無(wú)人駕駛路上：激光雷達和攝像頭都干了些什么？

　　對車(chē)道線(xiàn)的檢測主要分成三個(gè)步驟：

　　第一步，對獲取到的圖片預處理，拿到原始圖像后，先通過(guò)處理變成一張灰度圖，然后做圖像增強;

　　第二步，對車(chē)道線(xiàn)進(jìn)行特征提取，首先把經(jīng)過(guò)圖像增強后的圖片進(jìn)行二值化( 將圖像上的像素點(diǎn)的灰度值設置為 0 或 255，也就是將整個(gè)圖像呈現出明顯的黑白效果)，然后做邊緣提取;

　　第三步，直線(xiàn)擬合。

　　車(chē)道線(xiàn)檢測難點(diǎn)在于，對于某些車(chē)道線(xiàn)模糊或車(chē)道線(xiàn)被泥土覆蓋的情況、對于黑暗環(huán)境或雨雪天氣或者在光線(xiàn)不是特別好的情況下，它對攝像頭識別和提取都會(huì )造成一定的難度。

　　另一個(gè)是障礙物檢測。上圖是我們在十字路口做的實(shí)驗，獲取到原始圖像后，通過(guò)深度學(xué)習框架對物體進(jìn)行識別。在這當中，做訓練集其實(shí)是主要的難點(diǎn)。

　　還有一個(gè)是道路標識的識別，這一部分的研究比較多，這里不再贅述。

　　激光雷達能夠完成什么工作?

　　第一是路沿檢測，也包括車(chē)道線(xiàn)檢測;第二是障礙物識別，對靜態(tài)物體和動(dòng)態(tài)物體的識別;第三是定位以及地圖的創(chuàng )建。

　　對于路沿檢測，分為三個(gè)步驟：拿到原始點(diǎn)云，地面點(diǎn)檢測、提取路沿點(diǎn)，通過(guò)路沿點(diǎn)的直線(xiàn)擬合，可以把路沿檢測出來(lái)。

　　接下來(lái)是障礙物識別，識別諸如行人、卡車(chē)和私家車(chē)等以及將路障信息識別出來(lái)。

　　障礙物的識別有這樣幾步，當激光雷達獲取三維點(diǎn)云數據后，我們對障礙物進(jìn)行一個(gè)聚類(lèi)，如上圖紫色包圍框，就是識別在道路上的障礙物，它可能是動(dòng)態(tài)也可能是靜態(tài)的。

　　最難的部分就是把道路上面的障礙物聚類(lèi)后，提取三維物體信息。獲取到新物體之后，會(huì )把這個(gè)物體放到訓練集里，然后用 SVM 分類(lèi)器把物體識別出來(lái)。

　　如上圖，左上角、左下角是車(chē)還是人?對于機器而言，它是不清楚的。右上角和右下角(上圖)是我們做的訓練集。做訓練集是最難的，相當于要提前把不同物體做人工標識，而且這些標識的物體是在不同距離、不同方向上獲取到的。

　　我們對每個(gè)物體，可能會(huì )把它的反射強度、橫向和縱向的寬度以及位置姿態(tài)作為它的特征，進(jìn)行提取，進(jìn)而做出數據集，用于訓練。最終的車(chē)輛、行人、自行車(chē)等物體的識別是由SVM分類(lèi)器來(lái)完成。我們用這種方法做出來(lái)的檢測精確度還是不錯的。

　　利用激光雷達進(jìn)行輔助定位。定位理論有兩種：基于已知地圖的定位方法以及基于未知地圖的定位方法。

　　基于已知地圖定位方法，顧名思義，就是事先獲取無(wú)人駕駛車(chē)的工作環(huán)境地圖(高精度地圖)，然后根據高精度地圖結合激光雷達及其它傳感器通過(guò)無(wú)人駕駛定位算法獲得準確的位置估計?，F在大家普遍采用的是基于已知地圖的定位方法。

　　制作高精度地圖也是一件非常困難的事情。舉個(gè)例子，探月車(chē)在月球上，原來(lái)不知道月球的地圖，只能靠機器人在月球上邊走邊定位，然后感知環(huán)境，相當于在過(guò)程中既完成了定位又完成了制圖，也就是我們在業(yè)界所說(shuō)的 SLAM 技術(shù)。

　　激光雷達是獲取高精度地圖非常重要的傳感器。通過(guò) GPS、IMU 和 Encoder 對汽車(chē)做一個(gè)初步位置的估計，然后再結合激光雷達和高精度地圖，通過(guò)無(wú)人駕駛定位算法最終得到汽車(chē)的位置信息。