激光SLAM学习--多种类激光雷达介绍（单线、多线）
參考：https://zhuanlan.zhihu.com/p/33792450
前言
?
上一次的分享里，我介紹了一個重要的感知傳感器——攝像機。攝像機作為視覺傳感器，能為無人車提供豐富的感知信息。但是由于本身感知原理的缺陷，導致攝像機的測距并不是那么準確。
?
工程師們為了解決測距的問題，引入了激光傳感器。這就是我們常在Level 3級別以上的無人車上看到的設備。比如通用用于研究Level 4級別自動駕駛技術的Bolts，就在車頂上頂了好多激光雷達。
圖片出處：http://www.igao7.com/news/201801/KCdcdMqsSQPxaxNF.html?from=114
正文
?
激光雷達的原理
?
如下圖所示，激光雷達的發射器發射出一束激光，激光光束遇到物體后，經過漫反射，返回至激光接收器，雷達模塊根據發送和接收信號的時間間隔乘以光速，再除以2，即可計算出發射器與物體的距離。
圖片出處：http://slideplayer.com/slide/7103535/
?
激光雷達的分類
?
激光雷達根據安裝位置的不同，分類兩大類。一類安裝在無人車的四周，另一類安裝在無人車的車頂。
?
安裝在無人車四周的激光雷達，其激光線束一般小于8，常見的有單線激光雷達和四線激光雷達。
?
安裝在無人車車頂的激光雷達，其激光線束一般不小于16，常見的有16/32/64線激光雷達。
?
單線激光雷達圖片出處：http://robotsforroboticists.com/sick-lms511-lidar-review/
單線激光雷達是目前成本最低的激光雷達。成本低，意味著量產的可能性大。
?
前兩天朋友圈刷屏的“北京首個自動駕駛測試場啟用”新聞中出現的福田自動駕駛汽車就使用了4個單線激光雷達，分別布置于無人車的前后左右，用于車身周圍障礙物的檢測，如下圖。
?
單線激光雷達的原理可以通過下圖理解。
圖片出處：http://www.mdpi.com/1424-8220/16/6/933/htm
單束激光發射器在激光雷達內部進行勻速的旋轉，每旋轉一個小角度即發射一次激光，輪巡一定的角度后，就生成了一幀完整的數據。因此，單線激光雷達的數據可以看做是同一高度的一排點陣。
?
單線激光雷達的數據缺少一個維度，只能描述線狀信息，無法描述面。如上圖，可以知道激光雷達的面前有一塊紙板，并且知道這塊紙板相對激光雷達的距離，但是這塊紙板的高度信息無從得知。
?
四線激光雷達如上圖所示，四線激光雷達基本都像這樣。
?
全新的奧迪A8為了實現Level 3級別的自動駕駛，也在汽車的進氣格柵下布置的四線激光雷達ScaLa。
有了之前單線激光雷達的原理介紹，四線激光雷達的工作原理就很容易理解了。
?
如下圖所示，不同的顏色代表不同的激光發射器。
圖片出處：https://www.youtube.com/watch?v=lj5B2g4MyMM
?
四線激光雷達將四個激光發射器進行輪詢，一個輪詢周期后，得到一幀的激光點云數據。四條點云數據可以組成面狀信息，這樣就能夠獲取障礙物的高度信息。
?
根據單幀的點云坐標可得到障礙物的距離信息。
?
根據多幀的點云的坐標，對距離信息做微分處理，可得到障礙物的速度信息。
?
實際應用時，在購買激光雷達的產品后，其供應商也會提供配套的軟件開發套件（SDK，Software Development Kit），這些軟件開發套件能很方便地讓使用者得到精準的點云數據，而且為了方便自動駕駛的開發，甚至會直接輸出已經處理好的障礙物結果。
?
如下圖綠的的矩形框即為障礙物相對于自車的位置，矩形框的前端有個小三角，表示障礙物的運動方向。
?
16/32/64線激光雷達圖片出處：http://velodynelidar.com/news.php
16/32/64線的激光雷達的感知范圍為360°，為了最大化地發揮他們的優勢，常被安裝在無人車的頂部。
?
三款激光雷達的技術參數和成本如下圖。（更多Velodyne激光雷達的技術資料/使用手冊等，可在公眾微信號?自動駕駛干貨鋪?里回復?Velodyne?獲取）
圖片出處：http://auto.qq.com/a/20170609/058173.htm
?
360°的激光數據可視化后，就是大家經常在各種宣傳圖上看到的效果，如下圖。
圖中的每一個圓圈都是一個激光束產生的數據，激光雷達的線束越多，對物體的檢測效果越好。比如64線的激光雷達產生的數據，將會更容易檢測到路邊的馬路牙子。
?
16/32/64線的激光雷達只能提供原始的點云信號，沒有對應的SDK直接輸出障礙物結果。因此各大自動駕駛公司都在點云數據基礎上，自行研究算法完成無人車的感知工作。
?
激光雷達的數據
?
激光雷達的點云數據結構比較簡單。以N線激光雷達為例來講解點云的數據結構。
?
在實際的無人駕駛系統中，每一幀的數據都會有時間戳，根據時間戳進行后續和時間有關的計算（如距離信息的微分等）。因此N線激光雷達的點云數據結構如下圖。
每一線點云的數據結構又是由點云的數量和每一個點云的數據結構組成。由于激光雷達的數據采集頻率和單線的點云數量都是可以設置的，因此1線點云數據中需要包含點云數量這個信息。
最底層的是單個點云的數據結構。點的表達既可以使用theta/r的極坐標表示，也可以使用x/y/z的3維坐標表示。
?
每個點云除了坐標外，還有一個很重要的元素，那就是激光的反射強度。激光在不同材料上的反射強度是不一樣的。以3維坐標的表示方法為例，單個點云的數據結構如下圖。X/Y/Z方向的偏移量是以激光雷達的安裝位置作為原點。
?
激光雷達能做什么？
?
激光雷達點云數據的一般處理方式是：數據預處理（坐標轉換，去噪聲等），聚類（根據點云距離或反射強度），提取聚類后的特征，根據特征進行分類等后處理工作。
?
以百度Apollo 2.0目前已開放的功能為例，看看激光雷達能完成哪些工作。
?
障礙物檢測與分割圖片出處：http://data.apollo.auto/?locale=zh-cn&lang=en
利用高精度地圖限定感興趣區域（ROI，Region of Interest）后，基于全卷積深度神經網絡學習點云特征并預測障礙物的相關屬性，得到前景障礙物檢測與分割。
?
可通行空間檢測利用高精度地圖限定ROI后，可以對ROI內部（比如可行駛道路和交叉口）的點云的高度及連續性信息進行判斷點云處是否可通行。
?
高精度電子地圖制圖與定位利用多線激光雷達的點云信息與地圖采集車載組合慣導的信息，進行高精地圖制作。自動駕駛汽車利用激光點云信息與高精度地圖匹配，以此實現高精度定位。
?
障礙物軌跡預測根據激光雷達的感知數據與障礙物所在車道的拓撲關系（道路連接關系）進行障礙物的軌跡預測，以此作為無人車規劃（避障、換道、超車等）的判斷依據。
小結
?
當前人工智能的算法還不夠成熟，純視覺傳感器的無人駕駛方案在安全性上還存在較多問題，因此現階段的無人車的開發還離不開激光雷達。強如Google，目前不也還沒開發出脫離激光雷達的自動駕駛方案么。
?
不過成本是激光雷達普及所遇到的最大問題。畢竟一款比車還貴的傳感器是車企無法接受的。激光雷達的降本路任重道遠啊。
總結
以上是生活随笔為你收集整理的激光SLAM学习--多种类激光雷达介绍（单线、多线）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Python-OpenCV--USB摄像
- 下一篇： SCI论文写作--工科学生如何入门搞科研