LIDAR : 自動駕駛汽車的關鍵傳感器

本文為 AI 研習社編譯的技術博客，原標題 ：

An Introduction to LIDAR: The Key Self-Driving Car Sensor

作者 | Oliver Cameron

翻譯 | 餘杭、韌明、灰灰在學習、ocean

校對 | 醬番梨        整理 | 菠蘿妹

原文連結：

https://news.voyage.auto/an-introduction-to-lidar-the-key-self-driving-car-sensor-a7e405590cff

在 Voyage 上我們分享了關於 Homer 的新消息，即第一個自動駕駛計程車。Homer 配備了一系列的傳感器，來理解世界並進行導航，其中的關鍵設備是 LIDAR （light detection and ranging 的縮寫）。在這篇博文中，你將會學習到更多關於 LIDAR 的知識，包括它在自動駕駛汽車空間中的起源，以及它是如何從眾多傳感器中脫穎而出的。請盡情享受這篇文章！

LIDAR 具備讓自動駕駛汽車（或是任何機器人）觀察這個世界的幾個特殊的「超能力」 ：

如果你之前見過自動駕駛汽車，可能你已經接觸過 LIDAR。正如下圖中的 Uber 和 Baidu 的自動駕駛汽車，它是安裝在汽車頂部的不斷旋轉的笨重盒子。

目前市場上最受歡迎的 LIDAR 傳感器是下圖中 Homer 頂部的高功率 Velodyne HDL-64E 。

傳感器是如何做到 360 度無死角以及高精度的深度信息捕獲呢？

簡單地說：LIDAR 傳感器不斷發射雷射傳感束，然後根據光束返回至傳感器的時間測距。

通過每秒發送數百萬光束，LIDAR 傳感器可以真正地實現 3D 世界的 可視化。可以推斷出與周圍任何物體的精確測量值（最大約 60 米，取決於所用的傳感器）

Homer 的駕駛空間

為了進一步理解現代 LIDAR 背後的技術支持，著眼於具備相同目標的相似技術非常重要。

Sonar

最初的深度感應祖先是蝙蝠(具備 5000 萬年的歷史)。蝙蝠（或是海豚，之類.....）能夠像 LIDAR 一樣使用回聲定位，另一個稱為聲吶（聲音導航和測距）。和 LIDAR 雷射測距不同的是，Sonar 使用聲波進行測距。

經過了 5000 萬年的生物進化，隨著潛艇戰的到來，第一次世界大戰加速了人造聲吶傳感器的大規模部署。Sonar 在水中工作的效果非常突出，因為聲波在水中比光和無線電波的傳播速度更快（指的是每秒的傳播距離）。Sonar 傳感器在現代汽車上的應用頻率很高，主要是以停車傳感器的形式。短距離傳感器（~5m）提供了低廉的方式來告知後方牆壁與汽車的距離。聲吶還未被證明可以在自動駕駛汽車要求的範圍內工作（60 m+）

在這種情況下，蝙蝠是回聲定位信號的發送者和接受者。

雷達

雷達（無線電導航與測距），與 Sonar 非常相像，是在第二次世界大戰時發展起來的另一項技術。與使用雷射或聲波不同的是，它利用無線電波來測距。在 Homer 上使用 Delphi 傳感器利用大量的雷達，它是一種久經考驗的方法，能夠精確地檢測和跟蹤最遠距離 200 米的物體。

從缺點這方面來看，雷達的缺點非常少。它在極端天氣下的表現優異並且價位非常實惠。雷達不僅在物體檢測方面應用廣泛，並且在追蹤方面也有很多的應用（即：理解車輛行駛的速度以及方向）。雷達不一定能提供 LIDAR 的粒度，但是雷達是免費的，LIDAR 不是。

在 Homer 上安裝的雷達

雷射雷達技術 

雷射雷達技術誕生於20世紀60年代，就在雷射問世不久。在1971年阿波羅15號任務期間，太空人就用它測量繪製了月球表面，讓人們第一次看到雷射雷達能做什麼。

克萊門汀

在雷射雷達應用於汽車和自動駕駛使用之前，雷射雷達通常應用於考古學。並且雷射雷達在繪製地面版圖中有著極大的幫助，在考古學和農業中佔有著及其重要的地位。

一種空中捕獲的雷射雷達地圖

 「當雷射雷達技術首次應用於Angamuco時，我們從觀測到的區域大小，建築物和結構來看，甚至無法得出這是個城市的結論。團隊成員史蒂夫萊斯教授告訴（英國廣播公司）BBC。更令人驚訝的是，儘管城市面目全非，但是還是有球隊利用它在這裡找到了一個名為pok-ta-pok的中美洲比賽球場，在比賽中費希爾還在離球門十米遠的地方進過球「這真是太令人驚訝了」萊斯說。 -雷射雷達幫助考古學能探索到更多不為人知的地方。

雷射雷達技術的50個應用同時雷射雷達技術在許多不同的領域中正在變得越來越流行。

直到21世紀初，雷射雷達技術才首次被用於汽車，並且在2005年，斯坦利（以及後來的Junior）在Grand DARPA挑戰賽中應用了才使它流行起來。

在這場比賽中左圖的斯坦利使用的是SICK的雷射雷達傳感器，而右圖的Junior則使用的是Velodyne的傳感器。

斯坦利是2005年Grand DARPA挑戰賽的冠軍，除了裝備了軍用級GPS，陀螺儀，加速度計和一個可見度80米以上的攝像頭外，還另外在屋頂安裝了5個SICK雷射雷達傳感器。所有這些都是由6個放置於後備箱的1.6GHz 的奔騰lunix系統電腦所驅動的。

這項使用SICK雷射雷達技術（在2005年為很大一部分的挑戰車輛提供動力）由於每次雷射掃描基本上都是由單個平面進行的切割，因此對於每位參賽者必須有序的指揮他們。許多參賽隊伍將它們安裝在傾斜臺上，這樣他們就可以順利的「掃過」一段空間。簡單來說：與我們今天所知的現代3D 雷射雷達技術（多方向的光束）相比，SICK是一個2D雷射雷達（單一方向上的一些光束）。

Velodyne長期以來一直是雷射雷達的市場領導者，但是他們並不滿足於現狀。Velodyne於1983年開始從事音頻公司的生活，超低音揚聲器裝備特定的傳感器，利用DSP和定製DSP控制算法。以實現低頻音效和低音炮音效技術。在斯坦利首次登場的同時，Velodyne同時成為我們今天所知的雷射雷達公司。Velodyne的創始人大衛和布魯斯霍爾首次參加了2004年DARPA比賽，組建了DAD（數字音頻驅動器）團隊。2005年第二場比賽中，大衛霍爾發明了基於3D雷射的實時系統並申請了專利，這為Velodyne當前的雷射雷達產品奠定了基礎。在2007年第三次DARPA挑戰中，大多數團隊的感知系統使用的就是這項技術。大衛·霍爾的發明現在在史密森學會中被認為是實現自動駕駛的根本性突破。

2005年的DAD隊

2005年時DAD隊第一臺Velodyne 雷射雷達掃描儀的直徑約為30英寸，重量接近100磅。因此他們團隊選擇將雷射雷達掃描儀商業化而不是繼續使用它參加比賽。

Velodyne公司不斷改善技術，將傳感器的尺寸和重量減輕的同時提高它的性能。Velodyne的HDL-64E 雷射雷達傳感器是2007年所有頂級DARPA城市挑戰賽團隊的地形圖構建和障礙物檢測的主要手段，六個完成這個挑戰賽的團隊有五個在使用該傳感器，其中包括獲勝和第二個團隊。一些團隊完全依靠雷射雷達獲取用於通過模擬城市環境駕駛自動駕駛車輛的環境的信息。- 維基百科

為什麼 LIDAR  會使用自動駕駛汽車成為可能？簡而言之：繪製地圖。LIDAR可以生成巨大的3D地圖（這是它最早的應用！）你可以用以汽車或機器人的導航。通過使用LIDAR來對周圍的環境進行繪測和導航，你可以提前知道一條車道的輪廓、停止標誌甚至是前面500米的紅綠燈。這種可預測性正是實現自動駕駛汽車這樣的技術所需要的，並且是過去5年來取得進步的重要原因。

物體識別

隨著LIDAR應用的更加廣泛並且擁有更高的分辨物體的能力，在物體識別和追蹤中出現了一個新實例。LIDAR繪製的地圖不僅可以讓您準確了解自己在世界的哪個位置進而幫助您進行導航。還可以識別和跟蹤汽車，行人等障礙物，比如說Waymo的橄欖球頭盔。

現代LIDAR使你可以識別一個騎自行車的人和一個行走的人，甚至可以測量他們改變方向和行進的速度。

一輛谷歌汽車

令人驚嘆的導航，不可思議的可預測性、高度解析物體的跟蹤相結合意味著LIDAR是主導當代自動駕駛汽車的關鍵，而且很難看出這種主導會生變化。除非…

視覺傳感器主導的自動駕駛汽車

那裡有很多創業公司並沒有使用雷射雷達傳感器，僅使用視覺傳感器（也許是雷達）來解決自動駕駛汽車的問題。特斯拉是其中最有影響力的公司，他們的CEO埃隆馬斯克提出這樣的想法：如果人類能夠只用眼睛，耳朵和大腦來感知和導航這個世界，那為什麼不能用在自動駕駛汽車上呢？我確信這種方法將取得驚人的成果，尤其是現在已經有許多優秀的團隊正在努力實現這一目標，其中有Comma和AutoX。

特斯拉表示他們已經決定規模化生產。 未來特斯拉希望很快能夠每年生產50萬輛汽車，並且他們已不再需要等待雷射雷達的降價 。

埃隆馬斯克說，谷歌在其自動駕駛汽車中使用的雷射雷達'在汽車中沒有意義......

幾天前，特斯拉CEO埃隆馬斯克召開新聞發布會，介紹了自動駕駛功能...

來自9to5google.com

    業界的進步聚焦於降成本和解析度、範圍的提升。

降低成本

固態LIDAR有望提供1000美元以下的LIDAR單元，相比於當下的80000美元單價的LIDAR極具吸引力。LeddarTech是這個早期市場的領軍公司之一。

Velodyne對於固態LIDAR看法如下：

固態且固定傳感器是出於更小的尺寸和儘可能低的成本的可嵌入的傳感器而考慮的。這也就意味著視域也就更小。Velodyne支持固定的和旋轉的傳感器。固定的傳感器為了能夠嵌入所以需要小型化。從成本的角度考慮，兩者都包含鏡頭，雷射和檢測裝置。最低成本得系統實際上是通過旋轉視域來復用鏡頭、雷射和檢測裝置，而不是使用額外單獨包含鏡頭、雷射和檢測裝置的傳感器。復用不僅更加經濟實惠而且更加實用，因為這樣能夠減小因為實時融合不同視角數據而帶來的誤差，這在車輛實時運動時相當關鍵。雷鋒網雷鋒網雷鋒網(公眾號：雷鋒網)

精度與範圍提升

LIDAR應用場景的猛增吸引了一大票才華橫溢的創始人和團隊投入其中。更高的解析度與更遠的探測範圍（例如200米）將提升物體探測和跟蹤的性能，並且是像Lumina這樣的初創公司的傳感器產品的關鍵區別之一。

想要繼續查看該篇文章相關連結和參考文獻？

點擊LIDAR：自動駕駛的關鍵傳感器打開：

AI研習社每日更新精彩內容，觀看更多精彩內容：

這 25 個開源機器學習項目，一般人我不告訴 Ta

自學習 AI 智能體第二部分：深度 Q 學習

機器學習 2019：AI 發展趨勢分析

領域自適應發展回顧：2017

等你來譯：

2018.11十大機器學習熱門網文

AI出錯孰之過？永遠不要盲目相信ML/AI

如何用機器學習創造價值？

機器學習一旦學會了識別電影吸菸鏡頭，還怕它識別不了別的嗎？