激光雷達目標(biāo)檢測 （上）

**---- 轉(zhuǎn)載自美團無人專送團隊**

簡介

安全性是自動駕駛中人們最關(guān)注的問題之一。

在算法層面，無人車對周圍環(huán)境的準(zhǔn)確感知是保證安全的基礎(chǔ)，因此感知算法的精度十分重要。現(xiàn)有感知算法的思路一般通過某種數(shù)學(xué)模型對現(xiàn)實世界的某個子集進行擬合。

當(dāng)情況足夠簡單的時候，算法可以得到較高的精度。例如現(xiàn)在很多無人駕駛公司有在限定的時間段和限定的場地內(nèi)，用單一傳感器的算法就可以得到非常高的精度。

但是自動駕駛中的實際問題非常復(fù)雜，各種天氣、路況和障礙物的組合非常多，基于單一傳感器的算法很難解決所有情況。例如在進隧道和出隧道時因為光線的突然變化攝像頭會有欠曝光和過曝光問題，此時拍到的圖片幾乎全黑或全白，僅基于攝像頭的感知算法很難在這種情況給出高精度的結(jié)果。

為了解決這種開放環(huán)境中的自動駕駛問題，很多自動駕駛公司提出了多傳感器方案，希望通過取長補短來提高自動駕駛系統(tǒng)處理復(fù)雜環(huán)境的能力。現(xiàn)在最普遍使用的傳感器是攝像頭，除此之外還有激光雷達、毫米波雷達、GPS/IMU等。

激光雷達作為自動駕駛領(lǐng)域中最重要的傳感器之一，常用于物體檢測、道路分割和高精度地圖構(gòu)建。

本文主要討論基于激光雷達的物體檢測算法。在討論具體的算法之前，首先要了解激光雷達數(shù)據(jù)的特點。

激光雷達原理和數(shù)據(jù)特點

現(xiàn)在自動駕駛中常用的激光雷達為機械式激光雷達，其由若干組可以旋轉(zhuǎn)的激光發(fā)射器和接收器組成。每個發(fā)射器發(fā)射的一條激光束俗稱“線“，主要有單線、4線、16線、32線、64線和128線雷達。

常見機械式激光雷達中激光束是波長在900nm左右的近紅外光（NIR），可以根據(jù)激光直接獲得周圍一圈的準(zhǔn)確的三維空間信息。

這種雷達的成像原理比較簡單：發(fā)射器和接收器連接在一個可以旋轉(zhuǎn)的機械結(jié)構(gòu)上，某時刻發(fā)射器將激光發(fā)射出去，之后接收器接收返回的激光并計算激光與物體碰撞點到雷達原點的距離。

由于每次發(fā)射/接收的角度是預(yù)先設(shè)定的，因此根據(jù)距離、水平角度和垂直角度就能求出碰撞點相對于激光雷達中心的坐標(biāo)。每條線每次發(fā)射激光得到的數(shù)據(jù)由一個四元組(x,y,z,i)表示，其中(x,y,z)是三維坐標(biāo)，i表示反射強度。

圖1：一個32線激光雷達的成像原理示意圖

以某款32線激光雷達為例，32根線從上到下排列覆蓋15.0°到-24.9°。

工作狀態(tài)時這32根線在水平平面旋轉(zhuǎn)可以采集一周360°的數(shù)據(jù)。雷達的旋轉(zhuǎn)速度和角分辨率是可以調(diào)節(jié)的，常用速度為10hz（100ms轉(zhuǎn)一圈）對應(yīng)每0.2°采集一次數(shù)據(jù)，即角分辨率為360/0.2=1800。

由于光速非常快所以在1800中任何一個位置進行一次發(fā)射和接收動作可以看作是瞬時完成的。受到硬件能力的限制，一般轉(zhuǎn)速越快則發(fā)射和接收激光的次數(shù)越少，即角分辨率越小。常用雷達采集到的數(shù)據(jù)點距離雷達中心一般不會超過150米。

通常采集到的360°的數(shù)據(jù)被稱為一幀，上面的例子中一幀數(shù)據(jù)在理論上最多包含32*(360/0.2)=57600個點。

在實際情況中如果雷達被放置在車的上方大約距地面1.9米的位置，則在比較空曠的場景中大約獲得40000個點，一部分激光點因為被發(fā)射向天空或被吸收等并沒有返回到接收器，也就無法得到對應(yīng)的點。下圖是典型的一幀數(shù)據(jù)的可視化圖。

圖2：一個32線激光雷達的一幀數(shù)據(jù)的三維可視化圖

激光雷達具有不受光照影響和直接獲得準(zhǔn)確三維信息的特點，因此常被用于彌補攝像頭傳感器的不足。激光雷達采集到的三維數(shù)據(jù)通常被稱為點云，激光點云數(shù)據(jù)有很多獨特的地方：

距離中心點越遠的地方越稀疏；
機械激光雷達的幀率比較低，一般可選5hz、10hz和20hz，但是因為高幀率對應(yīng)低角分辨率，所以在權(quán)衡了采樣頻率和角分辨率之后常用10hz；
點與點之間根據(jù)成像原理有內(nèi)在聯(lián)系，比如平坦地面上的一圈點是由同一個發(fā)射器旋轉(zhuǎn)一周生成的；
激光雷達生成的數(shù)據(jù)中只保證點云與激光原點之間沒有障礙物以及每個點云的位置有障礙物，除此之外的區(qū)域不確定是否存在障礙物；
由于自然中激光比較少見所以激光雷達生成的數(shù)據(jù)一般不會出現(xiàn)噪聲點，但是其他激光雷達可能會對其造成影響，另外落葉、雨雪、沙塵、霧霾也會產(chǎn)生噪聲點；
與激光雷達有相對運動的物體的點云會出現(xiàn)偏移，例如采集一圈激光點云的耗時為100ms，在這一段時間如果物體相對激光有運動，則采集到的物體上的點會被壓縮或拉伸。

激光雷達物體檢測算法

圖3：本節(jié)的敘事結(jié)構(gòu)

在深度學(xué)習(xí)流行之前主要用傳統(tǒng)的機器學(xué)習(xí)方法對點云進行分類和檢測。

在這個領(lǐng)域?qū)τ谶@些學(xué)習(xí)方法本身的研究并不多，研究者更傾向于直接把理論上較為成熟的方法應(yīng)用到激光點云數(shù)據(jù)中。研究者將研究重點主要放在對數(shù)據(jù)本身特性的理解上，從而設(shè)計出適合點云的算法流程。

上一節(jié)點云圖中最明顯的規(guī)律是地面上的“環(huán)”，根據(jù)點云的成像原理當(dāng)激光雷達平放在地面上方時，與地面夾角為負角度的“線”在地面上會形成一圈一圈的環(huán)狀結(jié)構(gòu)。

因為這種結(jié)構(gòu)有很強的規(guī)律性所以很多物體檢測算法的思路是先做地面分割然后做聚類，最后將聚類得到的物體進行識別。為了提高算法的速度，很多算法并不直接作用于三維點云數(shù)據(jù)，而是先將點云數(shù)據(jù)映射到二維平面中然后再處理。常見的二維數(shù)據(jù)形式的有Range Image和Elevation Image。

從2014年開始深度學(xué)習(xí)廣泛地被應(yīng)用在各個領(lǐng)域，隨著圖片物體檢測算法的發(fā)展，點云物體檢測也逐步轉(zhuǎn)向了深度學(xué)習(xí)。

現(xiàn)在自動駕駛中一般關(guān)注鳥瞰圖中物體檢測的效果，主要原因是直接在三維中做物體檢測的精確度不夠高，而且目前來說路徑規(guī)劃和車輛控制一般也只考慮在二維平面中車體的運動。

現(xiàn)在在鳥瞰圖中的目標(biāo)檢測方法以圖片目標(biāo)檢測的方法為主，主要在鳥瞰圖結(jié)構(gòu)的建立、物體的空間位置的估計以及物體在二維平面內(nèi)的旋轉(zhuǎn)角度的估計方面有所不同。

從檢測結(jié)果來看這類算法比在三維空間中的物體檢測要好。直接作用在三維空間中的物體檢測方法在近年來也有所突破，其通過某種算子提取三維點云中具有點云順序不變性的特征，然后通過特殊設(shè)計的網(wǎng)絡(luò)結(jié)構(gòu)在三維點云上直接做分類或分割。

這類方法的優(yōu)點是能對整個三維空間任何方向任何位置的物體進行無差別的檢測，其思路新穎但是受限于算法本身的能力、硬件設(shè)備的能力以及實際應(yīng)用的場景，現(xiàn)在還不能在實際中廣泛地使用。

自動駕駛對于檢測算法有著比較特殊的要求：首先為了安全性考慮召回率要高，即不能漏檢；其次因為檢測到的物體是下游路徑規(guī)劃和運動決策算法的輸入，這要求檢測到的目標(biāo)在連續(xù)幀中具有較好的穩(wěn)定性，具體而言即在連續(xù)幀中檢測到的同一個物體的類別、尺寸、位置和方向不能有劇烈的變化。與此同時因為激光點云的稀疏性，現(xiàn)有算法單用一幀點云數(shù)據(jù)無法在小物體、遠處物體和被遮擋物體的檢測上得到令人滿意的結(jié)果。

因此近幾年人們開始考慮結(jié)合多種傳感器數(shù)據(jù)的方法、結(jié)合多個激光雷達的方法以及結(jié)合連續(xù)多幀的方法。

雖然在學(xué)術(shù)界的排行榜中現(xiàn)在最好的方法是基于深度學(xué)習(xí)的算法，但是在實際問題中數(shù)據(jù)的預(yù)處理、后處理等對最終結(jié)果有著至關(guān)重要的影響，而這些部分的算法往往需要根據(jù)數(shù)據(jù)和使用場景有針對性的設(shè)計。

所以本節(jié)首先會介紹一些單幀目標(biāo)檢測中的非深度學(xué)習(xí)算法中對于激光數(shù)據(jù)的處理方式，然后會在下集介紹深度學(xué)習(xí)算法以及多幀目標(biāo)檢測算法中介紹幾個具有代表性的方法。

非深度學(xué)習(xí)算法

2015年之前應(yīng)用在激光雷達領(lǐng)域的檢測和分類模型以線性模型、SVM和決策樹為主。這些模型的泛化能力和復(fù)雜程度無法在實際場景中滿足人們的需求，因此研究者將注意力更多的放在了對于點云數(shù)據(jù)特性的挖掘上。常見的算法流程為：

將三維點云映射為某種結(jié)構(gòu)，例如Graph和Range Image；
提取每個節(jié)點或像素的特征；
將節(jié)點或像素聚類；
通過一定規(guī)則或分類器將一個或多個聚類確定為地面；
結(jié)合地面信息，通過分類器對其他聚類進行物體級別的識別；
把所有的檢測、識別的結(jié)果映射回三維點云中。

從檢測和分類的效果來說，這類方法遠沒有基于深度學(xué)習(xí)的方法好。

但無論是基于Graph或是基于Range Image的結(jié)構(gòu)都比單純的點云蘊涵了更多的信息。在這些結(jié)構(gòu)中有時使用簡單的基于規(guī)則的方法就可以得到比較好的結(jié)果，這一點在實際應(yīng)用中非常重要。例如在物體檢測任務(wù)中出現(xiàn)了訓(xùn)練集合中未出現(xiàn)過的物體，基于學(xué)習(xí)的方法一般無法正確地將其檢測出來。但是基于簡單規(guī)則的方法卻可以正常給出檢測結(jié)果，雖然此時分類結(jié)果往往是未知。

在自動駕駛中檢測算法的漏檢問題遠比錯分類問題嚴(yán)重很多，從這個角度說基于簡單規(guī)則的方法是保證安全的一把鎖。從實時數(shù)據(jù)預(yù)處理的效率來說，在實際環(huán)境中為了提高檢測精度需要將離散的噪聲點和不在檢測范圍內(nèi)的物體過濾掉。在Graph和Range Image中進行噪聲數(shù)據(jù)的過濾有時比直接在點云上做效率高。

1 基于Graph的方法

基于Graph的建模方法指直接根據(jù)三維點云直接建立無向圖G = {N, E}，N表示圖中的節(jié)點E表示節(jié)點之間的邊。常用的建圖方式是將三維點云中每個點的坐標(biāo)(x,y,z)作為一個節(jié)點。找到每個節(jié)點對應(yīng)的雷達的線數(shù)l和水平方向的旋轉(zhuǎn)角度θ，當(dāng)兩個節(jié)點i和j滿足下面任何一個條件時為這兩個節(jié)點建立一條邊。即如果兩個點由相鄰線在同一時刻產(chǎn)生，或由同一根線在相鄰時刻產(chǎn)生，則為兩個點建立一條邊。數(shù)學(xué)描述如下：

|l_i - l_j| = 1 and θ_i = θ_j
l_i = l_j and (θ_i - θ_j) mod 360 = r

這里r表示水平方向的最小旋轉(zhuǎn)角，上節(jié)例子中r=0.2。實際在建圖時會增加其他約束，比如兩個節(jié)點的距離不能太遠或兩個節(jié)點的高度差不能太大等。上節(jié)中點云的建圖結(jié)果可視化如下圖，深藍色表示滿足第一個條件的邊，淺藍色表示滿足第二個條件的邊。

圖4：在激光點云中直接根據(jù)三維點云信息建立Graph的可視化結(jié)果，其中深藍色的是縱向的邊，淺藍色的是橫向的邊。右側(cè)的圖是左側(cè)的局部放大版本。

建圖的目的是在空間中離散的三維點之間建立某種聯(lián)系，從而為后續(xù)的聚類和分割做準(zhǔn)備。一般這種建圖的方法不設(shè)定邊的權(quán)重，依靠節(jié)點的特征進行聚類和分割。

Moosmann提出了一種使用法向量作為節(jié)點特征的方法【1】。其思路是將點云看成連續(xù)曲面上的離散采樣。所謂法向量是指曲面在每個節(jié)點處的法向量，如果兩個相鄰的節(jié)點的法向量相似則說明這兩個節(jié)點所在局部平面比較光滑，那么這兩個節(jié)點應(yīng)當(dāng)屬于一個同一個物體。論文中使用一種簡單快速的方法對于每個節(jié)點位置的法向量進行估計，即首先計算所有相鄰平面的法向量（如下圖藍色箭頭），然后求法向量的幾何平均值并進行歸一化（下圖紅色箭頭），最后所有節(jié)點的法向量再根據(jù)所有相鄰節(jié)點進行均值濾波。

圖5：節(jié)點法向量的可視化例子。紅色和藍色的圓形是節(jié)點，藍色的箭頭描述了每三個相鄰點組成的平面的法向量，紅色的箭頭描述了最終得到的法向量。

得到特征之后就可以根據(jù)相鄰節(jié)點之間的特征相似性進行聚類，聚類的首要目的一般是求出屬于地面的節(jié)點即地面分割。

Douillard為不同的數(shù)據(jù)類型提出了不同的地面分割方法【2】。其基于Graph結(jié)構(gòu)的地面分割算法的核心思想是：首先確定屬于地面的種子節(jié)點然后由內(nèi)向外進行區(qū)域增長。

論文中提出的算法為了在處理各種邊緣情況的同時盡可能的增加地面節(jié)點的召回率，手工設(shè)定了一系列復(fù)雜的約束條件。這樣做確實在實驗指標(biāo)上看起來好一些，但是在實際的應(yīng)用中關(guān)注更多的并不是地面節(jié)點的召回，而是地面節(jié)點在所有可行駛區(qū)域內(nèi)的分布是否均勻。一般來說根據(jù)這個目標(biāo)在實際場景中只用很簡單的決策樹，就可以建立出滿足應(yīng)用要求的約束模型。Douillard在得到地面之后通過聚類算法找到其他類別的物體如下圖。

圖6：基于傳統(tǒng)方法的物體檢測的可視化結(jié)果

上面介紹的建圖的方法只能作用在低速單幀的數(shù)據(jù)中。因為在高速情況由于多普勒效應(yīng)很難準(zhǔn)確為每一個三維點找到其對應(yīng)的雷達線數(shù)和水平旋轉(zhuǎn)角度，多幀的情況也類似。而更通用的建模方法是為每個節(jié)點尋找最鄰近的k的節(jié)點建立邊。這種方法雖然可以建立八叉樹等數(shù)據(jù)結(jié)構(gòu)進行加速，但是沒有在Range Image中建圖的效率高。

2 基于Range Image的方法

Range Image是指距離圖，即一種類似圖片的數(shù)據(jù)結(jié)構(gòu)。以上節(jié)32線激光雷達的數(shù)據(jù)為例子，對應(yīng)的Range Image寬360/0.2=1800像素，高32像素。每個像素值表示對應(yīng)點到原點的距離。上節(jié)中的點云對應(yīng)的Range Image的的可視化如下圖，因為這個圖非常細長所以只截取了一小段。黑色的部分缺少對應(yīng)的點云信息，其他的不同顏色代表不同距離。

圖7：一個Range Image的例子。

Zhu提出了一種在Range Image中建立無向圖G = {N, E}的方法【3】。即在圖中每一個像素代表一個節(jié)點，以每一個節(jié)點為中心在二維平面上以一定距離搜索其他節(jié)點，如果兩個節(jié)點在三維空間中滿足某些條件則建立一條邊，邊的權(quán)重是兩個點在三維空間中的距離。建圖之后使用基于圖的分割算法（例如【4】）即可得到聚類結(jié)果。

這種方法建圖的速度非常快，在實際使用過程中還需要處理多個點映射到同一個像素的情況，其建圖的結(jié)果和直接在三維點云中建圖相比非常接近。Range Image不僅僅能為計算進行提速，還可以做到一些不方便在點云上直接處理的事情，因為其比點云包含了更多的信息。

Biasutti提出了一種對點云中被遮擋的部分進行還原的方法【5】。其思路是：首先將點云生成Range Image結(jié)構(gòu)并在其中進行聚類，然后選擇某個物體所代表的類并在圖中抹掉，之后根據(jù)周圍像素將抹掉的部分復(fù)原出來，最后將Range Image映射回點云。下圖是論文中的算法的結(jié)果，可以看出白色的行人被抹掉了，而地面上的空洞被漂亮的填充了。

圖8：被遮擋點云和還原被遮擋點云的對比圖，左圖是原始點云，右側(cè)是將人去掉后的點云。

總結(jié)

以上是生活随笔為你收集整理的激光雷达目标检测 （上）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，歡迎將生活随笔推薦給好友。