黃武陵

(中國科學(xué)院　自動化研究所,北京　100190)

激光雷達(dá)在無人駕駛環(huán)境感知中的應(yīng)用

黃武陵

(中國科學(xué)院自動化研究所,北京100190)

激光雷達(dá)是實(shí)現(xiàn)無人駕駛環(huán)境感知的重要傳感器,特別是通過與相機(jī)和毫米波雷達(dá)等實(shí)現(xiàn)感知信息融合之后,適用于復(fù)雜交通環(huán)境感知,可以檢測交通環(huán)境中的不同目標(biāo),包括道路、可行駛區(qū)域、行駛環(huán)境中行人和車輛、交通信號燈和交通標(biāo)志等交通要素。本文通過激光雷達(dá)的技術(shù)描述,介紹它在環(huán)境感知中的重要作用,分析了激光雷達(dá)標(biāo)定及測試等技術(shù)基礎(chǔ),分析了激光雷達(dá)在環(huán)境感知中的應(yīng)用,可以為相關(guān)技術(shù)應(yīng)用提供參考。

無人駕駛;激光雷達(dá);環(huán)境感知;標(biāo)定與測試

引 言

傳感器負(fù)責(zé)采集無人駕駛車輛所需的自身姿態(tài)和周邊環(huán)境信息,為無人駕駛車輛的安全行駛提供及時、準(zhǔn)確的決策依據(jù)。因此,需要面向復(fù)雜環(huán)境感知需求集成低價、性能優(yōu)秀的車內(nèi)和車外傳感器,發(fā)揮各傳感器的優(yōu)勢,按照不同的自動駕駛功能需求進(jìn)行傳感器優(yōu)化配置。目前常用傳感器包括超聲波、紅外相機(jī)、激光雷達(dá)、毫米波雷達(dá)、單目或雙目相機(jī)等。其中,激光雷達(dá)能夠檢測目標(biāo)物體的空間方位和距離,并可通過點(diǎn)云來描述3D環(huán)境模型,可提供目標(biāo)的激光反射強(qiáng)度信息,為毫米波雷達(dá)等傳感器提供被檢測目標(biāo)的詳細(xì)形狀描述,而且在黑夜和雨天等極端情況下也有較好表現(xiàn)。

本文通過激光雷達(dá)的技術(shù)描述,介紹了激光雷達(dá)在環(huán)境感知中的重要作用,講解了激光雷達(dá)標(biāo)定及測試等基礎(chǔ)技術(shù),分析了激光雷達(dá)在環(huán)境感知中的應(yīng)用等。

1 激光雷達(dá)在無人駕駛環(huán)境感知中的重要作用

1.1 無人駕駛車載傳感器的分類

在選擇車載傳感器時,一般需要綜合考慮多個方面的屬性,包括傳感器精度、分辨率、靈敏度、動態(tài)范圍、傳感器視角、主動與被動傳感器、時間精度和輸出接口,以及誤報率、溫度適應(yīng)性、黑暗適應(yīng)性、不良天氣適應(yīng)性、硬件成本、信號處理能力等。結(jié)合這些參數(shù)和不同等級的無人駕駛功能實(shí)現(xiàn)需求,從超聲波雷達(dá)、激光雷達(dá)、毫米波雷達(dá)、攝像頭、紅外探頭等傳感器中綜合考慮加以選取。無人駕駛車載傳感器配置要求如圖1所示。

圖1 無人駕駛車載傳感器配置要求

如圖2所示,典型自動駕駛功能實(shí)現(xiàn)中,要求車載傳感器能夠覆蓋長、短距檢測,兼顧日夜行駛等需求,方案中要求配備毫米波雷達(dá)傳感器6個(超長距前窄角1個,中距前窄角1個,后/側(cè)面廣角4個)、紅外夜視傳感器1個(長距前窄角)、圖像攝像頭6個(長距前窄角1個,短距廣角后方1個、側(cè)面4個),以及超聲波傳感器4個(前/后側(cè)短距廣角)。

圖2 實(shí)現(xiàn)自動駕駛所需的車載傳感器配置

1.2 車載激光雷達(dá)重要作用

現(xiàn)階段,常用的車載外部傳感器只在某些特定情況下使用。例如,毫米波雷達(dá)可以準(zhǔn)確檢測前方車輛的距離和速度,具備較強(qiáng)的穿透霧、煙、灰塵的能力,但無法對目標(biāo)進(jìn)行細(xì)化識別。而相機(jī)視覺系統(tǒng)可以獲得車道線、交通信號等目標(biāo)的顏色和形狀等細(xì)節(jié),從而進(jìn)行細(xì)化識別。但是,相機(jī)視覺系統(tǒng)的測距能力沒有激光雷達(dá)精確。激光雷達(dá)通過點(diǎn)云來建立周邊環(huán)境的3D模型,可以檢測出包括車輛、行人、樹木、路沿等細(xì)節(jié)。為了適用復(fù)雜環(huán)境,需要進(jìn)行多傳感器信息融合,所以,通過激光雷達(dá)或毫米波雷達(dá)與視覺傳感器進(jìn)行融合,不僅可以進(jìn)行目標(biāo)物體檢測,而且還能進(jìn)行目標(biāo)空間測距、目標(biāo)圖像識別等功能。類似,GPS定位、視覺傳感器和激光雷達(dá)進(jìn)行融合,則可以實(shí)現(xiàn)車道保持所需的高精度定位,也能實(shí)現(xiàn)多類障礙物目標(biāo)檢測。

近期的特斯拉汽車事故說明,自動駕駛僅靠單類傳感器難以實(shí)現(xiàn),還需要多種傳感器融合,關(guān)鍵性傳感器不能減配。要實(shí)現(xiàn)無人駕駛,除了常見的傳感器,更需要選配高精度GPS定位系統(tǒng)及激光雷達(dá)等高精度測距傳感器。圖3所示,參加2007年DARPA Urban Challenge比賽的Stanford大學(xué)“Junior”無人車輛配備5個激光雷達(dá)(IBEO、RIEGL、SICK和Velodyne),1個Applanix GPS慣性導(dǎo)航系統(tǒng),5個BOSCH毫米波雷達(dá),以及前向相機(jī)系統(tǒng)。

Junior無人駕駛車輛定位通過Applanix POS LV 420集成慣性導(dǎo)航系統(tǒng)實(shí)現(xiàn),包括GPS方位航向測量、高性能慣性測量單元、車輪里程計(DMI)和OMNISTAR衛(wèi)星虛擬基站服務(wù),提供低于100 cm和0.1°的實(shí)時位置和方向誤差。2個側(cè)向的SICK LMS 291-S14激光雷達(dá)和1個前向的RIEGL LMS-Q120激光雷達(dá)提供3D道路結(jié)構(gòu)和車道標(biāo)線檢測,并進(jìn)行車輛高精度定位。1個車頂64線 Velodyne HDL-64E激光雷達(dá)用于障礙物和移動車輛檢測,形成水平方向360°和垂直方向30°視域的掃描數(shù)據(jù),由車尾的2個SICK LDLRS激光雷達(dá)和前保險杠2個IBEO ALASCA XT激光雷達(dá)進(jìn)行視野補(bǔ)充。5個安裝在前格柵的BOSCH長距離雷達(dá)(LRR2)提供周圍移動車輛的檢測信息。Junior無人駕駛方案充分體現(xiàn)了激光雷達(dá)傳感器的重要性。

圖3 Junior無人駕駛車輛及其傳感器配置

1.3 常見的車載激光雷達(dá)

現(xiàn)階段,激光雷達(dá)傳感器廠商主要包括Velodyne、IBEO和Quanergy,國內(nèi)也陸續(xù)出現(xiàn)類似產(chǎn)品,例如北科天繪公司的機(jī)載和車載激光雷達(dá)。無人駕駛車輛上所用的激光雷達(dá)最好能被做成小體積直接嵌入車身,需要將機(jī)械旋轉(zhuǎn)部件做到最小甚至不用旋轉(zhuǎn)器件。IBEO的激光雷達(dá)產(chǎn)品LUX,已經(jīng)用固定激光光源通過內(nèi)部玻璃片旋轉(zhuǎn)的方式改變激光光束方向,滿足多角度檢測的需要。Velodyne目前已經(jīng)量產(chǎn)的激光雷達(dá)包括HDL-64E(64線)、HDL-32E (32線)、VLP-16(16線),以及和福特一起發(fā)布的半固態(tài)激光雷達(dá)Solid-State Hybrid Ultra Puck Auto,線數(shù)增加到32線,體積和原16線產(chǎn)品一致,將旋轉(zhuǎn)部件做到內(nèi)部隱藏起來。Quanergy旗下產(chǎn)品S3是一款全固態(tài)產(chǎn)品,使用了相位矩陣技術(shù),內(nèi)部不存在任何旋轉(zhuǎn)部件。

2 車載激光雷達(dá)的標(biāo)定及測試

2.1 激光雷達(dá)的主要參數(shù)

激光雷達(dá)用來描繪周圍環(huán)境的幾個主要參數(shù),包括線數(shù)、點(diǎn)密度、水平垂直視角、檢測距離、掃描頻率、精度等。除了位置和距離信息,激光雷達(dá)還提供返回所掃描物體的密度信息,后續(xù)算法據(jù)此可以判斷掃描物體的反射率,再進(jìn)行下一步處理。例如,從眾多目標(biāo)中判斷出交通標(biāo)志牌,再由相機(jī)有針對性地分析標(biāo)志牌內(nèi)容,從而減少算法成本。

激光雷達(dá)的探測范圍指標(biāo)包括有效距離、水平視場(識別范圍)、縱向識別范圍。其有效距離最遠(yuǎn)可達(dá)300 m,水平視角一般在80°到360°,如果是64線雷達(dá),則可以達(dá)到32°的縱向視場角。激光雷達(dá)的角分辨率水平方向上一般能到0.1°,縱向可達(dá)0.5°,縱向探測角度一般通過線束計算,每個接收器覆蓋0.5°,4線激光雷達(dá)縱向掃描范圍為2°。1線激光雷達(dá)是一個二維掃描雷達(dá); 4線或8線縱向掃描范圍從3.2°到6.4°,可定義為2.5D掃描雷達(dá)。64線雷達(dá)縱向掃描范圍為30多度,可定義為3D掃描雷達(dá)。車載激光雷達(dá)工作電壓一般是12 V,其輸出格式一般是以太網(wǎng)、USB或FlexRay格式。以國內(nèi)北科天繪公司R-Fans16(2016)激光雷達(dá)為例,其參數(shù)如表1所列。

圖4 降雨量對激光雷達(dá)的影響

表1 北科天繪R-Fans16(2016)激光雷達(dá)參數(shù)

2.2 激光雷達(dá)的標(biāo)定

(1)激光雷達(dá)影響因素

激光雷達(dá)也有缺點(diǎn),例如在雨雪霧天氣下性能變差、價格昂貴、數(shù)據(jù)量較大、需要高性能計算實(shí)時處理。激光雷達(dá)精度受天氣影響較大,例如,空氣中懸浮物會對光速產(chǎn)生影響,大霧及雨天影響其測量精度。如圖4所示,隨著實(shí)驗(yàn)雨量增大,兩種激光雷達(dá)的最遠(yuǎn)探測距離都呈線性下降。

(2)多線激光雷達(dá)的外部參數(shù)

在理想狀態(tài)下,激光雷達(dá)多線束激光從坐標(biāo)系原點(diǎn)射出,且每束激光的起始位置都為坐標(biāo)系原點(diǎn)。但實(shí)際上,每個激光傳感器安裝位置不同,光束的水平方位角也有差異,光束并不在同一個垂直平面內(nèi)。因此,對應(yīng)每個激光器都有一組校準(zhǔn)標(biāo)定參數(shù),可以通過標(biāo)定方法或者標(biāo)定參數(shù)(即每個激光束的位置和方向的參數(shù))估計。坐標(biāo)系定義如圖5所示。

圖5 Velodyne HDL-64E激光雷達(dá)坐標(biāo)系定義

為了將激光雷達(dá)返回的距離和角度信息轉(zhuǎn)換為激光雷達(dá)坐標(biāo)系中的笛卡爾坐標(biāo),需要對每一條激光束采用5個參數(shù)進(jìn)行建模,然后通過這5個參數(shù)將每條激光返回的距離值轉(zhuǎn)換為3D點(diǎn)坐標(biāo)[5]。

①距離校正因子Dcorr:每一條激光束的距離偏差,返回的距離值Dret上距離校正因子Dcorr,表示激光束測得的真正距離D。

②垂直偏移量V0:在豎直平面內(nèi),激光束測量的起點(diǎn)到雷達(dá)坐標(biāo)系原點(diǎn)的偏移量。

③水平偏移量H0:在xy平面,激光束測量的起點(diǎn)到激光雷達(dá)坐標(biāo)系原點(diǎn)的偏移量。

④垂直校正角θ:激光束相對于激光雷達(dá)坐標(biāo)系xy平面的角度偏移量,向上偏移為正,向下偏移為負(fù)。

⑤ 旋轉(zhuǎn)校正角α:激光束與激光雷達(dá)編碼盤零度角之間的角度偏移量。當(dāng)激光雷達(dá)旋轉(zhuǎn)時,假設(shè)其當(dāng)前旋轉(zhuǎn)角度為γ,每一條激光束都有一個不同的旋轉(zhuǎn)校正角α,定義另外一個角β=γ-α,表示激光束相對于yz平面的角度。

以Velodyne HDL-64E激光雷達(dá)為例,出廠時對每束激光校準(zhǔn)參數(shù)都已進(jìn)行標(biāo)定,但在使用時,一般還需對該校準(zhǔn)參數(shù)進(jìn)行重新標(biāo)定。獲取64束激光的標(biāo)定參數(shù)后,采用式(1)可將每條激光束返回的距離值Dret和當(dāng)前激光雷達(dá)的旋轉(zhuǎn)角度γ轉(zhuǎn)化為激光雷達(dá)坐標(biāo)系中的笛卡爾坐標(biāo)(px,py,pz)。

(3)多線激光雷達(dá)的標(biāo)定

激光雷達(dá)與車體為剛性連接,兩者間的相對姿態(tài)和位移固定不變,為了建立各個激光雷達(dá)之間的相對坐標(biāo)關(guān)系,需要對激光雷達(dá)的安裝進(jìn)行簡單的標(biāo)定,并使激光雷達(dá)數(shù)據(jù)從激光雷達(dá)坐標(biāo)統(tǒng)一轉(zhuǎn)換至車體坐標(biāo)上[2]。通過建立車輛質(zhì)心坐標(biāo)系、雷達(dá)基準(zhǔn)坐標(biāo)系以及車載激光雷達(dá)坐標(biāo)系,將激光雷達(dá)的數(shù)據(jù)轉(zhuǎn)換到基準(zhǔn)坐標(biāo)系中,再將其統(tǒng)一轉(zhuǎn)換到車輛坐標(biāo)系下。激光雷達(dá)外部安裝參數(shù)的標(biāo)定,通常采用等腰直角三角標(biāo)定板和正方形標(biāo)定板來完成。需要標(biāo)定的激光雷達(dá)的安裝參數(shù)包括激光雷達(dá)的俯仰角與側(cè)傾角等[3]。其他較好的標(biāo)定方法還包括交互信息最大化外部自動標(biāo)定法,激光攝像頭融合的邊緣對齊聯(lián)合自動標(biāo)定法和測距與圖像融合的基于線段外部參數(shù)標(biāo)定法等[4]。

圖6所示的測距與圖像融合的基于線段外部參數(shù)標(biāo)定法,無需特殊的人工標(biāo)定目標(biāo),通過自然線性特征獲取來確定精確線段變換。通過一組點(diǎn)云形成的3D線段、一組從圖像獲得的2D線段之間的對應(yīng)關(guān)系,以及兩者相對平移和旋轉(zhuǎn)的聯(lián)合估計的優(yōu)化解,來獲得外部標(biāo)定參數(shù)。

圖6 測距與圖像融合的基于線段外部參數(shù)標(biāo)定法

2.3 激光雷達(dá)的測試

在車載激光雷達(dá)的評測中,需要針對測試指標(biāo)構(gòu)建車用激光雷達(dá)測試場景,建立標(biāo)定場、控制點(diǎn)和檢測點(diǎn),通過設(shè)置標(biāo)靶,結(jié)合已有的高精度、高置信度測試儀器進(jìn)行激光雷達(dá)標(biāo)定,通過控制點(diǎn)進(jìn)行測評指標(biāo)精度分析,結(jié)合檢測點(diǎn)進(jìn)行指標(biāo)精度對比分析,最后形成指標(biāo)參數(shù)精度的置信描述。比較重要的激光雷達(dá)測評參數(shù)包括:最大測距為最初看到采樣目標(biāo)的距離;檢測距離為檢測到有效目標(biāo)時的距離;分類距離為能夠?qū)④囕v等目標(biāo)與其他物體分離出來的距離;最佳分類距離為能夠?qū)⒛繕?biāo)的形狀識別出來的最佳距離。

3 基于激光雷達(dá)的環(huán)境感知

(1)激光雷達(dá)數(shù)據(jù)獲取

二維激光雷達(dá)和三維激光雷達(dá)在無人駕駛車輛上得到了廣泛應(yīng)用。與三維激光測距雷達(dá)相比,二維激光雷達(dá)只在一個平面上掃描,結(jié)構(gòu)簡單、測距速度快、系統(tǒng)穩(wěn)定可靠,但是將二維激光雷達(dá)用于地形復(fù)雜、路面高低不平的環(huán)境時,無法完成地形的重建工作,且容易出現(xiàn)數(shù)據(jù)失真和虛報等現(xiàn)象;而三維激光雷達(dá)則可以獲得車輛周圍的環(huán)境深度信息,準(zhǔn)確發(fā)現(xiàn)車輛周圍的障礙物并構(gòu)建地面環(huán)境即可行駛區(qū)域。

以R-Fans16為例,通過上位機(jī)的處理模塊接收16線高精度激光雷達(dá)實(shí)時輸出的點(diǎn)云數(shù)據(jù),以圖形化的方式對原始數(shù)據(jù)進(jìn)行顯示,并在點(diǎn)云數(shù)據(jù)基礎(chǔ)上處理得到激光雷達(dá)感知的環(huán)境信息,如圖7所示,可以獲得包括結(jié)構(gòu)化道路與非結(jié)構(gòu)化道路可行駛區(qū)域、行駛環(huán)境中行人和車輛、交通信號燈和交通標(biāo)志等信息。

圖7 R-Fans16激光雷達(dá)獲得的點(diǎn)云信息

(2)可行駛區(qū)域檢測

可行駛區(qū)域檢測流程圖如圖8所示。

在接收到激光雷達(dá)輸出的原始點(diǎn)云數(shù)據(jù)之后,通過坐標(biāo)轉(zhuǎn)換形成點(diǎn)云的柵格化表述,并從中區(qū)分地面點(diǎn)的集合以及地面以上障礙點(diǎn)的集合,完成地面和障礙物分離,形成地面估計與分割[5]。激光雷達(dá)的環(huán)境感知點(diǎn)云圖、柵格圖和可行駛區(qū)域檢測圖如圖9所示。

如果在非結(jié)構(gòu)化的越野環(huán)境中行駛,還需考慮包括地面起伏、凸起障礙、負(fù)障礙物、水體等多種環(huán)境要素;如果在結(jié)構(gòu)化道路環(huán)境中行駛,還需要完成道路邊沿、車道劃分、地面障礙物、車輛和行人等環(huán)境要素檢測。通過上述結(jié)構(gòu)化和非結(jié)構(gòu)化行駛環(huán)境的多要素合成,最終完成可行駛區(qū)域檢測。

圖8 可行駛區(qū)域檢測流程

(3)目標(biāo)檢測與跟蹤

只有通過對行駛環(huán)境下車輛周圍的目標(biāo)進(jìn)行有效檢測及跟蹤預(yù)測,才能實(shí)現(xiàn)跟車、換道和交叉口通行等場景下的安全自主駕駛。由于行駛環(huán)境的復(fù)雜性,特別是道路環(huán)境中交通擁擠的情況下,車輛之間容易互相遮擋,并且行人目標(biāo)較多且行走較難預(yù)測,所以實(shí)現(xiàn)可靠的目標(biāo)檢測與跟蹤存在挑戰(zhàn)[1]。運(yùn)動目標(biāo)檢測與跟蹤流程如圖10所示。

圖9 激光雷達(dá)的環(huán)境感知點(diǎn)云圖、柵格圖和可行駛區(qū)域檢測圖

可以在接收到原始點(diǎn)云數(shù)據(jù)并進(jìn)行點(diǎn)云柵格化描述、完成地面和障礙物分離以及地面估計與分割的基礎(chǔ)上,采用K-Means或DBSCAN等方法進(jìn)行目標(biāo)聚類,通過柵格網(wǎng)疊加以及表面特征匹配,進(jìn)行目標(biāo)尺度比較,確認(rèn)跟蹤列表并采用擴(kuò)展卡爾曼等方法進(jìn)行目標(biāo)跟蹤。其中,較為有效的是可以采用基于幾何模型和運(yùn)動模型假設(shè)結(jié)合的方法來進(jìn)行目標(biāo)檢測跟蹤,可以有效地處理目標(biāo)幾何特征不明顯的情況下多目標(biāo)檢測與跟蹤,并使用擴(kuò)展卡爾曼濾波對目標(biāo)的位置、速度以及速度的方向進(jìn)行最優(yōu)估計。如圖11所示,采用R-Fans16激光雷達(dá)可以很容易獲得周邊行人的可靠檢測。

結(jié) 語

激光雷達(dá)是實(shí)現(xiàn)無人駕駛環(huán)境感知技術(shù)的關(guān)鍵傳感器,現(xiàn)階段還比較昂貴、應(yīng)用范圍不夠廣泛。但隨著可能的規(guī)模應(yīng)用,其價格將降低到可接受程度。本文通過激光雷達(dá)傳感器各方面的綜述,包括激光雷達(dá)傳感器的技術(shù)特性,在環(huán)境感知中的重要作用及其技術(shù)指標(biāo),分析了標(biāo)定及測試等技術(shù),列舉了激光雷達(dá)在環(huán)境感知中的應(yīng)用等,希望對相關(guān)應(yīng)用起到參考作用。

圖10 運(yùn)動目標(biāo)檢測與跟蹤流程

圖11 基于激光雷達(dá)的行人檢測

[1]辛煜.無人駕駛車輛運(yùn)動障礙物檢測、預(yù)測和避撞方法研究[D].合肥:中國科學(xué)技術(shù)大學(xué),2014.

[2]劉釗.無人車2D激光雷達(dá)結(jié)構(gòu)化環(huán)境感知技術(shù)研究[D].長沙:國防科學(xué)技術(shù)大學(xué),2013.

[3]海智淵.激光3D導(dǎo)航系統(tǒng)設(shè)計與研究[D].長春:長春理工大學(xué),2014.

[4]Nordin P,Andersson L,Nygards J.Sensor data fusion for terrain exploration by collaborating unmanned ground vehicles [C]//2008 11th International Conference on,2008.

[5]陳慧巖.智能車輛先進(jìn)技術(shù)叢書:無人駕駛汽車概論[M].北京:北京理工大學(xué)出版社,2014.

Application of Lidar in Perception of Autonomous Driving Environment

Huang Wuling

(Institute of Automation,Chinese Academy of Sciences,Beijing 100190,China)

Lidar is an important sensor in autonomous driving implementation,specially,with fusion of cameras,radar and other sensors, which can be applied to complex traffic environment perception,archiving different type objects detection,such as structured or unstructured road,drivable areas,pedestrians and moving vehicles,traffic lights and traffic signs and other elements.This paper describes the technical details of Lidar sensors,introduces its important role in environment perception and also its technical specifications,introduces its calibration and testing technologies,analyzes its applications in environment perception.It can be a good technical reference for the related applications.

autonomous driving;lidar sensor;environment perception;calibration and testing

TP277

A

黃武陵,中國科學(xué)院自動化研究所副研究員,中國科學(xué)院大學(xué)博士,主要從事智能車輛研究,參與和主持了多項(xiàng)國家863和973、交通部和自然基金課題,發(fā)表SCI/EI論文12篇,申請和獲得發(fā)明專利20項(xiàng)。獲北京市科技進(jìn)步獎、北京市“金橋工程”項(xiàng)目獎、吳文俊人工智能科學(xué)技術(shù)進(jìn)步獎、中科院教學(xué)成果獎等獎勵。

(責(zé)任編輯:薛士然2016-09-05)