Apollo自动驾驶教程学习笔记Apollo感知之旅32

视频链接&＃xff1a;http://bit.baidu.com/Course/detail/id/288.html
讲师&＃xff1a;夏添 Apollo主任架构师

主要传感器

• Lidar&＃xff1a;原理是TOF&＃xff0c;time of flight&＃xff0c;主动式感知&＃xff0c;测距准&＃xff0c;缺点是稀疏性&＃xff08;百度apollo用的是64线的Lidar&＃xff0c;但是依然很稀疏&＃xff0c;百米外的物体只能有一两条线扫描到&＃xff09;&＃xff0c;很难做模式识别&＃xff0c;受功率限制&＃xff0c;距离有限&＃xff0c;大概在60~70米的极限。
• 相机&＃xff1a;被动式感知&＃xff0c;依赖于环境状态&＃xff0c;在夜间和恶劣环境下会牺牲准确度&＃xff0c;信息稠密&＃xff0c;适合做识别&＃xff0c;距离远&＃xff0c;取决于像素&＃xff0c;通常在几百米内都能有效识别&＃xff0c;测距不准。
• 毫米波雷达&＃xff1a;主动式感知&＃xff0c;感知距离近&＃xff0c;精度高&＃xff0c;具有多普勒效应&＃xff0c;可以用来分辨周围车辆的状态&＃xff0c;缺点是噪点较多&＃xff0c;需滤波&＃xff0c;对非金属物体的探测能力差&＃xff08;反射率低&＃xff09;&＃xff0c;信息也相对稠密。
• 超声波传感器&＃xff1a;与雷达有同样的问题&＃xff0c;针对非金属物体的探测能力一般&＃xff0c;测距比较粗糙&＃xff0c;只适合在低速下的感知&＃xff0c;优点可能就是成本低。
• 高精地图&＃xff1a;老师一直把高精地图作为感知的一个输入&＃xff0c;因为现在的无人驾驶还非常依赖于高精地图&＃xff0c;这是感知很重要的一个先验知识&＃xff0c;先验知识可以降低预测的误差&＃xff0c;精度高&＃xff0c;问题就是过分依赖于高精地图会限制无人驾驶的应用场景的灵活性。
• Image-Lidar&＃xff1a;一种结合camera和lidar的传感器&＃xff0c;我理解的大概是把相机装到可旋转云台上&＃xff0c;通过双目或红外来测距&＃xff0c;因为在旋转测距的同时&＃xff0c;能够得到同频率的图像信息&＃xff0c;所以信息量是稠密的&＃xff0c;同时还是全覆盖信息获取&＃xff0c;同时兼顾了准确测距&＃xff0c;所以成为一个研究方向&＃xff0c;我感觉测距上应该类似于RGBD相机的原理。这个传感器还在研发中&＃xff0c;所以成本比较高。

安装

apollo无人车依赖于车厂&＃xff0c;需要和汽车厂商合作&＃xff0c;得到车辆的CAD模型&＃xff0c;然后在模型上加各种传感器。
需要考虑很多因素&＃xff1a;

• 遮挡&＃xff1a;避免传感器被车辆遮挡&＃xff0c;所以想Lidar这种&＃xff0c;就只能是放到车顶&＃xff1b;
• 传感器融合&＃xff1a;需要设计所有传感器的一个overline&＃xff0c;配合传感器融合技术&＃xff1b;
• 每个sensor的角度和距离需要设计好&＃xff1b;
• 稳定性&＃xff1a;不要影响车辆的力学稳定性&＃xff1b;
• 安全性&＃xff1a;不要影响车辆的外形安全性&＃xff08;比如碰撞后掉落&＃xff09;&＃xff1b;
• 风阻&＃xff1a;不要影响车辆的行驶性能&＃xff1b;
• 美观&＃xff1a;车厂比较看重&＃xff1b;
• 便于清理&＃xff0c;保护&＃xff0c;尤其是外置的传感器。

标定

标定的主要工作就是检查传感器本身的参数&＃xff0c;以及校对多个传感器的相对位置。
前者叫做传感器内参标定&＃xff0c;后者叫外参标定。

• 内参标定比如说相机的焦距&＃xff0c;Lidar的激光管角度等&＃xff0c;这些参数本身会在传感器厂商提供的手册中写明&＃xff0c;但由于加工工艺、损耗等原因&＃xff0c;不一定完全准确&＃xff0c;所以需要人工检查标定&＃xff1b;
• 外参标定就是标定传感器之间的相对坐标系和朝向&＃xff0c;比如camera对camera、camera对lidar、lidar对lidar、camera对radar、lidar对gps这些。

标定环境有两种&＃xff0c;分别是在标定间中标定&＃xff0c;或者在自然场景下标定&＃xff0c;使用标定间成本相对高&＃xff0c;因为需要准备一个标定间&＃xff0c;在自然场景下标定又依赖于算法&＃xff0c;对算法要求高。

camera标定中用到的一个叫解PNP问题&＃xff0c;PNP问题是一个解决单目相机位姿的很常见的算法。
Lidar标定中用到的一个叫解ICP问题&＃xff0c;ICP问题是一种点云匹配算法。

最终标定结果需要通过可视化的方法来判断是否标定准确&＃xff0c;比如把两个camera的成像叠加显示&＃xff0c;或者将camera和lidar的成像和点云叠加&＃xff0c;看锐利边缘的物体是否清晰。

准确标定对后续的算法有着直接的影响&＃xff0c;所以标定是个细致活&＃xff0c;不得马虎。