在无人车辆中激光雷达的关键技术及应用研究

郭利强

（中北大学信息与通信工程学院，山西 太原030051）

随着信息技术、物联网技术以及传感技术的应用与推广，无人驾驶车辆在民用以及军事领域应用越来越广泛。无人驾驶车辆是具有环境感知能力的智能车辆，在无人车辆的行驶过程中，为确保行驶安全，需要无人车辆的环境感知部分获取大量的周围环境数据[1]。因而，环境感知是无人驾驶车辆中的关键组成部分，其主要是指通过各种传感器采集、获取车辆周边环境的信息系统。从目前的无人驾驶车辆环境感知部分解决方案来看，所采用的传感器主要包括：激光雷达、摄像头、微波雷达等。

激光雷达技术应用在无人驾驶车辆中，可以提高对周围环境的测量范围以及测量精度，且具有较强的抗干扰能力，大幅提高了无人车辆的环境感知能力。因此，使用激光雷达探测无人驾驶车辆周围的环境信息，已经成为无人驾驶车辆研究中最重要的技术内容。所以，对在无人驾驶车辆中激光雷达的关键技术及应用进行分析具有重要的现实意义。

1 激光雷达原理

激光雷达的工作原理同传统雷达探测技术原理相似，由激光雷达的激光器在激励源作用下，向目标物发射激光脉冲，目标物反射回来的激光信息由光电探测器进行接收，接收到的信号经由信号调理电路后，传输到计算机。计算机中的信息处理系统依据回波信号的信号强度、到达时间以及频率变化等信息进行计算分析，进而得出测量的距离、目标的角度等参数，最后对这些综合信息进行集合处理，从而实现对目标物体的属性参数进行表征。其系统原理框图如图1 所示。

图1 激光雷达系统原理框图

2 激光雷达的技术特征

按照扫描线数可以将激光雷达分为单线与多线两种形式，根据激光雷达成像方法又能够将激光雷达分为一维、二维、三维三种形式[2]。其中，一维雷达多用来对目标距离进行测量，即只能对平面目标信息特征进行表征。二维激光雷达可以用来对目标物体轮廓进行表征，例如可以对道路两侧的树木位置等信息进行表征。三维激光雷达可以对目标进行精确识别与跟踪，被广泛应用于各种形式的无人驾驶、地图测绘等领域。激光雷达具有以下特点[3]：a.具有较广的覆盖范围，能够适用于各种比较恶劣的环境；b.具有较强的抗干扰能力，且在使用过程中能够有效地规避周边环境中无线电波的干扰；c.可以对障碍物的各种参数信息进行表征，例如植被、树木、壕沟等；d.对后期数据处理技术要求较高；e.能够获取更加丰富的数据信息；f测距精度更高。

3 在无人车辆中激光雷达的关键技术

3.1 点云分割技术

激光雷达发射出一束激光，在该激光到达待检测目标后，目标将激光反射回来，通过对反射回来的信息进行计算分析，即可实现对物体的位置信息进行表征，并进行判别[4]。点云就是激光雷达生成的用来对目标物体进行表征的集合，由于点云数量较多，采用一般形式的聚类算法进行信息数据分析无法满足其要求。因此，在应用过程中，点云分割技术是进行目标提取、分类的基础，在处理点云数据前，通常利用点云分割技术，将点云分割成大小不一且相互独立的子集，突出重点，分而治之。

3.2 道路提取技术

无人驾驶车辆在行驶的过程中通常需要对路径信息进行提取与跟踪，需要对道路的方向、坡度等特征进行描述与表征。道路提取技术能够在无人驾驶车辆快速行驶的过程中，及时地对行驶道路前方的环境信息进行感知与识别。在激光雷达传回的点云数据中，道路的形状与障碍物相比具有规则性更强的特点，且两者具有较为明显的差异性，因而可以较为容易的对两者进行区分。在对激光雷达传回的点云数据进行道路提取研究中发现，不同类型的激光雷达，道路提取效果不一。激光雷达按照不同的线束可以分为单线与多线[5]，其中单线激光雷达是无人驾驶车辆使用最为广泛的一种激光雷达,单线激光雷达在应用的过程中，能够对道路高度差、走向、路沿等特征进行描述与表征，在车辆行驶速度较慢且道路规则性强的条件下具有较好的使用效果，其理想道路模型如图2 所示。但在一些非标准性道路中，单线激光雷达检测技术则不能够有效地表征出道路具体特征。多线激光雷达相较单线激光雷达而言，能够采集到更加丰富的信息数据，相比单线激光雷达，能够更好的对道路信息进行表征，道路提取效果更佳。

图2 理想道路模型

3.3 障碍物探测与跟踪技术

激光雷达具有探测准确性好、范围广等优点，激光雷达技术不仅能够帮助无人驾驶车辆控制系统获取目标信息的精确位置，还可以获取目标信息的速度、大小、方向等其它信息特征。因而，激光雷达技术在障碍物探测与跟踪方面具有较好的应用效果，可以为无人驾驶车辆的安全行驶提供保障。无人驾驶车辆在行驶过程中，如果车辆周边环境比较简单，则可以利用二维激光雷达信息障碍探测技术对那些具有明显特征的障碍物进行规避。但在复杂环境中，则需要利用三维激光雷达对障碍物进行探测与跟踪。文龙提出在无人驾驶车辆行驶过程中，可以使用三维激光雷达相邻扫描点距离特征来对地面进行分割，并通过DBSCAN法计算出障碍物的信息数据，以此实现对障碍物进行探测与跟踪[6]。

3.4 环境建模技术

在无人驾驶车辆行驶的过程中，测量系统能够快速、高效地对车辆周边环境信息进行描述与表征，这是确保无人驾驶车辆自主控制的关键。因此，有必要在行驶过程中，对车辆周边环境进行数据建模。就当下而言，常用的环境建模技术主要有应用栅格、几何信息以及拓扑图表示等。在车辆在行驶过程中，提取周边环境、行人、道路等特征的方法众多，但仍然会遇到一些特殊场景，无法有效地对环境特征进行全面描述或表征，例如道路两侧的树木、电线等。何月旺在大量实验的基础上，提出可以借助RANSAC算法将车辆行驶的地面与其它特征物分离，之后采用GMM算法区分出树木与灌木丛，并利用FCM模糊C均值类算法对道路两侧的树木信息进行描述与表征[7]。试验表明，该算法具有较好的应用效果，表征环境信息的精度较高。

3.5 多传感器信息融合技术

车辆在行驶过程中会遇到各种复杂的环境，激光雷达虽然能够迅速地采集车辆周边环境信息，但在具体的应用过程中，激光雷达并不可以完美实现对车辆周边所有环境的建模、目标探测等。因此，需要利用多传感器信息融合系统，结合车辆行驶过程中的需求来构建一个高效的周边环境信息模型。在多传感器信息融合技术应用过程中，系统内的每一个传感器均有自己的坐标信息，且不同类型的传感器坐标系表示形式各异。因此，为了保证在相同坐标体系下对测量目标进行描述或表征，在信息融合前需要对坐标体系进行转换。除此之外，在进行多传感器信息融合时，需要对多传感器坐标映射问题进行分析。为充分发挥动传感器信息融合技术的优势，国内外学者进行了大量的研究。杜军通过对数据与视觉信息的统合，提出了一种可以研判颜色、几何特征的方法[8]。姜允侃对不同形式传感器在极端环境下的检测情况进行网络分析，并通过信息融合提升了感知系统的精确性[9]。

4 激光雷达在无人驾驶车辆中的实际应用

谷歌自动驾驶公司Waymo 早已将激光雷达应用在无人驾驶车辆中，其激光雷达与传感器布局如图3 所示。主要在车顶、车头及车身四周布置激光雷达，并在车顶位置同时布置摄像头传感器，以充分保障信息冗余，主计算机被设置在车辆后备箱位置。

图3 无人驾驶汽车激光雷达与传感器布局图

目前在现有无人驾驶车辆中使用的激光雷达主流为机械扫描式，其主要是由MEMS 反射镜、激光发射接收装置、伺服电机等组成。机械扫描式激光雷达系统原理示意图如图4 所示。

图4 系统原理示意图

机械扫描式激光雷达所采用的测量方法为飞行时间法，其基本原理为：激光雷达首先会向目标物体发射激光，当激光到达目标物体后，目标物体将一部分光源反射回来，被接收器所接收，根据距离=（光速×时间）/2，这样通过对光源飞行时间的测量即可使得每一个像素获取到相互独立的距离信息。

5 结论与展望

5G 时代到来，万物互联成为可能，激光雷达技术作为物联网总框架基础性技术，具有十分广阔的应用前景。尤其近些年来随着车辆自动驾驶技术的发展，车辆自动驾驶逐渐由试验转向实用，激光雷达技术作为一种使用最为广泛的环境感知技术，具有使用环境广、精度高的优点，能够有效提升无人驾驶车辆的安全性能。相信在不久的将来，随着激光雷达技术的不断完善，其必将为无人车辆的发展提供更大助力。