简单介绍自动驾驶中的车载激光雷达.doc

《简单介绍自动驾驶中的车载激光雷达.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、简单介绍自动驾驶中的车载激光雷达　　本文就汽车用激光雷达的分类，先做简单介绍。　　激光雷达根据安装位置的不同，分类两大类。一类安装在无人车的四周，另一类安装在无人车的车顶。安装在无人车四周的激光雷达，其激光线束一般小于8，常见的有单线激光雷达和四线激光雷达。安装在无人车车顶的激光雷达，其激光线束一般不小于16，常见的有16/32/64线激光雷达。　　单线激光雷达是目前成本最低的激光雷达。成本低，意味着量产的可能性大。　　前面北京首个自动驾驶测试场启用时出现的福田自动驾驶汽车，就使用了4个单线激光雷达，分别布置于无人车的前后左右，用于车身周围

2、障碍物的检测，如下图。　　　　单线激光雷达的原理可以通过下图理解。单束激光发射器在激光雷达内部进行匀速的旋转，每旋转一个小角度即发射一次激光，轮巡一定的角度后，就生成了一帧完整的数据。因此，单线激光雷达的数据可以看作是同一高度的一排点阵。　　　　单线激光雷达的数据缺少一个维度，只能描述线状信息，无法描述面。如上图，可以知道激光雷达的面前有一块纸板，并且知道这块纸板相对激光雷达的距离，但是这块纸板的高度信息无从得知。　　而四线激光雷达则如下图所示，基本都像这样。　　　　典型的应用，如全新的奥迪A8为了实现Level3级别的自动驾驶，也在汽车的

3、进气格栅下布置的四线激光雷达ScaLa。　　　　有了之前单线激光雷达的原理介绍，参考单线激光雷达的基本原理，那么四线激光雷达的工作原理就很容易理解了。如下图所示，不同的颜色代表不同的激光发射器。　　　　四线激光雷达将四个激光发射器进行轮询，一个轮询周期后，得到一帧的激光点云数据。四条点云数据可以组成面状信息，这样就能够获取障碍物的高度信息。而根据单帧的点云坐标可得到障碍物的距离信息。再根据多帧的点云的坐标，对距离信息做微分处理，可得到障碍物的速度信息。　　实际应用时，在购买激光雷达的产品后，其供应商也会提供配套的软件开发套件（SDK，Sof

4、twareDevelopmentKit），这些软件开发套件能很方便地让使用者得到精准的点云数据，而且为了方便自动驾驶的开发，甚至会直接输出已经处理好的障碍物结果。　　如下图所示，绿色的矩形框即为障碍物相对于自车的位置，矩形框的前端有个小三角，表示障碍物的运动方向。　　　　上面介绍了安装在无人车四周的激光雷达，而对于安装在无人车车顶的激光雷达，其激光线束一般不小于16，常见的有16/32/64线激光雷达。　　　　16/32/64线的激光雷达的感知范围为360°，为了最大化地发挥他们的优势，常被安装在无人车的顶部。三款激光雷达的技术参数和成本如

5、下图。　　　　360°的激光数据可视化后，就是大家经常在各种宣传图上看到的效果，如下图。图中的每一个圆圈都是一个激光束产生的数据，激光雷达的线束越多，对物体的检测效果越好。比如64线的激光雷达产生的数据，将会更容易检测到路边的马路牙子。　　　　16/32/64线的激光雷达只能提供原始的点云信号，没有对应的SDK直接输出障碍物结果。因此各大自动驾驶公司都在点云数据基础上，自行研究算法完成无人车的感知工作。　　GoogleCar上最重要也是最贵的器件就是头顶的这台VelodyneLidar公司生产的HDL-64E64线激光发射器了。它可以一边旋

6、转一边不间断的发射64束最远射程可达120米的激光束，并接收反射回来的光束，依据返回时间的差别计算出物体与汽车之间的距离。从而绘制出汽车周围实时的3D地形图。并且因为光束非常密集并且刷新频率非常快，综合探测数据后还可以判断出物体的形状、大小和大致的运动轨迹，以此作为接下来行动的判断依据之一。HDL-64E的性能非常强大。每秒可以给GoogleCar的处理器提供130万组数据，这可以保证提供给GoogleCar处理器的信息几乎是实时的。当然这也对处理器提出了更高的要求。下图就是在HDL-64E的运作下GoogleCar看到的世界：　　　　这是

7、未经处理器处理过的原始数据样貌，GoogleCar会将收集到的数据与车体内置的谷歌地图已有的信息进行整合，从而判断出相当精确的四周的状况，为系统做出正确反应打下良好基础。