1.什么是激光雷達(dá)

激光雷達(dá)LiDAR的全稱為L(zhǎng)ight Detection and Ranging 激光探測(cè)和測(cè)距。

激光雷達(dá)的工作原理：對(duì)紅外光束Light Pluses發(fā)射、反射和接收來探測(cè)物體。白天或黑夜下的物體與車之間的距離。甚至由于反射度的不同，車道線和路面也可以區(qū)分。光束無法探測(cè)到被遮擋的物體。

2.激光雷達(dá)的關(guān)鍵參數(shù)

點(diǎn)頻：每幀水平方向平均點(diǎn)數(shù)x垂直方向平均點(diǎn)數(shù)x幀率=（水平視場(chǎng)角/水平角分辨率）×（垂直視場(chǎng)角/垂直角分辨率）

掃描頻率：10Hz就代表每秒掃描10次(轉(zhuǎn)10圈)

視角（Field of View, FOV）:FOV包括垂直視場(chǎng)角（VFOV）、水平視場(chǎng)角（HFOV）、對(duì)角線視場(chǎng)角(DFOV)；通常，在沒有特殊說明時(shí)，我們默認(rèn)的FOV一般都是水平視場(chǎng)角。

? ?

角分辨率：指的是相鄰兩個(gè)激光掃描點(diǎn)之間的角度間隔，一般以度（°）為單位。由于目前激光雷達(dá)有很多種掃描方式，每種方式在掃描點(diǎn)分布上的差異，導(dǎo)致掃描點(diǎn)并不絕對(duì)均勻，因此這里講的激光雷達(dá)角分辨率是一個(gè)等效平均的概念。直觀理解，角分辨率越小，單位空間角內(nèi)分布的激光點(diǎn)數(shù)就越多，其對(duì)于物體的分辨能力就會(huì)越強(qiáng)。相同角分辨率下，對(duì)同一物體，距離越遠(yuǎn)探測(cè)到的激光點(diǎn)數(shù)越少，如圖所示。

線數(shù): 對(duì)于機(jī)械激光雷達(dá)來說, 一般多少線就需要多少個(gè)激光器。

反射率: 激光雷達(dá)返回值除了三維點(diǎn)坐標(biāo) (x, y, z)之外, 還有反射率和距離, 入射角度, 與物體表面反射率

波長(zhǎng): 常見的激光雷達(dá)波長(zhǎng)為 905nm, 1550nm兩種, 1550nm 距離可見光波段更遠(yuǎn), 所以對(duì)人眼更安全, 波長(zhǎng)更長(zhǎng)穿透度更好,更有利于在雨霧天氣使用, （由于成本較高, 還未成為主流）。

探測(cè)距離：一般要求200米，以達(dá)到最遠(yuǎn)剎車距離的要求

回波模式: 單回波和多回波, 激光雷達(dá)發(fā)出的激光點(diǎn)是有一定面積的, 有時(shí)可能會(huì)出現(xiàn)1個(gè)激光點(diǎn)發(fā)出后, 打在2個(gè)物體上(如同一束激光打在兩片樹葉上), 此時(shí)可以選擇是接受最后一次回波的值還是反射強(qiáng)度最強(qiáng)的回波的值。

以禾賽128為例

1、10%反射率下最遠(yuǎn)探測(cè)距離200米
2、視場(chǎng)角：120°x25.4°
3、角分辨率：0.1°（H）X0.2°（V)
4、功耗：18W
5、尺寸：137mmX112mmX47mm

? ?

3.激光雷達(dá)種類

傳統(tǒng)機(jī)械掃描; AT128，有機(jī)械結(jié)構(gòu)，體積比較大。

使用機(jī)械部件旋轉(zhuǎn)來改變發(fā)射角度，水平360度掃描

EE了激光器堆疊工藝復(fù)雜，體積過大，垂直線數(shù)受限，難以通過

MEMS(Micro‐Electro‐Mechanical System) 半固態(tài)激光雷達(dá)

MEMS在硅基芯片上集成了體積十分精巧的微振鏡，其核心結(jié)構(gòu)是尺寸很小的懸臂梁——通過控制微小的鏡面平動(dòng)和扭轉(zhuǎn)往復(fù)運(yùn)動(dòng)，將激光管反射到不同的角度完成掃描，而激光發(fā)生器本身固定不動(dòng)。

優(yōu)點(diǎn)：運(yùn)動(dòng)部件減少，體積小，成本相對(duì)較低。

缺點(diǎn)：MEMS可轉(zhuǎn)角受限，限制掃描視野，存在成像拼接的問題

FLASH 泛光面陣式, 純固態(tài)激光雷達(dá),

FLASH工作原理類似于攝像頭, 只不過攝像頭是被動(dòng)接受光信息, 而FLASH是主動(dòng)發(fā)射面激光并接受反射激光， Flash激光雷達(dá)的成像原理是發(fā)射大面積激光一次照亮整個(gè)場(chǎng)景，然后使用多個(gè)傳感器接收檢測(cè)和反射光。但最大的問題是這種工作模式需要非常高的激光功率。而在體積限制下，F(xiàn)lash激光雷達(dá)的功率密度不能很高。因此Flash激光雷達(dá)由于功率密度的限制，無法考慮三個(gè)參數(shù)：視場(chǎng)角、檢測(cè)距離和分辨率，即如果檢測(cè)距離較遠(yuǎn)，則需要犧牲視場(chǎng)角或分辨率；如果需要高分辨率，則需要犧牲視場(chǎng)角或檢測(cè)距離。

OPA(Optical Phased Array) 光學(xué)相控陣，全固態(tài)激光雷達(dá);

光學(xué)相控陣技術(shù)的原理是利用光源相干技術(shù)實(shí)現(xiàn)光線角度偏轉(zhuǎn)，從而達(dá)到掃描測(cè)距的目的。OPA激光雷達(dá)發(fā)射的是光，而光和電磁波一樣也表現(xiàn)出波的特性。波與波之間會(huì)產(chǎn)生干

涉現(xiàn)象，通過控制相控陣?yán)走_(dá)平面陣列各個(gè)陣元的電流相位，利用相位差可以讓不同的位置的波源會(huì)產(chǎn)生干涉（類似的是兩圈水波

相互疊加后，有的方向會(huì)相互抵消，有的會(huì)相互增強(qiáng)），從而指向特定的方向，往復(fù)控制便得以實(shí)現(xiàn)掃描效果。

優(yōu)點(diǎn)：OPA是純固態(tài)器件，無需要活動(dòng)的機(jī)械結(jié)構(gòu)，

缺點(diǎn)：激光雷達(dá)對(duì)激光調(diào)試、信號(hào)處理的運(yùn)算力要求很高。

前沿性探索階段

4.自動(dòng)駕駛感知傳感器

下圖是傳感器感知的視野圖，從圖中可以看到，傳感器的視野比人的視野更加寬廣深遠(yuǎn)且盲區(qū)更小，基本能夠涵蓋車輛360度范圍。
感知主要的傳感器：Lidar、Radar(長(zhǎng)距、短距)、Camera。

視覺傳感器一般用于障礙物、車道線、交通燈檢測(cè)、目標(biāo)檢測(cè)和跟蹤功能?；驹硎鞘紫全@取圖像并將圖片轉(zhuǎn)化為二維數(shù)據(jù)，然后通過深度學(xué)習(xí)方法做目標(biāo)識(shí)別，再根據(jù)相機(jī)的內(nèi)外參計(jì)算目標(biāo)物體和主車的相對(duì)距離和相對(duì)速度。毫米波雷達(dá)主要用于目標(biāo)檢測(cè)、換道輔助、自適應(yīng)巡航控制、停車輔助等，激光雷達(dá)一般應(yīng)用于障礙物檢測(cè)、定位等。

在智能駕駛領(lǐng)域，通常車輛會(huì)配置多種感知器，分別執(zhí)行不同的任務(wù)，并進(jìn)行感知融合。在感知融合中，會(huì)對(duì)所有目標(biāo)進(jìn)一步處理，得到更加準(zhǔn)確的目標(biāo)類別、距離、尺寸、速度等，感知完成紅綠燈檢測(cè)、車道線檢測(cè)目標(biāo)融合之后，把感知信息發(fā)送給下游模塊。

5.激光雷達(dá)感知框架

以百度Apollo為例

感知框架中l(wèi)idar、camera、radar、fusion 四部分內(nèi)容定義在四個(gè)模塊中。Lidar 和 camera 每個(gè)模塊內(nèi)部功能復(fù)雜，學(xué)習(xí)成

本較高。感知框架拆分后，模塊依賴關(guān)系清晰。Lidar 和 camera 的感知流程分為多個(gè)模塊，依賴關(guān)系呈線性狀態(tài)；radar

和 fusion 的功能在單個(gè)模塊內(nèi)，功能如框圖所示。

激光雷達(dá)檢測(cè)用于 3D 目標(biāo)檢測(cè)，它的輸入是激光雷達(dá)點(diǎn)云，輸出為檢測(cè)到的物體的類型和坐標(biāo)。

pointcloud_preprocess：點(diǎn)云預(yù)處理模塊對(duì)輸出的點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理。刪除超值點(diǎn)、太遠(yuǎn)的點(diǎn)、掃描到自身車輛上的點(diǎn)、太高的點(diǎn)。

pointcloud_map_based_roi：過濾 ROI 之外的點(diǎn)云。感興趣區(qū)域 (ROI) 指定可行駛區(qū)域，包括從高精地圖檢索到的路面和路口。HDMap ROI 過濾器處理 ROI 外部的lidar點(diǎn)，去除背景物體，例如道路周圍的建筑物和樹木。剩下的就是ROI中的點(diǎn)云以供后續(xù)處理。給定HDMap，每個(gè) LiDAR 點(diǎn)的隸屬關(guān)系指示它是在 ROI 內(nèi)部還是外部。

pointcloud_ground_detection：點(diǎn)云地面檢測(cè)，檢測(cè)地面點(diǎn)，并保存所有非地面點(diǎn)的索引。

lidar_detection：基于點(diǎn)云進(jìn)行3D物體檢測(cè)，并輸出檢測(cè)到的物體的位置、大小和方向。Apollo提供了4種激光雷達(dá)檢測(cè)模型：centerpoint、maskpillars、pointpillars、cnnseg。lidar_detection_filter：根據(jù)對(duì)象屬性、車道線、ROI 等過濾前景和背景對(duì)象。

lidar_tracking：跟蹤模塊用于跟蹤障礙物的運(yùn)動(dòng)軌跡，更新障礙物的運(yùn)動(dòng)狀態(tài)和幾何形狀，并分配跟蹤id。

multi_sensor_fusion ：多傳感器融合模塊融合Lidar、Camera、Radar多個(gè)傳感器的輸出結(jié)果，使檢測(cè)結(jié)果更加可靠。該模塊采用后處理技術(shù)，采用的算法是概率融合

5.1 pointcloud_preprocess

點(diǎn)云預(yù)處理模塊對(duì)點(diǎn)云做過濾，刪除異常的、感知不需要的點(diǎn)云。

刪除空值，超限值點(diǎn)云；

刪除過遠(yuǎn)（超過1000m）的點(diǎn)云；

刪除過高的點(diǎn)云；

點(diǎn)云轉(zhuǎn)化到主車自身坐標(biāo)系，刪除掃描到主車身上的點(diǎn)云。

5.2 pointcloud_map_based_roi

點(diǎn)云基于地圖計(jì)算興趣區(qū)域（roi，region of interest），根據(jù)高精度地圖的road和junction邊界判斷點(diǎn)云是否在高精度地圖內(nèi)，獲得

在高精地圖內(nèi)的點(diǎn)的索引。

下圖是基于地圖roi過濾的效果圖。紅色的是roi內(nèi)的點(diǎn)云，白色的是roi外的點(diǎn)云。

5.3 pointcloud_ground_detection

地面點(diǎn)檢測(cè)功能是檢測(cè)出地面點(diǎn)，獲得所有非地面點(diǎn)的索引，即non_ground_indices。

下圖是地面點(diǎn)云檢測(cè)的示例圖，紅色的點(diǎn)云是非地面點(diǎn)云，白色的是地面點(diǎn)云。分割出地面點(diǎn)云后，去除前景目標(biāo)點(diǎn)云。然后用

剩余的非地面點(diǎn)云做聚類，檢測(cè)當(dāng)前場(chǎng)景下的所有目標(biāo)，保證自動(dòng)駕駛的安全性。

5.4 lidar_detection

檢測(cè)模型完成目標(biāo)檢測(cè)功能，獲得目標(biāo)的如下結(jié)果：cx, cy, cz, length, width, height, heading, type

其中，(cx, cy, cz)是中心點(diǎn)，(length, width, height)是長(zhǎng)寬高，heading是朝向，type是目標(biāo)類別。示例如下

除了獲取目標(biāo)，還根據(jù)目標(biāo)的3d bounding box，得到每個(gè)目標(biāo)的所有點(diǎn)云。

5.5 lidar_detection_filter

完成激光雷達(dá)目標(biāo)檢測(cè)后，對(duì)檢測(cè)目標(biāo)做過濾。object_filter_bank可以同時(shí)使用多個(gè)過濾器，針對(duì)roi_boundary_filter做介紹，

roi_boundary_filter只用來處理前景目標(biāo)（即妨礙車輛行駛的目標(biāo)）。roi_boundary_filter過濾規(guī)則如下圖。

5.6 lidar_tracking

多目標(biāo)跟蹤，獲取目標(biāo)運(yùn)動(dòng)的歷史軌跡，得到更加穩(wěn)定的朝向、速度、位置等信息，得到跟蹤id。多目標(biāo)跟蹤的結(jié)果可進(jìn)一步用于障礙物軌跡預(yù)測(cè)。

detections 來自最新檢測(cè)的結(jié)果，tracks 表示歷史的匹配結(jié)果。Match 是目標(biāo)匹配算法，最終得到三種匹配結(jié)果：

unassigned tracks：歷史的目標(biāo)沒有和最新的檢測(cè)結(jié)果匹配上，這種情況會(huì)更新歷史 tracks，并刪除過老的 tracks

assignment：表示已經(jīng)匹配上，根據(jù)dets和tracks更新tracks。

unassignement detections：最新檢測(cè)的結(jié)果沒有匹配上，添加到歷史tracks中。這時(shí)會(huì)賦予一個(gè)新的track‐id。

審核編輯 黃宇