1. 激光雷達(dá)在無人駕駛中的關(guān)鍵作用

無人駕駛技術(shù)“幾乎已被解決”是媒體夸大宣傳和業(yè)外人士的一種誤解。能適應(yīng)各種道路環(huán)境和天氣情況的無人駕駛汽車仍然是有待研發(fā)攻關(guān)的終極目標(biāo)。一些所謂的“自動(dòng)駕駛汽車”引發(fā)了系列事故說明僅靠單類傳感器和單一技術(shù)難以實(shí)現(xiàn)安全的自主駕駛。提醒我們要在最基礎(chǔ)的感知方案上不能減配關(guān)鍵傳感器，而且還需要多類傳感器冗余配置和信息融合。

2016 年中國智能車未來挑戰(zhàn)賽特意設(shè)計(jì)了相應(yīng)的環(huán)境感知考核場景，圖 1 所示是施工道路通行考核任務(wù)，沿圖中黃線將一個(gè)車道封閉并設(shè)置施工場景，路段末端設(shè)置通行社會(huì)車輛，參賽無人車輛在此施工路段欲借道行駛時(shí)，須檢測感知前方道路情況，如有通行車輛需先讓行。類似復(fù)雜場景，需要借助激光雷達(dá)傳感器進(jìn)行環(huán)境感知描述，再進(jìn)行規(guī)劃。比賽結(jié)果表明，沒有安裝多線激光雷達(dá)的無人駕駛車輛均表現(xiàn)不好。

激光雷達(dá)描繪周圍環(huán)境幾個(gè)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)行下步處理。通過檢測目標(biāo)物體的空間方位和距離，通過點(diǎn)云來描述 3D 環(huán)境模型，提供目標(biāo)的激光反射強(qiáng)度信息，提供被檢測目標(biāo)的詳細(xì)形狀描述，不僅在光照條件好的環(huán)境下表現(xiàn)優(yōu)秀，而且在黑夜和雨天等極端情況下也有較好表現(xiàn)?？偟膩碚f，激光雷達(dá)傳感器在精度、分辨率、靈敏度、動(dòng)態(tài)范圍、傳感器視角、主動(dòng)探測、低誤報(bào)率、溫度適應(yīng)性、黑暗和不良天氣適應(yīng)性、信號處理能力等指標(biāo)方面表現(xiàn)優(yōu)秀。

2. 激光雷達(dá)在復(fù)雜交通環(huán)境下的適用性

2.1 激光雷達(dá)在環(huán)境感知中的重要作用

二維和三維激光雷達(dá)在無人駕駛中均有廣泛應(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。但二維激光雷達(dá)無法完成復(fù)雜路面地形環(huán)境，重建行駛環(huán)境時(shí)容易出現(xiàn)數(shù)據(jù)失真和虛報(bào)等現(xiàn)象。三維激光雷達(dá)則可以獲得環(huán)境的深度信息，準(zhǔn)確發(fā)現(xiàn)障礙物，構(gòu)建可行駛區(qū)域，在豐富的點(diǎn)云數(shù)據(jù)上可獲得包括車道、路沿等道路要素，還可獲得非結(jié)構(gòu)化道路的障礙物和可行駛區(qū)域，行駛環(huán)境中行人和車輛，交通信號燈和交通標(biāo)志等其他豐富信息。

1）激光雷達(dá)適用于道路環(huán)境檢測

向地面掃描的線激光雷達(dá)通過所獲得的信號強(qiáng)度處理和識別車道線信息。此外，通過三維激光雷達(dá)數(shù)據(jù)獲得路沿等信息，映射到 2D 網(wǎng)格與相機(jī)圖像信息融合處理，可以獲得路面的車道邊界。將激光雷達(dá)與相機(jī)視覺檢測的空間/時(shí)間數(shù)據(jù)融合，進(jìn)行車道估計(jì)與跟蹤，結(jié)合從地圖數(shù)據(jù)生成的車道曲率約束和可參考的車道等信息，則可以獲得高可信的車道估計(jì)。

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(jì)與分割。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，完成可行駛區(qū)域檢測。

2）激光雷達(dá)可用于行駛環(huán)境中的目標(biāo)檢測與跟蹤

通過對行駛環(huán)境中車輛周圍的各類目標(biāo)進(jìn)行有效檢測、跟蹤和預(yù)測，才能實(shí)現(xiàn)跟車、換道和交叉口通行等復(fù)雜場景下的安全自主駕駛。由于行駛環(huán)境的復(fù)雜性，特別是道路中交通擁擠等情況下，車輛間容易互相遮擋以及行人目標(biāo)較多且行走較難預(yù)測等，實(shí)現(xiàn)可靠的各類目標(biāo)檢測與跟蹤存在較大挑戰(zhàn)。

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(jì)與分割的基礎(chǔ)上，采用目標(biāo)聚類方法，通過柵格網(wǎng)疊加以及表面特征匹配，結(jié)合目標(biāo)尺度比較，可確認(rèn)跟蹤列表并進(jìn)行目標(biāo)跟蹤。其中，采用幾何模型和運(yùn)動(dòng)模型假設(shè)結(jié)合的方法進(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，結(jié)合目標(biāo)位置、速度以及速度方向的最優(yōu)估計(jì)，容易獲得周邊車輛和行人的可靠檢測。

3）激光雷達(dá)用于地圖構(gòu)建和定位

在自主駕駛過程中需要一個(gè)厘米級的高精度地圖，結(jié)合環(huán)境模型和傳感器場景和交通狀況感知，最后進(jìn)行駕駛決策。這其中，激光雷達(dá)起到了地圖采集、環(huán)境感知和輔助定位等功能。

通過采用激光雷達(dá)多次行駛獲取道路的三維點(diǎn)云數(shù)據(jù)，進(jìn)行人工標(biāo)注，過濾一些點(diǎn)云圖中的錯(cuò)誤信息，對多次收集的點(diǎn)云數(shù)據(jù)進(jìn)行對齊拼接最終形成高清地圖。所建立路面模型包含較全的交通標(biāo)志和交通信號燈，車道線位置、數(shù)量和寬度等，道路坡度和斜率等，還包括車道限高、下水道口、障礙物以及其他道路細(xì)節(jié)。既提供當(dāng)前道路的靜態(tài)環(huán)境模型，也可以通過預(yù)先存儲(chǔ)的點(diǎn)云和圖像特征數(shù)據(jù)來提供高精度定位。

通過局部點(diǎn)云匹配和全局點(diǎn)云匹配的位置估計(jì)方式，獲得給定的當(dāng)前位置情況下觀測到點(diǎn)云信息的概率分布，結(jié)合對當(dāng)前位置預(yù)測的概率分布，就可以提高無人車定位的準(zhǔn)確度。在點(diǎn)云匹配過程中，采用事先獲得的 3D 地圖和獲得的局部 3D 點(diǎn)云，通過頂視圖的正交投影，轉(zhuǎn)換為一個(gè)柵格化的 2D 反射率和高度網(wǎng)格圖，進(jìn)行兩者之間的地圖特征匹配計(jì)算，可獲得高置信率的位置估計(jì)。

2.2 面向無人駕駛應(yīng)用的激光雷達(dá)適用挑戰(zhàn)

1）影響激光雷達(dá)精度的外部因素

要想通過激光雷達(dá)精確獲得環(huán)境描述并不容易，影響其感知精度的外部因素包括天氣，車輛自身的運(yùn)動(dòng)狀態(tài)，隨機(jī)擾動(dòng)和傳感器安裝位置等。其中，雨雪天氣容易對激光雷達(dá)產(chǎn)生影響，同時(shí)周邊物體的反射率也影響其正常工作。車輛速度也對所獲得的激光點(diǎn)云數(shù)據(jù)質(zhì)量有一定影響，特別是高速行駛狀態(tài)下對激光雷達(dá)信息處理實(shí)時(shí)性要求較高。此外，由于車輛轉(zhuǎn)彎引起側(cè)傾等運(yùn)動(dòng)軌跡的變化，車輛輪胎的滑移及地面顛簸抖動(dòng)引起的一定隨機(jī)擾動(dòng)等，也對激光雷達(dá)傳感器形成的點(diǎn)云數(shù)據(jù)精度上有一定的影響。激光雷達(dá)的安裝位置及其俯仰角等，使之可能受到不同的環(huán)境干擾。

2）面向極端駕駛環(huán)境下的適用性

由于激光雷達(dá)主要依靠激光的漫反射來實(shí)現(xiàn)的測距，決定了其在環(huán)境感知方面也不是萬能的。霧霾天、大雨、大雪等極端天氣對激光雷達(dá)的檢測范圍、識別時(shí)間等都有較大影響，雖然少量雨或雪可以通過算法的優(yōu)化來進(jìn)行信息過濾處理。在雨雪和霧天等情況下，空氣中懸浮物會(huì)對激光發(fā)射和激光的反射檢測等環(huán)節(jié)產(chǎn)生影響，從而影響其檢測精度。雨或霧分布密度決定激光與之相撞概率，如圖 6 所示，隨著實(shí)驗(yàn)雨量增大，其最遠(yuǎn)探測距離線性下降。

激光傳感器在夜間表現(xiàn)良好，可在光線較弱情況下的自主行駛中發(fā)揮重要作用。福特搭載 4 個(gè) Velodyne32 線激光雷達(dá)的智能車在亞利桑那州沙漠測試區(qū)開展過測試，模擬自動(dòng)駕駛汽車在夜間車燈突然失靈的極限狀況下自動(dòng)駕駛的安全情況。而冰雪天氣，則是激光雷達(dá)感知的挑戰(zhàn)，道路因結(jié)冰或積雪而導(dǎo)致反射特性發(fā)生變化，導(dǎo)致激光雷達(dá)的檢測效果受到影響，從而影響到三維地圖的構(gòu)建；此外，由于積雪覆蓋也引起了道路環(huán)境的形狀和邊界發(fā)生變化。需要從算法層面對良好天氣下構(gòu)造的精準(zhǔn)地圖加以利用，在冰雪天氣結(jié)合已有的地圖完成順利的感知與規(guī)劃也很重要。

3. 面向無人駕駛的激光雷達(dá)產(chǎn)品集成化與智能化挑戰(zhàn)

現(xiàn)有的無人駕駛傳感器配置方案中一般都包括多個(gè) 2D 和 3D 的激光雷達(dá)，這些激光雷達(dá)大部分都不是專門針對車載應(yīng)用進(jìn)行開發(fā)，體積較大且價(jià)格昂貴。未來量產(chǎn)應(yīng)用的車載傳感器則要求小型化、集成化和智能化，便于安裝、便于標(biāo)定和使用、提供現(xiàn)有車載總線集成等功能，提高了了應(yīng)用適用性。總的來說，針對無人駕駛的應(yīng)用需求，現(xiàn)有激光雷達(dá)在產(chǎn)品設(shè)計(jì)和供應(yīng)鏈、小型化和集成化、智能化與算法服務(wù)等方面還有待于加強(qiáng)。

3.1 現(xiàn)有激光雷達(dá)面臨產(chǎn)品設(shè)計(jì)和供應(yīng)鏈的挑戰(zhàn)

國外激光雷達(dá)傳感器廠商主要有 Velodyne、Ibeo 和 Quanergy 等。與 Velodyne 進(jìn)行競爭的初創(chuàng)公司有德國 Ibeo，美國 Quanergy，以色列 Innoviz，美國 Aerostar，加拿大 LeddarTech，加拿大 Phantom Intelligence, 美國 TriLumina 等。

國內(nèi)也出現(xiàn)了車載激光雷達(dá)產(chǎn)品研究熱潮。北科天繪公司在今年 5 月就推出首款 16 線智能車用激光雷達(dá)（R-Fans16），有效探測距離大于 50m（ρ≥20%），掃描視場 360°，測距誤差優(yōu)于 5cm，并將在年底推出 32 線升級版本。隨后，禾賽科技、速騰聚創(chuàng)等國內(nèi)初創(chuàng)企業(yè)也推出類似激光雷達(dá)產(chǎn)品與樣機(jī)。

現(xiàn)有激光雷達(dá)在產(chǎn)品設(shè)計(jì)上面臨車規(guī)應(yīng)用嚴(yán)格要求，在供應(yīng)鏈上面臨規(guī)模量產(chǎn)的挑戰(zhàn)。需要通過改進(jìn)設(shè)計(jì)和核心器件的供應(yīng)，使得傳感器滿足規(guī)格且價(jià)格得到控制。在產(chǎn)品設(shè)計(jì)方面，要求激光雷達(dá)傳感器尺寸越小并且容易安裝在無人駕駛車上，需要將機(jī)械旋轉(zhuǎn)部件做到最小甚至不用旋轉(zhuǎn)器件。例如 Velodyne 和福特一起發(fā)布的 32 線半固態(tài)激光雷達(dá) Ultra Puck Auto，將旋轉(zhuǎn)部件做到內(nèi)部隱藏。Quanergy 的全固態(tài) S3 產(chǎn)品，使用相位矩陣技術(shù)，不存在旋轉(zhuǎn)部件。

在傳感器性能指標(biāo)方面，除了要求視場角覆蓋、角分辨率、檢測精度和距離等指標(biāo)之外，還要求信息采集處理的實(shí)時(shí)性。此外，要改變現(xiàn)有激光雷達(dá)生產(chǎn)中的緊密光學(xué)器件的校準(zhǔn)等繁瑣環(huán)節(jié)，減少標(biāo)定過程的人工介入，從而降低人工和器件的成本。

3.2 激光雷達(dá)傳感器的集成化和智能化挑戰(zhàn)

1）面向無人駕駛的激光雷達(dá)配置與安裝

如圖 10 所示，參加 2007 年 DARPA Urban Challenge 比賽的 Stanford 大學(xué)“Junior”無人車輛配備 2 個(gè)側(cè)向的 SICK LMS 291-S14 激光雷達(dá)和 1 個(gè)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(gè)車頂 64 線 Velodyne HDL-64E 激光雷達(dá)用于障礙物和移動(dòng)車輛檢測，形成水平方向 360 度和垂直方向 30 度視域的掃描數(shù)據(jù)，由車尾的 2 個(gè) SICK LDLRS 激光雷達(dá)和前保險(xiǎn)杠 2 個(gè) IBEO ALASCA XT 激光雷達(dá)進(jìn)行視野補(bǔ)充。5 個(gè)安裝在前格柵的 BOSCH 長距離雷達(dá)（LRR2）提供周圍移動(dòng)車輛的檢測信息。Junior 無人駕駛方案中，充分體現(xiàn)了激光雷達(dá)傳感器的重要性。

同樣，在 2016 年參加中國智能車未來挑戰(zhàn)賽的無人車，也大多安裝了高精度的多線激光雷達(dá)。車頂 64 或 32 線的 Velodyne 激光雷達(dá)，前向不同角度的攝像頭分別負(fù)責(zé)車道線、行人、紅綠燈。前臉保險(xiǎn)杠處增加 4 線或 8 線激光雷達(dá)以及毫米波雷達(dá)，車尾配置毫米波雷達(dá)用于變道輔助。百度在本月的烏鎮(zhèn)互聯(lián)網(wǎng)大會(huì)上展示最新的無人駕駛車輛，在車輛頂部有 64 線激光雷達(dá)、3 個(gè)環(huán)繞車頂?shù)?16 線激光雷達(dá)、位于車頂前方的兩個(gè)視覺識別攝像頭、以及車前方的毫米波雷達(dá)組成，輔以 GPS 高精度地圖在車載計(jì)算中心的控制下，實(shí)現(xiàn)無需人類操作決策的機(jī)器自動(dòng)駕駛。

激光雷達(dá)的嵌入式安裝方式容易導(dǎo)致的傳感器檢測范圍受到遮擋，需要采用多點(diǎn)布置的方式進(jìn)行檢測視角覆蓋。車頂安裝的 64 線激光雷達(dá)可以形成 60 米左右 360 度視角覆蓋，車輛正前方、正后方、左前方和右前方安裝的 4 線、8 線激光雷達(dá)。安裝在險(xiǎn)杠附近的前向方低線束 4～8 線的長距激光雷達(dá)，用于檢測遠(yuǎn)距的前方車輛和障礙物等信息。安裝在車輛左右兩側(cè)（車頂側(cè)或車尾側(cè)）的激光雷達(dá)，可以對側(cè)向車輛、障礙物、車道和路沿等路面進(jìn)行檢測，形成視角的覆蓋與冗余。在現(xiàn)有技術(shù)基礎(chǔ)上，如能將激光雷達(dá)與車載其他傳感器進(jìn)一步集成，則可簡化方案，如圖 12 所示。

2）面向無人駕駛的激光雷達(dá)智能化挑戰(zhàn)

激光雷達(dá)傳感器如果能夠結(jié)合傳感器特點(diǎn)進(jìn)行原始數(shù)據(jù)的預(yù)處理，提供云數(shù)據(jù)處理結(jié)果，提供從硬件到處理軟件的一體化方案，有效降低用戶門檻，提高應(yīng)用廣度。Velodyne 輸出的原始數(shù)據(jù)中，除了位置和距離信息，還包括目標(biāo)反射密度信息。如果廠家能提供進(jìn)一步的算法，判斷出目標(biāo)的反射率信息，用于輔助目標(biāo)的識別，例如確定眾多檢測目標(biāo)中的交通標(biāo)志牌。再結(jié)合相機(jī)有針對性地識別標(biāo)志牌內(nèi)容，則可以減少算法成本。Ibeo 的軟件方案則包括算法端設(shè)計(jì)，可直接輸出周圍車輛、行人、障礙物、路面等檢測到的環(huán)境信息。

4. 激光雷達(dá)傳感器的標(biāo)定與測試

4.1 ?激光雷達(dá)參數(shù)與繁瑣的標(biāo)定過程

大部分激光雷達(dá)中，通過電控掃描方式控制線陣中每個(gè)激光二極管（Laser Diode – LD）發(fā)射脈沖激光，經(jīng)發(fā)射光路整形，激光脈沖到達(dá)目標(biāo)表面并返回，經(jīng)接收光路接收，聚焦到對應(yīng)光電傳感器（APD）并轉(zhuǎn)換為電信號，電信號處理，測距、測灰度；激光探測模塊中 32 元通過電控掃描在豎直方向次第測量，同時(shí)圍繞豎直軸做 360°旋轉(zhuǎn)掃描；所采集原始數(shù)據(jù)計(jì)算生成激光三維點(diǎn)云，數(shù)據(jù)上傳并實(shí)現(xiàn)對激光點(diǎn)云數(shù)據(jù)同步處理。其中，多個(gè)步驟涉及精密光學(xué)器件的調(diào)校，光學(xué)收發(fā)透鏡需要精確設(shè)計(jì)，這些環(huán)節(jié)比較費(fèi)時(shí)費(fèi)力。

1）車載激光雷達(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(gè)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。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，結(jié)合雷達(dá)的俯仰角和側(cè)傾角，再將其統(tǒng)一轉(zhuǎn)換到車輛坐標(biāo)系下。如果有多個(gè)車載激光雷達(dá)，為了能夠得到統(tǒng)一形式的環(huán)境信息，需要確立統(tǒng)一的車輛坐標(biāo)系，并把所有激光雷達(dá)的數(shù)據(jù)轉(zhuǎn)換到該坐標(biāo)系下。

2）多線激光雷達(dá)的外部參數(shù)

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(gè)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(gè)垂直平面內(nèi)。因此，對應(yīng)每個(gè)激光器都有一組校準(zhǔn)標(biāo)定參數(shù)，通過標(biāo)定方法對參數(shù)進(jìn)行標(biāo)定，即每個(gè)激光束的位置和方向的參數(shù)估計(jì) [3]。以 Velodyne HDL – 64E 激光雷達(dá)為例，出廠時(shí)對每束激光校準(zhǔn)參數(shù)都已進(jìn)行標(biāo)定，但在使用時(shí)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，可將每條激光束返回的距離值 和當(dāng)前激光雷達(dá)的旋轉(zhuǎn)角度 轉(zhuǎn)化為激光雷達(dá)坐標(biāo)系中的笛卡爾坐標(biāo) 。

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(gè)參數(shù)進(jìn)行建模。然后通過 5 個(gè)參數(shù)將每條激光返回的距離值轉(zhuǎn)換為 3D 點(diǎn)坐標(biāo) [11]，包括距離校正因子 ，垂直偏移量 ，水平偏移量 ，垂直校正角 和旋轉(zhuǎn)校正角 。

3）多線激光雷達(dá)的標(biāo)定

激光雷達(dá)外部參數(shù)包括激光雷達(dá)的俯仰角與側(cè)傾角等，通常可采用等腰直角三角標(biāo)定板、正方形標(biāo)定板、標(biāo)定箱等工具結(jié)合標(biāo)定程序完成外部參數(shù)確定。但是，這類外部參數(shù)標(biāo)定方法還依賴于標(biāo)定板等工具，最好能夠?qū)崿F(xiàn)自動(dòng)標(biāo)定方法，例如已有研究中的交互信息最大化外部自動(dòng)標(biāo)定法；激光攝像頭融合的邊緣對齊聯(lián)合自動(dòng)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 [9]。如圖 7 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 線段以及一組從圖像獲得的 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(jì)的優(yōu)化解，來獲得外部標(biāo)定參數(shù)。

4）攝像機(jī)和激光雷達(dá)聯(lián)合標(biāo)定

通過提取標(biāo)定物在單線激光雷達(dá)和圖像上的對應(yīng)特征點(diǎn)來進(jìn)行攝像機(jī)外部參數(shù)的標(biāo)定，從而完成單線激光雷達(dá)坐標(biāo)、攝像機(jī)坐標(biāo)、圖像像素坐標(biāo)等多個(gè)傳感器坐標(biāo)的統(tǒng)一，實(shí)現(xiàn)激光雷達(dá)與攝像機(jī)的空間對準(zhǔn)。

激光雷達(dá)、攝像機(jī)與無人駕駛汽車為剛性連接，因此在同一空間內(nèi)，每個(gè)激光雷達(dá)的掃描數(shù)據(jù)點(diǎn)都在圖像空間中存在唯一對應(yīng)點(diǎn)。通過建立合理的激光雷達(dá)坐標(biāo)系與攝像機(jī)坐標(biāo)系，利用激光雷達(dá)掃描點(diǎn)與攝像機(jī)圖像的空間約束關(guān)系，即可求解兩坐標(biāo)系的空間變換關(guān)系，從而完成激光雷達(dá)與攝像機(jī)的空間對準(zhǔn)，實(shí)現(xiàn)激光雷達(dá)數(shù)據(jù)與可見光圖像的關(guān)聯(lián)。在此，激光雷達(dá)與攝像機(jī)的空間對準(zhǔn)問題就轉(zhuǎn)變?yōu)樵诮o定雷達(dá)圖像對應(yīng)點(diǎn)的情況下的函數(shù)擬合問題。

利用標(biāo)定箱，通過對掃描形狀的判斷，可手工選取出其掃描到標(biāo)定箱邊界的激光點(diǎn)并提取出該點(diǎn)坐標(biāo)。標(biāo)定箱的棱角在攝像機(jī)中成像清晰，容易獲取。通過多次改變標(biāo)定箱的遠(yuǎn)近和方位，使其位置盡可能地均勻分布在圖像分辨率范圍內(nèi)的各個(gè)位置，而通過采集多幀同步后的圖像和激光雷達(dá)掃描數(shù)據(jù)，即可獲得多組圖像雷達(dá)對應(yīng)點(diǎn)對。

同樣，現(xiàn)有的研究也集中在解決參數(shù)的自動(dòng)標(biāo)定問題。例如，基于邊緣對齊的外部參數(shù)聯(lián)合自動(dòng)校準(zhǔn)和融合的激光雷達(dá)與相機(jī)自動(dòng)標(biāo)定技術(shù)，以及其他相機(jī)與激光雷達(dá)的在線標(biāo)定技術(shù)，還有助于克服傳感器漂移和擾動(dòng)校正等。

4.2 ?激光雷達(dá)測試技術(shù)：突破應(yīng)用場景限制

1）車載激光雷達(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。

車載激光雷達(dá)的測試包括：

（1）車用激光雷達(dá)設(shè)備性能測試，包括振動(dòng)測試、溫度測試、環(huán)境測試、計(jì)量精度測試、回波強(qiáng)度測試、數(shù)據(jù)一致性及完整性測試等。

（2）車用激光雷達(dá)常用指標(biāo)測試，包括設(shè)備的測量幀率、點(diǎn)頻率穩(wěn)定性；水平角視場大小，水平角分辨率；垂直角視場大小，垂直角分辨率；距離分辨率、測距誤差和不同反射率的固定大小目標(biāo)的探測距離等。測試設(shè)備系統(tǒng)啟動(dòng)時(shí)間，目標(biāo)的檢出時(shí)間等。除了上述常用指標(biāo)之外，還將就激光雷達(dá)工作的自車速度范圍，檢測對象目標(biāo)大小，目標(biāo)反射率、目標(biāo)檢出率等指標(biāo)進(jìn)行測試。此外，還將一級指標(biāo)細(xì)化為二級評測指標(biāo)，例如檢測距離的二級指標(biāo)包括目標(biāo)最大測距，目標(biāo)有效檢測距離，目標(biāo)分類距離，目標(biāo)最佳分類距離等。

（3）車用激光雷達(dá)檢測信息豐度測試，包括車用激光雷達(dá)檢測信息豐度測試，涵蓋目標(biāo)檢測完整度和精確度測試。目標(biāo)列表包括可行駛區(qū)域內(nèi)的結(jié)構(gòu)化和非結(jié)構(gòu)化路面、路沿，周邊其他車輛和非機(jī)動(dòng)車輛，行人，動(dòng)態(tài)和靜態(tài)障礙物目標(biāo)等。

2）車載激光雷達(dá)的測試方法

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。

在自主駕駛模擬器中建立激光雷達(dá)傳感器接口，將激光雷達(dá)采集的測試環(huán)境數(shù)據(jù)或者仿真軟件生成的測試數(shù)據(jù)，輸入自主駕駛仿真器中，在仿真軟件中還原真實(shí)或者仿真的測試場景，從而開展激光雷達(dá)傳感器的平行測試。結(jié)合仿真模擬測試與實(shí)際環(huán)境測試虛實(shí)聯(lián)動(dòng)的測評方法，對激光雷達(dá)進(jìn)行完整評測。

3）智能車中心開展的車載激光雷達(dá)測試工作

中國智能車綜合技術(shù)研發(fā)與測試中心匯聚了多家智能車研發(fā)單位，致力于開展智能車輛設(shè)計(jì)、標(biāo)準(zhǔn)制定和功能測試等工作。此外，結(jié)合智能車中心的基礎(chǔ)設(shè)施，結(jié)合仿真環(huán)境、在環(huán)測試技術(shù)和實(shí)際模擬環(huán)境，針對激光雷達(dá)、毫米波雷達(dá)、相機(jī)視覺感知、慣性導(dǎo)航等各類車載傳感器開展平行測試工作，提供傳感器的適用邊界確定和驅(qū)動(dòng)功能集成，通過與各類傳感器產(chǎn)商保持密切合作，可快速加快傳感器成熟應(yīng)用進(jìn)程，有助于加速智能車輛開發(fā)。

5. 總結(jié)

激光雷達(dá)是實(shí)現(xiàn)無人駕駛的重要傳感器，由于其功能特性可以在復(fù)雜交通環(huán)境的感知中起到關(guān)鍵作用，越來越受高度重視，國內(nèi)外紛紛投入研發(fā)。通過與其他車載傳感器實(shí)現(xiàn)信息融合，可適用于復(fù)雜交通環(huán)境感知。此外，激光雷達(dá)還廣泛用于 3 維地圖建立和輔助定位中。本文通過現(xiàn)有激光雷達(dá)的技術(shù)描述，介紹它在環(huán)境感知中的關(guān)鍵作用，分析了激光雷達(dá)在無人駕駛應(yīng)用中的適用性和需要突破之處，介紹了激光雷達(dá)標(biāo)定和測試等技術(shù)，后續(xù)將陸續(xù)綜述毫米波雷達(dá)、相機(jī)視覺和慣性導(dǎo)航等傳感器在無人駕駛中的應(yīng)用，文章可以作為相關(guān)技術(shù)應(yīng)用有益參考。