apollo学习笔记十九：apollo 感知（中）

感知算法

点云感知

• 主要任务是感知障碍物的位置、大小、类别、朝向、轨迹、速度等。核心是点云检测分割技术，可以用启发式算法NCut和深度学习算法CNNSeg完成。

启发式方法：Ncut

Ncut算法的基本思想是基于空间平滑性假设，即空间上接近的点来自同一个障碍物。首先，利用地图信息对点云进行预处理，例如去掉感兴趣区域之外的点云，降低点云图的复杂度。然后根据预处理后的点云构建加权图G=(V, E, W)，将点云分割转换为图分割的问题，可以利用图聚类的算法求解，最终求解的每一个cluster就代表一个障碍物。该算法的优点是解释性好，缺点是分割规则过于简单，难以应对实际情况（草丛、绿化带），主要原因在于缺乏语义信息。

深度学习方法：CNNSeg

• 主要思想是利用卷积神经网络来处理激光雷达捕获的点云数据，并对点云中的目标进行识别。深度学习是数据驱动的，它把人工构造特征这一任务交给机器和算法去完成（即特征学习）。在百度的深度学习感知实现过程中，团队尝试了很多方法，下面就简单介绍算法研发的历程。

• 将所有点云都投到前视图（front-view）（投影面是一个圆柱面）来构造特征，将点云问题转化为矩阵问题，进而使用深度学习进行处理。通过构建全卷积神经网络对前向视图进行处理。
• 借助自采集车队，采集更多的实际数据，并且扩展数据视角，制作俯视图，通过将俯视图+前视图相结合的方式进行训练。同时，修改Loss函数，包括使用3D回归和Segmentation的损失函数。经过多次实验，发现基于俯视图的Segmentation方法效果最好。该方法目前已经在Apollo中开源，如下所示。
• 因为俯视图没有高度信息，因此我们把前视图和Camara图像加进来进行辅助检查，利用Lidar的测距准和Camera识别准优势完成了Middle-Level Fusion方法（Multi-View 3D Object Detection Network for Autonomous Driving），发表在CVPR 2017。该方法使用俯视图提取Proposal，利用前视图和光学图像辅助进行更加精准的位置回归。

视觉感知

• 当前，视觉感知的主流技术路线为“深度学习+后处理计算”的方法。该方法带来了以下几个变化，第一是要求计算硬件升级，第二是数据的需求量大增，第三是如何评估保证安全性。面向自动驾驶的深度学习算法具有以下几个特点：
  • 2D感知向3D感知渗透，模型输出更丰富（后处理需要的3D信息、跟踪信息、属性信息等都会放在CNN中进行学习）。
  • 环视能力构建（传统方法靠一个Camera完成前向检测、碰撞检测、车道线检测。无人驾驶需要环视）。
  • 感知+定位+地图紧密结合
• CNN检测是深度学习里一个十分火热的应用，从最开始的AlexNet,VggNet到ResNet等，持续提高了ImageNet图像检测的精度。需要注意的是，目前发表的大部分关于检测的成果都是面向计算机视觉应用的，与自动驾驶领域的检测还有很大的区别。
  • 自动驾驶中，摄像头是安装在车上的，汽车行驶在结构化、规则化道路上，面向的场景更具体，有很多的几何约束可以用来辅助检测。
  • 自动驾驶中的检测模型需要输出的信息更多，包括障碍物的尺寸、朝向。同时自动驾驶还需要考虑时序性。我们称之为局部的End-to-End，检测、2D到3D转换、跟踪三步是自动驾驶视觉感知的组成，后面两步都由CNN来学习，减少人工干预。
  • 多任务学习，网络结构适配。自动驾驶需要针对不同的障碍物特征（车道线，道路边界，定位元素）进行识别，如果分别由专用模型处理，整个处理流程太长，无法满足要求，因此需要做多任务的识别和网络结构的适配。
  • 属性识别中，除了障碍物级别的输出以外，还需了解速度类别朝向等问题，例如车尾灯状态，车门开闭状态。可以通过标注数据，由数据驱动的深度学习来自动学习这些更细的属性。

CNN分割

• 分割（Segmentation）与detection在本质上是一样的，是对一个目标的不同力度的刻画。分割是一种更细粒度刻画物体边界信息的检测方法，不再是画框，而是进行边缘分割。在感知中，对于不规则物体，往往需要进行分割处理。例如场景分割和可行驶区域感知。场景分割可以用于多传感器融合，例如对绿植进行分割，结合LiDAR点云，就可以测出绿植的类别和距离。可行驶区域则可以对一些非结构化道路的路径规划提供支持。在车道线感知中，应视具体情况使用分割或者检测方法。
• 检测和分割
  • 粗细粒度的刻画，方法趋同
• 场景分割
  • 适合多传感器融合
• 可行驶区域
  • 障碍物的互补问题
  • 非结构化道路和结构化道路
• 车道线
  • 分割方法
  • 检测方法

后处理

• 一个完整的系统除了深度学习模型，还需要做一些后处理，后处理是直接针对下游模块，对后续的影响比较直接。在视觉感知中，后处理主要分为三个部分。
  

• 2D-to-3D几何计算。2D到3D的转换需要考虑的因素包括：

  • 相机pose的影响
  • 接地点
  • 稳定性

• 时序信息计算，主要是针对跟踪处理，需要注意以下几点：

  • 对相机帧率和延时有要求，要求跟踪必须是一个轻量级的模块，因为检测已经占据大部分时间
  • 充分利用检测模型的输出信息（特征、类别等）进行跟踪。
  • 可以考虑轻量级Metric Learning

• 多相机的环视融合

  • 相机布局决定融合策略，要做好视野重叠 。

红绿灯感知

• 红绿灯感知的任务是在距离停止线50～-2米的范围内精准识别红绿灯亮灯状态。难点在于:

  • 检测精度要求非常高（99.9%），否则会出现闯红灯，违法交规的情况。
  • 召回也不能太低，假设一直是绿灯，但是一秒只召回一帧绿灯，其他都认为是识别错的红灯，则通不过路口，影响通过率和体验。
  • 红绿灯感知需要应对各种环境，包括天气和光照。
  • 红绿灯的制式非常多，包括距离、高度、横纵、信号状态等，红绿灯感知都需要识别。
    

• 基于深度学习的红绿灯感知模块：自动驾驶中使用深度学习进行红绿灯感知模块的构建，主要分为以下几步。
  

  • 相机选择和安装。相机选择需要注意几个重要的参数，一是相机的高动态比HDR要高于100db。第二是拍摄图像的分辨率要达到1080P，满足15pixel大小的灯能够看得到。在实际应用中，我们使用了两个Camera，叫双Camera，长短焦切换，六毫米适用于近距离。

  • 高精地图的交互。我们并不是把所有红绿灯识别算法都交给在线算法完成，这样做无法满足鲁棒性要求也加重算法负担，需要把一些固定信息交给高精地图去完成，算法只实现在线变化的一些因素。地图提供灯组3D坐标和交通含义，算法只看RoI区域，避免形状识别出错。

  • 使用深度学习识别灯颜色的变化。主要分为检测和颜色分类两步.
    

  • 实际使用过程中可能会更复杂。如上图所示，一条道路上有很多红绿灯，检测算法会把所有的灯都检测出来，地图会告知需要看几个灯，但是并不知道看哪几个灯。因此需要把对应关系匹配起来，需要做3D到2D的投影，投影又受到标定、定位、同步、地图等因素的影响，需要综合考虑才能解决好这个问题。

Radar感知

上图右边是Radar的点云信号投影的成像。图中有很多的点，但是并不是所有的点都是障碍物，存在很大的噪音，需要进行鉴别。图中明显成一条线的点是对路边界金属栅栏的感知结果。因为金属的反射信号比较好，所以雷达点会成直线分布。基于该特征，可以用Radar反射信号来做高速路道路边缘栅栏的检测。

超声波感知

• 超声波只能进行近距离感知，并且无法感知具体的位置。
• 对无人驾驶来说，行驶过程中帮助并不大，更多的是用于倒车和特别近距离的感知。
• 上图给出了超声波感知的一个例子，我们在车上布了12个超声波传感器，每个超声波探头覆盖一个角度，大概检测到三米范围内的障碍物。
• 当某个地方有障碍物，传感器发送超声波，收到回波信号以后可以得到障碍物的距离信息，但是并不能确定在覆盖范围内哪个地方有障碍物