激光雷達(dá)點(diǎn)云的相關(guān)參數(shù)


點(diǎn)云數(shù)據(jù)的接收
激光雷達(dá)的原始點(diǎn)云數(shù)據(jù)都會(huì)被存放在一個(gè)數(shù)據(jù)包里(pcap)
從數(shù)據(jù)的內(nèi)容來(lái)看,該型號(hào)的激光雷達(dá)在垂直方向上(-15° 到 + 15°)有 16 線的激光束,其每幀的數(shù)據(jù)長(zhǎng)度固定為 1248 字節(jié),這些字節(jié)包括前 42 字節(jié)的前數(shù)據(jù)包標(biāo)識(shí)、12 組數(shù)據(jù)包、4 字節(jié)時(shí)間戳和最后兩字節(jié)雷達(dá)型號(hào)參數(shù)。
點(diǎn)云數(shù)據(jù) (pcd) 的解析
數(shù)據(jù)包(pcap)中的原始數(shù)據(jù)需要進(jìn)一步轉(zhuǎn)換為可被感知技術(shù)人員使用的 pcd 格式的數(shù)據(jù)集。
點(diǎn)云數(shù)據(jù)的 pcd 格式文件是激光點(diǎn)云的一種存儲(chǔ)格式,pcd 文件主要是由笛卡爾坐標(biāo) (x,y,z) 和強(qiáng)度值 i 組成的列表,即每個(gè)點(diǎn)云都會(huì)附帶獨(dú)有的三維坐標(biāo)系和能量反射強(qiáng)度。
通過(guò) IMU 和輪式里程計(jì)(或者直接用 IMU)的方式,推算出 0.1 秒內(nèi)車(chē)是怎么運(yùn)動(dòng)的,然后利用運(yùn)動(dòng)模型來(lái)做運(yùn)動(dòng)畸變補(bǔ)償。

常見(jiàn)的運(yùn)動(dòng)畸變補(bǔ)償?shù)姆椒ǎ?/span>
慣性測(cè)量單元(IMU)方法是在 IMU 隊(duì)列中查找相鄰兩幀 IMU 的數(shù)據(jù),然后通過(guò)球面線性插值的方式計(jì)算掃描點(diǎn)所在時(shí)刻的激光雷達(dá)位姿,并應(yīng)用齊次坐標(biāo)系變化將兩個(gè)點(diǎn)云坐標(biāo)變換至同一坐標(biāo)系下。
輪式里程計(jì)(ODOM)方法是通過(guò)求解當(dāng)前幀激光雷達(dá)數(shù)據(jù)中每個(gè)點(diǎn)云對(duì)應(yīng)的坐標(biāo)系下的里程計(jì)位姿后,再根據(jù)求得的位姿把每個(gè)點(diǎn)云坐標(biāo)都轉(zhuǎn)化到同一坐標(biāo)系下(需要轉(zhuǎn)化兩次),最后重新封裝該幀點(diǎn)云數(shù)據(jù)。
在激光雷達(dá)獲取點(diǎn)云數(shù)據(jù)的過(guò)程中,由于受到產(chǎn)品自身系統(tǒng)、待測(cè)物體表面及掃描環(huán)境等因素的影響,點(diǎn)云數(shù)據(jù)中會(huì)不可避免地夾雜著一些噪點(diǎn)(離群點(diǎn)),需要將其直接剔除或者以平滑的方式進(jìn)行處理。這些噪點(diǎn)(離群點(diǎn))會(huì)在后續(xù)的點(diǎn)云處理環(huán)節(jié)中(如點(diǎn)云分割、特征提取、點(diǎn)云配準(zhǔn)等)讓模型結(jié)果產(chǎn)生一定的誤差。因此,在實(shí)際的點(diǎn)云處理流程中,感知人員會(huì)對(duì)點(diǎn)云進(jìn)行濾波處理。

將點(diǎn)云數(shù)據(jù)分別進(jìn)行感知和定位層面的處理。
基于傳統(tǒng)方法的感知數(shù)據(jù)處理
(1)地面點(diǎn)云分割
點(diǎn)云數(shù)據(jù)中會(huì)有很大一部分點(diǎn)云屬于地面點(diǎn)數(shù)據(jù),并呈現(xiàn)出一定的紋理狀,這會(huì)對(duì)后續(xù)目標(biāo)物的點(diǎn)云處理流程產(chǎn)生影響。
一方面,若不將這些地面點(diǎn)云數(shù)據(jù)進(jìn)行分割及去除,這些無(wú)效的點(diǎn)云數(shù)據(jù)就會(huì)對(duì)位于地面上的物體點(diǎn)云數(shù)據(jù)造成干擾,會(huì)降低目標(biāo)障礙物分割算法的準(zhǔn)確性和魯棒性;另一方面,由于點(diǎn)云數(shù)據(jù)量過(guò)大,這就會(huì)增加模型對(duì)計(jì)算量的需求。
所以,在進(jìn)行后續(xù)工作前,感知算法人員需要先對(duì)地面點(diǎn)云進(jìn)行過(guò)濾處理。
幾種常用的地面點(diǎn)分割方法:平面柵格法、點(diǎn)云法向量、模型擬合法 - 平面擬合(RANSAC)、面元網(wǎng)格法
(2)目標(biāo)物的點(diǎn)云分割
在去除掉地面點(diǎn)云后,接下來(lái)感知算法人員就需要將目標(biāo)物點(diǎn)云進(jìn)行有效地分割、分塊,從而便于對(duì)目標(biāo)物進(jìn)行單獨(dú)處理,即點(diǎn)云分割。目標(biāo)障礙物的點(diǎn)云分割是根據(jù)空間、幾何和紋理等特征對(duì)點(diǎn)云進(jìn)行劃分。
幾個(gè)常用的點(diǎn)云分割方法:基于邊緣的方法、基于區(qū)域增長(zhǎng)的方法、基于屬性的方法
(3)目標(biāo)物聚類(lèi)分析
在目標(biāo)物點(diǎn)云分割完后,感知算法人員就需要將點(diǎn)云圖中各個(gè)已分割的點(diǎn)云聚類(lèi)成若干個(gè)整體,即把具有相似程度較高的點(diǎn)云組成一組,以便降低后續(xù)模型的計(jì)算量 —— 這個(gè)過(guò)程就被稱(chēng)為點(diǎn)云聚類(lèi)。
常見(jiàn)的點(diǎn)云聚類(lèi)方法:K-means、DBSCAN、歐式聚類(lèi)、
(4)匹配與跟蹤
匹配和跟蹤的算法流程是先將目標(biāo)預(yù)測(cè)的結(jié)果與測(cè)量的點(diǎn)云數(shù)據(jù)計(jì)算關(guān)聯(lián)矩陣,然后利用匈牙利算法(其核心原理是尋找增廣路徑,從而達(dá)成最 大匹配)進(jìn)行匹配關(guān)系的確定,最后將點(diǎn)云數(shù)據(jù)分為匹配上的目標(biāo)和未匹配上的目標(biāo)兩類(lèi),將其分別保存,并為跟蹤做準(zhǔn)備。
點(diǎn)云在預(yù)處理完成后,就直接放入深度學(xué)習(xí)模型中,或者是先降采樣后再放入深度學(xué)習(xí)模型。
常用的基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法:
PointNet、

、PointNet++

· VoxelNet

· SECOND

· PointPillar

· PCT

雖然當(dāng)前深度學(xué)習(xí)已經(jīng)在自動(dòng)駕駛行業(yè)內(nèi)被廣泛應(yīng)用,但是深度學(xué)習(xí)在點(diǎn)云數(shù)據(jù)處理中也會(huì)遇到一些挑戰(zhàn)。
一方面,點(diǎn)云作為場(chǎng)景中點(diǎn)的位置具有稀疏和非結(jié)構(gòu)化的性質(zhì),因此它們的密度和數(shù)量都隨著場(chǎng)景中對(duì)象的變化而變化。另一方面,由于自動(dòng)駕駛汽車(chē)行駛時(shí)需要非??焖俚刈龀龇磻?yīng),因此必須實(shí)時(shí)執(zhí)行物體檢測(cè),而這意味著檢測(cè)網(wǎng)絡(luò)必須在兩次掃描之間的時(shí)間間隔內(nèi)提供計(jì)算結(jié)果。
所以,深度學(xué)習(xí)雖然可用、好用,但不可盡用。
先提取周邊場(chǎng)景的目標(biāo)物特征,并通過(guò)這些特征和所獲取到的相對(duì)距離信息來(lái)建立一個(gè)小地圖,知道車(chē)輛的相對(duì)初始位置。
在提取完周?chē)繕?biāo)物的特征后,感知算法人員就需要根據(jù)這些特征來(lái)進(jìn)行點(diǎn)云地圖匹配,來(lái)獲取各個(gè)點(diǎn)云之間的相對(duì)位姿。點(diǎn)云地圖匹配一般可分為幀間匹配和高精地圖匹配。
通常來(lái)說(shuō),相對(duì)位姿的不準(zhǔn)確主要是由于一些不可控因素造成的,如點(diǎn)云被物體遮擋或者激光雷達(dá)視場(chǎng)角的限制。點(diǎn)云的位姿優(yōu)化通過(guò)一定的點(diǎn)云坐標(biāo)系的剛體變化(旋轉(zhuǎn)或平移)來(lái)得到最優(yōu)相對(duì)位姿。
公眾號(hào) 掃碼咨詢(xún)
![]() |
上海市閔行區(qū)中春路4999號(hào)莘莊商務(wù)樓1326室 |
![]() |
service@covond.com |
![]() |
www.861030.com |
![]() |
交換機(jī):18017588179(孫經(jīng)理) 無(wú)人機(jī):13311882358(孫總) |