用深度學(xué)習(xí)模型去識別車輛前方的障礙物，將雨水等噪點(diǎn)直接忽略掉?！?/p>

總的來說，技術(shù)人員與其采用傳統(tǒng)方法來識別這些噪點(diǎn)，不如忽略這些噪點(diǎn)，直接采用神經(jīng)網(wǎng)絡(luò)模型來識別前方的障礙物，如車輛、行人等，畢竟這些障礙物才是需要重點(diǎn)去檢測的目標(biāo)物，而雨雪霧塵（不嚴(yán)重的情況下）并不會(huì)影響正常的行車安全。

（3）電磁信號引起的噪點(diǎn)

如今，隨著5G網(wǎng)絡(luò)日益發(fā)達(dá)，各種手機(jī)、筆記本電腦等電子產(chǎn)品到處都是，而激光雷達(dá)作為一種精密器械，將會(huì)被這些電子產(chǎn)品產(chǎn)生的電磁波干擾，從而產(chǎn)生噪點(diǎn)。另外，當(dāng)自動(dòng)駕駛車輛經(jīng)過一些特定區(qū)域時(shí)，如機(jī)場、發(fā)電引起，這些區(qū)域也會(huì)產(chǎn)生電磁波的干擾。

關(guān)于電磁信號引起噪點(diǎn)的原因，圖達(dá)通系統(tǒng)及應(yīng)用負(fù)責(zé)人Leon說：“主要是兩方面的原因：其一，電磁信號會(huì)影響激光雷達(dá)的整個(gè)電路，比如電容等等；其二，電磁信號將影響激光雷達(dá)的接收端，由于接收器的靈敏度非常高，意味著它更容易受到電磁信號的干擾?！?/p>

為了解釋電磁信號影響激光雷達(dá)內(nèi)部電路和接收器的原因，某激光雷達(dá)公司的專家說：“較強(qiáng)的電磁信號在透射進(jìn)入激光雷達(dá)內(nèi)部后，對整個(gè)電路或者接收端的器件形成電壓變化（超過了激光雷達(dá)部內(nèi)的額定電壓），影響了激光雷達(dá)內(nèi)部的正常工作?！?/p>

結(jié)合上述原因來看，電磁信號引起的噪點(diǎn)，本質(zhì)上是因?yàn)榧す饫走_(dá)的硬件端受到了干擾。因此，這種噪點(diǎn)無法通過濾波算法來處理。若要正確解決電磁信號引起的噪點(diǎn)，關(guān)鍵是靠激光雷達(dá)自身硬件質(zhì)量是否過硬。

Leon說：“在前期研發(fā)階段，激光雷達(dá)廠商會(huì)做一些EMC測試（電磁兼容測試），需要在不同頻段上做屏蔽電路的測試?！?/p>

1.2 點(diǎn)云過多或者過少的問題及對策

點(diǎn)云過多的話，算法模型處理數(shù)據(jù)的難度和計(jì)算量會(huì)增加。比如，在點(diǎn)云分割過程中，由于點(diǎn)云數(shù)量過多，目標(biāo)物之間的邊緣可能無法快速進(jìn)行特征計(jì)算和分割，從而導(dǎo)致計(jì)算量增加。

某主機(jī)廠感知算法工程師說：“目前車端的算力并不是那么高，點(diǎn)云過多的話，最直接的解決措施就是采取降采樣——去除多余的點(diǎn)，但并不是隨意刪除，必須要最大程度地保留有用的信息（利用深度學(xué)習(xí)模型，提取目標(biāo)物的主要特征）。舉例來說，降采樣方法會(huì)將90%的點(diǎn)云數(shù)據(jù)去除，但仍然保留了50%的有效信息?！?/p>

不過，目前行業(yè)內(nèi)的關(guān)注點(diǎn)更多的還是點(diǎn)云信息不足的問題。那么，為什么點(diǎn)云過少會(huì)更受到關(guān)注？

目前，在自動(dòng)駕駛行業(yè)內(nèi)，點(diǎn)云在車端主要被用于感知，所以點(diǎn)云信息需要盡可能的多。

某主機(jī)廠的感知算法工程師說：“點(diǎn)云數(shù)據(jù)被用于目標(biāo)檢測時(shí)，感知算法人員不知道被測物體具體是什么，所以他們希望信息量盡可能地多?！?/p>

總的來說，點(diǎn)云過少的話，目標(biāo)障礙物表面掃描到的點(diǎn)云數(shù)量過少，這可能會(huì)導(dǎo)致漏檢。

縱目科技感知算法工程師湯強(qiáng)說：“點(diǎn)云過少的問題，主要有三種解決方案：

第一，多幀疊加。舉例來說，在處理點(diǎn)云圖像時(shí)，感知算法人員會(huì)將當(dāng)前幀點(diǎn)云前后各后5幀的pcd數(shù)據(jù)都投影到當(dāng)前幀時(shí)刻上，這樣就形成了共11幀的pcd數(shù)據(jù)，讓點(diǎn)云顯得更密。

“第二，深度補(bǔ)全——常見的傳統(tǒng)方法主要是利用腐蝕和膨脹的形態(tài)學(xué)方法。比如，激光雷達(dá)掃描到一根鐵絲上時(shí)，可能就只顯示少量的點(diǎn)云，為了提升點(diǎn)云真值數(shù)據(jù)的準(zhǔn)確性，就需要使用該方法將這根鐵絲變得更粗。行業(yè)內(nèi)也有很多通過深度學(xué)習(xí)來做深度補(bǔ)全的方案。

“第三，增加線束。一方面，使用性能更好的激光雷達(dá)產(chǎn)品，如32線的產(chǎn)品改用128線的產(chǎn)品；另一方面，技術(shù)人員通過堆激光雷達(dá)數(shù)量的方式，來增加感知區(qū)域的點(diǎn)云數(shù)量?！?/p>

1.3 不同技術(shù)路線引起的問題及對策

當(dāng)前，由于車輛外觀造型和成本等因素，量產(chǎn)車主要是以半固態(tài)的激光雷達(dá)為主。該章節(jié)部分將重點(diǎn)介紹半固態(tài)激光雷達(dá)引起的點(diǎn)云問題和相關(guān)對策。

按照掃描方式的不同，ToF激光雷達(dá)可分為機(jī)械式、半固態(tài)、純固態(tài)三類。在實(shí)際的應(yīng)用過程中，不同掃描技術(shù)路線的激光雷達(dá)會(huì)出現(xiàn)不同的點(diǎn)云問題。

一般來說，半固態(tài)激光雷達(dá)由于其掃描方式導(dǎo)致了點(diǎn)云中間密、兩邊稀疏的特點(diǎn)。除此以外，半固態(tài)激光雷達(dá)在面對低反射率物體時(shí)，存在識別能力較弱的問題。

某L4自動(dòng)駕駛解決方案商技術(shù)專家說：“以對鐵絲網(wǎng)的檢測為例，半固態(tài)的激光雷達(dá)無論是轉(zhuǎn)鏡式、棱鏡式，還是MEMS，它們一般都有5-6個(gè)激光發(fā)射器，通過掃瞄鏡去分光，這種掃描方式造成了分光后激光點(diǎn)云的能量減少，致使掃描到的鐵絲網(wǎng)會(huì)出現(xiàn)大面積的漏空或者識別不出的情況?！?/p>

解決上述問題的主要對策就是增加感興趣區(qū)域的點(diǎn)云密度。比如，某些半固態(tài)激光雷達(dá)產(chǎn)品采取了角分辨率可調(diào)的方法，將原本激光雷達(dá)看得遠(yuǎn)的優(yōu)勢轉(zhuǎn)化為角分辨率上的優(yōu)勢。根據(jù)不同的場景使用需求，自動(dòng)駕駛的感知系統(tǒng)可直接根據(jù)場景需求來設(shè)置激光雷達(dá)在感興趣區(qū)域的點(diǎn)云密度。

02 工程化層面的問題及對策

2.1安裝方式造成的問題及對策

在硬件性能固定的前提下，點(diǎn)云處理效果可能會(huì)與激光雷達(dá)安裝的位置和對應(yīng)的角度有關(guān)。不正確的安裝可能會(huì)使得點(diǎn)云無法覆蓋重點(diǎn)感知區(qū)域。

某激光雷達(dá)廠商的技術(shù)專家舉例列出了三種可能會(huì)影響點(diǎn)云效果的不正確的激光雷達(dá)安裝方式：“第一種是非正向的安裝。比如，有些應(yīng)用方可能會(huì)把激光雷達(dá)倒過來安裝，這會(huì)影響激光雷達(dá)原有的內(nèi)部結(jié)構(gòu)。假設(shè)激光雷達(dá)里面有一根彈簧，在原本正向安裝和使用時(shí)，彈簧是被壓縮的，但倒過來安裝和使用時(shí)，彈簧就會(huì)被拉升，這會(huì)影響激光雷達(dá)內(nèi)部器件。

“第二種是激光雷達(dá)在垂直角度上安裝得過偏。一般情況下，激光雷達(dá)在垂直角度上都是平向安裝，而在水平角度上可根據(jù)具體需求來定，但有些時(shí)候車端的激光雷達(dá)在垂直角度上安裝的過偏。比如，激光雷達(dá)在垂直角度上安裝得過于朝上或者朝下，點(diǎn)云無法完全覆蓋重點(diǎn)感知區(qū)域。

“第三種是安裝得過低。激光雷達(dá)被安裝在較低的位置，激光束與地面的夾角會(huì)減小，導(dǎo)致了點(diǎn)云反射回來的能量就比較弱，不利于實(shí)際的探測。所以，激光雷達(dá)一般會(huì)被安裝在較高的位置?！?/p>

當(dāng)然了，激光雷達(dá)具體怎么安裝仍取決于具體需要實(shí)現(xiàn)什么功能。

某主機(jī)廠的感知算法工程師說：“拋開功能去做傳感器的配置，這并不是正兒八經(jīng)地做產(chǎn)品。如果激光雷達(dá)用于Robotaxi，激光雷達(dá)需要安裝在車頂，這樣可以實(shí)現(xiàn)360°的水平FOV。如果激光雷達(dá)用于檢測盲區(qū)，激光雷達(dá)需要裝在車的前后左右側(cè)，這樣可以實(shí)現(xiàn)行駛時(shí)的換道。如果激光雷達(dá)用于實(shí)現(xiàn)pilot功能（高速領(lǐng)航輔助功能），激光雷達(dá)一般就是裝在車頂正前方。如果激光雷達(dá)用于交叉口的場景，激光雷達(dá)就需要在左右兩側(cè)的前端各裝一個(gè)?！?/p>

2.2 FOV設(shè)計(jì)引起的問題及對策

哪怕安裝方式?jīng)]問題，如果FOV設(shè)計(jì)有短板，那激光雷達(dá)仍然會(huì)存在感知盲區(qū)。那么，激光雷達(dá)的水平或垂直FOV具體設(shè)計(jì)多少才合適？在水平方向上，多臺(tái)激光雷達(dá)的FOV如何做拼接，才能將點(diǎn)云更有效地覆蓋盲區(qū)？

表：部分激光雷達(dá)產(chǎn)品的FOV情況

數(shù)據(jù)來源：各激光雷達(dá)廠商官網(wǎng)

首先，在水平FOV方面，大部分的應(yīng)用方肯定都希望激光雷達(dá)的水平FOV能夠無死角的覆蓋，但考慮到成本因素，具體水平FOV設(shè)計(jì)多少度需要根據(jù)激光雷達(dá)所實(shí)現(xiàn)的功能而定。

某主機(jī)廠感知算法工程師說：“對于城區(qū)或者高速場景，一個(gè)水平FOV為120度的激光雷達(dá)已經(jīng)夠用了。對于泊車場景，激光雷達(dá)的水平FOV就需要達(dá)到360度。”

在城區(qū)或者高速場景，當(dāng)前的量產(chǎn)車主要可實(shí)現(xiàn)的功能是輔助駕駛，激光雷達(dá)主要功能在于對前方目標(biāo)物的識別檢測，所以單個(gè)水平FOV為120°的激光雷達(dá)即可實(shí)現(xiàn)。某些車企為了增加激光雷達(dá)前方的點(diǎn)云覆蓋面積，也會(huì)采用了兩顆主激光雷達(dá)方案，從而達(dá)到180°左右的FOV。還有些車企采用了1顆前向主雷達(dá)+2顆側(cè)向補(bǔ)盲激光雷達(dá)的方案（布置在車輛左右兩側(cè)），使得整個(gè)水平FOV達(dá)到320°以上。

在泊車場景，為了實(shí)現(xiàn)高級別自動(dòng)駕駛的AVP功能，激光雷達(dá)部署需要采用水平FOV為360度的方案（1顆前向主激光雷達(dá)+2顆側(cè)向補(bǔ)盲激光雷達(dá)+1顆后向補(bǔ)盲激光雷達(dá)），可以讓點(diǎn)云全場景的覆蓋。

圖：不同激光雷達(dá)配置下的水平FOV

其次，在垂直FOV方面，主激光雷達(dá)為了獲得更多的前方信息，需要盡可能地減少垂直方向的FOV，從而增加車前方的點(diǎn)云數(shù)量，返回能量也能更多，所以垂直方向FOV一般僅為25°；而補(bǔ)盲激光雷達(dá)為了看清車身周圍的環(huán)境，需要其垂直FOV水平能更大，可達(dá)到近90°。

某主機(jī)廠感知算法工程師說：“面對小孩和寵物等體積小并且會(huì)“亂跑”的目標(biāo)物，，就需要補(bǔ)盲激光雷達(dá)的垂直FOV更大一些，這樣可以更大程度地掃描到近距離的目標(biāo)物，讓激光雷達(dá)掃在目標(biāo)物上面的點(diǎn)云能夠更加完整。”

圖：補(bǔ)盲激光雷達(dá)的垂直FOV

（數(shù)據(jù)來源：速騰聚創(chuàng)）

2.3 多個(gè)激光雷達(dá)重疊區(qū)域的問題及對策

在設(shè)計(jì)多激光雷達(dá)部署方案時(shí)，多個(gè)激光雷達(dá)之間的水平FOV往往需要有重疊區(qū)域，而不是完美地?zé)o縫拼接在一起。設(shè)計(jì)點(diǎn)云重疊區(qū)域的理由主要是：

第一，激光雷達(dá)產(chǎn)品標(biāo)注的官方FOV水平是一個(gè)較為理想的狀態(tài)，而在產(chǎn)品實(shí)際應(yīng)用時(shí)，其FOV水平并不一定能達(dá)到該理想水平。

圖達(dá)通算法負(fù)責(zé)人許建博士說：“雖然激光雷達(dá)產(chǎn)品標(biāo)稱了水平視場角，但實(shí)際上水平視場角邊緣的點(diǎn)云質(zhì)量容易退化，點(diǎn)云拼接時(shí)最好能夠有一定的重疊區(qū)域?！?/p>

第二，多個(gè)激光雷達(dá)的重疊區(qū)域主要覆蓋在車輛盲區(qū)位置。比如1個(gè)主雷達(dá)+2個(gè)補(bǔ)盲雷達(dá)的方案，相互之間的重疊區(qū)域主要是分布在車前側(cè)兩端的位置，這個(gè)區(qū)域增加點(diǎn)云的數(shù)據(jù)信息可以提高模型對車輛盲區(qū)的感知能力。再比如，車前方兩個(gè)主雷達(dá)的方案可以提高車前端感知區(qū)域的信息冗余安全。

某主機(jī)廠感知算法工程師說：“如果兩個(gè)激光雷達(dá)只是簡單地拼接在一起，當(dāng)一個(gè)目標(biāo)物處于它們各自的邊緣區(qū)域時(shí)，感知系統(tǒng)可能會(huì)很難檢測到該盲區(qū)位置的目標(biāo)物。如果兩個(gè)激光雷達(dá)有一定的重疊區(qū)域時(shí)，系統(tǒng)至少有很大一部分點(diǎn)云能覆蓋到該目標(biāo)物?！?/p>

所以，多個(gè)激光雷達(dá)的感知區(qū)域重疊是非常有必要的，重疊區(qū)域可以讓點(diǎn)云更密、信息冗余安全更高。那么，在水平FOV方向上，點(diǎn)云重疊區(qū)域到底需要交叉多少才合適呢？

Leon說：“以應(yīng)用方的反饋來看，他們會(huì)要求多個(gè)激光雷達(dá)之間有一定的重疊部分，可以保證自動(dòng)駕駛系統(tǒng)在識別檢測時(shí)不漏掉任何目標(biāo)物。同時(shí)，他們也不希望重疊區(qū)域太多，這會(huì)造成資源的浪費(fèi)。”

也就是說，點(diǎn)云重疊區(qū)域較小的話，由于某些半固態(tài)激光雷達(dá)掃描區(qū)域的邊緣部分點(diǎn)云較稀疏，這使得點(diǎn)云配準(zhǔn)難度會(huì)加大。點(diǎn)云重疊區(qū)域較大的話，會(huì)造成傳感器硬件性能的浪費(fèi)，使得最后多個(gè)激光雷達(dá)拼接成的整體水平FOV過小。

在與各專家的交流后，筆者整理出了多個(gè)激光雷達(dá)方案下點(diǎn)云重疊區(qū)域的大小范圍：

兩個(gè)前向主激光雷達(dá)方案：重疊部分分布在車頭蓋前面，重疊區(qū)域的度數(shù)約20-30度；

一個(gè)主雷達(dá)+兩個(gè)側(cè)向補(bǔ)盲雷達(dá)方案：重疊部分分布在車頭前向兩側(cè)，重疊區(qū)域的度數(shù)大概不小于5度。

當(dāng)然，上述重疊區(qū)域的大小是一個(gè)理想范圍，而真正在車端應(yīng)用時(shí)仍需要做嚴(yán)格的測試。

許建說：“多個(gè)激光雷達(dá)在部署時(shí)，關(guān)于重疊區(qū)域的度數(shù)，技術(shù)人員需要做一套嚴(yán)格的工程應(yīng)用測試，而不會(huì)直接定一個(gè)確定的數(shù)值。首先，技術(shù)人員會(huì)按照給定的產(chǎn)品設(shè)計(jì)指標(biāo)參數(shù)進(jìn)行3D模擬測試。然后，他們會(huì)在模擬測試的基礎(chǔ)上，再進(jìn)行實(shí)地測試。最后才會(huì)給出相應(yīng)的重疊區(qū)域設(shè)置?！?/p>

在確定完重疊區(qū)域的度數(shù)后，接下來需要解決的是如何去使用重疊區(qū)域的目標(biāo)物點(diǎn)云數(shù)據(jù)。

重疊區(qū)域的點(diǎn)云數(shù)據(jù)并不意味地拿來即用，其存在著一定的困難。許建說：“一方面，重疊區(qū)域的點(diǎn)云可能來自兩種不同技術(shù)路線的激光雷達(dá)，這兩種激光雷達(dá)不僅功率、視場角、角分辨率等參數(shù)指標(biāo)都不同，而且，實(shí)際用法也不同?！?/p>

通常情況下，由于各家應(yīng)用方的技術(shù)方案不同，所以針對點(diǎn)云重疊區(qū)域的處理方案也是不同的。筆者整理了三種可能的應(yīng)對方案。

第一種方案是直接采用主激光雷達(dá)來檢測識別。

Leon說：“對于重疊區(qū)域，感知算法人員可以是通過多個(gè)激光雷達(dá)相互的信號補(bǔ)充，來增加識別的可信度，也可以只看主雷達(dá)的點(diǎn)云數(shù)據(jù)，畢竟相比側(cè)端的補(bǔ)盲激光雷達(dá)，主激光雷達(dá)在探測的精細(xì)度、距離等各個(gè)方面的性能更高?！?/p>

第二種方案是先采用主激光雷達(dá)的點(diǎn)云數(shù)據(jù)，再采用補(bǔ)盲激光雷達(dá)的點(diǎn)云數(shù)據(jù)。

某主機(jī)廠感知算法工程師說：“在很多時(shí)候，兩個(gè)不同性能指標(biāo)的激光雷達(dá)點(diǎn)云重疊在一起，不可能將兩塊點(diǎn)云合成一個(gè)點(diǎn)云來使用，很多時(shí)候是主激光雷達(dá)去測一下，然后補(bǔ)盲激光雷達(dá)再去測一下?！?/p>

第三種方案是多激光雷達(dá)的點(diǎn)云融合。

禾賽某技術(shù)專家說：“為了降低算力消耗與提升算法效果，多激光雷達(dá)融合在主流方案里基本都是點(diǎn)云前融合然后進(jìn)行后續(xù)處理。前融合的過程會(huì)將所有的點(diǎn)云都轉(zhuǎn)換到車身坐標(biāo)系進(jìn)行同一處理，最大程度地解決不同安裝位置帶來的點(diǎn)云數(shù)據(jù)差異?！?/p>

2.4 標(biāo)定參數(shù)偏移的問題及對策

為了更好地融合激光雷達(dá)和相機(jī)的數(shù)據(jù)，自動(dòng)駕駛車輛需要在出廠時(shí)就做好兩種傳感器的標(biāo)定。感知算法人員通過求取其外參后，將兩種傳感器的三維信息轉(zhuǎn)換到統(tǒng)一坐標(biāo)系下，進(jìn)行融合定位建圖或者感知檢測。

已標(biāo)定好的傳感器參數(shù)并不是一成不變的。事實(shí)上，在車輛的行駛過程中，由于車輛不斷地機(jī)械振動(dòng)，使得激光雷達(dá)與相機(jī)之間的標(biāo)定參數(shù)會(huì)發(fā)生偏移，這會(huì)影響點(diǎn)云的識別檢測以及激光雷達(dá)與相機(jī)的融合處理。

某主機(jī)廠感知算法工程師說：“激光雷達(dá)和相機(jī)之間的標(biāo)定較難，雖然出廠時(shí)，車端傳感器的聯(lián)合標(biāo)定是已經(jīng)做好的，但隨著時(shí)間的推移，它們之間的標(biāo)定關(guān)系會(huì)慢慢發(fā)生改變，這個(gè)時(shí)候也不可能是讓車輛回廠后進(jìn)行重新標(biāo)定。

“對于量產(chǎn)車來說，車已經(jīng)賣出去了，不可能開回車廠再重新標(biāo)定。自動(dòng)駕駛車輛只能做在線標(biāo)定，系統(tǒng)會(huì)根據(jù)已收集的數(shù)據(jù)，在車開至某個(gè)特定的場景后（比如線和面的特征較多的場景），讓自動(dòng)駕駛系統(tǒng)重新標(biāo)定。如果在高速公路上的話，自動(dòng)駕駛車輛很難找到一個(gè)特定場景去重新標(biāo)定，只能將車輛開至城區(qū)的特定位置后再標(biāo)定。

“對于細(xì)分場景的低速車來說，由于大部分低速場景都是半封閉的場景，通常技術(shù)人員會(huì)在場景內(nèi)選擇一個(gè)容易標(biāo)定的位置，把車開過去，再重新進(jìn)行標(biāo)定。最后，如果實(shí)在沒法解決問題，自動(dòng)駕駛企業(yè)才會(huì)派人去現(xiàn)場?！?/p>

審核編輯：劉清