几年前,激光雷达还只应用在军事应用领域,而现在这一技术已经逐渐渗透到了消费级市场。市面上的机器人、无人机以及已经上路测试的无人驾驶汽车中都能看到激光雷达的身影。尤其是无人驾驶领域,因为谷歌无人驾驶汽车率先采用了Velodyne 64线激光雷达,业界对激光雷达的关注度持续上升,激光雷达正式迎来了自己的高光时刻,有业内人士称,激光雷达已经是无人驾驶汽车的标配。
那么激光雷达是如何让机器看见世界的?应用于无人驾驶汽车的激光雷达又是如何识别行人并且实现壁障功能的呢?它又有什么样的瓶颈?一起来看看速腾聚创CEO邱纯鑫带来的分享!
几百和几十万的激光雷达
三维重建方式主要有两种,一类是视觉方式,另外一类就是激光雷达。可以说这两种技术是各有优缺点,二者的应用场景也有很大的差异。
利用视觉方式进行三维重建的优点是可以获得丰富的信息量、而且价格低廉、体积小、实时性也好。但它也有非常致命的缺陷,即容易受光照影响、测量距离近(一般不会超过10米)。
视觉测量可以分为单目+结构光及双目测量方式。例如,大疆用的是双目视觉的方式进行测距;而昊翔用的是单目+结构光 (realsense)相同的技术。
另一方面,激光雷达的测量方式几乎与视觉方式形成了互补,它的优势在于测量精度高、测量距离远、稳定且对周围环境适应性强,所以激光雷达非常适合在室外场合使用。不过任何一种方案都不是完美的,激光雷达也存在无法感知无距离差异的平面内目标信息、体积较大、价格比较昂贵的缺点。
激光雷达作为已经市场化的一项技术,其应用场景有很多。而针对不同的应用场合可以做出不同的产品,这里我们可以将激光雷达分为两类——实时性激光雷达和非实时性激光雷达。非实时三维激光雷达可以做到全方位水平360度,垂直270度扫描,精度达到毫米级别。它主要用在建筑、桥梁、考古等领域,这些领域不要求实时,但要求精度高,全方位。
而实时三维激光雷达也叫多线或者多层激光雷达,是通过多个激光发射器和接收器,在一个维度上的高度旋转。更新频率可以达到10Hz。但垂直方向的视场角很小,只有20度左右。垂直方向的点分辨率也比较稀疏。主要应用在无人驾驶等实时性要求高、精度要求不高的领域,一般情况下精度做到厘米级就可以了。
区别
激光雷达本身应用场景就多,而这些场景对产品的性能也有不同的需求,所以使用的方案原理也是大相径庭。
比如扫地机器人采用的激光雷达测量距离近(5-6米),精度要求不高,测量速率低。一般都是几千个点每秒。厂商一般采取的是三角测距的方案,这种技术的门槛不高,硬件成本也低,这就是为什么它的价格会相对较便宜。
无人驾驶对激光雷达的要求非常苛刻,首先,需要测量距离足够远,通常情况下要达到100-120米,精度则在厘米级;其次,测速要求也高,单个激光发射的速率要达到几万个点每秒,通过多个激光发射器达到实时环境感知的目的。这种激光雷达属于脉冲测距方式。相比三角测距方案,它的成本会要高得多,开发难度也大。像速腾现在应用在建筑、桥梁领域上的SEEKER系列,测量距离100米,测距精度达到毫米级,单个激光头达到几万次测量,采用的就是这种方案。
无人驾驶汽车的“眼睛”
参数指标
测量距离、测量精度、测量速率、角度分辨率是决定三维激光雷达性能的几个重要指标。
例如,在无人驾驶汽车这个应用领域,对激光雷达的探测距离是有要求的。比如说高速公路上要能够检测到前方车辆,还有在十字路口上,要能够观测马路对面的汽车。
有趣的是,精度不是越高越好。激光雷达获取的的数据可以进行障碍物识别、动态物体检测及定位,如果精度太差就无法达到以上目的;但是,精度太好也有问题,高精度对激光雷达的硬件提出很大的要求,计算量会非常大,成本也会非常高。所以精度应该是适中就好。
还有一点不能忽视的是角分辨率,角分辨率决定打出去后的两个激光点之间的距离。单点测距精度达到后,如果打到物体表面两点间距离(点位)太远,测距精度也就失去意义了。
如何避障
无人驾驶汽车之所以不需要驾驶员其操作,就是因为它能自动识别道路信息和行人并且能够自动控制汽车完成壁障等功能。实现这些的前提是利用激光雷达获取到的环境信息,接下来就要指导无人驾驶汽车,实现辅助驾驶或自动驾驶。这其中的关键技术是激光点云后处理算法。
首先,通过激光雷达获取到三维点去数据后。进行点云分离,然后进行聚类,一般都是通过计算相邻两个激光点间的距离来决定是否属于同一类。聚类完之后进行障碍物识别。识别也障碍物之后,进行前后两频对比,可以识别是静态障碍物还是动态障碍物。动态障碍物也可以计算出运动速度等。
结合无人驾驶汽车当前的位置信息,计算出避障所需的最小安全距离,达到壁障功能。
如果按现在用在无人驾驶上的多线激光雷达,一秒出点数两百多万,算起来就有几十MB数据量,这些数据需要进行实时处理,对硬件及算法提出了很高的要求。
挑战点
因为激光雷达自身穿透性较差,所以如果在恶劣的环境下,性能会大打折扣。但这并不是一个无解的难题,我们可以采用多传感器融合技术。如将激光雷达配合毫米波雷达,虽然毫米波雷达精度不高、视场小,但测量距离远,可以达到200米,也可以在雨天及下雪天气使用。激光雷达和毫米波雷达融合刚好弥补了各自的短板。
稳定性
实际上,降低线数或者固态雷达不会影响到稳定性,相反固态雷达会提高产品稳定性。降低线数虽然体积减少,但会减少在垂直方向的感知范围或者减弱垂直方向的分辨率。因态激光雷达则减少了水平方向的感知范围。小型化、低成本、提高稳定性是大势所趋。
不过,最佳的解决方案应该是走小型化、低成本而又不减弱性能的方向。比如混合固态或者多个固态配合使用等都是不错的解决方案。
目前国外主流的激光雷达生产厂家,Velodyne采取的是激光发射、接收一起旋转的方式;IBEO采取的是固定激光光源,通过内部玻璃片旋转的方式改变激光光束方向,实现多角度检测的需要;Quanergy采取相控阵技术,内部不存在任何旋转部件。
防御黑客攻击
激光雷达发出去的激光本身是没有编码的。所以接收器自己本身是没办法识别到底这束光线是它隔壁发射器发射出去的还是干扰信号。
黑客攻击指的是采取模拟车辆、行人的信号,反馈给激光雷达造成周围存在障碍物假象的攻击手法。最终会导致汽车被强制减速或者刹车。
对激光雷达厂商而言,可以从两个角度去抵御黑客的攻击。
如果提高激光发射频率,高速激光发射频率在几个微秒,黑客的模拟信号就很难选择什么时候去发射干扰信号为接收器接收。另外,通过算法做一些错误判断,参考之前几频数据过滤掉干扰数据。
离我们还有多远
首先是技术要继续完善,其次是成本问题(特别是激光雷达),最后是政策问题。国际车企普遍计划在2020年左右量产可在高速公路等特定路况下的自动驾驶汽车。更多的车企及互联网巨头参与进来,会更大加快商用、量产的速度。