长春理工大学光电工程学院开放实验室计划——以使用多线激光雷达开展实验室开放计划培训为例

王世峰，王 锐,都凯悦,陈 洋,刘 伟

(长春理工大学 光电工程学院 a.光电工程国家级实验教学示范中心;b.光电测控与光信息传输技术教育部重点实验室，吉林 长春 130022)

1 背景介绍

根据教育部下发的《国家中长期教育改革和发展规划纲要(2010-2020年)》[1]，对高等教育明确地指出高校不仅要鼓励并培养学生学习专业知识，而且学生还需要具备实践和创新的能力. 特别是对于理工科院校的学生而言，参加课外竞赛可以有助于他们加深对课本中知识的理解与认识，拓宽眼界. 长春理工大学作为理工科为主的院校，深入贯彻落实纲要内容，加大了创新实验室的开放力度. 目前，我校光电工程学院的光学工程专业、测控技术与仪器专业以及探测与信息工程专业的本科学生均有机会在考核完成之后加入到创新实验室中，为学生在今后的深造学习提供坚实的研究技能基础.

长春理工大学光电工程学院的创新实验室开放计划[2]的目的是为了培养学生的创新精神与实践能力，促进学生更早、更多地接受科学研究与工程训练. 光电工程学院针对本科生开展了5个层次的创新创业能力培养计划：

1)以创业及产品孵化为目标的“光电创客空间(IOEMS)”；

2)以学术能力提高为目标的“培优科研训练计划(ESRTP)”；

3)以提高学生创新精神和实践能力为目标的“工程创新实验室开放计划(IELOP)”；

4)以提高学生竞赛水平和能力为目标的“创新创业竞赛计划(IECTP)”；

5)以提升学生专业软件使用能力为目的的“工程基础实践培训计划(IEBTP)”.

人工智能与光电感知实验室积极响应学院的5个层次的能力培养计划，将实验室现有条件与学生的兴趣方向相互结合，制定出了一系列基于光学传感器(激光雷达)的培训计划. 该培训计划由人工智能与光电感知实验室实施监督与指导，对应学院第二和第三层次的能力培养计划. 目前培训课程已经开展3届，都取得了较为理想的教学效果.

2 实验室活动针对性与培训过程

2.1 光学专业本科生实践创新教学现状分析

目前，长春理工大学光电工程学院在籍本科生约有2 200名. 大多数的本科生在大学三年级和四年级开始学习专业课程. 经过前2年基础知识的学习，接下来的2年时间成为学习专业技能、培养研究兴趣和发掘自身潜力的最佳时期. 近年来，学生对自己未来的规划越来越清晰并且越来越贴近实际. 他们中的大多数人在大一、大二时就已经为自己的未来制定好了目标和规划. 学生中大多数人计划在国内或者国外继续深造攻读硕士学位甚至是博士学位. 学生在毕业之后有一部分选择在公司就业，还有一些学生希望运用所学的专业知识与技能创办属于自己的公司. 这些学生大多数都渴望在常规的课程学习之外获得更加贴近实际、更具体的专业知识与技能. 就目前而言，现有体制的常规实验课程无法满足学生的切实需要. 有些学生甚至要求摒弃传统实验“跟随式”或者“模仿式”的作法，希望在更加包容、和谐、开放的实验室中表达自己的想法，实现自身的价值.

2.2 开放实验室的管理与运营

针对以上情况，OptoBot实验室制定了一系列的培训课程，帮助有意向的学生来达到自己的目的. 对于培训课程的设计需要考虑如下问题：

1)培训课程需要难易适中. 对于学生而言，课程太难会使得学生失去热情与耐心；反之，则违背了学生加入实验室的初衷.

2)留给学生一定可能的成长空间. 实验室所制定的培训课程要与传统课程有所区别，无论是注重学术还是工程方面，都要更加突出课程的实践和创新.

3)课程的设计要切合当前较为主流的科学技术，并使之成为学生未来可能的研究方向. 这些研究方向可能是他们将来进一步深造的基础.

本科生以团队的形式参与到所对应具体的培训课程中. 每个团队都会选出1名学生负责本团队日常的管理工作. 实验室中的研究生担任每个团队技术上的顾问. 指导教师担任整个实验室的主管工作，定期主持召开实验室全体工作会议，让学生们相互分享各自的心得及项目的最新进展情况. 同时，OptoBot实验室还针对全校的本科生积极开展技术研讨会以及心得、成果宣讲会，用以提高实验室的影响力，吸引更多的学生加入.

2.3 实验设备介绍

OptoBot实验室的主要研究方向是机器学习和环境感知方面. 所开展的系列培训课程也都是紧紧围绕这2个方向展开的. 图1所示为OptoBot实验室中用于环境感知研究的轮式机器人. 该平台配备了远距单线激光雷达(SickLMS151)、短距单线激光雷达(HokuyoUTM-30LX)、2台多线激光雷达(IBEOLUX8L和VelodyneHDL-32E)、2台工业相机(AVTPikef-100c)、嵌入式计算机以及电源系统等设备. 该平台可用于相关实验数据的采集以及验证控制算法的可行性. 同时，利用WIFI可通过笔记本电脑对该平台实行控制. 图1中所标记出的多线激光雷达(VelodyeHDL-32E)，作为典型的光学传感器，是OptoBot实验室所进行开放实验室项目系列课程里面的关键设备.

图1 环境感知实验平台及32线激光雷达

2.4 实验室开放计划本科生的遴选与结业

一般的情况下，我们接受各个年级的本科学生，但大一和大二的本科生会优先考虑. 加入到人工智能与光电感知实验室培训项目的学生中，大多数是通过现有实验室成员的推荐加入进来的，还有一部学生是通过海报或网站对实验室有了初步了解之后，才选择加入进来的. 对于报名学生的选拔，通常先通过面试，选拔出一部分符合条件的报名者；然后，将一些简单、基础的任务交给这些选定的学生，通常是与多线激光雷达相关的选题；再经过1个月的试用期，观察学生们对任务的态度以及完成情况，此时是学生和实验室的双向选择的阶段. 当学生通过试用期，便将开始为期1年的正式的培训计划. 当1年过后，完成该培训计划并取得合理、满意成绩的学生将获得相应的创新学分以及相关奖励证书.

3 基于多线激光雷达的环境感知实验

基于多线激光雷达的环境感知实验是人工智能与光电感知实验室培训系列课程之一. 该实验分为实验开始之前的准备、激光雷达参量校准、三维空间重构以及目标识别4个部分. 在本实验中，学生将被分为3组:A组、B组、C组. 其中，3组学生都要进行实验开始之前的准备. 每组学生将在余下的3部分实验中，选择与其他2组不同的部分实验来完成接下来的工作.

3.1 实验准备

在本实验中，采用Velodyne公司生产的32线激光雷达[3]作为主要的实验设备. 因此，3个小组的成员都必须熟悉和掌握该传感器的基本操作以及使用时的注意事项. 接下来，学生们还需掌握如何采集数据. 就目前而言，该款传感器采集数据的方法有2种：1)使用仪器制造商所提供的在Windows环境下所运行的上位机软件；2)另一种方法是基于机器人操作系统(ROS，Robotoperatingsystem)[4].ROS是集工具、库以及协议为一体的强大系统，它的目的是通过连接机器人平台上的各种传感器以实现机器人完成复杂的行为任务. 以上2种办法中，前者的操作较后者而言较为便利. 然而，考虑到第二种方法可以获得不同传感器的相同时刻的数据信息，能够有效地保证信息的同步性. 因此，选择第二种方法进行数据的采集. 将向学生展示如何在Windows系统下安装ROS，并教授给他们基本的操作指令. 将数据通过ROS采集出后，下一步通过Matlab对数据做进一步的处理.

3.2 激光雷达参量校准

激光雷达在测量时不可避免地存在一定的误差，确定这些误差的数值对后续工作具有重要的意义[5]，这样也就使得校准实验显得尤为重要. 3组学生中的A组进行该部分的实验，需要从3个方面对激光雷达的误差进行分析测量距离、水平角度分辨率以及垂直角度分辨率. 对于上述的每个方面，都要单独分析其相应的粗大误差以及系统误差. 此外，背景光以及不同的入射角度同样会影响到激光雷达的测量误差. 还需要考虑同一型号不同设备之间所存在的误差.

3.3 三维空间重构

由于32线激光雷达采集到的数据是逐帧的点云图像. 要求B组学生在移动平台上采集周围环境的形貌信息，找出所采集到的相邻时刻的2帧点云图像中的对应点[6]. 通过将2帧点云图像中对应点进行相应的特征匹配，最终达到重建该三维空间的目的. 三维空间的重构是该环境感知实验中的关键步骤. 点云库(PCL)[7]是三维空间重构任务中有效的辅助工具. 将PCL与ROS相互结合，可以有效地提高三维空间重构的精准度以及效率.

3.4 目标识别

利用32线激光雷达对周围环境信息进行感知，C组学生通过对所采集到的单帧点云数据进行分析与优选，利用聚类的方法对所选目标的特征进行提取，采用人工智能领域内的机器学习方法，对目标进行模式识别[8]. 具体来说，通过对待识别目标的各个有效特征进行提取与优化，利用有监督的学习(Supervisedlearning)，使得计算机能够自主识别.

4 结束语

依托长春理工大学光电工程国家级实验教学示范中心，光电工程学院的人工智能与光电感知实验室的开放计划目前已经连续开展了4届，取得了较为显著地效果. 参与该计划的本科生通过近1年的锻炼，大幅度地提高了自身的专业技能和专业领域的研究能力，同时，团队协作能力以及学术交流能力也得到了进一步加强. 大多数参加过实验室开放计划的本科毕业生都选择继续在国内外进行硕博阶段的深造，少部分本科毕业步入社会参加工作的学生也都得到了用人单位的较高评价和广泛认可.

[1] 国家中长期教育改革和发展规划纲要(2010-2020年)[EB/OL]. [2017-10-15]. http://www.gov.cn/jrzg/2010-07/29/content_1667143.htm.

[2] 长春理工大学光电工程学院2017年本科生创新工程实验室开放计划[EB/OL].[2017-11-02]. http://gd.cust.edu.cn/xytz/25814.htm.

[3] Velodyne HDL-32E data sheet [EB/OL]. [2017-12-01]. http://velodynelidar.com/hdl-32e.html.

[4] About ROS [EB/OL]. [2017-09-19]. http://www.ros.org/about-ros/.

[5] Chan T O, Lichiti D D, Belton D. Temporal analysis and automatic calibration of the Velodyne HDL-32E LiDAR system [J]. Political Studies,2013,II-5/W2(4):61-66.

[6] Hammoudi, K. Contributions to the 3D city modeling: 3D polyhedral building model reconstruction form aerial images and 3D facade modeling from terrestrial 3D point cloud and image [D]. Université Paris Est,2012,(1):234.

[7] About PCL[EB/OL]. [2017-11-23]. http://pointclouds.org/about/.

[8] Hragh M, Jφrgensen R, Pedersen H. Object detection and terrain classification in agricultural fields using 3D lidar data [J]. International Conference on Computer Vision Systems, 2015(9163):188-197.