編者按：隨著自動(dòng)駕駛技術(shù)的快速發(fā)展，環(huán)境感知系統(tǒng)已成為智能車輛導(dǎo)航的核心。本篇文章展示了一種基于激光雷達(dá)（LIDAR）的環(huán)境感知方案，旨在同時(shí)實(shí)現(xiàn)環(huán)境建圖和移動(dòng)障礙物的檢測(cè)。該研究基于多層、多回波的LIDAR傳感器，通過(guò)全局和局部網(wǎng)格的融合方法，不僅解決了復(fù)雜城市環(huán)境中障礙物的識(shí)別問(wèn)題，還提出了一種高效的動(dòng)態(tài)物體檢測(cè)策略。實(shí)驗(yàn)驗(yàn)證顯示，該方案在處理快速移動(dòng)物體和動(dòng)態(tài)環(huán)境中的表現(xiàn)尤為出色，展示了其在自動(dòng)駕駛領(lǐng)域的應(yīng)用潛力。此研究為L(zhǎng)IDAR感知的多模態(tài)數(shù)據(jù)處理提供了創(chuàng)新思路，進(jìn)一步提升了自動(dòng)駕駛汽車在復(fù)雜城市環(huán)境中的導(dǎo)航能力。文章不僅為研究人員和工程師提供了可行的技術(shù)參考，也為智能駕駛的商業(yè)化應(yīng)用奠定了基礎(chǔ)。

本文譯自：

《A lidar Perception Scheme for Intelligent Vehicle Navigation》

文章來(lái)源：

2010 11th International Conference on Control Automation Robotics & Vision, Singapore, 2010, pp. 1809-1814.

作者：

Julien Moras; Véronique Cherfaoui; Phillipe Bonnifait

作者單位：

法國(guó)貢比涅公立大學(xué)

原文鏈接：

https://ieeexplore.ieee.org/document/5707962/

摘要：在城市環(huán)境中，移動(dòng)障礙物的檢測(cè)和自由空間的確定是駕駛輔助系統(tǒng)或自動(dòng)駕駛車輛的關(guān)鍵問(wèn)題。本文提出了一種基于激光雷達(dá)的乘用車感知系統(tǒng)，能夠同時(shí)進(jìn)行映射和移動(dòng)障礙物檢測(cè)。目前，許多激光雷達(dá)提供多層和多回波測(cè)量。處理這種多模態(tài)的一種聰明方法是在全局和局部框架中使用投影在路面上的網(wǎng)格。全局框架生成映射，局部框架用于處理移動(dòng)物體。已經(jīng)開發(fā)了一種基于正負(fù)積累的方法來(lái)解決快速移動(dòng)障礙物的殘余問(wèn)題。這種方法也非常適合于多層和多回波傳感器。在IBEO Alasca和Applanix定位系統(tǒng)上進(jìn)行的實(shí)驗(yàn)結(jié)果表明了這種感知策略的性能。

關(guān)鍵詞：智能車輛，環(huán)境感知，地圖，移動(dòng)目標(biāo)檢測(cè)

Ⅰ 引言 

在城市地區(qū)，用于人類交通的自動(dòng)駕駛汽車正在成為現(xiàn)實(shí)。事實(shí)上，世界上的幾項(xiàng)工作已經(jīng)顯示出一些令人印象深刻的成果。然而，城市環(huán)境下的自動(dòng)駕駛?cè)匀皇且粋€(gè)問(wèn)題，需要對(duì)場(chǎng)景的理解來(lái)預(yù)測(cè)其演變。感知系統(tǒng)使用不同的傳感器，測(cè)量結(jié)果可能有噪聲、有偏差或不完整。新的激光雷技術(shù)（多層、多回波）可以通過(guò)顯著增加測(cè)量次數(shù)來(lái)解決這一問(wèn)題。這種傳感技術(shù)即使激光束被部分反射，也能提供對(duì)周圍環(huán)境的可靠感知。感知問(wèn)題可以分解為不同的部分：定位、映射和移動(dòng)物體的檢測(cè)和跟蹤。

• 自我定位（EL）：定位任務(wù)是機(jī)器人應(yīng)用中反復(fù)出現(xiàn)的問(wèn)題。GPS、慣性測(cè)量單元（IMU）、本體感知或外感知里程計(jì)是智能輛的主要解決方案。如今，可靠的亞公制定位系統(tǒng)已經(jīng)存在，但它們對(duì)于商業(yè)應(yīng)用來(lái)說(shuō)仍然過(guò)于昂貴。

• 映射(M)：許多機(jī)器人作品用不同的方法處理了靜態(tài)環(huán)境的映射。通常，映射與定位任務(wù)相結(jié)合，以解決SLA（Simultaneous localization And mapping）問(wèn)題[1]，[2],[3]。主要存在兩種方法：基于特征的方法嘗試用一組預(yù)先確定的幾何形狀（線段、弧線等）進(jìn)行映射，網(wǎng)格方法基于離散空間表示，使得數(shù)據(jù)關(guān)聯(lián)和融合更容易。

• 移動(dòng)目標(biāo)檢測(cè)和跟蹤（MOT）：SLAM方法對(duì)場(chǎng)景中移動(dòng)物體的存在非常敏感。事實(shí)上，這些算法是基于映射過(guò)程的時(shí)間相干性。解決這個(gè)問(wèn)題的一種方法是檢測(cè)和跟蹤運(yùn)動(dòng)物體[4],[5],[6],[7]。通常，檢測(cè)和跟蹤系統(tǒng)是在基于特征的框架中開發(fā)的，分為3個(gè)步驟：用于對(duì)象檢測(cè)的原始數(shù)據(jù)聚類、數(shù)據(jù)關(guān)聯(lián)和時(shí)間融合。誤差的主要來(lái)源是在聚類階段和關(guān)聯(lián)步驟。最近的一些作品使用了參數(shù)模型[8]。使用網(wǎng)格方法解決MOT問(wèn)題并不常見，但一些與貝葉斯占用過(guò)濾器（BOF）相關(guān)的工作[9]傾向于通過(guò)具有特定標(biāo)準(zhǔn)的聚類單元來(lái)解決該問(wèn)題。

在這項(xiàng)工作中，考慮一個(gè)在平面世界中移動(dòng)的移動(dòng)機(jī)器人。由于假設(shè)是在城市環(huán)境中，因此可能會(huì)有很多障礙物和很多移動(dòng)物體，如圖1所示。在本文中，沒(méi)有考慮自我定位（EL）問(wèn)題，這就是為什么使用定位系統(tǒng)“Applanix Pos LV 220”，這是一個(gè)集成的多傳感器系統(tǒng)，可以提供非常精確的車輛3D姿態(tài)（位置和方向）。另外兩個(gè)問(wèn)題（M和MOT）是聯(lián)系在一起的，因?yàn)樗鼈兲幚淼氖歉兄到y(tǒng)。主要的區(qū)別在于對(duì)象的移動(dòng)性。這是用來(lái)做分類的標(biāo)準(zhǔn)。為了管理這個(gè)策略，使用了基于網(wǎng)格的框架。

本文提出了一種感知方案，主要用于探測(cè)周圍的移動(dòng)物體，允許在存在移動(dòng)物體的情況下映射靜態(tài)環(huán)境。這種檢測(cè)策略可以在跟蹤算法中使用，以便能夠預(yù)測(cè)導(dǎo)航應(yīng)用的空閑空間。這種方法的主要優(yōu)點(diǎn)是沒(méi)有聚類階段，適用于各種各樣的城市障礙物（行人、車輛、自行車等）。它還可以應(yīng)對(duì)新一代激光雷達(dá)頻繁出現(xiàn)的多回波測(cè)量。

在第一部分中，提出了融合傳感器數(shù)據(jù)的框架。然后，提出了基于accu-的融合策略模擬將在展示實(shí)驗(yàn)結(jié)果的一節(jié)之后進(jìn)行描述。

圖1 城市情況：紅色小車配備了多層激光雷達(dá)

Ⅱ 融合框架

本文使用二維網(wǎng)格表示，定義為投影在地板上的離散空間。網(wǎng)格的每個(gè)單元格代表一塊空間，并包含根據(jù)對(duì)環(huán)境的感知計(jì)算出的數(shù)據(jù)。本文使用對(duì)偶空間表示：一個(gè)稱為掃描網(wǎng)格（SG）的瞬時(shí)局部地圖，它由大小為的極性單元組成（是長(zhǎng)度，表示角扇區(qū)）和一個(gè)稱為網(wǎng)格地圖（GM）的全球地圖，這是世界上引用的笛卡爾地圖。笛卡爾單元格是長(zhǎng)度的平方。本節(jié)介紹如何根據(jù)傳感器模型和環(huán)境模型定義這些圖。

A. 激光雷達(dá)掃描

使用的傳感器是IBEO阿拉斯加激光雷達(dá)。它是一個(gè)四掃描傳感器，在每次掃描時(shí)提供環(huán)境的3D點(diǎn)云。該傳感器可以在320°的前場(chǎng)范圍內(nèi)進(jìn)行長(zhǎng)達(dá)200米的測(cè)量，根據(jù)所需的角度分辨率，速率從8Hz到40hz不等。它使用905nm波長(zhǎng)的紅外激光器，孔徑為0.25°。角度分辨率可根據(jù)如圖(2)所示的角度進(jìn)行自適應(yīng)。例如，如果激光束被障礙物部分反射，該傳感器還能夠在每條視線上提供多個(gè)回聲。另一個(gè)特點(diǎn)是，它可以在考慮的瞄準(zhǔn)線上不返回任何測(cè)量結(jié)果。如果沒(méi)有回波，可能有兩種情況：在最大范圍內(nèi)沒(méi)有物體，或者有障礙物沒(méi)有反射激光束。因此，本文提出的傳感器模型要考慮到這些傳感器的特殊性。

B. 多回波掃描網(wǎng)格

利用傳感器模型，可以從每次激光雷達(dá)掃描中建立掃描網(wǎng)格（SG），這是一個(gè)二維局部瞬時(shí)占用網(wǎng)格。由于激光雷達(dá)是一個(gè)極坐標(biāo)傳感器，因此使用極坐標(biāo)網(wǎng)格模型來(lái)計(jì)算細(xì)胞的占用情況。傳感器精度高于網(wǎng)格分辨率，網(wǎng)格以傳感器為中心。因此，可以使用理想的傳感器模型作為圖4頂部所示的1D顯式解。考慮掃描網(wǎng)格，設(shè)SG表示取整數(shù)值的單元的狀態(tài)，指的是表1所描述的單元的三種不同狀態(tài)。該值的強(qiáng)度對(duì)應(yīng)于冗余度，即置信度的度量。

表1 掃描網(wǎng)格賦值表

圖2 阿拉斯加X(jué)T角分辨率與測(cè)量角度和頻率的關(guān)系

圖3 多回波傳感器模型

圖3說(shuō)明了這一點(diǎn)。掃描網(wǎng)格的每一行對(duì)應(yīng)一個(gè)角扇區(qū)。在這個(gè)扇區(qū)中，有幾個(gè)回波是可能的，因?yàn)橛腥齻€(gè)原因：i)在一個(gè)方向上有可能接收到幾個(gè)回波，ii)在同一平面上的4層投影可以提供位于不同距離的回波，iii)激光雷達(dá)的角分辨率不是恒定的，有時(shí)比網(wǎng)格的分辨率好一些（幾個(gè)激光雷達(dá)方向可以在極地網(wǎng)格的同一列上投影）。因此，值得注意的是，這種網(wǎng)格傳感器模型考慮了多重回波能力。SG初始化為0，每個(gè)角度獨(dú)立處理，如圖3所示，每次測(cè)量增加相應(yīng)單元的值，減少第一個(gè)被占用單元之前的單元的值。負(fù)信息表征了空閑空間。兩個(gè)被占用細(xì)胞之間的細(xì)胞和最后一個(gè)檢測(cè)到的細(xì)胞后面的細(xì)胞在0處受到影響。圖4給出了一個(gè)SG的例子，其中觀察到多次回波。

圖4 多回波傳感器模型：左圖為場(chǎng)景的攝像機(jī)視圖，右圖為笛卡爾坐標(biāo)系下投影的SG，白色單元格被占用，黑色空閑，灰色未知。

C. 網(wǎng)格地圖

網(wǎng)格地圖（grid-map，GM）被定義為一個(gè)全局累積的二維網(wǎng)格，并存儲(chǔ)映射信息。它是一個(gè)笛卡爾地圖，每個(gè)大小為的單元格都是全局空間的2D投影的一部分。通過(guò)全局，這個(gè)網(wǎng)格被引用到一個(gè)被認(rèn)為是固定的東-北-上框架。GM用于創(chuàng)建基于激光雷達(dá)的區(qū)域感知地圖。這意味著場(chǎng)景的所有靜態(tài)元素都將被映射，包括停放的汽車等偽靜態(tài)元素。

D. 從掃描網(wǎng)格到網(wǎng)格地圖

該方法的一個(gè)關(guān)鍵點(diǎn)是，SG可以使用Applanix傳感器提供的姿勢(shì)在GM框架中投影，如圖5所示。首先，使用雙線性插值將極坐標(biāo)網(wǎng)格轉(zhuǎn)換為笛卡爾網(wǎng)格。然后，應(yīng)用笛卡爾SG變換來(lái)進(jìn)行投影。這包括一次旋轉(zhuǎn)和一次平移。旋轉(zhuǎn)是通過(guò)雙線性變換完成的，因?yàn)槊總€(gè)投影單元可能部分投影到幾個(gè)單元上。雙線性變換可能會(huì)插值值，因此，在變換后的單元格中，值是極坐標(biāo)單元格鄰域值之間的混合物。這會(huì)導(dǎo)致邊緣平滑。

圖5 使用SG和GM的連續(xù)轉(zhuǎn)換

Ⅲ 累加算法的實(shí)現(xiàn)

應(yīng)用于GM的處理體系結(jié)構(gòu)如圖6所示。本節(jié)詳細(xì)介紹了使用累加算法的GM更新階段。第Ⅱ節(jié)中提出的框架是通用的，可以使用概率或證據(jù)融合框架，而不是使用所提出的積累算法進(jìn)行融合。描述了積累過(guò)程來(lái)解決映射和移動(dòng)對(duì)象跟蹤（MMOT）的問(wèn)題。

圖6 GM過(guò)程的體系結(jié)構(gòu)

A. GM中消極和積極的積累

在累積策略中，GM的每個(gè)單元存儲(chǔ)一個(gè)表示當(dāng)前占用累積水平的指示器。

極限表示空閑細(xì)胞，而表示已占用細(xì)胞。該地圖初始化為平均值在所有單元格中。這意味著沒(méi)有對(duì)環(huán)境的先驗(yàn)知識(shí)。

更新過(guò)程使用來(lái)自SG的值提供正累積或負(fù)累積。增量過(guò)程旨在通過(guò)像二維直方圖一樣整合占用測(cè)量值來(lái)構(gòu)建地圖[10]。最近的一些研究使用了類似的方法來(lái)解決SLAM問(wèn)題[11]。這項(xiàng)工作側(cè)重于定位問(wèn)題，使用地圖上的匹配來(lái)實(shí)現(xiàn)里程計(jì)。相反，在本文的方法中，提供了定位，沒(méi)有匹配或數(shù)據(jù)關(guān)聯(lián)，因?yàn)樗惴ㄖ皇菆?zhí)行過(guò)濾以提取移動(dòng)對(duì)象。