激光雷達(dá)生成高精度的點(diǎn)云，許多技術(shù)將其作為一個(gè)模塊來應(yīng)用。但處理和存儲(chǔ)產(chǎn)生大量數(shù)據(jù)一直是一個(gè)很大的挑戰(zhàn)。本文將通過背景減法揭示如何在設(shè)備端上進(jìn)行運(yùn)動(dòng)檢測(cè)，減少傳輸?shù)目倲?shù)據(jù)。 LiDAR技術(shù)的發(fā)展已經(jīng)開辟了眾多全新的應(yīng)用。

以厘米級(jí)的精度采集匿名的距離信息作為點(diǎn)云的能力，是一個(gè)令人興奮的前景。LiDAR通常在數(shù)據(jù)處理之前捕獲環(huán)境信息并輸出整個(gè)場(chǎng)景的點(diǎn)云。雖然對(duì)許多應(yīng)用來說非常有用，但未經(jīng)處理的點(diǎn)云也構(gòu)成了技術(shù)挑戰(zhàn)，因?yàn)樗鼈冃枰罅康馁Y源來傳輸、存儲(chǔ)和分析所產(chǎn)生的大量數(shù)據(jù)。

支持設(shè)備端上預(yù)處理運(yùn)動(dòng)檢測(cè)

虹科通過引入一種在設(shè)備上的預(yù)處理算法來解決這個(gè)問題，該算法能夠?yàn)楹缈浦悄芗す饫走_(dá)提供運(yùn)動(dòng)檢測(cè)應(yīng)用支持。這是通過使用集成在LiDAR內(nèi)的高性能片上系統(tǒng)（SoC）減去設(shè)備本身的靜態(tài)背景來實(shí)現(xiàn)的。這項(xiàng)新功能在處理數(shù)據(jù)流的前提取相關(guān)數(shù)據(jù)信息，特別是動(dòng)態(tài)運(yùn)動(dòng)檢測(cè)，并生成預(yù)處理的點(diǎn)云數(shù)據(jù)，用于在之后應(yīng)用中進(jìn)行分析和使用。

雖然這取決于場(chǎng)景中的活動(dòng)量，但一般來說，該算法會(huì)使得傳輸?shù)臄?shù)據(jù)量大幅減少，特別是當(dāng)場(chǎng)景大部分是靜態(tài)時(shí)效果會(huì)更加顯著。在這個(gè)例子中，需要傳輸?shù)臄?shù)據(jù)量減少了98%，因?yàn)閿?shù)據(jù)點(diǎn)的總數(shù)從8800多個(gè)減少到只有163個(gè)，在內(nèi)存和傳輸時(shí)間上直線式下降。

這增強(qiáng)了LiDAR傳感器在記錄、跟蹤和分析各種環(huán)境中移動(dòng)物體的能力。從該功能中受益的應(yīng)用包括交通和公共場(chǎng)所（如公路、火車站和機(jī)場(chǎng)）的智能視覺監(jiān)控和跟蹤系統(tǒng)，以及許多安全用例。

背景減法工作原理

實(shí)現(xiàn)運(yùn)動(dòng)檢測(cè)的背景減法算法使用可配置的參考幀數(shù)量來估計(jì)場(chǎng)景中的靜態(tài)點(diǎn)（背景）。一旦參考幀被處理，它通過比較背景模型和活動(dòng)幀從點(diǎn)云中刪除所有靜態(tài)點(diǎn)，獲得非靜態(tài)點(diǎn)（前景）。 活動(dòng)幀中明顯偏離背景的點(diǎn)被認(rèn)為是移動(dòng)物體。然后，這些 “前景”點(diǎn)被進(jìn)一步處理，用于物體定位和跟蹤，以及各種使用情況下的運(yùn)動(dòng)檢測(cè)。 使用背景減法算法的設(shè)備運(yùn)動(dòng)檢測(cè)功能對(duì)很多應(yīng)用都有很大的好處，比如說以下這些。

用于人流量統(tǒng)計(jì)的設(shè)備端上運(yùn)動(dòng)檢測(cè)

人流量統(tǒng)計(jì)在各種環(huán)境中都很有用，如機(jī)場(chǎng)、零售店、大學(xué)、銀行、娛樂設(shè)施等需要分析客戶流量和運(yùn)營管理的地方。 計(jì)算通過某一特定區(qū)域的人流量對(duì)于改善運(yùn)營和優(yōu)化利用資源至關(guān)重要。例如，在下面的使用案例中，LiDAR傳感器可以安裝在一個(gè)超市的入口處，以創(chuàng)建一個(gè)周圍環(huán)境的3D圖，并捕獲整個(gè)視野的數(shù)據(jù)點(diǎn)。

可以創(chuàng)建一個(gè)區(qū)域來計(jì)算訪問商店的總?cè)藬?shù)。例如，這種自動(dòng)跟蹤將有助于精確計(jì)算不同運(yùn)營時(shí)期的人員需求，并有助于削減運(yùn)營成本。然而，生成的數(shù)據(jù)資料也將包含許多靜態(tài)物體，如門、柜臺(tái)、雜貨架等。使用背景減法算法，只傳輸人的相關(guān)數(shù)據(jù)，大大減少了網(wǎng)絡(luò)資源的負(fù)荷。

準(zhǔn)確地說，在這種情況下，背景過濾前的數(shù)據(jù)總量是每個(gè)傳感器~3MB/s，而背景過濾后每個(gè)傳感器減少到~0.2Mb/s。通過對(duì)來自前景的點(diǎn)進(jìn)行聚類的進(jìn)一步預(yù)處理，識(shí)別點(diǎn)云，每個(gè)傳感器的數(shù)據(jù)流減少到~0.01MB/s，需要傳輸?shù)目倲?shù)據(jù)量減少了近99%。

用于交通監(jiān)控的設(shè)備端上運(yùn)動(dòng)檢測(cè)

基于LiDAR的交通監(jiān)測(cè)系統(tǒng)是非常有前途的，因?yàn)樗鼈兲峁?shí)時(shí)和匿名的三維數(shù)據(jù)。例如，在混合交通情況下區(qū)分行人或騎自行車的人，但不識(shí)別個(gè)人，從而保護(hù)道路使用者的隱私。

更細(xì)微的應(yīng)用，如獲得不同道路使用者的運(yùn)動(dòng)數(shù)據(jù)和其他指標(biāo)，如每條車道的平均速度、每條車道的車輛數(shù)、車輛停留時(shí)間、人數(shù)和行人的平均速度，都可以通過LiDAR交通監(jiān)控系統(tǒng)得知。但是，交通監(jiān)控在每個(gè)瞬間也會(huì)產(chǎn)生大量的數(shù)據(jù)，這意味著迫切需要智能解決方案來減少計(jì)算工作。

使用我們的智能激光雷達(dá)監(jiān)測(cè)交通路口。點(diǎn)云不僅包括接近十字路口的車輛和行人，還包括場(chǎng)景中和周圍的靜態(tài)物體，如人行道、道路和建筑物，正如在 “完整場(chǎng)景”中看到的那樣。 但智能LiDAR的設(shè)備上的數(shù)據(jù)分析能力會(huì)識(shí)別并去除背景中的靜態(tài)物體，結(jié)果只有前景中的動(dòng)態(tài)物體，如行人和移動(dòng)的汽車，被標(biāo)記為 “前景”。 這一步驟可以大大減少需要處理的數(shù)據(jù)量，從而提高物體識(shí)別的準(zhǔn)確性和速度，同時(shí)減少傳輸數(shù)據(jù)時(shí)對(duì)網(wǎng)絡(luò)的負(fù)荷。

LiDAR技術(shù)向前發(fā)展

LiDAR是最具前景的傳感器技術(shù)之一，具有精確的空間感知能力。虹科的智能激光雷達(dá)通過使用預(yù)處理算法從點(diǎn)云中快速簡化地提取動(dòng)態(tài)部分，將其提升到了新的水平。 動(dòng)態(tài)檢測(cè)算法，設(shè)備上的背景減法已經(jīng)在許多項(xiàng)目中證明了其價(jià)值。而隨著預(yù)處理算法庫的擴(kuò)大，將會(huì)實(shí)現(xiàn)更多復(fù)雜的環(huán)境處理和用例，從而提高LiDAR傳感器對(duì)所有用戶的可及性。

編輯：jq