一、什么是激光雷达
1、激光探测与测距系统(Light Detection And Ranging,LiDAR)
1.激光波长
- 905mm:需要限制功率,以保证对人眼没有损伤
- 1550mm:对人眼没有损伤,探测距离更远,但是成本更高
2.测距原理
- 单脉冲飞行时间法(ToF)
- 调频连续波(FMCW)
3.硬件结构
- 机械旋转式:成本高,量产困难
- 半固态(MEMS):目前较为常用的方案
- 全固态(FLASH):技术还不是很成熟
二、为什么使用激光雷达
1、传感器之间的互补性
1.摄像头
- 优点:丰富的纹理和颜色信息,适用于目标的分类
- 缺点:3D信息感知能力较弱,受光照条件影响较大
2.激光雷达
- 优点:精确感知目标的3D信息,不受光照影响
- 缺点:成本较高,量产难度较大,受天气影响较大
2、不同级别自动驾驶系统的需求
1.L2级:自适应巡航+车道保持
- 可以采用纯视觉系统来进行目标检测和距离估计
2.L3级:拥堵辅助、领航辅助
- 至少配备前向的激光雷达
3.L4级:RoboTaxi
- 多个激光雷达提供360度现场、以及系统冗余
三、基于激光雷达的物体检测
1、输入
1.点:X,Y,Z和反射强度R
2.点云:多个点的集合(无序的,非结构化的数据)
2、输出
1.目标的类别和置信度
2.目标的边框
- 中心点3D坐标、长宽高、旋转角度
3.目标的其他信息
- 速度、加速度
3.算法
- 点云表示:点视图、俯视图、前视图
四、点云的表示方法
1.点视图(Point View,PV)
- 原始的点云集合
2.俯视图(Bird‘s Eye View,BEV)
- 将点云量化为2D/3D网络
3.前视图(Range View,RV)
- 将点云投影到图像平面
4.多种视图融合
- 俯视图+点视图
- 俯视图+前视图
五、点云数据库
1、WOD上的基准测试结果
1.基准算法:PointPillar物体检测算法
2.性能指标:
- 3D(三维物体框),BEV(俯视平面上的二维物体框)
- Average Precision(AP)、APH(AP with Heading)
PointPillar物体检测算法
2.性能指标:
- 3D(三维物体框),BEV(俯视平面上的二维物体框)
- Average Precision(AP)、APH(AP with Heading)
- LEVEL_1/LEVEL_2(两种不同的难度)