三項(xiàng)新指標(biāo)擴(kuò)展對(duì)激光雷達(dá)性能的評(píng)估方案

據(jù)麥姆斯咨詢(xún)報(bào)道，隨著自動(dòng)駕駛汽車(chē)市場(chǎng)的成熟，傳感器和感知工程師評(píng)估系統(tǒng)效率、可靠性和性能等工作變得越來(lái)越復(fù)雜。許多行業(yè)領(lǐng)導(dǎo)者已經(jīng)認(rèn)識(shí)到，用于激光雷達(dá)（LiDAR）數(shù)據(jù)收集的常規(guī)指標(biāo)，例如幀率（frame rate）、全幀分辨率（full frame resolution）和探測(cè)距離（detection range）已不再能充分衡量激光雷達(dá)解決自動(dòng)駕駛實(shí)際用例的有效性。

第一代激光雷達(dá)被動(dòng)地搜索場(chǎng)景并使用背景圖案來(lái)探測(cè)物體，而背景圖案在時(shí)間（無(wú)法通過(guò)快速重新訪問(wèn)進(jìn)行增強(qiáng)）和空間（無(wú)法在諸如路面或行人之類(lèi)的高度感興趣區(qū)域額外增加分辨率）兩個(gè)維度都是固定的。新型先進(jìn)固態(tài)激光雷達(dá)可實(shí)現(xiàn)智能信息捕獲，從而將其功能從“被動(dòng)搜索”或目標(biāo)探測(cè)擴(kuò)展到“主動(dòng)搜索”，在許多情況下，還可以實(shí)時(shí)獲取目標(biāo)的分類(lèi)屬性。

由于早期的激光雷達(dá)使用固定光柵掃描，因此行業(yè)采用的是非常簡(jiǎn)單的性能指標(biāo)，無(wú)法表達(dá)出自動(dòng)駕駛對(duì)所需傳感器的細(xì)微要求差別。因此，以AEye在內(nèi)的許多激光雷達(dá)行業(yè)領(lǐng)導(dǎo)廠商正提議采用三項(xiàng)新指標(biāo)來(lái)擴(kuò)展對(duì)激光雷達(dá)性能的評(píng)估。具體而言：對(duì)“幀率（Rate）”指標(biāo)進(jìn)行擴(kuò)展，以包括“目標(biāo)重訪速度”；對(duì)“分辨率（Resolution）”指標(biāo)進(jìn)行擴(kuò)展，以獲得“瞬時(shí)分辨率”；對(duì)“探測(cè)距離（Range）”指標(biāo)進(jìn)行擴(kuò)展，以反映更重要的“目標(biāo)分類(lèi)距離”。

我們建議將這些新指標(biāo)與攝像頭、雷達(dá)和被動(dòng)激光雷達(dá)性能的現(xiàn)有指標(biāo)結(jié)合使用。這些擴(kuò)展的指標(biāo)可衡量傳感器智能增強(qiáng)感知能力，并對(duì)傳感器系統(tǒng)在現(xiàn)實(shí)環(huán)境中改善自動(dòng)駕駛汽車(chē)安全性和性能進(jìn)行更全面的評(píng)估。

自動(dòng)駕駛行業(yè)利用了經(jīng)先進(jìn)機(jī)器視覺(jué)研究驗(yàn)證后的架構(gòu)，并將其應(yīng)用于特定激光雷達(dá)產(chǎn)品。事實(shí)證明，相比于目標(biāo)識(shí)別，“搜索、采集（或分類(lèi)）和采取行動(dòng)”的架構(gòu)具有通用性和指導(dǎo)性。

搜索是探測(cè)到所有目標(biāo)而不會(huì)丟失任何目標(biāo)的能力。

采集被定義為能夠進(jìn)行搜索探測(cè)并增強(qiáng)對(duì)目標(biāo)屬性的理解，以加速分類(lèi)并確定意圖的能力（可通過(guò)對(duì)目標(biāo)類(lèi)型進(jìn)行分類(lèi)或計(jì)算來(lái)實(shí)現(xiàn)）。

采取行動(dòng)指由車(chē)輛感知系統(tǒng)或域控制器經(jīng)過(guò)訓(xùn)練或建議對(duì)傳感器定義的響應(yīng)。響應(yīng)大致可分為四類(lèi)：（1）繼續(xù)對(duì)新目標(biāo)進(jìn)行掃描，不需要增強(qiáng)信息；（2）對(duì)目標(biāo)繼續(xù)掃描并進(jìn)一步詢(xún)問(wèn)，收集有關(guān)目標(biāo)屬性的更多信息以進(jìn)行分類(lèi)；（3）對(duì)目標(biāo)繼續(xù)掃描并跟蹤分類(lèi)為非威脅性目標(biāo)；（4）對(duì)目標(biāo)繼續(xù)掃描并命令控制系統(tǒng)采取規(guī)避措施。

此架構(gòu)的最終目標(biāo)就是車(chē)輛完全安全運(yùn)行所要求的性能指標(biāo)和系統(tǒng)有效性。但是，由于目前大多數(shù)激光雷達(dá)系統(tǒng)都是被動(dòng)的，只能進(jìn)行基本搜索。因此，用于評(píng)估這些系統(tǒng)性能的常規(guī)指標(biāo)與基本的目標(biāo)探測(cè)功能有關(guān)：幀率（Rate）、分辨率（Resolution）和探測(cè)距離（Range）。如果以安全性為最終目標(biāo)，則“搜索”需要更加智能，“采集（或分類(lèi)）”操作必須更快速準(zhǔn)確地進(jìn)行，以便傳感器或車(chē)輛確定如何立即“采取行動(dòng)”。

汽車(chē)激光雷達(dá)系統(tǒng)的制造商經(jīng)常被問(wèn)及產(chǎn)品幀率，以及技術(shù)是否有能力在一定距離內(nèi)（通常為230米）探測(cè)到反射率為10%的物體。我們認(rèn)為這些是必須的基本指標(biāo)，但無(wú)法證明其捕捉關(guān)鍵細(xì)節(jié)（例如目標(biāo)尺寸，被探測(cè)和識(shí)別所需的速度，或收集信息的成本），因而無(wú)法滿(mǎn)足要求。我們認(rèn)為，在評(píng)估汽車(chē)激光雷達(dá)系統(tǒng)時(shí)，采用更全面的方法將對(duì)該行業(yè)產(chǎn)生積極影響。我們必須從整體審視與感知系統(tǒng)相關(guān)的指標(biāo)，而不是將其作為單一的傳感器，然后問(wèn)自己：“哪些信息將使感知系統(tǒng)做出更好、更快的決策？”

傳統(tǒng)指標(biāo)一：10Hz~20Hz的幀率

擴(kuò)展：目標(biāo)重訪速度（Object Revisit Rate），對(duì)某一點(diǎn)或多點(diǎn)兩次拍攝的時(shí)間差

僅定義單點(diǎn)探測(cè)距離是不夠的，因?yàn)閱蝹€(gè)詢(xún)問(wèn)點(diǎn)（單次拍攝）很難提供足夠的置信度——僅具有參考價(jià)值。因此，被動(dòng)激光雷達(dá)系統(tǒng)需要對(duì)同一位置進(jìn)行多次詢(xún)問(wèn)/探測(cè)，或者在同一目標(biāo)上進(jìn)行多次詢(xún)問(wèn)/探測(cè)以驗(yàn)證目標(biāo)或場(chǎng)景。在探測(cè)系統(tǒng)中，探測(cè)目標(biāo)所需的時(shí)間取決于許多變量，例如距離、詢(xún)問(wèn)模式、分辨率、反射率、物體的形狀和掃描速率。

傳統(tǒng)度量標(biāo)準(zhǔn)缺少的一個(gè)關(guān)鍵因素是對(duì)時(shí)間更精細(xì)的定義。因此，我們建議將目標(biāo)重新訪問(wèn)速度作為汽車(chē)激光雷達(dá)的一項(xiàng)新指標(biāo)，諸如AEye推出的高靈敏度激光雷達(dá)iDAR能夠重新訪問(wèn)同一幀內(nèi)的目標(biāo)。對(duì)目標(biāo)的第一次測(cè)量與第二次測(cè)量之間的時(shí)間差非常關(guān)鍵，因?yàn)檩^短的目標(biāo)重訪時(shí)間可以縮短關(guān)聯(lián)場(chǎng)景中多個(gè)運(yùn)動(dòng)目標(biāo)先進(jìn)算法的處理時(shí)間。當(dāng)樣本的時(shí)間差過(guò)長(zhǎng)時(shí)，關(guān)聯(lián)/相關(guān)多個(gè)運(yùn)動(dòng)目標(biāo)的最佳算法可能會(huì)出現(xiàn)混亂。冗長(zhǎng)的合并處理時(shí)間或延遲是該行業(yè)面臨的主要問(wèn)題。

高靈敏度iDAR平臺(tái)通過(guò)允許在一幀內(nèi)進(jìn)行智能拍攝調(diào)度來(lái)加快重訪速度。iDAR不僅可以在傳統(tǒng)架構(gòu)內(nèi)多次詢(xún)問(wèn)位置或目標(biāo)，而且還可以維持背景搜索模式，同時(shí)覆蓋其它智能拍攝結(jié)果。例如，iDAR傳感器可以快速連續(xù)（30微秒）安排對(duì)目標(biāo)進(jìn)行兩次重復(fù)拍攝。這些多重詢(xún)問(wèn)可以與用戶(hù)（人類(lèi)或計(jì)算機(jī)）的需求進(jìn)行情景集成，從而提高置信度，減少延時(shí)，增加探測(cè)距離。

這些額外的詢(xún)問(wèn)與數(shù)據(jù)相關(guān)。例如，出現(xiàn)低置信度時(shí)重新探測(cè)目標(biāo)，并且期望快速驗(yàn)證或拒絕，啟動(dòng)次級(jí)數(shù)據(jù)和測(cè)量。在圖1中，傳統(tǒng)被動(dòng)激光雷達(dá)典型幀率為10Hz。對(duì)于傳統(tǒng)被動(dòng)激光雷達(dá)，這就是目標(biāo)的重訪速度?，F(xiàn)在，借助AEye的iDAR技術(shù)，目標(biāo)重訪速度與幀率有所不同，并且對(duì)關(guān)鍵點(diǎn)/目標(biāo)的重訪時(shí)間差可以低至數(shù)十微秒，輕松實(shí)現(xiàn)比傳統(tǒng)被動(dòng)激光雷達(dá)快100倍到1000倍的性能。

這意味著使用動(dòng)態(tài)對(duì)象重新訪問(wèn)功能的感知工程團(tuán)隊(duì)可以創(chuàng)建一種感知系統(tǒng)，該系統(tǒng)至少比傳統(tǒng)被動(dòng)激光雷達(dá)快一個(gè)數(shù)量級(jí)，且不會(huì)破壞背景掃描模式。我們認(rèn)為，此功能對(duì)于實(shí)現(xiàn)Level 4和Level 5自動(dòng)駕駛汽車(chē)來(lái)講是非常重要的，因?yàn)檐?chē)輛將需要處理復(fù)雜的邊緣計(jì)算情況，例如識(shí)別朝著車(chē)輛前燈迎面駛來(lái)的行人或橫穿車(chē)輛行駛路徑的平板式半掛車(chē)。

圖1：先進(jìn)的高靈敏度激光雷達(dá)利用智能掃描模式來(lái)實(shí)現(xiàn)目標(biāo)重訪間隔（Object Revisit Interval），如圖（B）所示AEye iDAR的隨機(jī)掃描模式，與典型固定模式激光雷達(dá)（A）的“重訪間隔”進(jìn)行比較?？梢钥闯觯琲DAR（B）能夠在一幀內(nèi)對(duì)車(chē)輛進(jìn)行八次目標(biāo)重訪/探測(cè)，而典型的固定模式激光雷達(dá)（A）只能實(shí)現(xiàn)一次。

因此，在“搜索、采集和采取行動(dòng)”的架構(gòu)中，加快目標(biāo)重訪速度可以加快采集速度，因?yàn)檫@可以識(shí)別并自動(dòng)重訪目標(biāo)，從而在場(chǎng)景中描繪出更完整的畫(huà)面。最終允許傳感器進(jìn)行目標(biāo)屬性分類(lèi)，并高效地詢(xún)問(wèn)和跟蹤潛在威脅。

實(shí)際用例1：正面探測(cè)

當(dāng)您駕駛車(chē)輛時(shí)，眼前的世界會(huì)在十分之一秒之內(nèi)發(fā)生巨大變化。實(shí)際上，兩輛車(chē)以每小時(shí)100公里速度相向而行時(shí)，0.1秒后距離就減少5.5米。通過(guò)提高目標(biāo)重訪速度，由于在兩次拍攝之間目標(biāo)明顯移動(dòng)的可能性降低，增加了下一次拍攝到相同目標(biāo)的可能性。這有助于用戶(hù)解決“目標(biāo)對(duì)應(yīng)問(wèn)題”，確定動(dòng)態(tài)場(chǎng)景的一個(gè)快照的哪些部分對(duì)應(yīng)于同一場(chǎng)景另一快照的哪些部分。做到這一點(diǎn)的同時(shí)，使用戶(hù)能夠快速建立置信度更高的統(tǒng)計(jì)數(shù)據(jù)，并生成下游處理器可能需要的聚合信息，例如目標(biāo)的速度和加速度。有選擇地提高目標(biāo)重訪速度，同時(shí)降低對(duì)稀疏區(qū)域（如天空）的重訪率，顯著幫助實(shí)現(xiàn)更高層次的推測(cè)算法，從而使感知和路徑規(guī)劃系統(tǒng)能夠更快地確定最佳的自動(dòng)決策。

實(shí)際用例2：橫向探測(cè)

橫向進(jìn)入場(chǎng)景的車(chē)輛最難追蹤。即使是多普勒雷達(dá)，在這種情況下也很難應(yīng)對(duì)。但是，當(dāng)探測(cè)已成為采集過(guò)程的一部分時(shí)，有選擇地分配拍攝次數(shù)以提取速度和加速度，則會(huì)大大減少每幀所需的拍攝次數(shù)。iDAR增加二次探測(cè)，對(duì)每個(gè)目標(biāo)探測(cè)建立速度估算，總拍攝次數(shù)僅增加1%。而使用固定掃描系統(tǒng)獲得速度，所需的拍攝次數(shù)增加一倍。速度和特征拍攝消除了歧義，允許更有效地利用資源，讓自動(dòng)駕駛更安全。

傳統(tǒng)指標(biāo)二：固定視場(chǎng)的固定分辨率

擴(kuò)展：瞬時(shí)分辨率（Instantaneous Resolution），增加激光雷達(dá)同一幀內(nèi)關(guān)鍵區(qū)域的分辨率

傳統(tǒng)的分辨率，假定以恒定的模式和均勻的功率對(duì)視場(chǎng)內(nèi)目標(biāo)進(jìn)行掃描。這對(duì)于收集能力較差、智能級(jí)別較低的被動(dòng)傳感器來(lái)說(shuō)，非常有意義。另外，傳統(tǒng)的分辨率是假設(shè)場(chǎng)景內(nèi)的顯著信息在空間和時(shí)間上是統(tǒng)一的，我們知道這并不正確，這對(duì)于行駛中的車(chē)輛來(lái)講更不正確。但是，正是由于這些假設(shè)，傳統(tǒng)激光雷達(dá)系統(tǒng)會(huì)不加選擇地從車(chē)輛周?chē)占д鬃止?jié)的數(shù)據(jù)，并將這些輸入發(fā)送到CPU進(jìn)行抽取和解釋。該數(shù)據(jù)中約70%~90%是無(wú)用或冗余，需要被過(guò)濾。此外，傳統(tǒng)激光雷達(dá)系統(tǒng)對(duì)任何區(qū)域都實(shí)施相同級(jí)別的功率，相當(dāng)于對(duì)車(chē)輛的行進(jìn)路徑的目標(biāo)提供與對(duì)天空相同的功率。這樣的處理效率極低。

作為人類(lèi)，我們不會(huì)平均地“吸收”周?chē)囊磺?。我們的視覺(jué)皮層會(huì)過(guò)濾無(wú)關(guān)信息，例如飛過(guò)頭頂?shù)娘w機(jī)，同時(shí)（而不是連續(xù)地）將我們的眼睛聚焦在特定的興趣點(diǎn)上。集中在一個(gè)興趣點(diǎn)，將其它次要目標(biāo)放用余光察覺(jué)。這就是所謂的“Foveation視覺(jué)模型”，目標(biāo)被分配了“更高濃度”的視錐細(xì)胞，因此可以更加生動(dòng)地看到它。

iDAR應(yīng)用仿生技術(shù)來(lái)擴(kuò)展人類(lèi)視覺(jué)皮層的人工感知能力。人眼通常只集中看一個(gè)區(qū)域，而iDAR可以同時(shí)（以多種方式）集中在多個(gè)區(qū)域，同時(shí)還可以進(jìn)行背景掃描以確保不會(huì)遺漏任何新進(jìn)入物體。我們將此功能描述為感興趣區(qū)域（ROI）。此外，由于人類(lèi)完全依賴(lài)于來(lái)自太陽(yáng)、月亮或人造照明發(fā)出的光，因此人類(lèi)的“Foveation視覺(jué)模型”是“只能接收”的，即是被動(dòng)的。相比之下，iDAR集中在發(fā)射端（激光選擇“繪畫(huà)”的區(qū)域）和接收端（處理被選擇的關(guān)注位置/時(shí)間）兩個(gè)方面。

圖2是一個(gè)示例。圖2顯示了兩種系統(tǒng)，即系統(tǒng)A和系統(tǒng)B。這兩種系統(tǒng)在同一場(chǎng)景中具有相似數(shù)量的拍攝次數(shù)（左）。系統(tǒng)A代表傳統(tǒng)激光雷達(dá)的典型掃描模式，固定的掃描模式會(huì)產(chǎn)生固定的幀率，而沒(méi)有ROI的概念。系統(tǒng)B顯示了調(diào)整后的靈敏掃描模式。系統(tǒng)B中的拍攝次數(shù)在正方形內(nèi)的ROI（小方框）之內(nèi)和周?chē)用芗?。此外，背景掃描繼續(xù)搜索以確保不會(huì)遺漏任何新目標(biāo)，同時(shí)對(duì)固定區(qū)域增加額外的分辨率以幫助采集。從本質(zhì)上講，這是利用智能來(lái)優(yōu)化功率和拍攝次數(shù)。

查看系統(tǒng)A和B相關(guān)圖（右），我們發(fā)現(xiàn)系統(tǒng)B（靈敏掃描模式）可以在比系統(tǒng)A（固定掃描模式）短得多的時(shí)間間隔內(nèi)重新訪問(wèn)ROI。系統(tǒng)B不僅可以完成一次ROI重訪間隔，還能在單幀內(nèi)實(shí)現(xiàn)多個(gè)ROI。而系統(tǒng)A無(wú)法重新訪問(wèn)。iDAR實(shí)現(xiàn)傳統(tǒng)激光雷達(dá)無(wú)法完成的事情：實(shí)現(xiàn)動(dòng)態(tài)感知，使系統(tǒng)能夠以前所未有的速度專(zhuān)注于特定ROI并收集更全面的數(shù)據(jù)。

圖2：與傳統(tǒng)掃描模式（A）相比，iDAR（B）的感興趣區(qū)域（ROI）和Foveation視覺(jué)模型展示。

在“搜索、采集和采取行動(dòng)”架構(gòu)中，瞬時(shí)分辨率使iDAR系統(tǒng)可以搜索整個(gè)場(chǎng)景并獲取多個(gè)目標(biāo)，并捕獲有關(guān)它們的更多信息。iDAR還允許在一個(gè)場(chǎng)景中創(chuàng)建多個(gè)同時(shí)的ROI，從而使系統(tǒng)能夠關(guān)注并收集特定目標(biāo)更全面的數(shù)據(jù)，從而更完整地詢(xún)問(wèn)并更有效地跟蹤目標(biāo)。

實(shí)際用例：目標(biāo)詢(xún)問(wèn)

識(shí)別出感興趣目標(biāo)后，iDAR可以實(shí)現(xiàn)Foveation視覺(jué)模型，掃描、收集更多有用信息并采取額外的分類(lèi)屬性。例如，假設(shè)車(chē)輛在行進(jìn)路徑中遇到了一位正在穿過(guò)人行橫道的行人。由于iDAR可以動(dòng)態(tài)改變ROI內(nèi)的時(shí)間和空間采樣密度（因此我們稱(chēng)之為“瞬時(shí)分辨率”），該系統(tǒng)可以更多地關(guān)注到人行橫道，而較少地關(guān)注無(wú)關(guān)信息，如路邊停放的車(chē)輛。ROI使iDAR可以快速、有效和準(zhǔn)確地識(shí)別有關(guān)人行橫道的關(guān)鍵信息，例如速度和方向。iDAR系統(tǒng)向域控制器提供最有用、最可執(zhí)行的數(shù)據(jù)，以確定最及時(shí)的行動(dòng)方案。

有三種利用瞬時(shí)分辨率來(lái)實(shí)現(xiàn)的用例：

固定ROI：如今，被動(dòng)系統(tǒng)只能分配更多的水平掃描線，這是一種非常簡(jiǎn)單的Foveation視覺(jué)技術(shù)，受其固定分辨率限制。具有瞬時(shí)分辨率的第二代智能激光雷達(dá)（如iDAR），可幫助整車(chē)廠或Tier 1廠商利用先進(jìn)仿真程序來(lái)測(cè)試數(shù)百個(gè)（甚至數(shù)千個(gè)）拍攝模式（無(wú)論速度、功率和其他限制條件如何變化）以識(shí)別將固定ROI與更高瞬時(shí)分辨率集成在一起的最佳模式，獲得其所需的結(jié)果。

例如，固定ROI可用于優(yōu)化不同傾斜度前窗玻璃后面的拍攝模式。此外，固定ROI還可以用于相對(duì)復(fù)雜的城市環(huán)境，威脅更可能來(lái)自路邊，例如車(chē)門(mén)打開(kāi)，行人和其它交通工具橫穿馬路或車(chē)輛的前進(jìn)路徑。增加覆蓋道路兩側(cè)和車(chē)輛前方路面固定區(qū)域的分辨率來(lái)定義ROI（請(qǐng)參考圖3B）。這樣可以為ROI提供出色的垂直分辨率和水平分辨率。模式一旦獲得批準(zhǔn)，就可以固定以確保功能安全。

觸發(fā)式ROI：觸發(fā)式ROI需要軟件可定義的系統(tǒng)，該系統(tǒng)可進(jìn)行編程以接受觸發(fā)。感知軟件團(tuán)隊(duì)可以確定，當(dāng)滿(mǎn)足某些條件時(shí)，將在現(xiàn)有掃描模式中生成ROI。例如，地圖或?qū)Ш较到y(tǒng)可能會(huì)發(fā)出信號(hào)通知您正在接近十字路口，在場(chǎng)景的關(guān)鍵區(qū)域上產(chǎn)生目標(biāo)ROI更多細(xì)節(jié)（請(qǐng)參考圖3C）。

動(dòng)態(tài)ROI：動(dòng)態(tài)ROI需要最高智能水平，并利用戰(zhàn)斗機(jī)自動(dòng)瞄準(zhǔn)系統(tǒng)（ATS）的相同技術(shù)和方法，隨時(shí)間推移連續(xù)詢(xún)問(wèn)關(guān)注目標(biāo)。當(dāng)這些目標(biāo)移近或離開(kāi)時(shí)，ROI的大小和密度會(huì)發(fā)生變化。例如，可以探測(cè)到場(chǎng)景中的行人、自行車(chē)騎行者、車(chē)輛或其它物體，并自動(dòng)應(yīng)用動(dòng)態(tài)ROI來(lái)跟蹤其運(yùn)動(dòng)（請(qǐng)參考圖3D）。

圖3：圖A展示了車(chē)輛接近十字路口時(shí)的場(chǎng)景。圖B展示了固定ROI覆蓋道路兩側(cè)和緊鄰車(chē)輛前方區(qū)域的情況。圖C展示了觸發(fā)式ROI：導(dǎo)航系統(tǒng)在車(chē)輛接近十字路口時(shí)觸發(fā)特定的ROI。圖D展示了動(dòng)態(tài)ROI：當(dāng)多個(gè)目標(biāo)在場(chǎng)景中移動(dòng)時(shí)，它們會(huì)被探測(cè)到并被跟蹤。

傳統(tǒng)指標(biāo)三：目標(biāo)探測(cè)距離

擴(kuò)展：目標(biāo)分類(lèi)距離（object classification range），擁有足夠的數(shù)據(jù)來(lái)以實(shí)現(xiàn)對(duì)目標(biāo)分類(lèi)的距離

在評(píng)估汽車(chē)激光雷達(dá)系統(tǒng)對(duì)周?chē)臻g的感知水平時(shí)，制造商通常認(rèn)為確定其探測(cè)距離很有價(jià)值。為了優(yōu)化安全性，車(chē)載計(jì)算機(jī)系統(tǒng)應(yīng)盡可能早地探測(cè)到障礙物。從理論上講，速度決定了控制系統(tǒng)是否可以計(jì)劃和執(zhí)行及時(shí)的規(guī)避措施。AEye認(rèn)為“探測(cè)距離”這個(gè)指標(biāo)是必要的，但還不夠。感知系統(tǒng)應(yīng)該能對(duì)目標(biāo)進(jìn)行分類(lèi)并將準(zhǔn)確及時(shí)的信息傳遞給控制系統(tǒng)。

最重要的不僅是有多快能探測(cè)到目標(biāo)，而且有多快能識(shí)別出目標(biāo)并進(jìn)行分類(lèi)，從而做出威脅級(jí)別決策并計(jì)算出適當(dāng)?shù)捻憫?yīng)。單點(diǎn)探測(cè)無(wú)法與噪聲進(jìn)行區(qū)分。因此，我們使用行業(yè)內(nèi)對(duì)探測(cè)的通用定義，即每幀和/或多幀之間的相鄰拍攝的持久性。我們要求每幀（在相同探測(cè)距離內(nèi)有五個(gè)點(diǎn)）和/或從多幀之間（連續(xù)五幀的一個(gè)相關(guān)點(diǎn)）對(duì)一個(gè)目標(biāo)進(jìn)行五次探測(cè)，以驗(yàn)證探測(cè)到了有效的對(duì)象。在20Hz時(shí)，定義一次簡(jiǎn)單的探測(cè)需要0.25秒。

當(dāng)前，分類(lèi)通常在感知堆棧中進(jìn)行，對(duì)目標(biāo)進(jìn)行標(biāo)記，并最終對(duì)其進(jìn)行更清晰的識(shí)別。此數(shù)據(jù)被用于預(yù)測(cè)行為模式或軌跡。傳感器提供的分類(lèi)屬性越多，感知系統(tǒng)確認(rèn)和分類(lèi)的速度就越快。AEye認(rèn)為，評(píng)估這種關(guān)鍵汽車(chē)激光雷達(dá)能力的更好方法是影響“目標(biāo)分類(lèi)距離”的能力。該指標(biāo)減少了早期感知堆棧的未知數(shù)，如與噪聲抑制相關(guān)的等待時(shí)間，從而確定了重要信息。

作為相對(duì)較新的領(lǐng)域，尚未確定汽車(chē)激光雷達(dá)分類(lèi)所需數(shù)據(jù)量的定義。因此，我們建議使用視頻分類(lèi)的感知標(biāo)準(zhǔn)作為參考定義。根據(jù)視頻標(biāo)準(zhǔn)，采用的分類(lèi)是基于對(duì)象的3 x 3像素網(wǎng)格。在此定義下，可以通過(guò)汽車(chē)激光雷達(dá)系統(tǒng)以多快的速度生成高質(zhì)量、高分辨率的3 x 3點(diǎn)云來(lái)進(jìn)行評(píng)估，使感知堆棧能夠理解場(chǎng)景中的物體和人物。

對(duì)于傳統(tǒng)激光雷達(dá)系統(tǒng)而言，生成3 x 3點(diǎn)云是一項(xiàng)艱巨的任務(wù)。盡管許多系統(tǒng)都宣稱(chēng)可以在一秒鐘內(nèi)顯示100萬(wàn)點(diǎn)甚至更多的點(diǎn)云，但這些圖像均勻性不佳。對(duì)于分類(lèi)而言，這些固定采樣模式可能很難完成，因?yàn)橛蚩刂破鞅仨毭棵胩幚?00萬(wàn)個(gè)點(diǎn)，這在許多情況下與所涉及目標(biāo)的關(guān)鍵采樣所需的分辨率無(wú)法平衡。如此廣泛的點(diǎn)樣本意味著它需要執(zhí)行其它解釋?zhuān)瑥亩加么罅緾PU資源。

圖4：在探測(cè)物周?chē)帕忻芗? x 3網(wǎng)格可以收集更多有用的數(shù)據(jù)，并大大加快分類(lèi)速度。在左側(cè)的“掃描1”（scan 1）中，對(duì)車(chē)輛進(jìn)行了一次探測(cè)。無(wú)需等待下一幀對(duì)該車(chē)輛進(jìn)行重新采樣（如傳統(tǒng)激光雷達(dá)的典型操作），而是快速形成動(dòng)態(tài)ROI，如“掃描2”（scan 2）所示。在初始單次探測(cè)之后和完成下一次掃描之前，將立即執(zhí)行。

回到“搜索、采集和采取行動(dòng)”的架構(gòu)中，一旦我們獲得了目標(biāo)并確定其是有效的潛在威脅，我們就可以分配更多拍攝進(jìn)行分類(lèi)，并在需要時(shí)采取行動(dòng)。另外，如果我們確定目標(biāo)不是立即威脅，我們可以更全面地詢(xún)問(wèn)該目標(biāo)以獲取其它分類(lèi)數(shù)據(jù)，或者每次掃描拍攝幾次就可以對(duì)其進(jìn)行簡(jiǎn)單跟蹤。

實(shí)際用例：無(wú)保護(hù)左轉(zhuǎn)彎

對(duì)不同目標(biāo)需要不同響應(yīng)。在具有挑戰(zhàn)性的駕駛場(chǎng)景尤其如此，例如在高速行駛過(guò)程中的無(wú)保護(hù)左轉(zhuǎn)彎。想象一下，在四車(chē)道道路上的自動(dòng)駕駛汽車(chē)，其時(shí)速限制為100公里/小時(shí)，在兩條行車(chē)道上進(jìn)行無(wú)保護(hù)左轉(zhuǎn)彎。在迎面而來(lái)的交通中，一條車(chē)道有摩托車(chē)，另一條車(chē)道有小轎車(chē)。在這種情況下，目標(biāo)分類(lèi)距離至關(guān)重要，在足夠的距離內(nèi)將一個(gè)目標(biāo)分類(lèi)為摩托車(chē)，高速行駛的自動(dòng)駕駛汽車(chē)會(huì)更加謹(jǐn)慎，這是由于摩托車(chē)行駛速度較快且路徑不可預(yù)測(cè)。

實(shí)際用例：校車(chē)（特殊目標(biāo)）

在特定距離對(duì)目標(biāo)進(jìn)行分類(lèi)的意義比即時(shí)響應(yīng)更為重要。一個(gè)很好的例子就是遇到一輛滿(mǎn)員的校車(chē)。該目標(biāo)被歸類(lèi)為校車(chē)的速度越快，自動(dòng)駕駛車(chē)輛啟動(dòng)適當(dāng)協(xié)議的速度就越快——減慢車(chē)速并部署其它工具，如在校車(chē)周?chē)鷧^(qū)域增加瞬時(shí)分辨率（觸發(fā)式ROI），以立即捕獲兒童朝車(chē)道移動(dòng)的任何動(dòng)作。此功能可用于警車(chē)、救護(hù)車(chē)、消防車(chē)或任何需要自動(dòng)駕駛車(chē)輛改變?cè)儐?wèn)場(chǎng)景、改變速度或路徑的特殊車(chē)輛。

結(jié)論

在本文中，我們討論了減少同一幀內(nèi)對(duì)目標(biāo)探測(cè)時(shí)間差至關(guān)重要的原因。由于需要捕獲同一點(diǎn)/目標(biāo)的多次探測(cè)才能完全理解該目標(biāo)或場(chǎng)景，因此對(duì)于汽車(chē)激光雷達(dá)來(lái)講，目標(biāo)重訪速度是比幀速率更為關(guān)鍵的指標(biāo)。

另外，我們認(rèn)為分辨率是不夠的。量化瞬時(shí)分辨率更加重要，因?yàn)橹悄?、高靈敏度的分辨率更有效，并且可以通過(guò)更短的響應(yīng)時(shí)間提供更高的安全性，尤其是在將ROI與卷積神經(jīng)網(wǎng)絡(luò)配合時(shí)。

最后，我們證明了探測(cè)距離這個(gè)指標(biāo)遠(yuǎn)遠(yuǎn)不夠，目標(biāo)分類(lèi)距離（即識(shí)別和分類(lèi)目標(biāo)的速度）更為重要。僅僅量化傳感器可以探測(cè)到潛在目標(biāo)的距離還不夠。還必須量化從實(shí)際事件發(fā)生到被傳感器探測(cè)的延遲，并加上從傳感器探測(cè)到CPU決策的延遲。在此架構(gòu)下，激光雷達(dá)系統(tǒng)可提供的屬性越多，感知系統(tǒng)的分類(lèi)速度就越快。

傳統(tǒng)的激光雷達(dá)傳感器雖然具有開(kāi)創(chuàng)性意義，但它用固定的掃描模式對(duì)空間被動(dòng)地搜索。新一代智能傳感器從被動(dòng)探測(cè)目標(biāo)轉(zhuǎn)變?yōu)閷?shí)時(shí)主動(dòng)搜索目標(biāo)并識(shí)別其分類(lèi)屬性。隨著感知技術(shù)和傳感器系統(tǒng)的發(fā)展，用于衡量其性能的指標(biāo)也必須隨之演進(jìn)。

對(duì)自動(dòng)駕駛車(chē)輛來(lái)講，安全性永遠(yuǎn)排第一。這些擴(kuò)展指標(biāo)不僅應(yīng)展示激光雷達(dá)能夠?qū)崿F(xiàn)的功能，而且還應(yīng)展示出這些功能如何使車(chē)輛在現(xiàn)實(shí)駕駛場(chǎng)景中更接近最佳安全條件。

文章來(lái)源：Aeye官網(wǎng)，由麥姆斯咨詢(xún)編譯。