無人駕駛汽車激光雷達系統(tǒng)研究的國內(nèi)外文獻綜述1.1無人駕駛激光雷達研究現(xiàn)狀目前，無人駕駛激光雷達是激光雷達三維掃描技術市場增長最快的領域。國外的無人駕駛激光雷達有：Velodyne（美國）的VLS、HDL系列，Quanergy（美國）的S3系列，LeddarTech（加拿大）的LeddarM系列，德國公司IBEO等REF_Ref71530733\r\h[19]。根據(jù)掃描方式不同，無人駕駛激光雷達可分為機械式、固態(tài)和混合固態(tài)激光雷達。機械式激光雷達通過機械結(jié)構(gòu)實現(xiàn)三維掃描，如Quanergy的M8、Velodyne的HDL系列，其掃描速度快、激光功率高、探測距離遠；固態(tài)激光雷達，如美國Quanergy的S3系列利用光學相控陣(OpticalPhaseArray，OPA)技術，結(jié)構(gòu)簡單、無機械部件，但由于光柵衍射產(chǎn)生的旁瓣分散了激光的能量，因而存在能量消耗大的缺點，影響探測距離和角分辨率，加工難度高；混合固態(tài)激光雷達，如LeddarTech的LeddarVu8系列，利用MEMS微振鏡實現(xiàn)掃描，但半導體工藝難以實現(xiàn)，材料選取困難。從測距方式上，大部分應用于車載的激光雷達系統(tǒng)都采用TDC的測距方式，價格低廉、結(jié)構(gòu)簡單且響應速度快，如Velodyne的HDL系列REF_Ref71530734\r\h[20]。但是，隨著無人駕駛發(fā)展，傳統(tǒng)基于TDC的測距方式逐漸不能滿足行業(yè)對性能、可靠性的要求，為了使車輛盡可能的獲取周圍環(huán)境信息，一種更可靠的基于ADC測距方式被提出。例如，LeddarTech針對無人駕駛應用，提出了一種安全系數(shù)更高更可靠的解決方案，設計了一種全波形多脈沖光學測距儀包含光學掃描方法和全波形方案REF_Ref71530735\r\h[21]。Velodyne研制了基于ADC測距方式的AlphaPuck，可以實現(xiàn)多次回波測量技術，具有300m的測距能力，頂級的線分辨率和視場，可用于L4-5級無人駕駛系統(tǒng)。S3固態(tài)激光雷達實物圖OPA原理圖SEQ圖\*ARABIC3Quanergy-S3固態(tài)激光雷達的實物與原理示意圖國內(nèi)近年來涌現(xiàn)了諸多無人駕駛激光雷達創(chuàng)業(yè)公司，主要有：北京北醒光子、北京北科天繪、深圳速騰聚創(chuàng)和上海禾賽光電等，如REF_Ref24655241\h圖4所示。典型的系統(tǒng)包括：北科天繪的機械式激光雷達R-Angle，速騰聚創(chuàng)的混合固態(tài)激光雷達RS-Ruby，以及禾賽科技的固態(tài)激光雷達PandarGT，使用了獨創(chuàng)的固態(tài)成像方法。而在測距方式，國內(nèi)普遍使用基于TDC測距技術，對于基于ADC測距方式禾賽科技與速騰聚創(chuàng)均有涉及，但其性能較國外產(chǎn)品具有一定差距REF_Ref71530736\r\h[22]。QuanergyVelodyne速騰聚創(chuàng)北科天繪圖SEQ圖\*ARABIC4國內(nèi)外激光雷達系統(tǒng)對比總結(jié)來看，目前，國內(nèi)激光雷達系統(tǒng)的相關硬件設計以及系統(tǒng)標定等工作都處于起步階段，現(xiàn)有的各種技術如激光高精度測距技術、高速數(shù)據(jù)采集技術以及系統(tǒng)集成技術等基礎還相對薄弱；目前國內(nèi)所研制的激光雷達整體上測距精度不高，硬件水平不穩(wěn)定，測距方法老舊，國內(nèi)激光雷達要發(fā)展離不開測距水平的提升。1.2環(huán)境探測與感知算法研究現(xiàn)狀在環(huán)境感知技術中，激光雷達探測技術以其高精度、低成本、操作方便、作業(yè)效率高、抗干擾能力強等優(yōu)點，廣泛用于無人駕駛領域。由激光雷達點云信息不能直接感知環(huán)境中的目標體積、方位、類別等信息，所以要通過環(huán)境探測與感知算法才能得到環(huán)境中的有效信息。本節(jié)將介紹環(huán)境探測與感知環(huán)節(jié)中重要的地面分割步驟的研究進展。地面的點云在原始點云中的數(shù)量占據(jù)比例很大，會對后續(xù)目標識別帶來干擾，所以地面點的分割是一項必不可少的預處理工作。目前針對三維激光雷達數(shù)據(jù)的地面分割算法可以粗略地分為三類：基于柵格單元的地面分割算法，基于線回歸的地面分割算法和基于面回歸的地面分割算法。在基于柵格單元的地面分割算法中，點云的處理以柵格為最小單位，這有效避免了逐一對上萬個點的低效率分類。文獻REF_Ref24313737\r\h[23]提出了一種基于最大最小值柵格地圖的地面分割算法，它被廣泛應用于2007年的DARPA城市挑戰(zhàn)賽，對每個柵格單元計算落在該柵格單元中的所有三維點的最大和最小高度的高度差，高度差小于某個預設閾值的柵格單元被識別為地面，否則為障礙物，這種方法本身不能解決地面分割中常見的欠分割問題，這一缺點被文獻REF_Ref24313742\r\h[24]解決。文獻REF_Ref24313742\r\h[24]采用均值高度圖來提取地面，每個柵格單元與其鄰域內(nèi)所有三維點的最大梯度值被保留下來作為該柵格單元的梯度，如果該梯度小于某一個閾值，那么該柵格單元屬于地面，最大的連通柵格單元集合被認為是最終的地面?；跂鸥駟卧牡孛娣指钏惴▋?yōu)點是計算效率很高；缺點是算法僅僅使用單個柵格單元的信息而沒有使用地面固有的連續(xù)性信息來分割地面，因此這類算法比較敏感，很容易受到激光雷達的觀測噪聲以及激光雷達自身外參數(shù)標定不準確的干擾而出現(xiàn)錯分。在基于線回歸的地面分割算法中，Stamos等人基于文獻REF_Ref24313749\r\h[25]中的粗分類算法，提出了一種在線的地面分割算法，它首先在每一條激光雷達掃描線中檢測一系列可能是地面的水平點，然后通過所有的激光雷達掃描線確定其中真正的地面點，該方法不僅可以產(chǎn)生魯棒的地面估計，而且可以獲得在每一條掃描線處的地面高度REF_Ref24313756\r\h[26]。文獻REF_Ref24313761\r\h[27]提出了一種針對高速自主車的大范圍地面分割算法，這種方法將極坐標柵格地圖分成許多扇形塊并且使用文獻REF_Ref24313770\r\h[28]中的直線擬合算法來表示每個扇形塊內(nèi)的地面?；诰€回歸的地面分割算法優(yōu)點是將二維地面分割問題轉(zhuǎn)化為低復雜度的直線擬合問題，符合三維激光雷達的工作原理，充分利用了每個扇形塊內(nèi)地面是連續(xù)變化這一特點，提高了該算法進行地面分割的精度，并且對三維激光雷達的外參數(shù)標定精度要求不高；采用文獻REF_Ref24313770\r\h[28]中的增量直線擬合算法計算效率很高，并且和一幀三維激光雷達數(shù)據(jù)中三維點的個數(shù)無關，只和極坐標柵格地圖中扇形塊的數(shù)量和每個扇形塊內(nèi)的柵格單元的個數(shù)有關，可以通過控制極坐標柵格地圖中扇形塊的個數(shù)來控制每一幀激光雷達數(shù)據(jù)的處理時間；缺點是直線擬合只能處理平坦的地面，對于有較大起伏的路面分割效果不是很好，并且不能保證相鄰兩個扇形塊或者掃描線之間地面的平滑性?；诿鏀M合的地面分割算法充分利用了地面的連續(xù)性信息，這些算法主要基于三維笛卡爾坐標柵格地圖。文獻REF_Ref24313781\r\h[29]首先針對每個柵格單元使用基于RANSACREF_Ref24313797\r\h[30]的平面擬合算法獲得該柵格單元的朝向（法向量的方向），然后對所有朝向小于30度的柵格單元再使用一次基于RANSAC的平面擬合算法估計最終的地面。文獻REF_Ref24313792\r\h[31]針對車載激光雷達采集的城市環(huán)境中的點云數(shù)據(jù)，將地面建模為相互連接的平面的一個動態(tài)系統(tǒng)，并采用平面擬合方法估計這些相互連接的平面，最后使用Kalman濾波來預測每個平面的中心和朝向。文獻REF_Ref24313801\r\h[32]采用掃描線分割、平面生長、三維霍夫變換等方法對機載激光雷達獲得的三維點云數(shù)據(jù)進行地面分割。文獻REF_Ref24313806\r\h[33]針對地面建模，提出了一種擴展的高斯過程回歸技術，為了處理結(jié)構(gòu)特征（邊緣、角）的保留問題，該方法引入了非靜態(tài)協(xié)方差函數(shù)，并且提出了一種新穎的基于高度結(jié)構(gòu)張量的迭代局部核自適應方法來擬合各種潛在的地面結(jié)構(gòu)，該算法只能離線處理一幀三維激光雷達數(shù)據(jù)，計算效率非常低?；谖墨IREF_Ref24313806\r\h[33]，Plagemann等人仍然使用帶有非靜態(tài)協(xié)方差函數(shù)的二維高斯過程回歸算法對地面進行建模，但是為了進一步提高計算效率，他們提出了一種非迭代的局部核自適應方法。對于局部核中的參數(shù)，使用另外一個帶有先驗的高斯過程回歸算法進行描述，這樣可以計算任意位置的局部核參數(shù)進而估計任何位置的地面高度REF_Ref24313817\r\h[34]。文獻REF_Ref24313822\r\h[35]提出了一種新的高斯過程增量采樣一致性（GP-INSAC）算法，該算法可以從被障礙點干擾的稀疏三維激光雷達數(shù)據(jù)中估計連續(xù)的地面模型，并且給出任意位置地面高度的分布，該方法不僅保持了高斯過程回歸算法在地面建模中精確的逼近能力，同時也具有剔除異常點的能力，因此它可以表示大部分起伏的地面，但是目前它也只能離線地處理一幀三維激光雷達數(shù)據(jù)。文獻REF_Ref24313827\r\h[36]在再生希爾伯特空間中使用在線的基于核學習的方法來估計感興趣區(qū)域內(nèi)的連續(xù)地面，該算法同時給出了任意位置地面高度估計的上下界，并且該算法根據(jù)激光雷達的工作特點，首次提出利用可視化信息來提高地面估計的精度，并且采用基于梯度的優(yōu)化算法來減少處理一幀三維激光雷達數(shù)據(jù)花費的時間。文獻REF_Ref24313830\r\h[37]提出使用相關高斯過程回歸對帶有GPS信息的多幀三維激光雷達數(shù)據(jù)進行融合，可以對大范圍、復雜地面進行建模，并且證明了非靜態(tài)核在地面建模中具有優(yōu)勢?；诿鏀M合的地面分割算法優(yōu)點是利用了地面連續(xù)的特點，對激光雷達的測量噪聲、外參數(shù)標定的精度不敏感，地面建模的精度比較高；缺點是該類算法計算量普遍比較大，不能滿足自主車所必須的實時性要求。參考文獻ZhaoH.,ShibasakiR.UpdatingADigitalGeographicDatabaseUsingVehicle-borneLaserScannersandLineCameras[J].PhotogrammetricEngineering&RemoteSensing,2005,71(4):415-424陳慧巖,熊光明,龔建偉,等.無人駕駛汽車概論[M].北京:北京理工大學出版社,2014XinL.,BinD.TheLatestStatusandDevelopmentTrendsofMilitaryUnmannedGroundVehicles[A].ChineseAutomationCongress[C].Changsha,2013:533–537陳慧巖,張玉.軍用地面無人機動平臺技術發(fā)展綜述[J].兵工學報,2014,35(10):1696-1706AlheetiK.M.A.,GrueblerA.,McDonald-MaierK.D.,etal.PredictionofDoSAttacksinExternalCommunicationforSelf-DrivingVehiclesUsingAFuzzyPetriNetModel[A].IEEEInternationalConferenceonConsumerElectronics(ICCE)[C].LasVegas,2016:502–503TariqS.,ChoiH.,WasiqC.M.,etal.ControlledParkingforSelf-DrivingCars[A].IEEEInternationalConferenceonSystems,Man,andCybernetics(SMC)[C].Budapest,2016:1861–1865.XiongG.,ZhaoX.,LiuH.,etal.ResearchontheQuantitativeEvaluationSystemforUnmannedGroundVehicles[A].2010IEEEIntelligentVehiclesSymposium[C].SanDiego,2010:523–527.李宏剛,王云鵬,廖亞萍,等.無人駕駛礦用運輸車輛感知及控制方法[J/OL].北京航空航天大學學報:1-13[2019-11-10].郭延寧,馮振,馬廣富,郭宇晴,張米令.行星車視覺導航與自主控制進展與展望[J].宇航學報,2018,39(11):1185-1196IslamM.R.,ChowdhuryF.H.,RezwanS.,etal.NovelDesignandPerformanceAnalysisofaMarsExplorationRobot:MarsRoverMongolPothik[A].ThirdInternationalConferenceonResearchinComputationalIntelligenceandCommunicationNetworks(ICRCICN)[C].2017:132–136李玖澤.激光雷達在無人汽車領域的應用[J].電子世界,2018(01):198+200.Toth,C.,2004.Digitalcameras,inManualofPhotogrammetry,FifthEdition,Section8.3.1,PublishedbyAmericanSocietyofPhotogrammetryandRemoteSensing.Petrie,G.andA.S.Walker,2007.Airbornedigitalimagingtechnology:Anewoverview,PhotogrammetricRecord,22(119):203-225.Manandhar,D.andR.Shibasaki,2003.Accuracyassessmentofmobilemappingsystem,InProceedings24thAsianConferenceonRemoteSensing(ACRS),B