<mark id="oztn4"></mark>
0
| 本文作者： Kell | 2017-02-23 09:54 |
雷鋒網按：本文作者Adam Kell，Comet Labs合伙人。本文由雷鋒網獨家發布。
什么是激光雷達？為什么說它是自動駕駛汽車的“眼睛”？它有哪些主要應用？又面臨哪些機會和挑戰？Adam Kell用通俗的語言和大量實例解答了上述問題。
一、一個形象的比喻
想象一下，你站在一個黑暗的房間里，你能感覺到周圍環境的唯一方式是伸出棍子觸碰物體。 首先，你徑直向前伸出棍子，棍子在伸出12英尺后撞擊到一個堅實的物體。 然后你向右伸出棍子，伸出8英尺后停止。接下來試試你的左邊，有12英尺。最后，在你的后方，棍子伸出了18英尺。于是，即使你看不到任何東西，也不移動身體，你也能獲得一些關于房間的信息。
如果你在不同的方向重復幾百或幾千次這樣子動作（并且記憶力極強），你將能夠根據物體和你的距離大致了解這個屋子的全貌。
圖1 針對一間屋子的墻的二維掃描
如果向上或向下傾斜棍子，你甚至能夠根據輪廓“看到”周圍的物體，如椅子和門。這些信息可以產生一個叫做“點云”的圖像，它是三維坐標系中的一系列點。當你擁有足夠多的點，就可以生成一個非常完整的基于點云的房間，像這樣：
圖2 針對墻和飲水機的三位掃描
二、什么是激光雷達
激光雷達（LIDAR，“光”和“雷達”的組合詞）是一種被設計用于快速構建這些點云的傳感器。通過使用光來測量距離，激光雷達能夠非常快速地采集樣點——每秒高達150萬個數據點。這個采樣率使得該技術能夠部署在自動駕駛車輛等應用上。
工作原理
激光雷達測量光脈沖的飛行時間，進而能夠判斷傳感器和物體之間的距離。想象一下，當發出光脈沖時啟動秒表，然后當光脈沖（從遇到的第一個物體反射出來）返回時停止計時器。通過測量激光的“飛行時間”，并且知道脈沖行進的速度，就可以計算距離。光以每秒30萬千米的速度傳播，因此需要非常高精度的設備來產生關于距離的數據。
圖3 用激光當“棍子”來測量距離
為了產生完整的點云，傳感器必須能夠非常快速地對整個環境進行采樣。激光雷達能夠做到這一點的一種方式是通過在單個發射器/接收器上使用非常高的采樣率。 每個發射器每秒發射數萬或數十萬個激光脈沖。這意味著，多達100000個激光脈沖在1秒內完成從激光器單元上的發射器到被測量的物體的往返行程，并返回到激光雷達單元上位于發射器附近的接收器。較大的系統具有多達64個這樣的發射器/接收器（它被稱為“線”）。多線使系統能夠每秒產生超過一百萬個數據點。
然而，64個固定線不足以映射整個環境——它只是在非常集中的區域給出非常清晰的分辨率。 由于光學中所需的精度，制造更多的線是非常昂貴的，因此在線數超過64后繼續增加線數會使成本急劇增加。因此，許多激光雷達系統使用旋轉組件或旋轉鏡來使線圍繞環境進行360度掃描。常見的策略包括使單個發射器和接收器向上或下偏轉使激光器視野覆蓋范圍更大。 例如，Velodyne的64線激光雷達系統具有26.8度的垂直視角（通過旋轉使其擁有360的度水平視角）。這個激光雷達可以從50米開外看到一個12米高的物體的頂部。
下圖中可以看到，距離激光雷達的遠近不同，點云的疏密程度也不相同，這是由于數據保真度隨著距離而下降。雖然它不是完美的，但是較高分辨率可用于較近的物體，因為隨著到傳感器的距離增加，發射器之間的角度（例如，2度）會導致這些點帶之間的間隔更大。
圖4 旋轉的多線激光雷達產生的點云
三、激光雷達系統的應用
點云可用于再現景觀或環境的三維模型，一些應用包括：
用于監測侵蝕或其他變化的地質測繪/成像
監測農作物和樹木的生長情況
為建筑項目做測量工作
對垃圾填埋場進行準確的體積預測
最常見的應用大概是一個激光雷達系統集成在一輛自動駕駛汽車上——例如Top Gear的一輛卡車使用激光雷達系統進行越野自主導航。
圖5 全速行駛的自動駕駛卡車
下面的片段中，你可以看到景物的點云，以及附加的功能（綠色的小方塊代表可以駛過的物體，如植物；紅色的小方塊代表不應駛過的物體——如巖石，樹木和汽車）。其他一些軟件模塊也能對原始點云進行理解，并將障礙物分類。
圖6 全速行駛的自動駕駛卡車
激光雷達系統已經找到了他們被應用于人形機器人的方式——比如波士頓動力的這個機器人：
圖7 波士頓動力的Atlas
除了機器人頭部的激光雷達系統之外，這個機器人還使用其他傳感器，比如用光學相機來掃描類二維碼。
激光雷達應用的另一個例子是水平安裝在無人機上的用于繪制地面等高圖的傳感器。來自激光雷達的點云數據與無人機自身的位置數據結合產生出了這些等高線。
圖8 搭載Phoenix Aerial系統的無人機對地面進行測繪
四、激光雷達面臨的機遇與挑戰
4.1 機遇
激光雷達在智能機器生態系統中有很多機遇。與使用二維圖像相比，點云能夠更容易的被計算機使用，用于構建物理環境的三維形象——二維圖像是人腦最容易理解的數據，而對于計算機來說，點云是最容易理解的。
Scanse的一款價值250美元的名為“sweep”的二維激光雷達掃描器可在戶外使用，并專為移動、低功耗應用而設計。它只用了競爭對手近四分之一的成本，這將給這類傳感器帶來全新的應用（我們在很多其他類型的傳感器中已經看到過這樣的現象）。 二維激光雷達也可以被搭載到另一個旋轉的元件上以產生環境中完整的三維點云。
圖9 Scanse的Sweep掃描的三維環境
其他公司正在尋求降低系統成本的其他策略，例如Quanergy的固態激光雷達。該系統大體與上文已介紹的系統相同，然而，與使用旋轉光學器件來移動光束不同的是，它們使用 “相控陣列光學系統”來引導激光脈沖的方向，它可以在某一方向上釋放一個激光脈沖，而讓下一個脈沖（1微秒之后）瞄準視野中的其它地方。
它能夠實時關注視野范圍內看似移動的物體，這是對人類駕駛員的模仿——后者能及時注意到即將進入汽車所行駛的道路的障礙物。Quanergy系統被設計為能在沒有機械移動的情況下做到這一點，并且每秒采樣大約100萬個數據點——這與64線旋轉激光雷達的速度相當，卻能顯著降低成本。它另一個優勢是更容易被集成在反光鏡和保險杠等其他汽車部件上。
另外，更大和功率更高的系統也正在開發中，它可以從在3萬英尺高度飛行的飛機上對地面成像，其分辨率足以能夠看到地面上的車輛。雖然這些系統的市場需求更小，且成本更高，但其發展將繼續降低傳感器技術的整體成本。
4.2 挑戰
由于激光雷達基于對激光脈沖返回傳感器所需時間的測量，因此高反射率的表面會帶來問題。大多數材料從微觀水平上看表面粗糙，并且向所有方向散射光；這類散射光的一小部分返回到傳感器，并且足以產生距離數據。然而，如果表面反射率非常高，光就會向遠離傳感器的方向散射，那么這一區域的點云就會不完整。
空氣中的環境也可以對激光雷達讀數造成影響。記錄顯示，大霧和大雨會減弱發射的激光脈沖而對激光雷達造成影響。為了解決這些問題，較大功率的激光器投入使用，但它對于較小的、移動或對功率敏感的應用來說并不是一個好的解決方案。
激光雷達系統面臨的另一個挑戰是旋轉時的刷新率相對較慢。系統的刷新速率受復雜的光學器件旋轉速度的限制。激光雷達系統最快的旋轉速率大約是10Hz，這限制了數據流的刷新速率。當傳感器旋轉時，以60英里/小時行駛的汽車在1/10秒內行進8.8英尺，因此傳感器對于在汽車駛過期間在這8.8英尺內發生的變化基本上是看不清的。更重要的是，激光雷達覆蓋的范圍（在完美條件下）為100-120米，這對于以60英里/小時行駛的汽車來說僅相當于不到4.5秒的行駛時間。
也許對于激光雷達來說，高昂的設備成本是它需要克服的最大挑戰。盡管自該技術得到應用以來其成本已大幅降低，但仍然是它被大范圍采用的一個重要障礙。對于主流汽車工業來說，一個價值2萬美元的傳感器將無法被市場接受。伊隆·馬斯克說：“我不認為它對于汽車的發展是有意義的，我認為它不是必須的。”
最后，雖然我們將激光雷達視為計算機視覺的一個組件，但點云卻是完全基于幾何呈現的。相反，人眼除了形狀之外還能識別物體的其他物理屬性，比如顏色和紋理。現在的激光雷達系統不能區分紙袋和巖石之間的差別，而這本應是傳感器理解和試圖避開障礙物時考慮的因素。
結論
激光雷達只是用于給計算機提供物理環境數據的眾多傳感器之一，但是生成的數據是計算機最容易理解的，并且它也將變得更便宜。Velodyne銷售和市場總監Wolfgang Juchmann稱，激光雷達的成本在過去7年里下降了10倍。 得益于成本的降低，我們將不斷看到新的潛在應用領域。在以后的文章里，我們將會探討更多推動這一新工業革命的智能機器技術的其他進展。
本文作者Adam Kell是Comet Labs（微信公眾號：cometlabs）合伙人，負責人工智能和機器人領域的早期投資投資。Kell畢業于斯坦福大學，曾任StartX加速項目的硬件負責人，在產品設計，制造和硬件領域擁有豐富經驗，曾被《福布斯》評為2014年度能源和工業領域30位30歲以下行業精英。Comet Labs位于舊金山的的智能交通實驗室正面向全球招募創業者、產業合作伙伴和項目導師，如需了解更多信息，歡迎發送郵件至lab@cometlabs.cn。
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
