張旭燕　郭建宏

【摘? 要】隨著人工智能技術(shù)和互聯(lián)網(wǎng)技術(shù)的逐漸發(fā)展，人們生活水平不斷提升，人們出行方式也得到了轉(zhuǎn)變，傳統(tǒng)汽車駕駛方式正在向智能化、電子化和自動(dòng)化方向發(fā)展，無(wú)人駕駛汽車是目前汽車發(fā)展的熱門領(lǐng)域。環(huán)境感知技術(shù)是無(wú)人駕駛汽車的重要控制技術(shù)之一，其工作性能直接影響無(wú)人駕駛汽車的行為決策準(zhǔn)確度，關(guān)系著汽車行駛的安全性與可靠性。本研究以激光雷達(dá)為環(huán)境感知系統(tǒng)的設(shè)計(jì)基礎(chǔ)，并基于云計(jì)算方法提高環(huán)境數(shù)據(jù)處理效率，構(gòu)建一種基于激光雷達(dá)下無(wú)人駕駛汽車環(huán)境感知系統(tǒng)，并通過(guò)試驗(yàn)表明，該系統(tǒng)可以實(shí)現(xiàn)多維度環(huán)境信息感知，可以為無(wú)人駕駛汽車的智能化發(fā)展提供技術(shù)參考，對(duì)于保證無(wú)人駕駛技術(shù)推廣的安全性與可靠性具有一定的參考價(jià)值。

【關(guān)鍵詞】激光雷達(dá)；環(huán)境感知；云計(jì)算；無(wú)人駕駛；試驗(yàn)

中圖分類號(hào)：U463.675? ? 文獻(xiàn)標(biāo)志碼：A? ? 文章編號(hào)：1003-8639（ 2023 ）06-0003-03

Research on Environment Sensing System for Driverless Cars Based on LIDAR*

ZHANG Xu-yan，GUO Jian-hong

（Lanzhou Petrochemical Vocational and Technical University，Lanzhou 730060，China）

【Abstract】With the gradual development of artificial intelligence technology and Internet technology，people's living standards are constantly improving，among which the way people travel has also been transformed，and the traditional way of driving cars is developing in the direction of intelligence，electronics and automation，and driverless cars are currently a popular field of automotive development. Environment sensing technology is one of the important control technologies for driverless cars，and its working performance directly affects the behavioral decision accuracy of driverless car decision-making，and is related to the safety and reliability of car driving. This study takes LIDAR as the design basis of environment perception system and improves the efficiency of environment data processing based on cloud computing method to build a driverless car environment perception system based on LIDAR，and shows through experiments that the system can realize multi-dimensional environment information perception，which can provide technical reference for the intelligent development of driverless cars and is of reference value for ensuring the safety and reliability of the promotion of driverless technology. The system can provide a technical reference for the intelligent development of unmanned vehicles，and has certain reference value for ensuring the safety and reliability of unmanned technology promotion.

【Key words】LIDAR；environmental awareness；cloud computing；driverless；experiments

隨著互聯(lián)網(wǎng)技術(shù)的提升及中國(guó)綜合國(guó)力的快速發(fā)展，人民的生活水平也得到了很大的提高，生活方式逐漸發(fā)生改變[1-2]。其中，人們的出行方式逐漸由傳統(tǒng)的汽車駕駛正在向自動(dòng)駕駛、智能駕駛和無(wú)人駕駛方向發(fā)展，因此，中國(guó)汽車產(chǎn)業(yè)發(fā)展迅速，汽車保有量的不斷提升也隨之帶來(lái)了一系列安全問(wèn)題。

由于中國(guó)人口眾多，道路環(huán)境較為復(fù)雜，各種因素融合造成了中國(guó)交通事故高發(fā)，交通事故同時(shí)也帶來(lái)了一系列人員傷亡和經(jīng)濟(jì)損失。無(wú)人駕駛汽車技術(shù)主要包括環(huán)境感知技術(shù)、決策控制技術(shù)和運(yùn)動(dòng)控制技術(shù)等（圖1），其中，環(huán)境感知技術(shù)是無(wú)人駕駛汽車的基礎(chǔ)，主要是通過(guò)各種傳感器獲取車輛及周圍駕駛環(huán)境信息，及時(shí)對(duì)車輛路徑規(guī)劃、運(yùn)行速度和轉(zhuǎn)向等方面做出決策與控制。目前，美國(guó)Google公司推出的第5代無(wú)人駕駛系統(tǒng)融合了車載傳感器和新型激光雷達(dá)，可以提高道路故障發(fā)生的準(zhǔn)確率與靈敏度，另外包括百度公司開(kāi)發(fā)的無(wú)人駕駛Apollo、小馬智行和華為等也在無(wú)人駕駛技術(shù)中取得了一系列研究成果[3-6]。

為了提高無(wú)人駕駛汽車環(huán)境感知信息獲取的準(zhǔn)確率，本研究提出一種基于激光雷達(dá)下無(wú)人駕駛汽車的環(huán)境感知系統(tǒng)，解決傳統(tǒng)由于單傳感器帶來(lái)外界信息的單一性，提高信息獲取的全面性與準(zhǔn)確性。研究結(jié)果對(duì)于提高無(wú)人駕駛汽車的安全性與穩(wěn)定性具有一定的參考價(jià)值。

1? 國(guó)內(nèi)外研究進(jìn)展

1.1? 基于視覺(jué)識(shí)別技術(shù)下目標(biāo)檢測(cè)技術(shù)

車載視覺(jué)傳感器具有價(jià)格低廉、數(shù)據(jù)傳輸便捷等優(yōu)點(diǎn)，在無(wú)人駕駛環(huán)境感知系統(tǒng)中得到了廣泛應(yīng)用與發(fā)展，是目前技術(shù)相對(duì)成熟的環(huán)境感知技術(shù)之一。早期無(wú)人駕駛視覺(jué)識(shí)別技術(shù)主要是通過(guò)預(yù)先設(shè)定提取器，確定感知區(qū)域，對(duì)環(huán)境目標(biāo)的明暗、腳點(diǎn)等局部特征進(jìn)行分析，然后通過(guò)深度學(xué)習(xí)和人工智能算法等實(shí)現(xiàn)數(shù)據(jù)分析，但是對(duì)于未知數(shù)據(jù)預(yù)測(cè)性能較差，在復(fù)雜的道路環(huán)境應(yīng)用較為困難。后期，隨著深度學(xué)習(xí)和人工智能算法的不斷發(fā)展，為數(shù)據(jù)處理提供一種新的解決方案，可以顯著改善傳統(tǒng)數(shù)據(jù)處理算法的精確度和抗干擾性，如兩步式算法、YOLO系列算法和SSD算法等，可以在改善數(shù)據(jù)處理速度的同時(shí)提高數(shù)據(jù)預(yù)測(cè)性能。

1.2? 基于激光雷達(dá)下目標(biāo)檢測(cè)技術(shù)

激光雷達(dá)是通過(guò)連續(xù)不斷的激光獲取目標(biāo)物體的參數(shù)，通過(guò)三維點(diǎn)實(shí)現(xiàn)環(huán)境的感知。由于數(shù)據(jù)點(diǎn)具有不均勻性，因此需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，實(shí)現(xiàn)數(shù)據(jù)的除噪和降采樣。目前常見(jiàn)的數(shù)據(jù)處理方法如表1所示。

2? 基于激光雷達(dá)下無(wú)人駕駛汽車的環(huán)境感知系統(tǒng)的設(shè)計(jì)

激光雷達(dá)是無(wú)人駕駛汽車中常用的傳感器，是獲取汽車行駛位置及周圍道路信息的重要媒介。激光雷達(dá)主要是使用激光照明目標(biāo)物體，通過(guò)主動(dòng)照明有助于傳感器接收器在一切測(cè)量環(huán)境中對(duì)準(zhǔn)發(fā)射源。傳感器不受外部光源影響，可在夜間、地下、隧道等環(huán)境中使用。本研究基于激光雷達(dá)實(shí)現(xiàn)信息采集與目標(biāo)檢測(cè)，并將多傳感器采集的環(huán)境數(shù)據(jù)上傳至云計(jì)算平臺(tái)，實(shí)現(xiàn)無(wú)人駕駛汽車關(guān)鍵信息的獲取與道路目標(biāo)檢測(cè)。

2.1? 數(shù)據(jù)采集平臺(tái)

數(shù)據(jù)采集平臺(tái)主要包括車載傳感器、攝像頭、激光雷達(dá)和汽車導(dǎo)航定位系統(tǒng)等，要求數(shù)據(jù)采集平臺(tái)可以實(shí)現(xiàn)環(huán)境數(shù)據(jù)采集，根據(jù)用戶需求定制數(shù)據(jù)采集與訪問(wèn)方案。

2.2? 關(guān)鍵部件的設(shè)計(jì)與選型

1）激光雷達(dá)。本系統(tǒng)激光雷達(dá)選擇RoboSense生產(chǎn)的RS-Lidar-16，可以滿足系統(tǒng)對(duì)數(shù)據(jù)傳輸精度、響應(yīng)靈敏度的要求，安裝在車輛頂端，其基本技術(shù)參數(shù)見(jiàn)表2。

2）攝像頭。無(wú)人駕駛車輛攝像頭選取LI-USB30-AR023ZWDRB，具有體積小、安裝便捷、分辨率較高及數(shù)據(jù)傳輸穩(wěn)定等應(yīng)用優(yōu)勢(shì)，其主要技術(shù)參數(shù)見(jiàn)表3。

2.3? 數(shù)據(jù)處理算法設(shè)計(jì)

1）構(gòu)建點(diǎn)云快速搜索。無(wú)人駕駛汽車激光雷達(dá)對(duì)目標(biāo)物體掃描產(chǎn)生的原始點(diǎn)云數(shù)據(jù)不存在一定的拓?fù)潢P(guān)系，屬于無(wú)序狀態(tài)，因此，首先需要對(duì)激光雷達(dá)采集的點(diǎn)云數(shù)據(jù)進(jìn)行處理，通過(guò)構(gòu)建合理的數(shù)據(jù)拓?fù)浣Y(jié)構(gòu)實(shí)現(xiàn)數(shù)據(jù)的快速查詢，目前常見(jiàn)的點(diǎn)云數(shù)據(jù)處理方法主要包括半徑鄰域搜索和K鄰域搜索。

半徑內(nèi)近鄰搜索（Neighbors within Radius Search），是指搜索點(diǎn)云中一點(diǎn)在球體半徑R內(nèi)的所有近鄰點(diǎn)，程序如圖2所示。K鄰域搜索算法主要是通過(guò)數(shù)據(jù)所有的特征計(jì)算新數(shù)據(jù)與已知類別數(shù)據(jù)集中的數(shù)據(jù)點(diǎn)的距離，按照距離遞增次序進(jìn)行排序，選取與當(dāng)前距離最小的K個(gè)點(diǎn)，對(duì)于離散分類，返回K個(gè)點(diǎn)出現(xiàn)頻率最多的類別作預(yù)測(cè)分類；對(duì)于回歸，則返回K個(gè)點(diǎn)的加權(quán)值作為預(yù)測(cè)值[如將這些鄰居屬性的平均值賦給該樣本，就可以得到該樣本的屬性。更有用的方法是將不同距離的鄰居對(duì)該樣本產(chǎn)生的影響給予不同的權(quán)值（weight），如權(quán)值與距離成正比]。在本研究中選擇K鄰域搜索算法。

2）點(diǎn)云數(shù)據(jù)的精簡(jiǎn)。使用激光雷達(dá)對(duì)無(wú)人駕駛環(huán)境信息進(jìn)行采集時(shí)，初始數(shù)據(jù)過(guò)于冗余會(huì)造成計(jì)算負(fù)擔(dān)大，因此，應(yīng)該對(duì)激光雷達(dá)采集數(shù)據(jù)進(jìn)行精簡(jiǎn)與劃分，為后續(xù)數(shù)據(jù)處理提供基礎(chǔ)條件。首先對(duì)有效區(qū)域面積進(jìn)行劃分，具體范圍如表4所示，通過(guò)劃分有效數(shù)據(jù)檢測(cè)區(qū)域減少目標(biāo)數(shù)據(jù)采集量；然后對(duì)數(shù)據(jù)進(jìn)行降采樣，提高數(shù)據(jù)后續(xù)處理效率，減少數(shù)據(jù)的點(diǎn)云疏密程度，在此主要采用體素濾波法；最后排除噪聲對(duì)數(shù)據(jù)的影響，需要對(duì)采集的數(shù)據(jù)點(diǎn)進(jìn)行噪聲濾除處理，常見(jiàn)的數(shù)據(jù)降噪方法主要包括半徑濾波、雙邊濾波等方法。

2.4? 數(shù)據(jù)處理算法測(cè)試結(jié)果

對(duì)提出的數(shù)據(jù)處理算法進(jìn)行試驗(yàn)與分析，采集點(diǎn)云數(shù)量見(jiàn)表5。由表5可知，在數(shù)據(jù)處理方法下，點(diǎn)云的數(shù)量逐漸下降，濾除了無(wú)效數(shù)據(jù)。選取點(diǎn)云數(shù)據(jù)真實(shí)障礙物1015個(gè)、檢測(cè)總數(shù)量1001個(gè)、漏檢數(shù)量127個(gè)、誤檢數(shù)量130個(gè)為評(píng)價(jià)指標(biāo)對(duì)數(shù)據(jù)檢測(cè)結(jié)果進(jìn)行分析。

3? 結(jié)論與展望

本研究針對(duì)目前無(wú)人駕駛車輛環(huán)境信息監(jiān)測(cè)效率低等問(wèn)題，提出了一種基于激光雷達(dá)的點(diǎn)云數(shù)據(jù)處理算法，構(gòu)建無(wú)人駕駛車輛環(huán)境感知系統(tǒng)，并對(duì)采集數(shù)據(jù)處理方法與步驟進(jìn)行論述，通過(guò)實(shí)驗(yàn)驗(yàn)證其方法可行性與穩(wěn)定性。

本研究道路檢測(cè)障礙物主要為車輛行人和騎行者，未來(lái)應(yīng)該豐富檢測(cè)數(shù)據(jù)種類，增加交通燈、信號(hào)牌等其它障礙物，提高環(huán)境感知系統(tǒng)和數(shù)據(jù)處理的通用性。

參考文獻(xiàn)：

[1] 劉奔. 基于改進(jìn)環(huán)境感知技術(shù)的無(wú)人車路徑規(guī)劃和軌跡跟蹤控制方法研究[D]. 北京：北京林業(yè)大學(xué)，2021.

[2] 高揚(yáng)，曹王欣，夏洪垚，等. 低可見(jiàn)度環(huán)境下基于同步定位與構(gòu)圖的無(wú)人駕駛汽車定位算法[J]. 交通運(yùn)輸工程學(xué)報(bào)，2022，22（3）：251-262.

[3] 連天宇. 城市環(huán)境下的無(wú)人駕駛汽車換道決策研究[D]. 沈陽(yáng)：沈陽(yáng)工業(yè)大學(xué)，2021.

[4] 呂品，李凱，許嘉，等. 無(wú)人駕駛汽車協(xié)同感知信息傳輸負(fù)載優(yōu)化技術(shù)[J]. 計(jì)算機(jī)學(xué)報(bào)，2021，44（10）：1984-1997.

[5] 王媛媛. 考慮不確定性的無(wú)人駕駛汽車軌跡規(guī)劃算法研究[D]. 長(zhǎng)春：吉林大學(xué)，2021.

[6] 李旭川. 多車環(huán)境下的無(wú)人駕駛汽車換道軌跡規(guī)劃方法研究[D]. 西安：長(zhǎng)安大學(xué)，2021.

[7] 譚勇. 基于激光雷達(dá)的無(wú)人駕駛障礙物檢測(cè)與辨識(shí)[D]. 長(zhǎng)春：吉林大學(xué)，2020.

[8] 肖大鵬. 典型場(chǎng)景下無(wú)人駕駛?cè)S目標(biāo)識(shí)別算法研究[D]. 哈爾濱：哈爾濱工業(yè)大學(xué)，2018.

[9] 楊旭. 激光雷達(dá)點(diǎn)云數(shù)據(jù)的濾波和分割處理[D]. 哈爾濱：哈爾濱工業(yè)大學(xué)，2020.

[10] 蔣劍飛. 基于激光雷達(dá)的智能汽車可通行區(qū)域及障礙物檢測(cè)方法研究[D]. 武漢：武漢理工大學(xué)，2020.

（編輯? 楊? 景）