摘要：激光雷達可以通過激光脈沖對目標區(qū)域進行密集采樣來快速生成三維點云，三維點云數(shù)據(jù)能夠有效地用于環(huán)境三維重建、障礙物檢測等算法，但軌道車輛在地鐵環(huán)境下，采集到符合算法要求的激光雷達數(shù)據(jù)是一項非常具有挑戰(zhàn)性的任務(wù)，需要消耗大量人力、物力。針對以上情況，提出一種軌道車輛檢測系統(tǒng)點云數(shù)據(jù)仿真方法，通過對地鐵隧道和激光雷達傳感器建模，利用激光雷達工作原理生成有向激光束，并將有向激光束通過雷達模型和隧道模型的位置關(guān)系轉(zhuǎn)換到相同坐標系中，通過光線投射原理來獲得仿真數(shù)據(jù)。基于該方法，對不同半徑線路以及含有障礙物的工況進行數(shù)據(jù)仿真。試驗結(jié)果表明：該數(shù)據(jù)仿真方法有助于軌道車輛檢測系統(tǒng)應(yīng)用激光雷達的算法開發(fā)。

關(guān)鍵詞：激光雷達；三維點云；隧道模型；激光雷達模型；數(shù)據(jù)仿真

中圖分類號：TP391.9文獻標志碼：B文章編號：1671-5276（2024）06-0133-05

Abstract：Although LIDAR can quickly generate 3D point clouds by densely sampling the target area with laser pulses， and 3D point cloud data can be effectively used for environmental reconstruction， obstacle detection and other algorithms， LIDAR data collecting in line with the algorithm requirements for rail vehicles in subway environments is a huge challenge requiring enormous human and material resources. To address the issue， this thesis proposes a point cloud data simulation method for rail vehicle detection systems. By modeling the subway tunnel and LIDAR sensor， directed laser beams are generated using the working principle of LIDAR， and the directed laser beams are transformed into the same coordinate system through the position relationship between the LIDAR model and the tunnel model. Simulation data is obtained through the principle of ray projection. Based on this method， data simulation for different radius lines and working conditions with obstacles are conducted， and the experimental results show that the proposed data simulation method will help the algorithm development of rail vehicle detection systems using LIDAR.

Keywords：LIDAR; 3D point cloud; tunnel model; LIDAR model; data simulation

0引言

點云是指將相關(guān)傳感器靜止或耦合在自主移動車輛上對目標物體或區(qū)域采集數(shù)據(jù)，并在計算機上生成精確測量數(shù)據(jù)得到處于同一坐標系下的點集。在眾多3D成像系統(tǒng)中，激光雷達（LIDAR）［1］因其對檢測環(huán)境的準確感知以及在三維空間檢測的優(yōu)勢，不僅在地表勘測得到了大量應(yīng)用，也在自動駕駛等領(lǐng)域引起廣泛關(guān)注。但是受限于無法知道每次采集時傳感器的確切位置及姿態(tài)，因此在對三維重建、點云配準、障礙物檢測等算法進行驗證時，并不能準確有效地分析算法的誤差。同時對大環(huán)境進行實地采集數(shù)據(jù)所需要的人力、物力過高，特別是在特殊環(huán)境如軌道車輛檢測系統(tǒng)在地鐵隧道環(huán)境下的時間成本和人力成本更高，難以滿足科研任務(wù)的需求。而對點云數(shù)據(jù)進行仿真研究，則可以直接獲得指定參數(shù)的點云數(shù)據(jù)。此外，即使是現(xiàn)有傳感器參數(shù)指標達不到要求，也可以對傳感器的數(shù)據(jù)進行模擬。

為了得到激光雷達的仿真數(shù)據(jù)，相關(guān)學(xué)者對如何獲得激光雷達仿真數(shù)據(jù)［2-5］進行了研究。王盈等［6］為了提高空間目標激光雷達成像仿真的真實性，提出了一種適用于復(fù)雜空間目標的在軌激光雷達成像仿真方法，對開展基于激光雷達非合作目標相對導(dǎo)航技術(shù)算法研究提供重要基礎(chǔ)。YUE等［7］提出了一種基于計算機游戲的點云模擬框架，該框架通過設(shè)置自動駕駛場景和用戶配置參數(shù)來收集點云數(shù)據(jù)，同時該數(shù)據(jù)還可以修復(fù)神經(jīng)網(wǎng)絡(luò)的盲點。微軟公司也開發(fā)了一款用于自動駕駛汽車的高保真視覺和物理模擬引擎AirSim［8］，可以方便地生成大量數(shù)據(jù)；并且該模擬器還允許開發(fā)算法，可以無需對算法進行修改就可移植到真實車輛上。FANG等［9］通過將障礙物和感興趣街道點云數(shù)據(jù)進行合成，從而獲得帶有障礙物信息的點云數(shù)據(jù)，使仿真數(shù)據(jù)更加真實。ZHAO等［10］提出了一種幾何模型和物理模型相結(jié)合的激光雷達建模方法，并對不同天氣條件下激光雷達信號衰減的特征進行建模，供激光雷達用戶和設(shè)計者使用。

地鐵環(huán)境相對于公路環(huán)境較簡單，隧道內(nèi)的物體通常在短時間內(nèi)不會改變，這也使得軌道車輛檢測系統(tǒng)的點云數(shù)據(jù)仿真更加合理化。因此，本文將模擬激光雷達的采集過程。首先對傳感器和地鐵隧道進行建模，然后利用光線投射原理求得激光束與物體表面的交點，從而得到激光雷達的仿真數(shù)據(jù)。生成的仿真數(shù)據(jù)可用于相關(guān)算法的驗證及評估，不僅為算法研究提供數(shù)據(jù)依據(jù)，而且還能提高算法驗證的效率。

1坐標系建立

激光雷達在實際采集數(shù)據(jù)過程中，坐標系通常有雷達坐標系Or－xryrzr、車輛坐標系Ov－xvyvzv以及隧道坐標系Ot－xtytzt，如圖1所示。

為使激光點云的仿真過程與實際采集數(shù)據(jù)一致，在數(shù)據(jù)仿真過程中也使用雷達坐標系、車輛坐標系和隧道坐標系；但由于傳感器是與車輛耦合在一起的，傳感器坐標系與車輛坐標系的轉(zhuǎn)換只需要在算法開始時對相關(guān)參數(shù)進行初始化即可，在后續(xù)計算中雷達坐標系和車輛坐標系的位置關(guān)系是相對不變的。將激光傳感器和車輛看作剛體，那么3個坐標系之間的轉(zhuǎn)換就可以看作剛體之間的坐標系轉(zhuǎn)換。

本文坐標系的轉(zhuǎn)換用歐拉角來描述，設(shè)定隧道坐標系為整個仿真模型的基礎(chǔ)坐標系，同時設(shè)定傳感器繞z軸旋轉(zhuǎn)的角度為偏航角yaw（ψ）、繞y軸旋轉(zhuǎn)的角度為俯仰角pitch（θ）以及繞x軸旋轉(zhuǎn)的角度為滾轉(zhuǎn)角roll（），其中每個歐拉角對應(yīng)的旋轉(zhuǎn)矩陣分別為Rψ、Rθ、R。那么在后續(xù)數(shù)據(jù)仿真過程中求得有向激光束與隧道的交點時，就可以將有向激光束與地鐵隧道模型轉(zhuǎn)換到同一坐標系下，如通過旋轉(zhuǎn)矩陣R和平移矩陣T可將激光坐標系下的點Pr轉(zhuǎn)換到隧道坐標系下的點Pt：

2仿真模型

2.1地鐵隧道模型

地鐵隧道模型采用面向?qū)ο蟮姆椒ㄟM行表示，地鐵隧道模型將不同的地鐵隧道構(gòu)件對象進行集成，每一個構(gòu)件都是一個獨立的對象，如隧道斷面、鋼軌等。同時將障礙物也作為隧道構(gòu)件之一，使每個構(gòu)件都能作為一個獨立的部分在三維空間內(nèi)表達。地鐵隧道構(gòu)件的參數(shù)可以根據(jù)需求選取不同的地鐵隧道圖紙來提取，也可以根據(jù)自身需求來添加相應(yīng)的構(gòu)件或障礙物。在同一環(huán)境中所有地鐵隧道構(gòu)件處于同一坐標系下，通過給構(gòu)件添加位置約束來確定構(gòu)件的空間位置，同時也根據(jù)空間中3個角度的向量來控制構(gòu)件的方向。需要注意的是，構(gòu)件在空間的位置是處于絕對位置。

將隧道模型看作一個對象，那么隧道模型中的構(gòu)件都屬于隧道的一部分，隧道斷面、鋼軌信息、救生平臺、電源箱、障礙物等信息構(gòu)成了空間中的三維隧道模型，則隧道可以表示為

式中Ci（i=1，2，…，n）為地鐵隧道中的構(gòu)件，其中每個構(gòu)件都包含4種基本元素Ea、Eb、Ec、Ed，即

式中：Eai為構(gòu)件標識；Ebi為構(gòu)件結(jié)構(gòu)幾何信息；Eci為空間位置約束信息；Edi為相鄰構(gòu)件及連接形式。其中，Eai可以給仿真方法提供構(gòu)件信息，選擇合適的算法或者有其他需求時提高構(gòu)件的辨識度；Ebi能夠為算法提供構(gòu)件的幾何尺寸信息，其內(nèi)容可以為一條也可以為多條；Eci提供了構(gòu)件的空間位置約束，包含構(gòu)件的6個自由度信息；Edi提供了與構(gòu)件相連接的其他構(gòu)件以及它們之間的連接形式。隧道模型的實例如圖2所示，從圖中可以看出對隧道的各個構(gòu)件進行了描述，各個構(gòu)件相互連接，相互作用形成了地鐵隧道模型。

2.2虛擬激光雷達模型

激光雷達是一種復(fù)雜的高精度儀器，其內(nèi)部有許多精密儀器組成，并且各零件之間的協(xié)作關(guān)系復(fù)雜，因此要對激光雷達內(nèi)部進行建模是很困難的。同時為了使激光雷達建模方式適用于各種激光雷達，因此從應(yīng)用的角度將整個激光雷達看成一個整體，通過控制激光雷達的主要參數(shù)及掃描方式來獲取激光點云數(shù)據(jù)。

本文所使用的激光雷達主要參數(shù)有水平視場角、垂直視場角、掃描頻率、最大探測距離、水平角分辨率、垂直角分辨率、測量精度等。根據(jù)激光雷達原理生成有向激光束，采用光線投射的方法模擬激光雷達發(fā)射有向激光束到通過物體反射回激光雷達的整個過程。光線投射是指以某點為原點向某一方向發(fā)射射線，該射線在三維空間中碰到的第一個點即為激光束所得到的三維點，定義有向激光束為

式中α和β分別為相對于激光雷達掃描線的水平角度和垂直角度。那么將激光束Ray按照雷達的角分辨率、掃描頻率及掃描方式進行相應(yīng)的計算即可完成對激光雷達的模擬。

根據(jù)激光雷達的工作原理［11］可知激光雷達采集的數(shù)據(jù)是以傳感器自身掃描中心為原點的，因此激光坐標系Or與隧道坐標系Ot并不重合。將隧道坐標系作為絕對坐標系，激光雷達坐標系是相對于隧道坐標系運動的，任何情況下有向激光束都是從激光雷達坐標系原點出發(fā)，有向激光束與地鐵隧道坐標系相交示意圖如圖3所示。

在仿真數(shù)據(jù)過程中，激光雷達的自身位置姿態(tài)即激光雷達的6個自由度是確定的，結(jié)合水平角度為α和垂直角度為β即可確定有向射線在雷達坐標系下的空間單位向量n（m′，n′，p′），如圖4所示。

空間單位向量n的方程為：

通過坐標系轉(zhuǎn)換即可將雷達坐標系下的有向射線的單位向量轉(zhuǎn)換到隧道坐標系下：

式中R為雷達坐標系轉(zhuǎn)換到隧道坐標系的旋轉(zhuǎn)矩陣。

設(shè)Or（Xr，Yr，Zr）為激光雷達坐標系原點在隧道坐標系下的坐標，那么射出的激光束空間直線方程為

聯(lián)合式（3）與式（8）進行求解交點，將一幀激光雷達數(shù)據(jù)按角分辨率、掃描方式及時間順序求解獲得，同時根據(jù)激光雷達掃描精度給予一定的數(shù)據(jù)偏差以及根據(jù)入射角度和設(shè)定物體反射率使得仿真數(shù)據(jù)存在誤差及損耗即可完成對地鐵運行環(huán)境下的點云數(shù)據(jù)進行仿真。

3仿真試驗

為了對本文的方法進行驗證，使用所提出的方法通過設(shè)置激光傳感器參數(shù)、隧道模型參數(shù)來生成地鐵隧道環(huán)境下的激光點云數(shù)據(jù)?？紤]到地鐵隧道的使用環(huán)境，對激光雷達的參數(shù)提出需求。激光傳感器仿真參數(shù)如表1所示。

本次試驗隧道模型的隧道斷面采用矩形斷面。為使得仿真數(shù)據(jù)更貼近于真實環(huán)境，隧道模型中的部分構(gòu)件通過施工圖紙獲得。隧道模型的部分構(gòu)件如圖5所示，其中包含隧道斷面、鋼軌、信標、救生平臺等。

根據(jù)所提出的激光雷達數(shù)據(jù)仿真方法對直線及不同半徑的點云數(shù)據(jù)進行仿真，仿真結(jié)果如圖6所示。從圖中可以看出：隨著線路曲線半徑不斷減小，激光雷達在曲線路況下的探測距離是不斷減小的，符合激光雷達在真實環(huán)境中的探測規(guī)律。

為了便于數(shù)據(jù)應(yīng)用于障礙物檢測等算法，在隧道模型中添加障礙物構(gòu)件。圖7展示了在直線和曲線工況下添加檢測人員（障礙物）的仿真結(jié)果。

4結(jié)語

本文針對激光雷達在軌道車輛檢測系統(tǒng)中的應(yīng)用，提出了一種軌道車輛檢測系統(tǒng)點云數(shù)據(jù)仿真方法。通過坐標系轉(zhuǎn)換及對隧道和激光雷達建模，同時輸入相關(guān)的系統(tǒng)參數(shù)，成功生成了不同半徑下及含有障礙物的激光雷達仿真數(shù)據(jù)。由于開發(fā)應(yīng)用于軌道車輛檢測系統(tǒng)相關(guān)算法需要各種數(shù)據(jù)來評估算法性能，本文所提出的點云數(shù)據(jù)仿真方法能夠有效地幫助開發(fā)各種激光雷達數(shù)據(jù)類型的處理算法，滿足算法開發(fā)的各種需求。此外，點云數(shù)據(jù)仿真能夠在傳感器實際裝車之前更經(jīng)濟、更快地獲取點云數(shù)據(jù)，同時獲取的點云數(shù)據(jù)質(zhì)量更高，因此能夠有效提高驗證檢測系統(tǒng)相關(guān)數(shù)據(jù)處理算法的效率。

參考文獻：

［1］ FUJII T，F(xiàn)UKUCHI T. Laser Remote Sensing［M］. Boca Raton：Marcel Dekker Inc，2005.

［2］ LOHANI B， MISHRA R K. Generating LiDAR data in laboratory： LiDAR simulator［J］. Int. Arch. Photogramm. Remote Sens， 2007， 52（1）： 264-269.

［3］ 陳少揚. 多線激光雷達點云數(shù)據(jù)的模擬仿真研究［D］. 廈門：廈門大學(xué)，2020.

［4］ DESCHAUD J E，PRASSER D，DIAS M F，et al. Automatic data driven vegetation modeling for lidar simulation［C］//2012IEEE International Conference on Robotics and Automation. Saint Paul，MN，USA： IEEE，2012：5030-5036.

［5］ SHAN T X，WANG J K，CHEN F F，et al. Simulation-based lidar super-resolution for ground vehicles［J］. Robotics and Autonomous Systems，2020，134：103647.

［6］ 王盈， 黃建明， 劉玉等. 空間目標激光雷達成像仿真技術(shù)［J］. 紅外與激光工程， 2016， 45（9）： 109-114.

［7］ YUE X Y，WU B C，SESHIA S A，et al. A LiDAR point cloud generator：from a virtual world to autonomous driving［C］//Proceedings of the 2018ACM on International Conference on Multimedia Retrieval. Yokohama，Japan：ACM，2018：458-464.

［8］ SHAH S，DEY D，LOVETT C，et al. AirSim：high-fidelity visual and physical simulation for autonomous vehicles［C］//Hutter M，Siegwart R. Field and Service Robotics. Cham：Springer，2018：621-635.

［9］ FANG J，ZHOU D F，YAN F L，et al. Augmented LiDAR simulator for autonomous driving［J］. IEEE Robotics and Automation Letters，2020，5（2）：1931-1938.

［10］ ZHAO J，LI Y X，ZHU B，et al. Method and applications of lidar modeling for virtual testing of intelligent vehicles［J］. IEEE Transactions on Intelligent Transportation Systems，2021，22（5）：2990-3000.

［11］ 李現(xiàn)坤，李瀧杲，李棟，等. 激光雷達測量精度實驗分析［J］. 機械制造與自動化，2018，47（3）：190-193.

收稿日期：20230420

第一作者簡介：張建豪（1995—），男，河南開封人，碩士研究生，研究方向為機車車輛測控技術(shù)及故障診斷，1414989394@qq.com。

DOI：10.19344/j.cnki.issn1671-5276.2024.06.026