前言
地面無人車輛在民用領域和軍事領域都有廣泛的應用背景，為了對無人車輛發展的階段進行明确定義，便于指引整個行業的發展，美國國家标準技術研究所根據環境複雜度、人工幹預程度等對無人車輛的自主等級進行了劃分，釋出了無人系統自主性等級架構(ALFUS)将自主能力劃分為10個等級。
而美國機動車工程師學會SAE将無人駕駛車輛的等級分為5級，用于對民用市場中的技術水準進行描述。
無人車輛的自主等級水準主要取決于環境感覺、路徑規劃、路徑跟蹤、自動控制等技術的發展，而在這些衆多因素中，環境感覺系統作為無人車輛獲得周圍環境資訊的媒介，起着非常關鍵的作用。
雷射雷達技術lidar，作為一種主動探測感覺系統，它通過計算光波的飛行時間來測量從感覺器到物體的距離，而不同的材質對于雷射束的反射強度也不相同，根據這一特點，雷射雷達最早應用于測繪系統和大氣探測系統，用來獲得對地球表面和形狀的空間資訊以及對大氣環境的監測。
随着技術的發展，利用雷射雷達能夠獲得高精度的點雲資料，進而得到高精度、實時的三維環境模型，促使雷射雷達技術在鐵路、公路、地形測繪等領域的應用也越來越廣。
一、雷射雷達技術的應用曆程
1960年雷射問世後不久，美國麻省理工學院林肯實驗室在1964年成功研制出第一台雷射雷達，并在多個領域進行了應用。早在70年代，Nitzan等人就描述了一個利用雷射雷達來探測室内景物的系統。
由于其測量精度高、方向性好及不受地面雜波幹擾等特點廣泛應用于軍事領域，90年代地理測繪行業發展迅速，使用了大量的雷射雷達技術，從此雷射雷達進入商業化時代。
近幾年，雷射雷達以探測精度高、靈敏度高、抗幹擾能力強等優勢被廣泛應用到移動機器人、無人機和智能車輛等領域的研發中。
雷射雷達技術在地面無人車輛的應用最早可以追溯到美國軍方的ALV項目。
為了找到對軍事應用帶來革命性變化的技術，美國國防進階研究計劃局(DARPA)分别于2004年、2005年和2007年舉辦了無人車挑戰賽，極大地推動了環境感覺傳感器、相關算法和地面無人車輛系統內建技術的發展，而我們現在常見的Velodyne雷射雷達傳感器就是在這樣的一個大環境需求下生産出來的。
國内在2009年到2016年由國家自然科學基金委主辦的中國智能車未來挑戰賽中，雷射雷達幾乎成了環境感覺系統的标準配置。
早期ALV項目和DEMOII項目中采用的雷射雷達，是由ERIM研制，采用基于相位間接TOF測距方法，利用單線雷達進行二維掃描，最遠探測距離30多米，更新頻率為2Hz。
到了後來DARPA挑戰賽中，Stanley，Sandstorm，H1ghlander車輛使用了大量的雷射雷達資訊融合技術，取得了比賽的前三名，之後随着需求的增長，更好的雷達産品應運而生，其中比較有代表性的是IBEO系列，sick系列、velodyne系列和Hokuyo系列的雷達産品。圖1列出了上面提到的部分無人車輛使用雷射雷達的情況。
圖1 雷射雷達在無人車輛的使用情況
近幾年的民用市場中，智能無人車輛發展迅速，尤其是特斯拉采用低成本的環境感覺系統所引發的交通事故，從反面驗證了雷射雷達技術的必要性。
二、雷射雷達的工作原理及特點
（一）工作原理
雷射雷達一般由雷射發射機、雷射接收機、資訊處理系統、伺服控制系統和操控顯示終端組成。圖2為簡化的雷射雷達組成示意圖。
測量過程具體如下，激勵源周期性的驅動雷射器發射雷射脈沖，雷射調制器通過光束控制器控制發射雷射的方向、線數等，通過發射光學系統将雷射發射出去，同時光電探測器負責接收雷射束經過目标反射後的回波，産生接收信号，利用一個穩定的石英時鐘對發射時間與接收時間做差，經由資訊處理子產品計算并輸出測量距離、角度、發射強度等資訊。
利用信号處理軟體系統對這些屬性資訊進行綜合處理，進而擷取目标的表面形态、實體屬性等特性，進行各種資料分析或建立物體模型。
目前雷射發射光源主要有半導體雷射器、半導體泵浦的固體雷射器和氣體雷射器等，其中半導體雷射器是以半導體材料如砷化镓、砷化铟、銻化铟等為工作物質的雷射器，其激勵方式主要有電注入式、光泵式和高能電子束激勵式。
半導體泵浦固體雷射器綜合了半導體雷射器和固體雷射器的優點，通過泵浦雷射工作物質，輸出光束品質好、時間相幹性和空間相幹性好的泵浦光，具有體積小、重量輕等特點。氣體雷射器的特點是輸出波長範圍較寬，氣體的光學均勻性好，是以光束穩定性好。
圖2 雷射雷達組成示意圖
雷射雷達的接收單元由接收光學系統、光電探測器、放大器和資訊處理子產品等組成，完成信号脈沖接收、光電轉變、信号放大和資訊處理功能。
對雷射接收器的基本要求是高靈敏度、高探測率和低虛警率。
提高雷射接收器性能的主要方法是探測方式和探測器的選擇。目前常用基于内光電效應的雪崩光電二極管作為光電探測器，具有體積小、可靠性高等優點。
（二）雷射雷達技術特點
雷射雷達可以根據掃描線數的不同，分為單線雷射雷達、多線雷射雷達，根據成像方式又可以分為一維、二維和三維雷射雷達。
一維雷射雷達主要用于測距，二維雷射雷達主要用于輪廓檢測、區域監控等，三維雷射雷達主要用于三維模組化，可用于高精度地圖、移動機器人、無人駕駛等。
按照發射波形和資料處理方式，分為脈沖雷射雷達和連續波雷射雷達、脈沖壓縮雷射雷達和成像雷射雷達等。根據掃描方式可分為非掃描和掃描體制，掃描體制可以選擇機械掃描、電學掃描和二進制光學掃描。
非掃描成像體制采用多元探測器，作用距離較遠。機械掃描能夠進行大視場掃描，也可以達到很高的掃描速率，是目前應用最多的一種方式。雷射雷達具有以下技術特點:
（1）不能穿透雲層、雨滴或者稠密的煙霧。需要在較好的天氣下使用。
（2）覆寫範圍廣、精度高、頻率快、環境适應性好。
（3）獲得資訊豐富。
（4）直接傳回被測物體到雷射雷達的距離，與立體視覺相比，測距直接并且準确。
（5）資料量大，後續處理技術重要。
雷射雷達為滿足地面無人車輛在軍事領域和在民用領域的要求，在設計之初就充分考慮了系統結構的設計、內建設計、能夠從容應對複雜地形、震動、沖擊載荷、高低溫等環境，這也為地面無人車輛執行不同任務提供了條件。
三、關鍵技術分析
地面無人車輛環境自主穩定行駛的重要前提是能夠獲得實時、準确、可靠的世界環境模型，這裡的世界環境模型不僅包括對車輛周圍外在環境中路面、地形、外部行人和車輛等等的感覺了解，還包括對車體自身位置、姿态、速度等内部資訊的狀态了解。
雷射雷達技術在地面無人車輛的應用克服了視覺傳感器在資訊擷取時的缺點，提高了車輛對外部環境感覺模組化的精度和準确度。
（一）點雲分割技術
雷射雷達的每一條射線發射出去，被物體發射回來，會生成一個點用來描述目标物體的空間位置，點雲就是經由雷射雷達生成的在同一個空間坐标系下表示目标物體特性的海量點的集合。
由于點雲的資料量可達到每秒上百萬個，普通的聚類算法無法滿足實時性要求，為了快速提取有用的物體資訊，需要根據點雲分布的整體特性和局部特征，将點雲進行分割，形成多個獨立的子集，每個子集的期望是每個子集均對應于具有實體意義的感覺目标，并能反映目标物幾何及位姿特征。
目前，點雲分割算法大多采用非模型投影方法，根據投影方向又分為基于地面投影及虛拟像平面投影兩類。
基于地面投影是将點雲資料根據雷射雷達的安裝位置、角度投影至俯視平面，再利用栅格地圖法進行處理，通過分析落入每個栅格中的點的數量及最大最小高度差，進而将栅格分為障礙或地面。
這種方法雖然存在栅格參數難以調節，容易欠分割或過分割的缺點，但是比較容易實作，同時也有利于進行多資訊融合，是以在美國DAPAＲ城市挑戰賽及中國智能車未來挑戰賽中得到廣泛應用。
基于虛拟像平面投影用于生成距離圖像，具體方法是将3D點雲資料投影至一系列以雷射雷達旋轉軸為軸的虛拟圓柱體上，每個投影點的像素值為相應點的雷達測距值。
這類算法适用于噪聲少、幾何形狀簡單的理想點雲資料，而對于複雜環境下的分割情況适應性差。
以上方法均是在二維投影平面上進行圖像分割，在投影過程中不可避免會丢失部分空間資訊，同時投影參數也難以調節，受到圖論方法在二維圖像分割中應用的啟發，Moosmann等人提出基于局部凸性準則的三維雷射雷達資料分割方法。
通過建立相鄰資料點的關系進行聚類和分割，能夠在城市道路環境下将非水準地面分割提取出來(如圖3所示)，然而此方法在進行分割過程中，局部凸性過于依賴點雲法向量的精度，計算量大，運算速度在每幀600ms左右，實時性差，限制了該方法在無人車輛複雜場景中的應用。
圖3 非水準路面分割實驗結果
由于算法在聚類過程中僅采用空間距離尺度作為标準，在多個目标之間距離過近的情況下容易分割錯誤。若能加入目标形狀，同時結合單個掃描線分割方法，将能夠減少分割錯誤率。
（二）道路提取技術
（1）基于單線雷射雷達的道路提取
在室外環境中，基于直線、圓或橢圓特征進行道路邊界提取，進而得到可通行區域，是地面無人車輛進行自主行駛中常用的方法，在進行道路特征提取過程中，常用基于距離的方法和基于卡爾曼濾波的方法來進行道路邊沿特征提取。
此類方法的理想模型如圖4所示，具有模型簡單，運算速度快的優點，但存在着對直線拟合參數的敏感性，無法應付複雜的非結構道路變化情況。
圖4 理想道路模型示意圖
為了提高檢測的準确性和實時性，G.A.Borges提出了一種利用二維距離圖像進行線段提取的分割-合并算法，使用了基于模型的模糊聚類算法，這種算法不需要事先知道模型種類的數量，在動态地圖生成過程中取得了較好效果。
周智在最小二乘法和連續邊緣跟蹤算法SEF的基礎上，通過引入回退機制、邏輯推理和特征合并的方法，提出了一種改進的直線特征提取算法，能夠快速準确的檢測合并道路邊界，給出可通行區域。
針對結構化道路中的直線，圓弧等特征的雷射雷達資料進行了分析，通過建立的相鄰點之間限制關系，完成了路邊檢測和跟蹤。基于預測方法檢測道路的邊界并進行跟蹤。
此外還有基于小波變換以及加快運算過程的基于GPU的方法。還有基于多幀雷射雷達資料的方法。
（2）基于多線雷射雷達的道路提取
相比較于單線雷射雷達，多線雷射雷達獲得的資料資訊更為豐富，相應的要求資訊處理算法也更為複雜。通常要經過點雲分析，資料聚類，特征提取等階段。
首先将地面點從3D雷射點雲中分割出來，然後利用3個時間空間條件，高度差，梯度值和法向量将路沿提取出來，并利用短時存儲方法剔除障礙物，最後利用Parabola模型和粒子濾波方法進行路沿濾波和平滑計算，并在Velodyne資料集上進行了實驗，部分實驗結果如圖5所示。
圖5 路沿提取算法實驗結果
（3）障礙物探測與跟蹤技術
對于環境中的負障礙如壕溝、水坑、斜坡等對于無人車輛行駛的危害也不容小觑，為了将負障礙探測出來，Larson采用了基于幾何模型的負障礙探測方法和支援向量機算法。
在實驗中，根據UGV的越障能力和負障礙的大小形狀來設定門檻值，因為負障礙的存在會造成雷射資料點在測量高度上的突變，利用這一特征将可能的負障礙作為候選，然後基于幾何模型算法和SVM算法甄别出真正存在的負障礙物。
此種方法的檢測效果受三維雷射雷達資料點的稀疏影響很大。
為在使用相同數量雷射雷達傳感器的條件下，增加車輛前方近距離範圍内的雷射資料點的稠密程度，采用傾斜安裝多個雷射雷達裝置的方式，提出了基于數學模型的自适應比對濾波算法，進行負障礙物的檢測，同時對多個雷達、多幀資料資訊采用特征融合算法，降低了虛警率，同時計算時間也降低了許多，算法流程如圖6所示。
圖6 FFA特征融合算法流程示意圖
總結
地面無人車輛在軍事領域的不斷發展促進了智能交通、無人駕駛技術在民用市場的需求，作為無人車輛環境感覺系統的關鍵技術，雷射雷達技術也取得了突飛猛進的發展，展現出其在地面無人車輛自主要制系統中的地位和應用前景。
為了快速準确獲得地面無人車輛周圍的道路資訊，運用栅格投影，在二維空間提取直線、曲線、關鍵特征點等能表示道路特征的資訊進行拟合和濾波，建構道路模型是最簡單直接也最行之有效的方法。
對于環境中的障礙物探測與跟蹤，要根據不同的環境情況選擇相應的雷射雷達類型以及安裝方式，進而調整雷射雷達點雲資料的稀疏程度，一種思路是将點雲資料投影，借鑒圖像進行中的目辨別别、資料關聯、濾波、跟蹤技術對障礙物進行探測。
另一種思路是在三維空間中建立體網格模型或直接進行資料的聚類和分析，通過多種幾何模型算法進行目标的分類與識别。而對于植被、樹木、水坑等障礙的檢測，則需對雷射束的反射強度和密度進行綜合分析。
利用雷射雷達進行環境模組化和目标姿态估計也是未來的重要研究方向，海量的點雲資料能夠提供豐富的環境資訊，通過對三維空間中資料點的分布情況進行統計計算，綜合利用GMM算法、EM算法、FCM模糊算法、EKF濾波算法等提取環境中的多種類型物體資訊，是對地面無人車輛周圍環境進行重建的基本思路之一，也是目前研究的熱點。