<mark id="oztn4"></mark>
0
| 本文作者： 易建成 | 2016-11-30 21:00 | 專題：雷峰網(wǎng)公開課 |
編者按：本文內(nèi)容來自速騰聚創(chuàng) CEO 邱純鑫在雷鋒網(wǎng)硬創(chuàng)公開課的分享，由雷鋒網(wǎng)旗下欄目“新智駕”整理。
本期公開課要點(diǎn)：
激光雷達(dá)與攝像頭性能對(duì)比
多線激光雷達(dá)----多少線合適？
在無人駕駛環(huán)境感知中，攝像頭和激光雷達(dá)分別完成什么工作？
激光雷達(dá)與攝像頭的融合
在無人駕駛環(huán)境感知設(shè)備中，激光雷達(dá)和攝像頭分別有各自的優(yōu)缺點(diǎn)。
攝像頭的優(yōu)點(diǎn)是成本低廉，用攝像頭做算法開發(fā)的人員也比較多，技術(shù)相對(duì)比較成熟。攝像頭的劣勢，第一，獲取準(zhǔn)確三維信息非常難（單目攝像頭幾乎不可能，也有人提出雙目或三目攝像頭去做）；另一個(gè)缺點(diǎn)是受環(huán)境光限制比較大。
激光雷達(dá)的優(yōu)點(diǎn)在于，其探測距離較遠(yuǎn)，而且能夠準(zhǔn)確獲取物體的三維信息；另外它的穩(wěn)定性相當(dāng)高，魯棒性好。但目前激光雷達(dá)成本較高，而且產(chǎn)品的最終形態(tài)也還未確定。
就兩種傳感器應(yīng)用特點(diǎn)來講，攝像頭和激光雷達(dá)攝像頭都可用于進(jìn)行車道線檢測。除此之外，激光雷達(dá)還可用于路牙檢測。對(duì)于車牌識(shí)別以及道路兩邊，比如限速牌和紅綠燈的識(shí)別，主要還是用攝像頭來完成。如果對(duì)障礙物的識(shí)別，攝像頭可以很容易通過深度學(xué)習(xí)把障礙物進(jìn)行細(xì)致分類。但對(duì)激光雷達(dá)而言，它對(duì)障礙物只能分一些大類，但對(duì)物體運(yùn)動(dòng)狀態(tài)的判斷主要靠激光雷達(dá)完成。
目前，國外和國內(nèi)做激光雷達(dá)的廠商并不多。比如 Velodyne 推出 16 線、32 線和 64 線激光雷達(dá)產(chǎn)品。Quanergy 早期推出的 8 線激光雷達(dá)產(chǎn)品 M-8（固態(tài)激光雷達(dá)在研）。Ibeo 主要推出的是 4 線激光雷達(dá)產(chǎn)品，主要用于輔助駕駛。速騰聚創(chuàng)（RoboSense）推出的是 16 線激光雷達(dá)產(chǎn)品。
到底多少線的激光雷達(dá)產(chǎn)品才能符合無人駕駛廠商，包括傳統(tǒng)汽車廠商、互聯(lián)網(wǎng)造車公司的需求？
多線激光雷達(dá)，顧名思義，就是通過多個(gè)激光發(fā)射器在垂直方向上的分布，通過電機(jī)的旋轉(zhuǎn)形成多條線束的掃描。多少線的激光雷達(dá)合適，主要是說多少線的激光雷達(dá)掃出來的物體能夠適合算法的需求。理論上講，當(dāng)然是線束越多、越密，對(duì)環(huán)境描述就更加充分，這樣還可以降低算法的要求。
業(yè)界普遍認(rèn)為，像谷歌或百度使用的 64 線激光雷達(dá)產(chǎn)品，并不是激光雷達(dá)最終的產(chǎn)品形態(tài)。激光雷達(dá)的產(chǎn)品的方向肯定是小型化，而且還要不斷減少兩個(gè)相鄰間發(fā)射器的垂直分辨率以達(dá)到更高線束。
激光雷達(dá)產(chǎn)品參數(shù)包括四方面：測量距離、測量精度、角度分辨率以及激光單點(diǎn)發(fā)射的速度。我主要講分辨率的問題：一個(gè)是垂直分辨率，另一個(gè)是水平分辨率。
現(xiàn)在多線激光雷達(dá)水平可視角度是 360 度可視，垂直可視角度就是垂直方向上可視范圍。分辨率與攝像頭的像素是非常相似的，激光雷達(dá)最終形成的三維激光點(diǎn)云，類似于一幅圖像有許多像素點(diǎn)。激光點(diǎn)云越密，感知的信息越全面。
水平方向上做到高分辨率其實(shí)不難，因?yàn)樗椒较蛏鲜怯呻姍C(jī)帶動(dòng)的，所以水平分辨率可以做得很高。目前國內(nèi)外激光雷達(dá)廠商的產(chǎn)品，水平分辨率為 0.1 度。
垂直分辨率是與發(fā)射器幾何大小相關(guān)，也與其排布有關(guān)系，就是相鄰兩個(gè)發(fā)射器間隔做得越小，垂直分辨率也就會(huì)越小。可以看出來，線束的增加主要還是為了對(duì)同一物體描述得更加充分。如果是不通過減少垂直分辨率的方式來增加線束，其實(shí)意義不大。
如何去提高垂直分辨率？目前業(yè)界就是通過改變激光發(fā)射器和接收器的排布方式來實(shí)現(xiàn)：排得越密，垂直分辨率就可以做得很小。另一方面就是通過多個(gè) 16 線激光雷達(dá)耦合的方式，在不增加單個(gè)激光雷達(dá)垂直分辨率的情況下同樣達(dá)到整體減小垂直分辨率的效果。
但是，這兩種方法都有一定的缺陷。
第一種方法，如果在不增加垂直可視范圍情況下增加線束，是有一定天花板的。因?yàn)榧す獍l(fā)射器的幾何大小很難進(jìn)一步再縮小，比如說做到垂直 1 度的分辨率，如果想做到 0.1 度，幾乎不可能。
第二種方法，多傳感器耦合，即多個(gè)激光雷達(dá)耦合，因?yàn)樗皇菃我划a(chǎn)品，那么對(duì)往后的校準(zhǔn)將會(huì)有很高的要求。
激光雷達(dá)和攝像頭分別完成什么工作？
無人駕駛過程中，環(huán)境感知信息主要有這幾部分：一是行駛路徑上的感知，對(duì)于結(jié)構(gòu)化道路可能要感知的是行車線，就是我們所說的車道線以及道路的邊緣、道路隔離物以及惡劣路況的識(shí)別；對(duì)非結(jié)構(gòu)道路而言，其實(shí)會(huì)更加復(fù)雜。
周邊物體感知，就是可能影響車輛通行性、安全性的靜態(tài)物體和動(dòng)態(tài)物體的識(shí)別，包括車輛，行人以及交通標(biāo)志的識(shí)別，包括紅綠燈識(shí)別和限速牌識(shí)別。
對(duì)于環(huán)境感知所需要的傳感器，我們把它分成三類：
感知周圍物體的傳感器，包括激光雷達(dá)、攝像頭和毫米波雷達(dá)這三類；
實(shí)現(xiàn)無人駕駛汽車定位的傳感器，就是 GPS 、IMU 和 Encoder；
其他傳感器，指的是感知天氣情況及溫、濕度的傳感器。
今天主要講的是感知周圍物體的傳感器，即：激光雷達(dá)、毫米波雷達(dá)和攝像頭。其實(shí)他們都有各自的優(yōu)缺點(diǎn)。
在無人駕駛環(huán)境感知中，攝像頭完成的工作包括：
車道線檢測；
障礙物檢測，相當(dāng)于把障礙物識(shí)別以及對(duì)障礙物進(jìn)行分類；
交通標(biāo)志的識(shí)別，比如識(shí)別紅綠燈和限速牌。
對(duì)車道線的檢測主要分成三個(gè)步驟：
第一步，對(duì)獲取到的圖片預(yù)處理，拿到原始圖像后，先通過處理變成一張灰度圖，然后做圖像增強(qiáng)；
第二步，對(duì)車道線進(jìn)行特征提取，首先把經(jīng)過圖像增強(qiáng)后的圖片進(jìn)行二值化（ 將圖像上的像素點(diǎn)的灰度值設(shè)置為 0 或 255，也就是將整個(gè)圖像呈現(xiàn)出明顯的黑白效果），然后做邊緣提取；
第三步，直線擬合。
車道線檢測難點(diǎn)在于，對(duì)于某些車道線模糊或車道線被泥土覆蓋的情況、對(duì)于黑暗環(huán)境或雨雪天氣或者在光線不是特別好的情況下，它對(duì)攝像頭識(shí)別和提取都會(huì)造成一定的難度。
另一個(gè)是障礙物檢測。上圖是我們?cè)谑致房谧龅膶?shí)驗(yàn)，獲取到原始圖像后，通過深度學(xué)習(xí)框架對(duì)物體進(jìn)行識(shí)別。在這當(dāng)中，做訓(xùn)練集其實(shí)是主要的難點(diǎn)。
還有一個(gè)是道路標(biāo)識(shí)的識(shí)別，這一部分的研究比較多，這里不再贅述。
激光雷達(dá)能夠完成什么工作？
第一是路沿檢測，也包括車道線檢測；第二是障礙物識(shí)別，對(duì)靜態(tài)物體和動(dòng)態(tài)物體的識(shí)別；第三是定位以及地圖的創(chuàng)建。
對(duì)于路沿檢測，分為三個(gè)步驟：拿到原始點(diǎn)云，地面點(diǎn)檢測、提取路沿點(diǎn)，通過路沿點(diǎn)的直線擬合，可以把路沿檢測出來。
接下來是障礙物識(shí)別，識(shí)別諸如行人、卡車和私家車等以及將路障信息識(shí)別出來。
障礙物的識(shí)別有這樣幾步，當(dāng)激光雷達(dá)獲取三維點(diǎn)云數(shù)據(jù)后，我們對(duì)障礙物進(jìn)行一個(gè)聚類，如上圖紫色包圍框，就是識(shí)別在道路上的障礙物，它可能是動(dòng)態(tài)也可能是靜態(tài)的。
最難的部分就是把道路上面的障礙物聚類后，提取三維物體信息。獲取到新物體之后，會(huì)把這個(gè)物體放到訓(xùn)練集里，然后用 SVM 分類器把物體識(shí)別出來。
如上圖，左上角、左下角是車還是人？對(duì)于機(jī)器而言，它是不清楚的。右上角和右下角（上圖）是我們做的訓(xùn)練集。做訓(xùn)練集是最難的，相當(dāng)于要提前把不同物體做人工標(biāo)識(shí)，而且這些標(biāo)識(shí)的物體是在不同距離、不同方向上獲取到的。
我們對(duì)每個(gè)物體，可能會(huì)把它的反射強(qiáng)度、橫向和縱向的寬度以及位置姿態(tài)作為它的特征，進(jìn)行提取，進(jìn)而做出數(shù)據(jù)集，用于訓(xùn)練。最終的車輛、行人、自行車等物體的識(shí)別是由SVM分類器來完成。我們用這種方法做出來的檢測精確度還是不錯(cuò)的。
利用激光雷達(dá)進(jìn)行輔助定位。定位理論有兩種：基于已知地圖的定位方法以及基于未知地圖的定位方法。
基于已知地圖定位方法，顧名思義，就是事先獲取無人駕駛車的工作環(huán)境地圖（高精度地圖），然后根據(jù)高精度地圖結(jié)合激光雷達(dá)及其它傳感器通過無人駕駛定位算法獲得準(zhǔn)確的位置估計(jì)。現(xiàn)在大家普遍采用的是基于已知地圖的定位方法。
制作高精度地圖也是一件非常困難的事情。舉個(gè)例子，探月車在月球上，原來不知道月球的地圖，只能靠機(jī)器人在月球上邊走邊定位，然后感知環(huán)境，相當(dāng)于在過程中既完成了定位又完成了制圖，也就是我們?cè)跇I(yè)界所說的 SLAM 技術(shù)。
激光雷達(dá)是獲取高精度地圖非常重要的傳感器。通過 GPS、IMU 和 Encoder 對(duì)汽車做一個(gè)初步位置的估計(jì)，然后再結(jié)合激光雷達(dá)和高精度地圖，通過無人駕駛定位算法最終得到汽車的位置信息。
高精地圖可分為基礎(chǔ)層、道路信息層、周圍環(huán)境信息層和其他信息層。
比如基礎(chǔ)層，有車道的寬度、坡度、傾斜角、航向、高程、車道線信息、人行道和隔離帶等等。之后還有信息層，相當(dāng)于告訴每一個(gè)道路上限速的標(biāo)記、紅綠燈標(biāo)記，還有一個(gè)就是環(huán)境信息層，相當(dāng)于周圍建筑物的三維模型。其他信息層，比如說天氣信息、施工信息等等，天氣信息非常重要，它提供一個(gè)場景信息，比如說天氣非常惡劣的時(shí)候，比如下雨天，如果高精度地圖能提供天氣信息，或者無人駕駛汽車車身所攜帶的傳感器，能夠感知到下雨信息，這時(shí)非常有利于指導(dǎo)無人駕駛汽車做一些決策。
現(xiàn)在對(duì)高精度地圖的定義，不同地圖廠家有不同定義的方式。做高精度地圖是為了輔助無人駕駛，所謂高精度地圖就是相比之前的導(dǎo)航地圖，前者精確度更高，可以達(dá)到厘米級(jí)；另一個(gè)就是高精度地圖包含更多的信息量，比如說車道的寬度、傾斜度等信息。
激光雷達(dá)與攝像頭融合，其實(shí)相當(dāng)于是激光雷達(dá)發(fā)揮激光雷達(dá)的優(yōu)勢，攝像頭發(fā)揮攝像頭的優(yōu)勢，他們?cè)谀承┑胤绞亲龅貌粔蚝茫枰獌蓚€(gè)傳感器甚至多個(gè)傳感器信息進(jìn)行底層的融合。
在融合的時(shí)候，首先第一步，標(biāo)定。比如說左上角（上圖），我看到凳子，左下角激光雷達(dá)也看到的是凳子，那么我通過標(biāo)定的方式告訴它，其實(shí)兩個(gè)是同一個(gè)物體。
其實(shí)攝像頭發(fā)現(xiàn)同一個(gè)物體是非常容易的，比如做人的跟蹤或車的跟蹤。對(duì)于激光雷達(dá)而言， 要去識(shí)別前后幀是否同一輛車和同一個(gè)行人是非常困難的。
激光雷達(dá)有一個(gè)好處：如果可以通過攝像頭告訴它前后兩幀是同一個(gè)物體，那么通過激光雷達(dá)就可以知道物體在這前后兩幀間隔內(nèi)：運(yùn)動(dòng)速度和運(yùn)動(dòng)位移是多少。這是非常關(guān)鍵的，因?yàn)橹挥凶鲞\(yùn)動(dòng)物體的跟蹤才能做一些預(yù)測。
人在駕駛的過程中，他得時(shí)刻知道周圍物體的運(yùn)動(dòng)狀態(tài)。對(duì)于無人駕駛，除了對(duì)車輛進(jìn)行位置的估計(jì)以及導(dǎo)航之外，其實(shí)還需要對(duì)周邊物體、運(yùn)動(dòng)物體的跟蹤和預(yù)測，這是非常有意義的。
問：高精度地圖的制作，是不是應(yīng)該與 SLAM 的建圖結(jié)合滿足在無 GPS 下的定位？
邱純鑫：這是對(duì)的，我們也用 SLAM 的方式去局部做地圖構(gòu)建，剛開始如果做高精度地圖，還是得用 SLAM 方法去做。
有些道路，特別是城市道路或巷道，GPS 非常不可信。所以說大家還是得充分考慮在有 GPS 如何去制作高精度以及在沒 GPS 情況下如何去做高精度地圖。
問：考慮到對(duì)遠(yuǎn)距離小物體的檢測，需要激光雷達(dá)有更高的水平角分辨率，那么目前 0.1 度的角分辨率能不能再提升，限制在哪里？
邱純鑫：水平分辨率 0.1 度可以做得更小，這個(gè)沒有限制，激光雷達(dá)單點(diǎn)出點(diǎn)數(shù)做得更高沒問題。垂直分辨率確實(shí)是有限制，除非用固態(tài)激光雷達(dá)，要不然現(xiàn)在通過多個(gè)激光發(fā)射器和接收器堆疊的方式來實(shí)現(xiàn) 0.1 度的角度分辨率幾乎是很難再提升了。
假如說激光雷達(dá)角度分辨率還有出點(diǎn)數(shù)已經(jīng)滿足要求。那么，剩下一個(gè)問題就是過車規(guī)，畢竟激光雷達(dá)是安裝在車上的。所以車的溫度，濕度，抗震性都要充分考慮。
目前激光雷達(dá)本身有兩個(gè)主要的問題：一方面是雷達(dá)本身的參數(shù)是否可以提高；另一方面是如何過車規(guī)。
問：你認(rèn)為目前激光雷達(dá)用于自主車駕駛和 SLAM 研究中還有哪些亟待解決的科研和技術(shù)問題？另外，激光雷達(dá)和相機(jī)的融合，您覺得用于車載 SLAM 的話最好是和幾個(gè)（單目、雙目、三目、全景）相機(jī)的融合？在相機(jī)和激光雷達(dá)融合中，您覺得還有哪些亟待解決的科研和技術(shù)問題？
邱純鑫：SLAM 不僅僅是無人駕駛汽車的問題。對(duì) SLAM 而言，一個(gè)是定位，一個(gè)是制圖。
目前看，在拼接尤其是前后兩幀拼接的時(shí)候，如何才能拼接得更加準(zhǔn)確；另一個(gè)是多次拼接的時(shí)候，如何能夠覆蓋累計(jì)的誤差。比如，做一個(gè)大閉環(huán)，第一次掃描到的環(huán)境就很難跟第 1000 個(gè)拼接起來，能否做到全局的校準(zhǔn)？所以我覺得 SLAM 的問題不僅僅是無人駕駛的問題，可能室內(nèi)存在 SLAM 的問題。
激光雷達(dá)和相機(jī)的融合，到底用單目，雙目，三目還是全景去做。其實(shí)我們現(xiàn)在用的是單目，利用單目相機(jī)對(duì)物體速度的識(shí)別主要還是通過標(biāo)定的方式，然后看物體在圖片中所占據(jù)的大小，從而來做大致的距離估算。
目前大家用雙目的想法，其實(shí)還主要是解決單目對(duì)距離無法判斷的問題。雙目、三目和全景我們還沒有去嘗試，所以不太好判斷。
問：激光雷達(dá)的設(shè)備體積，理論上最小能達(dá)到多少？成本如果大批量生產(chǎn)的話可以縮減到多少？有可能進(jìn)入 3D 成像領(lǐng)域么？
邱純鑫：目前我們也想把它體積做到更小，并在更小的情況下能夠做到線數(shù)越多。目前還沒有一個(gè)理論說最小能做到多小，但體積做太大已經(jīng)沒有意義。
如果未來推出固態(tài)激光雷達(dá)產(chǎn)品，比如體積只有一個(gè)指甲蓋的大小，那么它的應(yīng)用領(lǐng)域，肯定不僅僅是在無人駕駛上，還可以應(yīng)用到其他領(lǐng)域。
問：對(duì)應(yīng)圖像數(shù)據(jù)使用 OpenCV；那么，點(diǎn)云數(shù)據(jù)的處理，目前都有哪些主流開源庫可供使用？
邱純鑫：目前還沒有很好的一個(gè)開源庫。之前有一個(gè)叫 PCL（Point Cloud Library），我覺得這個(gè)庫做得并不好，所以我們也沒怎么去用，還是自己在做。
問：相機(jī)和激光雷達(dá)融合中還有哪些要去解決的技術(shù)問題？
邱純鑫：首先是標(biāo)定，如何標(biāo)定才更好？再有一個(gè)就是時(shí)間戳的問題。相機(jī)在這一時(shí)刻獲取到的圖片跟激光雷達(dá)獲取到的三維信息如何很好匹配下來。算法融合，運(yùn)動(dòng)物體跟蹤，通過攝像獲取同一個(gè)物體，通過激光雷達(dá)去識(shí)別同一個(gè)物體的距離信息。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
