幾年前，激光雷達還只應用在軍事應用領域，而現在這一技術已經逐漸滲透到了消費級市場。市面上的機器人、無人機以及已經上路測試的無人駕駛汽車中都能看到激光雷達的身影。尤其是無人駕駛領域，因為谷歌無人駕駛汽車率先采用了Velodyne 64線激光雷達，業(yè)界對激光雷達的關注度持續(xù)上升，激光雷達正式迎來了自己的高光時刻，有業(yè)內人士稱，激光雷達已經是無人駕駛汽車的標配。
那么激光雷達是如何讓機器看見世界的？應用于無人駕駛汽車的激光雷達又是如何識別行人并且實現壁障功能的呢？它又有什么樣的瓶頸？一起來看看速騰聚創(chuàng)CEO邱純鑫帶來的分享！
幾百和幾十萬的激光雷達
三維重建方式主要有兩種，一類是視覺方式，另外一類就是激光雷達?？梢哉f這兩種技術是各有優(yōu)缺點，二者的應用場景也有很大的差異。
利用視覺方式進行三維重建的優(yōu)點是可以獲得豐富的信息量、而且價格低廉、體積小、實時性也好。但它也有非常致命的缺陷，即容易受光照影響、測量距離近（一般不會超過10米）。
視覺測量可以分為單目+結構光及雙目測量方式。例如，大疆用的是雙目視覺的方式進行測距；而昊翔用的是單目+結構光 （realsense）相同的技術。
另一方面，激光雷達的測量方式幾乎與視覺方式形成了互補，它的優(yōu)勢在于測量精度高、測量距離遠、穩(wěn)定且對周圍環(huán)境適應性強，所以激光雷達非常適合在室外場合使用。不過任何一種方案都不是完美的，激光雷達也存在無法感知無距離差異的平面內目標信息、體積較大、價格比較昂貴的缺點。
激光雷達作為已經市場化的一項技術，其應用場景有很多。而針對不同的應用場合可以做出不同的產品，這里我們可以將激光雷達分為兩類——實時性激光雷達和非實時性激光雷達。非實時三維激光雷達可以做到全方位水平360度，垂直270度掃描，精度達到毫米級別。它主要用在建筑、橋梁、考古等領域，這些領域不要求實時，但要求精度高，全方位。
而實時三維激光雷達也叫多線或者多層激光雷達，是通過多個激光發(fā)射器和接收器，在一個維度上的高度旋轉。更新頻率可以達到10Hz。但垂直方向的視場角很小，只有20度左右。垂直方向的點分辨率也比較稀疏。主要應用在無人駕駛等實時性要求高、精度要求不高的領域，一般情況下精度做到厘米級就可以了。
區(qū)別
激光雷達本身應用場景就多，而這些場景對產品的性能也有不同的需求，所以使用的方案原理也是大相徑庭。
比如掃地機器人采用的激光雷達測量距離近（5-6米），精度要求不高，測量速率低。一般都是幾千個點每秒。廠商一般采取的是三角測距的方案，這種技術的門檻不高，硬件成本也低，這就是為什么它的價格會相對較便宜。
無人駕駛對激光雷達的要求非常苛刻，首先，需要測量距離足夠遠，通常情況下要達到100-120米，精度則在厘米級；其次，測速要求也高，單個激光發(fā)射的速率要達到幾萬個點每秒，通過多個激光發(fā)射器達到實時環(huán)境感知的目的。這種激光雷達屬于脈沖測距方式。相比三角測距方案，它的成本會要高得多，開發(fā)難度也大。像速騰現在應用在建筑、橋梁領域上的SEEKER系列，測量距離100米，測距精度達到毫米級，單個激光頭達到幾萬次測量，采用的就是這種方案。
無人駕駛汽車的“眼睛”
參數指標
測量距離、測量精度、測量速率、角度分辨率是決定三維激光雷達性能的幾個重要指標。
例如，在無人駕駛汽車這個應用領域，對激光雷達的探測距離是有要求的。比如說高速公路上要能夠檢測到前方車輛，還有在十字路口上，要能夠觀測馬路對面的汽車。
有趣的是，精度不是越高越好。激光雷達獲取的的數據可以進行障礙物識別、動態(tài)物體檢測及定位，如果精度太差就無法達到以上目的；但是，精度太好也有問題，高精度對激光雷達的硬件提出很大的要求，計算量會非常大，成本也會非常高。所以精度應該是適中就好。
還有一點不能忽視的是角分辨率，角分辨率決定打出去后的兩個激光點之間的距離。單點測距精度達到后，如果打到物體表面兩點間距離（點位）太遠，測距精度也就失去意義了。
如何避障
無人駕駛汽車之所以不需要駕駛員其操作，就是因為它能自動識別道路信息和行人并且能夠自動控制汽車完成壁障等功能。實現這些的前提是利用激光雷達獲取到的環(huán)境信息，接下來就要指導無人駕駛汽車，實現輔助駕駛或自動駕駛。這其中的關鍵技術是激光點云后處理算法。
首先，通過激光雷達獲取到三維點去數據后。進行點云分離，然后進行聚類，一般都是通過計算相鄰兩個激光點間的距離來決定是否屬于同一類。聚類完之后進行障礙物識別。識別也障礙物之后，進行前后兩頻對比，可以識別是靜態(tài)障礙物還是動態(tài)障礙物。動態(tài)障礙物也可以計算出運動速度等。
結合無人駕駛汽車當前的位置信息，計算出避障所需的最小安全距離，達到壁障功能。
如果按現在用在無人駕駛上的多線激光雷達，一秒出點數兩百多萬，算起來就有幾十MB數據量，這些數據需要進行實時處理，對硬件及算法提出了很高的要求。
挑戰(zhàn)點
因為激光雷達自身穿透性較差，所以如果在惡劣的環(huán)境下，性能會大打折扣。但這并不是一個無解的難題，我們可以采用多傳感器融合技術。如將激光雷達配合毫米波雷達，雖然毫米波雷達精度不高、視場小，但測量距離遠，可以達到200米，也可以在雨天及下雪天氣使用。激光雷達和毫米波雷達融合剛好彌補了各自的短板。
穩(wěn)定性
實際上，降低線數或者固態(tài)雷達不會影響到穩(wěn)定性，相反固態(tài)雷達會提高產品穩(wěn)定性。降低線數雖然體積減少，但會減少在垂直方向的感知范圍或者減弱垂直方向的分辨率。因態(tài)激光雷達則減少了水平方向的感知范圍。小型化、低成本、提高穩(wěn)定性是大勢所趨。
不過，最佳的解決方案應該是走小型化、低成本而又不減弱性能的方向。比如混合固態(tài)或者多個固態(tài)配合使用等都是不錯的解決方案。
目前國外主流的激光雷達生產廠家，Velodyne采取的是激光發(fā)射、接收一起旋轉的方式；IBEO采取的是固定激光光源，通過內部玻璃片旋轉的方式改變激光光束方向，實現多角度檢測的需要；Quanergy采取相控陣技術，內部不存在任何旋轉部件。
防御黑客攻擊
激光雷達發(fā)出去的激光本身是沒有編碼的。所以接收器自己本身是沒辦法識別到底這束光線是它隔壁發(fā)射器發(fā)射出去的還是干擾信號。
黑客攻擊指的是采取模擬車輛、行人的信號，反饋給激光雷達造成周圍存在障礙物假象的攻擊手法。最終會導致汽車被強制減速或者剎車。
對激光雷達廠商而言，可以從兩個角度去抵御黑客的攻擊。
如果提高激光發(fā)射頻率，高速激光發(fā)射頻率在幾個微秒，黑客的模擬信號就很難選擇什么時候去發(fā)射干擾信號為接收器接收。另外，通過算法做一些錯誤判斷，參考之前幾頻數據過濾掉干擾數據。
離我們還有多遠
首先是技術要繼續(xù)完善，其次是成本問題（特別是激光雷達），最后是政策問題。國際車企普遍計劃在2020年左右量產可在高速公路等特定路況下的自動駕駛汽車。更多的車企及互聯網巨頭參與進來，會更大加快商用、量產的速度。
轉載請注明出處。
相關文章
熱門資訊
精彩導讀
關注我們
