自動(dòng)駕駛領(lǐng)域點(diǎn)云配準(zhǔn)的工作原理與技術(shù)方法

在第一篇《詳解激光雷達(dá)點(diǎn)云數(shù)據(jù)的處理過(guò)程》和第二篇《激光雷達(dá)點(diǎn)云處理中遇到的問(wèn)題及對(duì)策》的激光點(diǎn)云系列文中，筆者分別分析了激光雷達(dá)的點(diǎn)云處理流程和點(diǎn)云處理環(huán)節(jié)中遇到的典型問(wèn)題及對(duì)策。在本篇文章中，筆者將重點(diǎn)分析激光點(diǎn)云在定位環(huán)節(jié)中的點(diǎn)云配準(zhǔn)技術(shù)。

由于受到視場(chǎng)角的限制，激光雷達(dá)在實(shí)時(shí)采集點(diǎn)云數(shù)據(jù)時(shí)，只能獲得有限視野范圍內(nèi)的點(diǎn)云圖像。為了獲得三維場(chǎng)景的點(diǎn)云數(shù)據(jù)，感知算法人員需要在已知的初始姿態(tài)信息下，將采集到的前后兩幀不同點(diǎn)云轉(zhuǎn)換到統(tǒng)一坐標(biāo)系下，將點(diǎn)云重合的部分拼接在一起——這就是點(diǎn)云配準(zhǔn)技術(shù)。

下文將逐一分析點(diǎn)云配準(zhǔn)具體是什么、點(diǎn)云配準(zhǔn)的技術(shù)方法、點(diǎn)云配準(zhǔn)面臨的問(wèn)題及對(duì)策。

01 點(diǎn)云配準(zhǔn)在自動(dòng)駕駛方面的應(yīng)用

點(diǎn)云配準(zhǔn)早先主要應(yīng)用于建筑行業(yè)中的建筑信息模型（BIM）、采礦行業(yè)中的礦區(qū)開(kāi)采等，而在自動(dòng)駕駛領(lǐng)域內(nèi)的作用主要有三類(lèi)，分別為三維地圖構(gòu)建、高精地圖定位、姿態(tài)估計(jì)。

第一，三維地圖構(gòu)建。在建高精地圖時(shí)，自動(dòng)駕駛系統(tǒng)通過(guò)激光雷達(dá)采集回來(lái)的相鄰幀點(diǎn)云進(jìn)行點(diǎn)云配準(zhǔn)后，將不同位置采集回來(lái)的點(diǎn)云統(tǒng)一到一個(gè)坐標(biāo)系下，然后構(gòu)建出一個(gè)三維的高精度地圖。

第二，高精地圖定位。在自動(dòng)駕駛車(chē)輛行駛時(shí)，車(chē)輛需要做到厘米級(jí)的精準(zhǔn)定位。例如，自動(dòng)駕駛車(chē)輛需要估計(jì)其在地圖上的精確位置及車(chē)與道路路沿的距離。自動(dòng)駕駛系統(tǒng)通過(guò)點(diǎn)云配準(zhǔn)技術(shù)，將實(shí)時(shí)采集到的點(diǎn)云數(shù)據(jù)與高精地圖的數(shù)據(jù)做匹配，為自動(dòng)駕駛車(chē)輛給出精確的定位。

第三，姿態(tài)估計(jì)。自動(dòng)駕駛系統(tǒng)通過(guò)點(diǎn)云配準(zhǔn)技術(shù)來(lái)估計(jì)車(chē)輛的相對(duì)姿態(tài)信息，然后并有利于對(duì)車(chē)輛做決策規(guī)劃。

02 點(diǎn)云配準(zhǔn)的工作原理與技術(shù)方法

2.1 點(diǎn)云配準(zhǔn)的工作原理

點(diǎn)云配準(zhǔn)的工作原理是激光雷達(dá)由于受到環(huán)境等各種因素的限制，在點(diǎn)云采集過(guò)程中單次采集到的點(diǎn)云只能覆蓋目標(biāo)物表面的一部分，為了得到完整的目標(biāo)物點(diǎn)云信息，就需要對(duì)目標(biāo)物進(jìn)行多次掃描，并將得到的三維點(diǎn)云數(shù)據(jù)進(jìn)行坐標(biāo)系的剛體變換，把目標(biāo)物上的局部點(diǎn)云數(shù)據(jù)轉(zhuǎn)換到同一坐標(biāo)系下。

通俗點(diǎn)來(lái)說(shuō)，點(diǎn)云配準(zhǔn)的關(guān)鍵是如何尋找到初始點(diǎn)云和目標(biāo)點(diǎn)云之間的對(duì)應(yīng)關(guān)系，然后通過(guò)這個(gè)對(duì)應(yīng)關(guān)系將原始點(diǎn)云和目標(biāo)點(diǎn)云進(jìn)行匹配，并計(jì)算出它們的特征相似度，最后統(tǒng)一到一個(gè)坐標(biāo)系下。

圖：點(diǎn)云的三維建圖效果

（數(shù)據(jù)來(lái)源：互聯(lián)網(wǎng)）

點(diǎn)云配準(zhǔn)通常可分為兩個(gè)步驟，分別是粗配準(zhǔn)和精配準(zhǔn)。

粗配準(zhǔn)，即點(diǎn)云的初始配準(zhǔn)，指的是通過(guò)一個(gè)旋轉(zhuǎn)平移矩陣的初值，將兩個(gè)位置不同的點(diǎn)云盡可能地對(duì)齊。粗配準(zhǔn)的主流方法包括RANSAC、4PCS等。

經(jīng)過(guò)粗配準(zhǔn)之后，兩片點(diǎn)云的重疊部分已經(jīng)可以大致對(duì)齊，但精度還遠(yuǎn)遠(yuǎn)達(dá)不到自動(dòng)駕駛車(chē)輛的定位要求，需要進(jìn)一步做精配準(zhǔn)。

精配準(zhǔn)指的是在初始配準(zhǔn)的基礎(chǔ)上，進(jìn)一步計(jì)算兩個(gè)點(diǎn)云近似的旋轉(zhuǎn)平移矩陣。精配準(zhǔn)的主流方法包括ICP、NDT、深度學(xué)習(xí)等。

2.2 點(diǎn)云配準(zhǔn)的技術(shù)方法

上文提到了一些點(diǎn)云配準(zhǔn)的具體方法，由于各家自動(dòng)駕駛公司的技術(shù)水平與技術(shù)方案都不同，所以他們會(huì)采用不同的點(diǎn)云配準(zhǔn)方法——有些公司會(huì)在粗配準(zhǔn)或者精配準(zhǔn)過(guò)程中只采取一種方法，也有些公司會(huì)采取多種組合的方法。比如，在精準(zhǔn)配過(guò)程中，某些公司會(huì)采用ICP+深度學(xué)習(xí)的方式。該章節(jié)將詳細(xì)論述上文的幾種點(diǎn)云配準(zhǔn)方法。

2.2.1 粗配準(zhǔn)的技術(shù)方法

（1）RANSAC（RAndom SAmple Consensus,隨機(jī)采樣一致）

方法原理：該算法從給定的樣本集中隨機(jī)選取一些樣本并估計(jì)一個(gè)數(shù)學(xué)模型，將樣本中的其余樣本帶入該數(shù)學(xué)模型中驗(yàn)證，如果有足夠多的樣本誤差在給定范圍內(nèi)，則該數(shù)學(xué)模型最優(yōu)，否則繼續(xù)循環(huán)該步驟。

RANSAC算法被引入三維點(diǎn)云配準(zhǔn)領(lǐng)域，其本質(zhì)就是不斷的對(duì)源點(diǎn)云進(jìn)行隨機(jī)樣本采樣并求出對(duì)應(yīng)的變換模型，接著對(duì)每一次隨機(jī)變換模型進(jìn)行測(cè)試，并不斷循環(huán)該過(guò)程直到選出最優(yōu)的變換模型作為最終結(jié)果。

具體步驟：

1）對(duì)點(diǎn)云進(jìn)行降采樣和濾波處理，減少點(diǎn)云的計(jì)算量。

2）基于降采樣和濾波處理后的點(diǎn)云數(shù)據(jù)，進(jìn)行特征提取。

3）使用RANSAC算法進(jìn)行迭代采樣，獲取較為理想的變換矩陣。

4）使用所獲得的變換矩陣進(jìn)行點(diǎn)云變換操作。

優(yōu)點(diǎn)：適用于較大點(diǎn)云數(shù)據(jù)量的情況，可以在不考慮點(diǎn)云間距離大小的情況下，都能實(shí)現(xiàn)點(diǎn)云的粗配準(zhǔn)。

缺點(diǎn)：存在配準(zhǔn)精度的不穩(wěn)定的問(wèn)題。

（2）4PCS（4-Points Congruent Sets，全等四點(diǎn)集）

方法原理：該算法利用剛體變換中的幾何不變性（如向量/線段比例、點(diǎn)間歐幾里得距離），根據(jù)剛性變換后交點(diǎn)所占線段比例不變以及點(diǎn)之間的歐幾里得距離不變的特性，在目標(biāo)點(diǎn)云中盡可能尋找４個(gè)近似共面點(diǎn)（近似全等四點(diǎn)集）與之對(duì)應(yīng)，從而利用最小二乘法計(jì)算得到變換矩陣，基于RANSAC算法框架迭代選取多組基，根據(jù)最大公共點(diǎn)集（LCP）的評(píng)價(jià)準(zhǔn)則進(jìn)行比較得到最優(yōu)變換。

具體步驟：

1）在目標(biāo)點(diǎn)云集合中尋找滿足長(zhǎng)基線要求的共面四點(diǎn)基（基線的確定與輸入參數(shù)中overlap有很大關(guān)系，overlap越大，基線選擇越長(zhǎng)，長(zhǎng)基線能夠保證匹配的魯棒性，且匹配數(shù)量較少）。

2）提取共面四點(diǎn)基的拓?fù)湫畔?，?jì)算四點(diǎn)基間的兩個(gè)比例因子。

3）計(jì)算四種可能存在的交點(diǎn)位置，進(jìn)而計(jì)算所有中長(zhǎng)基線點(diǎn)對(duì)的交點(diǎn)坐標(biāo)，比較交點(diǎn)坐標(biāo)并確定匹配集合，尋找到對(duì)應(yīng)的一致全等四點(diǎn)。

4）尋找點(diǎn)云中所有的共面四點(diǎn)集合，重復(fù)上述步驟可得到全等四點(diǎn)集合，并尋找最優(yōu)全等四點(diǎn)對(duì)。

優(yōu)點(diǎn)：適用于重疊區(qū)域較小或者重疊區(qū)域發(fā)生較大變化場(chǎng)景點(diǎn)云配準(zhǔn)，無(wú)需對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)濾波和去噪。

缺點(diǎn)：不適合工程化應(yīng)用。

2.2.2 精配準(zhǔn)的技術(shù)方法

（1）ICP（Iterative Closest Point，最近點(diǎn)迭代法）

方法原理：選取兩片點(diǎn)云中距離最近的點(diǎn)作為對(duì)應(yīng)點(diǎn)，通過(guò)所有對(duì)應(yīng)點(diǎn)對(duì)求解旋轉(zhuǎn)和平移變換矩陣，并通過(guò)不斷迭代的方式使兩片點(diǎn)云之間的配準(zhǔn)誤差越來(lái)越小，直至滿足我們提前設(shè)定的閾值要求或迭代次數(shù)。

具體步驟：

1）計(jì)算源點(diǎn)云中的每一個(gè)點(diǎn)在目標(biāo)點(diǎn)集中的對(duì)應(yīng)近點(diǎn)。

2）求得使上述對(duì)應(yīng)點(diǎn)對(duì)平均距離最小的剛體變換，并求得平移參數(shù)和旋轉(zhuǎn)參數(shù)。

3）對(duì)求得的平移和旋轉(zhuǎn)矩陣進(jìn)行空間變換，得到新的變換點(diǎn)集。

4）如果新的變換點(diǎn)集與參考點(diǎn)集滿足兩點(diǎn)集的平均距離小于某一給定閾值，或者迭代次數(shù)達(dá)到設(shè)定的最大值，則停止迭代計(jì)算，否則新的變換點(diǎn)集作為新的源點(diǎn)云繼續(xù)迭代，直到達(dá)到目標(biāo)函數(shù)的要求。

優(yōu)點(diǎn)：

1）不需要對(duì)點(diǎn)云集進(jìn)行分割和特征提取。

2）在初值較好的情況下，可以得到很好的算法收斂性。

缺點(diǎn)：

1）在搜索對(duì)應(yīng)點(diǎn)的過(guò)程中，計(jì)算量較大，計(jì)算速度較慢。

2）對(duì)配準(zhǔn)點(diǎn)云的初始位置有一定要求，不合理的初始位置會(huì)導(dǎo)致算法陷入局部最優(yōu)。

3）ICP算法在尋找對(duì)應(yīng)點(diǎn)時(shí)，模型會(huì)將任何兩個(gè)點(diǎn)云之間的歐氏距離最近的點(diǎn)作為對(duì)應(yīng)點(diǎn)，這種假設(shè)會(huì)產(chǎn)生一定數(shù)量的錯(cuò)誤對(duì)應(yīng)點(diǎn)。

（2）NDT（Normal Distribution Transform，正態(tài)分布點(diǎn)云算法）

方法原理：先對(duì)待配準(zhǔn)點(diǎn)云進(jìn)行柵格化處理，將其劃分為指定大小的網(wǎng)格，通過(guò)正態(tài)分布的方式，構(gòu)建每個(gè)網(wǎng)格的概率分布函數(shù)，之后優(yōu)化求解出最優(yōu)變換參數(shù)，使得源點(diǎn)云概率密度分布達(dá)到最大，以實(shí)現(xiàn)兩個(gè)點(diǎn)云之間的最佳匹配。

具體步驟：

1）將空間劃分成各個(gè)格子cell（也叫體素voxel grid）。

2）將參考點(diǎn)云投到各個(gè)網(wǎng)格中。

3）基于網(wǎng)格中的點(diǎn)，計(jì)算格子的正態(tài)分布概率密度函數(shù)（probability density function, PDF）的參數(shù)。

4）將第二幅點(diǎn)云的每個(gè)點(diǎn)按轉(zhuǎn)換矩陣變換。

5）第二幅掃描點(diǎn)云的點(diǎn)落于參考點(diǎn)云的哪個(gè)網(wǎng)格，計(jì)算相應(yīng)的概率分布函數(shù)PDF。

6）求最大似然函數(shù)，得到最優(yōu)變換參數(shù)。

優(yōu)點(diǎn)：

1）對(duì)初始配準(zhǔn)的要求不高，即使初始值的誤差較大，也能有很好的效果。

2）不需要進(jìn)行點(diǎn)云之間的特征匹配，避免了特征匹配中出現(xiàn)的問(wèn)題，例如點(diǎn)云噪聲、物體移動(dòng)、點(diǎn)云重合度對(duì)特征匹配的影響。

缺點(diǎn)：

1）對(duì)體素格子大小的要求較高，太大會(huì)導(dǎo)致配準(zhǔn)精度低，而太小會(huì)導(dǎo)致計(jì)算量加大。

2）配準(zhǔn)精度相比ICP算法略低。

（3）基于深度學(xué)習(xí)的點(diǎn)云配準(zhǔn)

深度學(xué)習(xí)除了應(yīng)用在感知層面，也應(yīng)用到了定位層面的點(diǎn)云配準(zhǔn)環(huán)節(jié)中。

基于深度學(xué)習(xí)的點(diǎn)云配準(zhǔn)指的是利用深度學(xué)習(xí)模型來(lái)提取原始點(diǎn)云的特征，從而獲取到點(diǎn)云的初始配置值，然后根據(jù)特征值再進(jìn)一步地完成精配準(zhǔn)。近年來(lái)，常見(jiàn)的基于深度學(xué)習(xí)的點(diǎn)云配準(zhǔn)方法包括PointNetLK，Deep ICP，DCP，PRNet，IDAM，RPM-Net，3DRegNet，DGR等。

相比于其它傳統(tǒng)的配準(zhǔn)方法（ICP和NDT），基于深度學(xué)習(xí)的方法可以使得計(jì)算速度更快，并能學(xué)習(xí)到更高級(jí)的特征，從而達(dá)到更高的魯棒性。

根據(jù)配準(zhǔn)方法的結(jié)構(gòu)是完全由深度神經(jīng)網(wǎng)絡(luò)組成還是將非深度學(xué)習(xí)方法的一部分組件替換為基于深度學(xué)習(xí)的網(wǎng)絡(luò)，將基于學(xué)習(xí)的點(diǎn)云配準(zhǔn)方法分為部分深度學(xué)習(xí)的方法和端到端的深度學(xué)習(xí)方法。

部分深度學(xué)習(xí)的點(diǎn)云配準(zhǔn)方法是指直接用基于深度學(xué)習(xí)的組件替換掉非深度學(xué)習(xí)點(diǎn)云配準(zhǔn)方法中的某個(gè)組件，這就可能給原來(lái)的算法帶來(lái)速度或魯棒性的提升。部分深度學(xué)習(xí)的點(diǎn)云配準(zhǔn)方法最大的優(yōu)勢(shì)在于靈活性較大。

端到端的點(diǎn)云配準(zhǔn)方法是指從點(diǎn)云的輸入到最后的配準(zhǔn)結(jié)果都在一個(gè)完整的網(wǎng)絡(luò)中實(shí)現(xiàn)。端到端的點(diǎn)云配準(zhǔn)方法能夠最大程度地發(fā)揮深度學(xué)習(xí)方法的高效和智能，也能夠更好地發(fā)揮GPU的并行計(jì)算能力，有更快的計(jì)算速度。

當(dāng)前，自動(dòng)駕駛行業(yè)內(nèi)應(yīng)用點(diǎn)云配準(zhǔn)技術(shù)仍屬于前期階段。某自動(dòng)駕駛公司感知算法工程師說(shuō)：“基于深度學(xué)習(xí)的點(diǎn)云配準(zhǔn)仍然處于早期階段，其應(yīng)用的精度無(wú)法保證，而且結(jié)合ICP等傳統(tǒng)方法的應(yīng)用也需要大量的計(jì)算時(shí)間。”

03 點(diǎn)云配準(zhǔn)面臨的問(wèn)題及對(duì)策

3.1 配準(zhǔn)時(shí)點(diǎn)云數(shù)量過(guò)多的問(wèn)題及對(duì)策

當(dāng)前，車(chē)上的數(shù)據(jù)都是先上傳到云端再處理，但這樣一方面數(shù)據(jù)的回傳成本很高，另一方面，無(wú)法做到數(shù)據(jù)處理的實(shí)時(shí)性，進(jìn)而難以保障自動(dòng)駕駛車(chē)輛的安全性，因此，需要將數(shù)據(jù)處理環(huán)節(jié)在車(chē)端完成。

現(xiàn)有量產(chǎn)車(chē)上的算力有限，無(wú)法直接處理龐大的點(diǎn)云數(shù)據(jù)，這成為了點(diǎn)云配準(zhǔn)時(shí)的一大障礙，而解決這一問(wèn)題的主要方法就是點(diǎn)云精簡(jiǎn)。

點(diǎn)云精簡(jiǎn)是指將目標(biāo)點(diǎn)云數(shù)據(jù)集合中的無(wú)用點(diǎn)云去除。主要可以有兩種方式來(lái)實(shí)現(xiàn)：

1）去除冗余是指在數(shù)據(jù)配準(zhǔn)之后，將一些重復(fù)區(qū)域的數(shù)據(jù)予以去除，而這部分?jǐn)?shù)據(jù)的數(shù)據(jù)量大，并且多為無(wú)用數(shù)據(jù)，對(duì)建模的速度以及質(zhì)量有很大影響。

2）抽稀簡(jiǎn)化是指由于激光雷達(dá)掃描獲得的點(diǎn)云數(shù)據(jù)密度過(guò)大、數(shù)量過(guò)多，其中一部分?jǐn)?shù)據(jù)對(duì)于后期建模用處不大，所以在滿足一定精度以及保持被測(cè)物體幾何特征的前提下，該部分?jǐn)?shù)據(jù)就需要進(jìn)行精簡(jiǎn)，以提高數(shù)據(jù)的實(shí)際運(yùn)算速度、建模效率以及模型精度。

3.2 點(diǎn)云初始配準(zhǔn)的問(wèn)題及對(duì)策

在前文中提到，初始配準(zhǔn)也叫作粗配準(zhǔn)，它是點(diǎn)云配準(zhǔn)的關(guān)鍵點(diǎn)，一般通過(guò)IMU和車(chē)輛輪速計(jì)的運(yùn)動(dòng)數(shù)據(jù)來(lái)獲取配準(zhǔn)的初始值，但當(dāng)前行業(yè)內(nèi)點(diǎn)云初始配準(zhǔn)的效率不高。

提高初始配準(zhǔn)的效率可以縮小不同視角下的點(diǎn)云之間的旋轉(zhuǎn)錯(cuò)位和平移錯(cuò)位，同時(shí)可以提高點(diǎn)云配準(zhǔn)整體的成功率和效率。

對(duì)于ICP算法來(lái)說(shuō)，初始配準(zhǔn)的初始值效果會(huì)很大程度上影響ICP算法的精度。對(duì)于NDT算法來(lái)說(shuō)，雖然初始值對(duì)于算法的效果不敏感，但是提高初始配準(zhǔn)的效率和質(zhì)量，也同樣能提升NDT算法的配準(zhǔn)精度。

那么，在自動(dòng)駕駛領(lǐng)域內(nèi)，技術(shù)人員是如何提高點(diǎn)云的初始配準(zhǔn)效率？

一種是抓取目標(biāo)關(guān)鍵點(diǎn)。縱目科技感知算法工程師湯強(qiáng)說(shuō)：“為了提高點(diǎn)云的初始配準(zhǔn)，最直接的方法就是提取選取一個(gè)關(guān)鍵目標(biāo)，比如一輛車(chē)，然后從這個(gè)關(guān)鍵目標(biāo)上選取幾個(gè)關(guān)鍵點(diǎn)去做旋轉(zhuǎn)矩陣和平移矩陣?！?/p>

另一種是特征提取，比如FPFH（快速點(diǎn)特征直方圖）。圖達(dá)通算法負(fù)責(zé)人許建博士說(shuō)：“區(qū)別于ICP算法和NDT算法，基于特征提取的點(diǎn)云配準(zhǔn)方法可以提高點(diǎn)云配準(zhǔn)速度和精度。它通過(guò)提取的一些特征后（如棱角或者線、面），利用兩個(gè)點(diǎn)云間的空間拓?fù)浣Y(jié)構(gòu)，來(lái)進(jìn)行點(diǎn)云之間的匹配。此外，實(shí)際工程應(yīng)用中，數(shù)據(jù)關(guān)聯(lián)、系統(tǒng)偏差估計(jì)等在線點(diǎn)云配準(zhǔn)技術(shù)也非常重要?！?/p>

3.3 同源點(diǎn)云配準(zhǔn)的問(wèn)題及對(duì)策

同源點(diǎn)云配準(zhǔn)是指從同一類(lèi)型的傳感器獲取點(diǎn)云數(shù)據(jù)，但在不同的時(shí)間和視角下進(jìn)行的點(diǎn)云配準(zhǔn)。

在自動(dòng)駕駛車(chē)輛上，除了一顆主激光雷達(dá)外，車(chē)端可能還會(huì)配置一些補(bǔ)盲激光雷達(dá)，或者采用兩顆以上的主激光雷達(dá)方案。這些激光雷達(dá)采集的點(diǎn)云都屬于是同源點(diǎn)云數(shù)據(jù)，但是從不同激光雷達(dá)采集回來(lái)的點(diǎn)云，由于從不同時(shí)間點(diǎn)和不同視角采集的情況，在點(diǎn)云配準(zhǔn)時(shí)會(huì)遇到一些問(wèn)題。

一方面，多個(gè)激光雷達(dá)從不同角度采集回來(lái)的點(diǎn)云數(shù)據(jù)，它們的三維坐標(biāo)系不同，并且產(chǎn)生的噪點(diǎn)所在的坐標(biāo)系也不同。在做點(diǎn)云配準(zhǔn)時(shí)，點(diǎn)云數(shù)據(jù)需要統(tǒng)一到一個(gè)坐標(biāo)系下才可以實(shí)現(xiàn)更精準(zhǔn)的配準(zhǔn)效果。

許建說(shuō)：“為了能讓多個(gè)激光雷達(dá)采集的點(diǎn)云統(tǒng)一到同一坐標(biāo)系下，在聯(lián)合標(biāo)定時(shí)，多目標(biāo)的點(diǎn)云配準(zhǔn)會(huì)比單目標(biāo)的點(diǎn)云配準(zhǔn)帶來(lái)更多的信息，使得配準(zhǔn)精度會(huì)更高。單一目標(biāo)的話，激光掃描到目標(biāo)物上的時(shí)，目標(biāo)邊緣點(diǎn)云不完整，會(huì)影響配準(zhǔn)的精度。多目標(biāo)的話，激光雷達(dá)采集的點(diǎn)云信息會(huì)更多。比如，目標(biāo)靜止的時(shí)候，多目標(biāo)之間就會(huì)形成拓?fù)浣Y(jié)構(gòu)信息，使得點(diǎn)云初始配準(zhǔn)的信息更豐富，有利于提高配準(zhǔn)整體的精度。”

另一方面，不同激光雷達(dá)之間的硬件性能指標(biāo)可能不同，這會(huì)造成同一目標(biāo)物表面覆蓋的點(diǎn)云數(shù)量可能都不同。

湯強(qiáng)說(shuō)：“不同性能的激光雷達(dá)，它們的角分辨率參數(shù)都不同，意味著點(diǎn)云密度不同，導(dǎo)致點(diǎn)云配準(zhǔn)最終效果會(huì)受到影響。為了調(diào)節(jié)點(diǎn)云密度的不同，感知算法人員可以應(yīng)用點(diǎn)云精簡(jiǎn)的方法，降低點(diǎn)云密度較高的激光雷達(dá)參數(shù)，也可以從硬件上進(jìn)行調(diào)節(jié)，例如，技術(shù)人員可能會(huì)將兩個(gè)激光雷達(dá)的角分辨率調(diào)節(jié)至同一個(gè)水平上?！?/p>

3.4 跨源點(diǎn)云配準(zhǔn)的問(wèn)題及對(duì)策

跨源點(diǎn)云配準(zhǔn)是指對(duì)不同類(lèi)型傳感器的點(diǎn)云進(jìn)行配準(zhǔn)。它的優(yōu)點(diǎn)是結(jié)合多個(gè)不同類(lèi)型的傳感器各自的優(yōu)勢(shì)，為自動(dòng)駕駛系統(tǒng)提供更豐富的三維點(diǎn)云信息。相比于同源點(diǎn)云配準(zhǔn)，跨源點(diǎn)云配準(zhǔn)尚處于學(xué)術(shù)階段，而其在自動(dòng)駕駛領(lǐng)域的應(yīng)用也是預(yù)研階段。

某自動(dòng)駕駛方案商的技術(shù)專(zhuān)家說(shuō)：“跨源點(diǎn)云配準(zhǔn)是未來(lái)點(diǎn)云配準(zhǔn)技術(shù)的主要挑戰(zhàn)之一?！?/p>

具體來(lái)說(shuō)，由于不同類(lèi)型的傳感器之間的工作原理不同，傳感器之間的點(diǎn)云的分辨率、點(diǎn)云密度質(zhì)量、點(diǎn)云圖像畫(huà)面尺度、點(diǎn)云距離信息等都會(huì)不相同，而這些問(wèn)題造成了跨源點(diǎn)云配準(zhǔn)的技術(shù)實(shí)現(xiàn)難度大大增加。

以4D成像雷達(dá)與激光雷達(dá)為例，雖然4D成像雷達(dá)可以與激光雷達(dá)一樣，能夠形成點(diǎn)云數(shù)據(jù)，但是4D成像雷達(dá)的點(diǎn)云密度或許只能達(dá)到某些低線數(shù)的激光雷達(dá)（如16線、32線等），而無(wú)法達(dá)到高線數(shù)激光雷達(dá)（如128線等）的點(diǎn)云密度。另外，在角分辨率參數(shù)上，4D成像雷達(dá)只能接近1°的參數(shù)水平，而某些激光雷達(dá)可以做到0.1°的水平。當(dāng)兩個(gè)傳感器掃描到同一個(gè)物體表面時(shí)，它們各自采集到的點(diǎn)云效果也會(huì)不同。例如在車(chē)輛前方較遠(yuǎn)處的點(diǎn)云數(shù)據(jù)中，激光雷達(dá)的點(diǎn)云質(zhì)量或許比4D毫米波的點(diǎn)云質(zhì)量會(huì)更好（前者的能量返回更多以及點(diǎn)云數(shù)量更多）， 造成了最終點(diǎn)云配準(zhǔn)的精度下降。

在現(xiàn)有的學(xué)術(shù)研究中，跨源點(diǎn)云配準(zhǔn)的方法已有很多，但主要是在增強(qiáng)現(xiàn)實(shí)、建筑施工等領(lǐng)域內(nèi)有應(yīng)用，在自動(dòng)駕駛領(lǐng)域內(nèi)幾乎沒(méi)有相應(yīng)的應(yīng)用。下圖為筆者整理的一些跨源點(diǎn)云配準(zhǔn)的方法。比如，CSGM是將配準(zhǔn)問(wèn)題轉(zhuǎn)化為圖匹配問(wèn)題，并利用圖匹配理論來(lái)克服跨源點(diǎn)云配準(zhǔn)的問(wèn)題。再比如，F(xiàn)MR是探討了深度學(xué)習(xí)在跨源點(diǎn)云配準(zhǔn)的方面的應(yīng)用。

圖：跨源點(diǎn)云配準(zhǔn)方法

（數(shù)據(jù)來(lái)源：《2021最新關(guān)于點(diǎn)云配準(zhǔn)的全面綜述》）

編輯：黃飛

?