Apollo自动驾驶教程学习笔记-Apollo感知之旅3-2

视频链接：http://bit.baidu.com/Course/detail/id/288.html
讲师：夏添 Apollo主任架构师

传感器选择与标定

主要传感器

• Lidar：原理是TOF，time of flight，主动式感知，测距准，缺点是稀疏性（百度apollo用的是64线的Lidar，但是依然很稀疏，百米外的物体只能有一两条线扫描到），很难做模式识别，受功率限制，距离有限，大概在60~70米的极限。
• 相机：被动式感知，依赖于环境状态，在夜间和恶劣环境下会牺牲准确度，信息稠密，适合做识别，距离远，取决于像素，通常在几百米内都能有效识别，测距不准。
• 毫米波雷达：主动式感知，感知距离近，精度高，具有多普勒效应，可以用来分辨周围车辆的状态，缺点是噪点较多，需滤波，对非金属物体的探测能力差（反射率低），信息也相对稠密。
• 超声波传感器：与雷达有同样的问题，针对非金属物体的探测能力一般，测距比较粗糙，只适合在低速下的感知，优点可能就是成本低。
• 高精地图：老师一直把高精地图作为感知的一个输入，因为现在的无人驾驶还非常依赖于高精地图，这是感知很重要的一个先验知识，先验知识可以降低预测的误差，精度高，问题就是过分依赖于高精地图会限制无人驾驶的应用场景的灵活性。
• Image-Lidar：一种结合camera和lidar的传感器，我理解的大概是把相机装到可旋转云台上，通过双目或红外来测距，因为在旋转测距的同时，能够得到同频率的图像信息，所以信息量是稠密的，同时还是全覆盖信息获取，同时兼顾了准确测距，所以成为一个研究方向，我感觉测距上应该类似于RGBD相机的原理。这个传感器还在研发中，所以成本比较高。

安装

apollo无人车依赖于车厂，需要和汽车厂商合作，得到车辆的CAD模型，然后在模型上加各种传感器。
需要考虑很多因素：

• 遮挡：避免传感器被车辆遮挡，所以想Lidar这种，就只能是放到车顶；
• 传感器融合：需要设计所有传感器的一个overline，配合传感器融合技术；
• 每个sensor的角度和距离需要设计好；
• 稳定性：不要影响车辆的力学稳定性；
• 安全性：不要影响车辆的外形安全性（比如碰撞后掉落）；
• 风阻：不要影响车辆的行驶性能；
• 美观：车厂比较看重；
• 便于清理，保护，尤其是外置的传感器。

标定

标定的主要工作就是检查传感器本身的参数，以及校对多个传感器的相对位置。
前者叫做传感器内参标定，后者叫外参标定。

• 内参标定比如说相机的焦距，Lidar的激光管角度等，这些参数本身会在传感器厂商提供的手册中写明，但由于加工工艺、损耗等原因，不一定完全准确，所以需要人工检查标定；
• 外参标定就是标定传感器之间的相对坐标系和朝向，比如camera对camera、camera对lidar、lidar对lidar、camera对radar、lidar对gps这些。

标定环境有两种，分别是在标定间中标定，或者在自然场景下标定，使用标定间成本相对高，因为需要准备一个标定间，在自然场景下标定又依赖于算法，对算法要求高。

camera标定中用到的一个叫解PNP问题，PNP问题是一个解决单目相机位姿的很常见的算法。
Lidar标定中用到的一个叫解ICP问题，ICP问题是一种点云匹配算法。

最终标定结果需要通过可视化的方法来判断是否标定准确，比如把两个camera的成像叠加显示，或者将camera和lidar的成像和点云叠加，看锐利边缘的物体是否清晰。

准确标定对后续的算法有着直接的影响，所以标定是个细致活，不得马虎。