激光雷达物体检测（一）：初步认识

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)