歡迎來到課程的模塊四。 在本模塊中，我們將討論 LIDAR， 或光檢測和測距傳感器。

激光雷達(dá)一直是自動(dòng)駕駛汽車的一項(xiàng)使能技術(shù)，因?yàn)樗梢?看到各個(gè)方向并且能夠 提供非常準(zhǔn)確的范圍信息。

事實(shí)上，除了少數(shù)例外， 當(dāng)今道路上的大多數(shù)自動(dòng)駕駛汽車都是 配備某種類型的激光雷達(dá)傳感器。

在本模塊中，您將了解 激光雷達(dá)傳感器的工作原理， 用于處理 LIDAR 數(shù)據(jù)和 LIDAR 點(diǎn)云的基本傳感器模型， 應(yīng)用于點(diǎn)云的不同類型的變換操作， 以及我們?nèi)绾问褂?LIDAR 進(jìn)行本地化 使用稱為點(diǎn)云注冊(cè)的技術(shù)的自動(dòng)駕駛汽車。

在這個(gè)視頻中， 我們將探索激光雷達(dá)的工作原理和 查看 2D 和 3D 激光雷達(dá)的傳感器模型。

我們還將描述來源 這些傳感器的測量噪聲和誤差。

在以后的課程中，我們將更詳細(xì)地討論如何使用 用于自動(dòng)駕駛車輛狀態(tài)估計(jì)的 LIDAR 數(shù)據(jù)。

如果你見過像這樣的自動(dòng)駕駛汽車 Waymo 汽車或優(yōu)步汽車， 您可能已經(jīng)注意到車頂上有東西在旋轉(zhuǎn)。

那個(gè)東西是激光雷達(dá)， 或光檢測和測距傳感器， 它的工作是提供 車輛周圍環(huán)境的詳細(xì) 3D 掃描。

事實(shí)上，激光雷達(dá)是最常用的傳感器之一 自動(dòng)駕駛汽車和許多其他類型的移動(dòng)機(jī)器人。

激光雷達(dá)有許多不同的形狀和尺寸， 并且可以測量到單個(gè)點(diǎn)的距離， 世界的二維切片， 或執(zhí)行完整的 3D 掃描。

今天使用的一些最流行的模型是 由加利福尼亞的 Velodyne 等公司制造， 日本的Hokuyo和德國的SICK。

在本視頻中，我們將主要關(guān)注 Velodyne 傳感器作為我們的選擇示例， 但基本技術(shù)也適用于其他類型的激光雷達(dá)。

在我們深入了解 LIDAR 傳感的本質(zhì)之前， 讓我們快速瀏覽一下這個(gè)重要傳感器的歷史。

激光雷達(dá)于 1960 年代首次推出， 激光發(fā)明后不久。

最早使用激光雷達(dá)的群體是氣象學(xué)家 在美國國家大氣研究中心， 誰部署了激光雷達(dá)來測量云頂?shù)母叨取?/p>

這些基于地面的云高儀仍處于 今天不僅用于測量水云， 還能檢測火山灰和空氣污染。

機(jī)載 LIDAR 傳感器如今通常用于 為農(nóng)業(yè)調(diào)查和繪制地球表面， 地質(zhì)、軍事和其他用途。

但最先帶來激光雷達(dá)的應(yīng)用 進(jìn)入公眾意識(shí)的是阿波羅 15 號(hào)， 第四次載人登月任務(wù)， 并且第一個(gè)使用激光高度計(jì)繪制月球表面圖。

所以，我們已經(jīng)看到 LIDAR 可用于 測量距離并創(chuàng)建某種類型的地圖， 但它們實(shí)際上是如何工作的， 我們?nèi)绾卧谧詣?dòng)駕駛汽車上使用它們？

要在一維中構(gòu)建一個(gè)基本的 LIDAR， 你需要三個(gè)組件； 一個(gè)激光器，一個(gè)光電探測器， 和一個(gè)非常精確的秒表。

激光首先發(fā)射一個(gè)短脈沖光，通常在 沿某些已知射線方向的近紅外頻段。

與此同時(shí)，秒表開始計(jì)數(shù)。

激光脈沖從傳感器向外傳播 光速并擊中遠(yuǎn)處的目標(biāo)。

也許我們前面的另一輛車在路上或 靜止的物體，如停車標(biāo)志或建筑物。

只要目標(biāo)物的表面不太拋光或發(fā)亮， 激光脈沖會(huì)從表面向各個(gè)方向散射， 一些反射光會(huì) 沿著原始光線方向返回。

光電探測器捕捉到返回脈沖，秒表告訴你 什么時(shí)候過去了多少時(shí)間 脈搏先滅了又回來了。

該時(shí)間稱為往返時(shí)間。

現(xiàn)在，我們知道光速， 這略低于每秒 3 億米。

所以，我們可以將光速乘以往返時(shí)間 確定激光脈沖行進(jìn)的總往返距離。

由于光的傳播速度比汽車快得多， 將 LIDAR 和目標(biāo)視為是一個(gè)很好的近似 在幾納秒內(nèi)有效靜止 這一切都需要發(fā)生。

這意味著從 LIDAR 到目標(biāo)的距離很簡單 我們剛剛計(jì)算的往返距離的一半。

這種技術(shù)稱為飛行時(shí)間測距。

雖然這不是構(gòu)建激光雷達(dá)的唯一方法， 這是一個(gè)非常常見的方法，也被用于 其他類型的測距傳感器，如雷達(dá)和聲納。

值得一提的是 光電探測器還會(huì)告訴你強(qiáng)度 相對(duì)于發(fā)射脈沖強(qiáng)度的返回脈沖。

這種強(qiáng)度信息不太常用于自動(dòng)駕駛， 但它提供了一些關(guān)于幾何形狀的額外信息 光束反射的環(huán)境和材料。

那么，為什么強(qiáng)度數(shù)據(jù)有用？

在某種程度上，事實(shí)證明可以從以下位置創(chuàng)建 2D 圖像 然后您可以使用相同的激光雷達(dá)強(qiáng)度??數(shù)據(jù) 您將在下一課程中學(xué)習(xí)的計(jì)算機(jī)視覺算法。

由于激光雷達(dá)是它自己的光源， 它實(shí)際上為自動(dòng)駕駛汽車提供了一種在黑暗中看東西的方法。

所以，現(xiàn)在我們知道如何測量單個(gè)距離到 使用激光、光電探測器的單點(diǎn)， 一個(gè)秒表和飛行時(shí)間方程， 但顯然留下來是不夠的 激光聚焦在前方的一個(gè)點(diǎn)上。

那么，我們?nèi)绾问褂眠@種技術(shù)來衡量 2D 或 3D 中的一大堆距離？

訣竅是在激光雷達(dá)中構(gòu)建一個(gè)旋轉(zhuǎn)鏡 沿不同方向引導(dǎo)發(fā)射的脈沖。

隨著鏡子的轉(zhuǎn)動(dòng)， 您可以測量傳感器周圍 2D 切片中點(diǎn)的距離。

如果你再添加一個(gè)上下點(diǎn)頭的動(dòng)作 隨著旋轉(zhuǎn)到鏡子， 您可以使用相同的原理來創(chuàng)建 3D 掃描。

對(duì)于 Velodyne 型激光雷達(dá)， 鏡子沿著整個(gè)傳感器主體旋轉(zhuǎn)， 使用打結(jié)動(dòng)作進(jìn)行 3D 掃描要困難得多。

相反，這些傳感器實(shí)際上會(huì)產(chǎn)生 來自一系列的多條二維掃描線 以固定角度間隔隔開的單個(gè)激光器， 這有效地讓你畫畫 激光水平條紋的世界。

這是典型的原始 LIDAR 流的示例 來自安裝在車頂上的 Velodyne 傳感器。

中間的黑洞是 傳感器本身所在的盲點(diǎn)， 從那里向外擴(kuò)散的同心圓 旋轉(zhuǎn) Velodyne 傳感器產(chǎn)生的單個(gè)掃描線。

掃描中的每個(gè)點(diǎn)都根據(jù)返回信號(hào)的強(qiáng)度著色。

3D 掃描中的整個(gè)點(diǎn)集合稱為點(diǎn)云， 我們將討論如何使用點(diǎn)云 在接下來的幾個(gè)視頻中進(jìn)行狀態(tài)估計(jì)。

但在我們討論點(diǎn)云之前 我們需要考慮 3D 中的各個(gè)點(diǎn)。

現(xiàn)在通常，激光雷達(dá)測量位置 使用球坐標(biāo)的 3D 點(diǎn)， 從中心原點(diǎn)到 3D 點(diǎn)的范圍或徑向距離， 從傳感器 XY 平面向上測量的仰角， 和方位角，從傳感器 x 軸逆時(shí)針測量。

這是有道理的，因?yàn)榉轿唤呛脱鼋?角度告訴你激光脈沖的方向， 范圍告訴你有多遠(yuǎn) 目標(biāo)點(diǎn)所在的方向。

方位角和仰角的測量使用 告訴你鏡子方向的編碼器， 并且范圍是使用我們之前看到的飛行時(shí)間來測量的。

對(duì)于 Velodyne 型激光雷達(dá)， 對(duì)于給定的掃描線，仰角是固定的。

現(xiàn)在，假設(shè)我們要確定笛卡爾 我們?cè)趥鞲衅骺蚣苤袙呙椟c(diǎn)的 XYZ 坐標(biāo)， 這是我們經(jīng)常想做的事情 將多個(gè) LIDAR 掃描組合成一張地圖。

要將球坐標(biāo)轉(zhuǎn)換為笛卡爾坐標(biāo)， 我們使用與您相同的公式 在你的力學(xué)課上遇到過。

這為我們提供了一個(gè)逆?zhèn)鞲衅髂Ｐ汀?/p>

我們說這是逆模型，因?yàn)?我們的實(shí)際測量值以球面坐標(biāo)給出， 我們正在嘗試重建笛卡爾坐標(biāo)系 在產(chǎn)生它們的點(diǎn)上的坐標(biāo)。

請(qǐng)注意，我們還沒有談到測量噪聲， 稍后我們會(huì)回到這個(gè)話題。

從笛卡爾坐標(biāo)到球坐標(biāo)的另一條路， 我們可以計(jì)算出這里給出的逆變換。

這是我們用于 3D LIDAR 的前向傳感器模型， 其中給出了一組笛卡爾 坐標(biāo)定義了傳感器實(shí)際報(bào)告的內(nèi)容。

現(xiàn)在，大部分時(shí)間我們工作的自動(dòng)駕駛汽車 使用像 Velodyne 這樣的 3D LIDAR 傳感器， 但有時(shí)你可能想單獨(dú)使用 2D LIDAR， 無論是檢測障礙物還是狀態(tài)估計(jì) 更結(jié)構(gòu)化的環(huán)境，例如停車場。

有些汽車有多個(gè) 2D LIDAR 戰(zhàn)略性地用作單個(gè) 3D LIDAR， 以更大或更小的測量密度覆蓋不同的區(qū)域。

對(duì)于 2D LIDAR，我們使用完全相同的正向和反向傳感器模型。

但是仰角增強(qiáng)了 z 分量 傳感器框架中的 3D 點(diǎn)都為零。

換句話說，我們所有的測量都是 限于傳感器的 XY 平面， 我們的球面坐標(biāo)坍塌為 熟悉的二維極坐標(biāo)。

我們現(xiàn)在已經(jīng)看到了如何在測量的球坐標(biāo)之間進(jìn)行轉(zhuǎn)換 傳感器和笛卡爾 我們通常會(huì)對(duì)狀態(tài)估計(jì)感興趣的坐標(biāo)， 但是測量噪聲呢？

對(duì)于 LIDAR 傳感器，有 需要考慮的幾個(gè)重要噪聲源。

第一，不確定性 反射信號(hào)到達(dá)的確切時(shí)間， 這是因?yàn)槲覀冇脕碛?jì)算的秒表 飛行時(shí)間必然具有有限的分辨率。

同樣，也存在不確定性 鏡子在 2D 中的確切方向和 自編碼器以來的 3D LIDAR 用來測量這個(gè)也有有限的分辨率。

另一個(gè)重要因素是與 會(huì)降低返回信號(hào)的目標(biāo)表面。

例如，如果表面完全是黑色的， 它可能會(huì)吸收大部分激光脈沖。

或者如果它像鏡子一樣閃亮， 激光脈沖可能會(huì)被散射 完全偏離原來的脈沖方向。

在這兩種情況下， LIDAR 通常會(huì)報(bào)告最大距離誤差， 這可能意味著沿光束方向有空白空間， 或者脈沖遇到 高吸收性或高反射性表面。

換句話說，你根本無法判斷某物是否存在， 如果你的自動(dòng)駕駛汽車是安全的，這可能是一個(gè)安全問題 僅依靠激光雷達(dá)來檢測和避開障礙物。

最后，光速實(shí)際上 取決于它通過的材料。

空氣的溫度和濕度也可以突然 例如，在我們的飛行時(shí)間計(jì)算中影響光速。

這些因素通常由 假設(shè)加性零均值高斯噪聲 球坐標(biāo)與 經(jīng)驗(yàn)確定或手動(dòng)調(diào)整的協(xié)方差。

正如我們之前看到的， 高斯噪聲模型特別方便 狀態(tài)估計(jì)即使在大多數(shù)情況下并不完全準(zhǔn)確。

另一個(gè)非常重要的錯(cuò)誤來源，不能 很容易解釋的是運(yùn)動(dòng)失真， 這是因?yàn)?LIDAR 所連接的車輛是 通常相對(duì)于它掃描的環(huán)境移動(dòng)。

現(xiàn)在，雖然這輛車不太可能 以相當(dāng)一部分光速運(yùn)動(dòng)， 它通常會(huì)在 傳感器本身轉(zhuǎn)速的可觀部分， 這通常在 5-20 赫茲左右，當(dāng) 掃描距離為 10 到 100 米的物體。

這意味著 LIDAR 掃描中的每個(gè)點(diǎn)都取自 稍微不同的位置和稍微不同的方向， 這可能會(huì)導(dǎo)致諸如 重復(fù)的對(duì)象出現(xiàn)在 LIDAR 掃描中。

這使得它更難 一輛自動(dòng)駕駛汽車來了解它的環(huán)境， 并且糾正這種運(yùn)動(dòng)失真通常需要 車輛的精確運(yùn)動(dòng)模型 例如，由 GPS 和 INS 提供。

回顧一下，LIDAR 傳感器通過發(fā)射來測量距離 脈沖激光并測量脈沖的飛行時(shí)間。

2D 或 3D LIDAR 是通過使用鏡子來擴(kuò)展這一原理 將激光掃過環(huán)境 并測量多個(gè)方向的距離。

在接下來的視頻中， 我們將更仔細(xì)地研究由 2D 和 3D 激光雷達(dá)創(chuàng)建的點(diǎn)云， 以及我們?nèi)绾卧谖覀兊淖詣?dòng)駕駛汽車上使用它們進(jìn)行狀態(tài)估計(jì)。

補(bǔ)充閱讀：光探測和測距傳感器

有關(guān) LIDAR 傳感器的更多信息，請(qǐng)查看以下資源：

• 閱讀Timothy D. Barfoot, State Estimation for Robotics (2017)（免費(fèi)提供）的第 6 章第 4.3 節(jié)。

• 閱讀關(guān)于激光雷達(dá)傳感器的維基百科文章。

• 閱讀Roland Siegwart, Illah R. Nourbakhsh, Davide Scaramuzza, Introduction to Autonomous Mobile Robots (2nd ed., 2011) 的第 4 章第 1.9 節(jié)。

參考

https://www.coursera.org/learn/state-estimation-localization-self-driving-cars/lecture/3NXgp/lesson-1-light-detection-and-ranging-sensors

總結(jié)

以上是生活随笔為你收集整理的自动驾驶 11-1: 光检测和测距传感器LIDAR Light Detection and Ranging Sensors的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。