1. 首页
  2. 自习室
  3. 【自动驾驶技术解析】激光雷达(一)发展历程及应用场景

【自动驾驶技术解析】激光雷达(一)发展历程及应用场景

KITTCAMP,与新科技共成

3.gif

POINT

新年将至,puppy也打算尝试些新的原创内容。这次,将以激光雷达为第一弹,开启自动驾驶技术解析的系列分享。对文章有想法或想了解其他自动驾驶技术方向的小伙伴,欢迎在后台留言。(PS:除夕在即,祝还在路上的你们,早日归家。


1.jpg

(图片源于网络)

激光雷达是什么

激光雷达(light detection and ranging),也被称作LADAR或Laser Radar。作为一种主动探测感知系统,激光雷达通过计算光波飞行的时间,来测量从感知器到物体的距离。因为激光光束对不同物体(材质)的反射强度不同,所以早期激光雷达主要应用在测绘系统和大气探测系统中。


随着激光雷达技术的不断发展,利用激光雷达能够获得高精度的点云数据,从而得到时效性极强、精确度更高的三维环境模型。这也使得激光雷达在各领域的应用逐步铺展开来,包括且不限于铁路、公路、地形测绘等。


关注自动驾驶的小伙伴对激光雷达必然十分熟悉,近年来激光雷达在地面无人车的应用中加速了自动驾驶的商业化落地和智能交通产业链的发展。作为自动驾驶解决方案中不可缺少的部分,激光雷达已经获得了世界各国企业的青睐。


1.gif


2.jpg

(图片源于网络)

最早是军方的心头好

1960年,激光问世,4年后,美国麻省理工学院林肯实验室成功研制出了第一台激光雷达,并在多个领域进行了应用测试。激光雷达因测量精度高、方向性好、不受地面杂波干扰等特点,早在70年代就获得了军方的欢迎,广泛应用于军事领域。90年代,随着地理测绘行业的快速发展,被大量使用的激光雷达也正式进入了商业落地时代。近几年,激光雷达更是在自动驾驶车辆、智能机器人、无人机等领域大放异彩。


激光雷达与自动驾驶车辆的缘分可以追溯到美国军方的ALV项目。20世纪80年代,美国国防部DOD制定了无人作战系统战略计划,随后围绕这一计划进行了不同项目的测试与实施,其中比较知名的项目就有地面无人战斗车辆无人战斗车辆——UGCV。


为挖掘对军事应用具有革命性的新技术,美国国防高级研究局分别于2004年、2005年、2007年举办了无人车挑战赛。这一举动极大加速了环境感知传感器、相关算法和地面无人车辆系统集成技术的发展。(PS:Velodyne 激光雷达传感器就是在这样一个大环境需求下生产的


1.gif

timg.gif

(图片源于网络)

早期激光雷达是啥样

早期ALV项目和DEMO II项目中所采用的激光雷达,由ERIM研制开发,采用基于相对位置简介TOF测距方法,利用单线雷达进行二维扫描。当时,最远的探测距离为30多米,更新频率为2Hz。


后面的DEMO III项目则采用了GDRS生产的8线激光雷达,采用直接脉冲TOF测距。在PerceptOR中采用了sick scanning laser rangefinder 组合,使用了2个用于水平方向和垂直方向探测的sick单线激光雷达。


当时用于测绘的激光雷达在测量精度、探测距离上都能满足无人车辆的需要,但由于更新频率较低,不能实现实时反馈,因而未能用于实时环境的探测。


众所周知,在DARPA挑战赛中,Stanley,Sandstorm,H1 ghlander的参赛车辆使用了大量的激光雷达信息融合技术,并取得了赛事的前三。随着需求的不断增长,越来越多的雷达产品应运而生,如IBEO系列、sick系列、velodyne系列和Hokuyo等。


1.gif


3.jpg

(图片源于网络)

激光雷达在国内

激光雷达不仅在国外获得了青睐,在我国也同样如此。2009年至2016年间,由国家自然科学基金委主办的中国智能车未来挑战赛中,激光雷达几乎成了环境感知系统的标配。


近些年激光雷达在民用市场的应用场景不断壮大,随着智能交通革命席卷全球,越来越多的车企、研究机构将目光投向了激光雷达。沃尔沃、通用、福特等绝大部分正在研究无人驾驶汽车的车企,都配备了相应的激光雷达。


然而,激光雷达的高成本一直是各车企的心头刀,如何能开发出精度高、性能好、成本低的新型激光雷达,成为了新一轮创业公司的发展方向。


2016年,激光雷达初创公司Quanergy Systems发布了号称全球第一款的固态激光雷达传感器S3,与此同时,Velodyne推出了Hybrid Solid State“混合固态”激光雷达VLP-16 PUCK、法雷奥与Ibeo也合作推出了ScaLa激光雷达。而国内企业,如镭神智能、巨星科技、思岚科技等,也在积极进行激光雷达的研制。



下期预告:激光雷达工作原理及特点


1.gif


参考文献:

1、DAI Yongjiang. Principles of laser radar[M]. Beijing: National Defence Industry Press,2002. ( in Chinese)戴永江. 激光雷达原理[M]. 北京: 国防工业出版社,2002.

2、Nitzan D,Brain A,Duda R. The measurement and use of registered reflectance and range data in scene analysis[J]. Proceedings of the IEEE,1977,65( 2) : 206 - 220.

3、YANG Fei,ZHU Zhu,G0NG Xiaojin. Real-time dynamic obstacle detection and tracking using 3D LIDAR[J].Journal of Zhejiang University: Engineering Science,2012,46( 9) : 1565 - 1571. ( in Chinese)杨飞,朱株,龚小谨. 基于三维激光雷达的动态障碍实时检测与跟踪[J]. 浙江大学学报: 工学版,2012,46( 9) : 1565 - 1571.

4、Himmelsbach M,Muller A,Luttel T. LIDAR-based 3D object perception[C]/ / Proceedings of 1st International Workshop on Cognition for Technical Systems,Munich,Germany,2008.

5、Xin Y,Liang H,Mei T,et al. A new occupancy grid of the dynamic environment for autonomous vehicles[C]/ /Intelligent Vehicles Symposium Proceedings,2014 : 787 - 792.

6、Moosmann F,Pink O,Stiller C. Segmentation of 3-D LIDAR data in non - flat urban environments using a local convexity criterion[C]/ /2009 IEEE Intelligent Vehicles Symposium,Xi'an,China,2009: 215 - 220.

7Klasing K,W Ollherr D,Buss M. A clustering method for efficient segmentation of 3-D laser data[C]/ /2008 IEEE Internationa1 Conference on Robotics and Automation,Pasadena,CA,USA,2008: 4043 - 4048.

8、Savant S. A Review on edge detection techniques for image segmentation[J]. International Journal of Computer Science & Information Technology,2014,5 ( 4 ) :5898 - 5900.

9、Wassenberg J,Middelmann W,Sanders P. An efficient parallel algorithm for graph-based image segmentation[J ]. Springer Berlin Heidelberg, 2009, 5702:1003 - 1010.

10、 Felzenszwalb P F,Huttenlocher D P. Efficient graphbased image segmentation[J]. International Journal of Computer Vision,2004,59( 2) : 167 - 181.

 更 多 精 彩 

4.gif

小车公号广告.jpg




kittcamp,与新科技共成长



作者:puppy

微信关注“KITTCAMP自动驾驶学院”获取更多学习资料

文章系KITTCAMP自动驾驶学院原创,转载需表明出处

相关推荐
发表评论
访客的头像
请先 登录 再评论,若不是会员请先 注册
留言列表

    还没有留言,还不快点抢沙发?