自动驾驶中激光雷达如何检测障碍物

Reference:

1. 高翔，张涛 《视觉SLAM十四讲》
2. 自动驾驶中激光雷达检测障碍物理论与实践

激光雷达是利用激光束来感知三维世界，通过测量激光返回所需的时间输出为点云。它集成在自动驾驶、无人机、机器人、卫星、火箭等许多领域。

1. 介绍

1.1 激光雷达-一种三维激光传感器

激光雷达传感器利用光原理进行工作，激光雷达代表光探测和测距。它们可以探测到 300m 以内的障碍物，并准确估计它们的位置。在自动驾驶汽车中，这是用于位置估计的最精确的传感器。
激光雷达传感器由两部分组成：激光发射（顶部）和激光接收（底部）。发射系统的工作原理是利用多层激光束，层数越多，激光雷达就越精确。层数越多，传感器就越大。激光被发射到障碍物并反射，当这些激光击中障碍物时，它们会产生一组点云，传感器与飞行时间（TOF）进行工作，从本质上说，它测量的是每束激光反射回来所需的时间。如下图：
当激光雷达的质量和价格非常高时，激光雷达是可以创建丰富的三维环境，并且每秒最多可以发射200万个点。点云表示三维世界激光雷达传感器获得每个撞击点的精确 $(X,Y,Z)$位置。
激光雷达传感器可以是固态的，也可以是旋转的，固态激光雷达将把检测的重点放在一个位置上，并提供一个覆盖范围（比如FOV为90°）。在后一种情况下，它将围绕自身旋转，并提供360°旋转。在这种情况下，一般把它放在设备顶上，以提高能见度。

激光雷达很少用作独立传感器。它们通常与相机或雷达结合在一起，这一过程称为传感器融合。融合过程可分为早期融合和后期融合。早期融合是指点云与图像像素融合，后期融合是指单个检测物的融合。

1.2 激光雷达的优缺点？

缺点：

• 激光雷达不能直接估计速度。他们需要计算两个连续测量值之间的差值。
• 激光雷达在恶劣的天气条件下工作不好。在有雾或者下雨的情况下，激光会击中它，使场景变得混乱。
• 激光雷达的价格虽然在下降，但仍然很高。

优点：

• 激光雷达可以精确地估计障碍物的位置。到目前为止，还没有更准确的方法。
• 激光雷达处理点云。如果我们看到车辆前方的点云，即使障碍物检测系统没有检测到任何东西，我们也可以及时停车。这是一个很大的安全保证，车辆将不仅依赖于图像的神经网络和概率问题。

1.3 基于激光雷达如何进行障碍物检测？

激光雷达进行障碍物的步骤通常分为 4 个步骤：

1. 点云处理
2. 点云分割
3. 障碍聚类
4. 边界框拟合

1.4 点云处理难点

1. 稀疏的；

2. 不规则----搜索邻居比较困难；

3. 缺乏纹理信息；

4. 无序的----深度学习很困难；
   $$\left[\begin{array}{ccc}{x}_1& y_1& z_1\\ x_2& y_2& z_2\\ ⋮& ⋮& ⋮\\ x_N& y_N& z_N\end{array}\right]=\left[\begin{array}{ccc}{x}_2& y_2& z_2\\ x_1& y_1& z_1\\ ⋮& ⋮& ⋮\\ x_k& y_k& z_k\end{array}\right]$$

   如上面的行换了，表达的还是同一个物体。对于深度学习而言，输入进去的矩阵是不一样的就会产生不同的输出，但是我们希望输出是一样的。

5. 旋转同变性/不变性：我们旋转一些点，它的坐标是不一样的，但是它还是同一个物体。

2. 点云处理

2.1 点云处理-体素网格

为了处理点云，我们可以使用最流行的库 PCL(point cloud library)。它在 Python 中可用，但是在 C++ 中使用它更为合理，因为语言更适合机器人学。它也符合 ROS(机器人操作系统)。PCL 库可以完成探测障碍物所需的大部分计算，从加载点到执行算法。这个库相当于 OpenCV 的计算机视觉。因为激光雷达的输出很容易达到每秒 100000 个点，所以我们需要使用一种称为体素网格的方法来对点云进行下采样。

2.1.1 什么是体素网格？

体素网格 是一个三维立方体，通过每个立方体只留下一个点来过滤点云。立方体越大，点云的最终分辨率越低。最终，我们可以将点云的采样从几万点减少到几千点。
滤波完成后我们可以进行的第二个操作是 ROI(感兴趣区域) 的提取，我们只需删除不属于特定区域的每一些点云数据，例如左右距离 10m 以上的点云，前后超过 100m 的点云都通过滤波器滤除。现在我们有了降采样并滤波后的点云了，此时可以继续进行点云的分割、聚类和边界框实现。

3 三维点云的分割

3.1 RANSAC

点云分割任务是将场景与其中的障碍物分离开来，其实就是地面的分割。一种非常流行的分割方法称为 RANSAC(Random Sample consenses)。该算法的目标是识别一组点中的异常值。点云的输出通常表示一些形状。有些形状表示障碍物，有些只是表示地面上的反射。RANSAC 的目标是识别这些点，并通过拟合平面或直线(拟合的是地面)将它们与其他点分开。
为了拟合直线，我们可以考虑线性回归。但是有这么多的异常值，线性回归会试图平均结果，而得出错误的拟合结果，与线性回归相反，这里的 RANSAC 算法将识别这些异常值，且不会拟合它们。

如上图所示我们可以将这条线视为场景的目标路径（即道路），而孤立点则是障碍物。

3.1.1 RANSAC 的实现

过程如下：

• 随机选取2个点
• 将线性模型拟合到这些点计算每隔一点到拟合线的距离。如果距离在定义的阈值距离公差范围内，则将该点添加到内联线列表中。

因此需要算法一个参数：距离阈值。

最后选择内点最多的迭代作为模型；其余的都是离群值。这样，我们就可以把每一个内点视为道路的一部分，把每一个外点视为障碍的一部分。RANSAC应用在3D点云中。在这种情况下，3个点之间的构成的平面是算法的基础。然后计算点到平面的距离。

下面点云为 RANSAC 算法的结果，紫色区域代表车辆（RANSAC 在这里应该只用来区分地面了）：

RANSAC 是一个非常强大和简单的点云分割算法。它试图找到属于同一形状的点云和不属于同一形状的点云，然后将其分开。

4. 障碍聚类

4.1 点云聚类

RANSAC 的输出是障碍点云和地面。由此，可以为每个障碍定义独立的簇。它是如何工作的？

聚类是一系列机器学习算法，包括：k-means（最流行）、DBScan、HDBScan 等。这里可以简单地使用欧几里德聚类，计算点之间的欧几里德距离。

4.1.1 计算 KD-Tree

在进行点云聚类问题时，由于一个激光雷达传感器可以输出几万个点云，这将意味有上万次的欧几里德距离计算。为了避免计算每个点的距离，这里使用 KD-Tree 进行加速。

KD-Tree 是一种搜索算法，它将根据点在树中的XY位置对点进行排序，一般的想法-如果一个点不在定义的距离阈值内，那么x或y更大的点肯定不会在这个距离内。这样，我们就不必计算每一个点云。

4.1.2 欧式聚类

过程如下：

• 选取两个点，一个目标点和一个当前点；
• 如果目标和当前点之间的距离在距离公差范围内，请将当前点添加到簇中。
• 如果没有，选择另一个当前点并重复。

点云欧式聚类算法就是将一组点云按其距离进行分割。聚类算法以距离阈值、最小聚类数目和最大聚类数目作为输入。通过这种方式，可以过滤“幽灵障碍物”（一个单点云在空间中是没有理由存在的），并定义一个封闭的障碍物距离。如下图这里用不同颜色来代表聚类后的障碍物点云簇。

4.2 最邻近(NN)问题

• K-NN
  在空间 $M$ 中给定点集 $S$，一个查询点 $q\in M$，在 $S$ 中查找 $k$ 个最近点。
  

• Fixed Radius-NN
  在空间 $M$ 中给定点集 $S$，一个查询点 $q\in M$，在 $S$ 中查找所有符合 $||s-q||<r$ 的点。
  

4.2.1 为什么 NN 问题很重要

1. 它几乎无处不在
   • 表面法向量估计
   • 噪声滤波
   • 采样
   • 聚类
   • 深度学习
   • 特征检测 / 描述
2. 为什么不简单的直接调用开源库（flann, PCL, ect.）
   • 它们不够高效：它们是通常使用的库，没有对 2D/3D 做优化；大多数开源的八叉树实现是低效的，而八叉树在 3D 中是最有效率的
   • 很少有 NN 库基于 GPU 的

4.2.2 为什么点云的 NN 很困难

1. 不规则：点云可以分布在任何地方
2. 维度灾难：点云可以是三维的，与二维相比的数据量是指数上升的。也可以建立一个三维网格，将点云转化成图像一样的东西，但是网格大部分区域是空白的，而且网格大小的选取也是一个问题。因此使用网格并不高效。

4.2.1 为什么最邻近在点云中如此困难

图像：
一个邻居简单的表示为 $x+\Delta x,y+\Delta y$.
点云：

• 不规则的：可以分布在图像中任何一个地方；
• 维数灾难：网格大部分是空白的，原理上就很低效。

4.3 BST(Binary Search Tree), kd-tree, octree 核心思想

• 空间分割：
  1. 将空间划分成不同面积；
  2. 只寻找一部分区域，而不是所有的数据点。
• 停止标准：
  1. 如何跳过一些区域：每个区域都会有一个最差距离；
  2. 如何停止 k-NN/radius-NN 查找: 如果知道可能的结果都在某个区间里面，那么查找完就结束了；

4.4 二叉树

BST 是一个基于节点的树结构：

1. 左边的 key 都要比中间 root 小，右边的大。

一个节点包含：

• Key；
• Left child;
• Right child;
• … …

4.4.1 BST 构建/插入

比较小放左边，比较大放右边。如果左右边被占据了，就跟左右边被占据的继续对比。
给定一个一维点集 $\{x_1,x_2,...,x_n\},x_i\in \mathbb{R}$，如一个数组：$[100,20,500,10,30,40]$

4.4.1.1 BST 插入复杂度

最坏的情况是 $O(h)$，在这里 $h$ 为在 BST 中点的个数。如将数组 [9,8,7,6,5,4,3] 按顺序插入进一个空的 BST 中：

这是一个合法的二叉树但它一无是处。平衡二叉树是另一个话题了。最佳情况：$h=lo{g}_{2}n$。

4.4.2 BST 查找

给定一个 BST 和一个待查找 key，决定哪一个 node 等于这个 key，如果没有，则返回 NULL。

4.4.3 1NN 查找最邻近

比如说在下图中查找点 11：
1. 根节点为 8，这时最坏距离为 11-8=3。11比8大，这时知道要查找的范围在（8,14）之间，右边子树在范围（8，+inf），往右边看；
2. 到节点 10，这时最坏距离为 11-10=1，这时知道要查找的范围在（10,12）之间，因此不用往右边看，这时右边是比 10 大的，往右边看；
3. 到节点 14，最坏距离依旧为 1。这时要不要找 14 左边子节点？是需要的，左边的子节点比 14 小，要找的仍是（10,12）之间；
4. 找到 13，发现没什么变化，这时子节点已经遍历完了，退回 14；
5. 同理退回 10；
6. 同理退回 8

这样子就省去了五个比较的操作。

4.4.4 kNN 查找最邻近（N 个最邻近）

• 做法上几乎与 1NN 完全相同，区别在于计算最坏距离。

原始的二叉树比较难用于高维的最邻近搜索，因为二叉树搜索方法依赖一个特性：左边小，右边大。对于一维数据来说，可以比较距离有多少，但如果这是个高维数据就不行了。

4.5 Kd-tree

Kd-tree 就是在每个维度上做一个二叉树。但是它有一个更为复杂的地方是，每一个节点包含很多内容。

4.5.1 Kd-tree的构建

• 如果只有一个点，或者 点数
• 否则的话，选取一个垂直于选定划分轴的超平面（三维就是一个平面），将点分为两半；
• 迭代重复前两步骤。

4.5.2 Kd-tree的两种方式

左边的情况是找到一个超平面，将超平面放在数据点上；
右边的超平面不属于任何点。

下面是树的两种切法，这里的波浪线是个二位数据。第一步在中间切一刀，第二步：

• 1.之前竖着切了一刀，后面切就是水平的了，轮流切；
• 2.有另外一种切法，叫做自适应。因为我们切这一刀是为了让点在每个维度的分布上更加平均。图中的数据即使中间切了一刀，其他数据也更像是水平分布的，因此再在水平来两刀。

这两种方式结果上是一样的，只是第二种可能速度会更快一点，使树更加平衡。

5. 边界框

最终的目标是围绕每个点云簇创建一个三维边界框。因为我们没有对点云簇进行任何分类，所以我们必须将边界框与点云相匹配。主成分分析(PCA)是一种有助于拟合边界框的算法。

5.1 PCA

PCA 用来找到点云的主方向。物理意义：将数据点都投影到一个非常有特征性的方向上 ，每一个点在这个方向上的投影就是主成分。如下图所示，在三维情况下，这个椭圆的主成分就是它的三个轴。

5.1.1 PCA 应用

• 降维；
• 平面法线估计；
• Canonical orientation(典型方向?)；
• 关键点检测；
• 特征描述。

5.1.2 Singular Value Decomposition (SVD)

比如有一个矩阵 $M$，它可以被分解为 $U$, $\Sigma$, $V^{\ast }$，其中 $U$ 和 $V^{\ast }$ 都是正交矩阵；$\Sigma$ 是一个对角阵，它在对角线上组成了 $M$ 的特征值。

假设我们把 $M$ 乘上一个向量：

1. 应用 $V^{\ast }$，其实就是在高维空间对向量做一个旋转，所以这个圆被旋转了一下；
2. $\Sigma$ 对旋转后的向量在每一个维度上做一个缩放，所以这个圆就变成了一个椭圆；
3. 再应用 $U$，$U$ 也是高维上的一个旋转矩阵，所以又把椭圆旋转了一下。
   所以让 M 乘上一个向量，就是把一个圆变成了一个椭圆。

5.1.3 PCA 理论

• 输入： $x_i\in {\mathbb{R}}^n,i=1,2,...,m$，其中 $x_i$ 为高维空间中的向量。
• 输出：主要的向量 $z_1,z_2,...,z_k\in {\mathbb{R}}^m,k\le n$，其中 $z_1$ 为最主要的向量，描述了 $x_i$ 这一群点里面最有代表性的高维方向。

1. 什么叫做最主要的成分？

如果把这堆高维点投影到某一个方向上，这些投影后的点的方差是最大的。也就是说，这些点在这个方向上分布的非常散。

2. 如何得到第二主要的成分？

把这一组输入 $x_i$ 里面的、属于 $z_1$ 的成分都去掉，然后再找剩下的东西里面的最主要成分。

3. 如何得到第三主要的成分？

同上，去掉第一、二主要的成分。

总结：
输入：$x_i\in {\mathbb{R}}^n,i=1,2,...,m$，怎么做 PCA？

1. 标准化数据，即减去数据的中心：
   $$\tilde{X}=\left[{\tilde{x}}_1,\cdots ,{\tilde{x}}_m\right],{\tilde{x}}_i=x_i-\bar{x},i=1,\cdots ,m\bar{x}=\frac{1}{m}\sum _{i=1}^m{x}_i$$

2. 计算 SVD：$H=\tilde{X}{\tilde{X}}^T=U_r{\Sigma }^2{U}_r^T$

3. 主向量为 $U_r$ 的列，第一个主向量就是 $U_r$ 的第一列，第二个就是第二列，以此类推。

5.1.4 PCA 应用一：降维

将高维数据点投影到低维去，尽可能保留他们的特征。

给定 $x_i\in {\mathbb{R}}^n,i=1,2,...,m$，使用 PCA 找到它的 $l$ 个主向量 $z_1,z_2,...,z_l,z_j\in {\mathbb{R}}^n$:

1. 将 $x_i$ 从 $n$ 维压缩（映射）到 $l$ 维 $l<<n$。
   Encoder：计算每个 $x$ 在每一个方向上的投影：
   $$\left[\begin{array}{c}{a}_{i1}\\ ⋮\\ a_{il}\end{array}\right]=\left[\begin{array}{c}{z}_1^T\\ ⋮\\ z_l^T\end{array}\right]x_i$$
2. 怎样再从 $l$ 维重新回到 $n$ 维：
   Decoder：
   $${\hat{x}}_i=\sum _{j=1}^l{a}_j{z}_j=\left[z_1,\cdots ,z_l\right]\left[\begin{array}{c}{a}_{i1}\\ ⋮\\ a_{il}\end{array}\right]$$

经过降维再升维肯定有数据上的损失，只是损失的比较少 。

从图中可以看到，在主向量上投影下来，仍可以看到有两坨点；而在第二个主向量上就只有一个波峰了。也可以再次说明主向量上保留了更多的信息。

5.1.5 Kernel PCA

在 5.1.4 中提到的都是普通的 PCA，普通 PCA 是线性的，因为矩阵乘法其实也就是一个线性操作（矩阵乘上一个向量其实是对一个矩阵的线性组合）。在遇到的数据不是一个线性的情况下，该怎么办？如左图的同心圆，做线性PCA很难区分开来，如右图所示，会得到两条线，没给出特别有意义的信息，比如将他们区分开。这时可以考虑在更高维度下进行操作。

• 原始数据：$x_i=[x_{i1},x_{i2}]\in {\mathbb{R}}^2$
• 提升数据：$\varphi (x_i)=[x_{i1},x_{i2},x_{i1}^2+x_{i2}^2]\in {\mathbb{R}}^3$，这里第三个维度选的平方和，就是极坐标的意思。
  由上面右图可以看出，可以找到一个平面将它们区分开。这时我们只需要做一个普通的线性 PCA，就可以将它们区分开了。只不过这个时候是三维空间，不是二维空间。

刚刚所做的 $[x_{i1},x_{i2},x_{i1}^2+x_{i2}^2]$ 操作就是 kernel PCA。

Kernel PCA 步骤：

1. 输入数据 $x_i\in {\mathbb{R}}^{n_0}$，非线性映射 $\varphi :{\mathbb{R}}^{n_0}\to {\mathbb{R}}^{n_1}$
2. 与标准线性 PCA 在升维空间 ${\mathbb{R}}^{n_1}$ 上一样：
   2.1 假设 $\varphi (x_i)$ 均值为零： $\frac{1}{N}{\sum }_{i=1}^N\varphi \left(x_i\right)=0$
   2.2 计算协方差矩阵 $\tilde{H}=\frac{1}{N}{\sum }_{i=1}^N\varphi \left(x_i\right){\varphi }^T\left(x_i\right)$，加个波浪线因为是在高维空间上操作的，与原来的 $H$ 区分开
   2.3 解特征值/特征向量 $\tilde{H}\tilde{z}=\tilde{\lambda }\tilde{z}$

现仍存在的问题：

• 如何定义映射 $\varphi$?
• 升维后的维度可能会非常高，有没有办法来避免高维运算、节省运算资源？

特征向量可以表达为数据点的线性组合 $\tilde{z}={\sum }_{j=1}^N{\alpha }_j\varphi \left(x_j\right)$-----找到了系数 ${\alpha }_j$ 即找到了特征向量 $\tilde{z}$。
证明：
$$\begin{gathered} \tilde{H}\tilde{z}=\tilde{\lambda }\tilde{z} \\ \frac{1}{N}\sum _{i=1}^N\varphi \left(x_i\right){\varphi }^T\left(x_i\right)\tilde{z}=\tilde{\lambda }\tilde{z} \end{gathered}$$其中 ${\varphi }^T\left(x_i\right)\tilde{z}$ 是一个标量，所以最后的特征向量 $\tilde{z}$ 就是 $\varphi (x_i)$ 的线性组合。

常用核函数的选择：

• Linear $k\left(x_i,x_j\right)=x_i^T{x}_j$
• Polynomial $k\left(x_i,x_j\right)={\left(1+x_i^T{x}_j\right)}^p$
• Gaussian $k\left(x_i,x_j\right)=e^{-\beta {\Vert x_i-x_j\Vert }_2}$
• Laplacian $k\left(x_i,x_j\right)=e^{-\beta {\Vert x_i-x_j\Vert }_1}$

通常来说只能通过实验来判断哪个的效果好，除非对数据非常了解，知道该使用什么样子的核函数。

真$\cdot$步骤：

1. 选择一个核函数 $k(x_i,x_j)$，组合成一个 Gram matrix $K(i,j)=k(x_i,x_j)$
2. 标准化 $K$，使得高维空间的平均值为0，其中 $K$ 为经过处理的核函数矩阵；${\mathbb{I}}_{\frac{1}{N}}$ 是数值全为$\frac{1}{N}$ 的常数矩阵，即 ${\mathbb{I}}_{\frac{1}{N}}(i,j)=\frac{1}{N},\forall i,j$：
   $$K=K-2{\mathbb{I}}_{\frac{1}{N}}K+{\mathbb{I}}_{\frac{1}{\mathbb{N}}}K{\mathbb{I}}_{\frac{1}{\mathbb{N}}}$$
3. 解 $\tilde{K}$ 的特征值/特征向量：
   $$K{\alpha }_r={\lambda }_r{\alpha }_r$$
4. 标准化 ${\alpha }_r$ 使得它的模，即 ${\alpha }_r^T{\alpha }_r=\frac{1}{{\lambda }_r}$
5. 将任何一个数据点 $x\in {\mathbb{R}}^n$，将它们投影到 $r^{th}$ 主向量 $y_r\in \mathbb{R}$上：
   $$y_r={\varphi }^T(x){\tilde{z}}_r=\sum _{j=1}^N{\alpha }_{rj}k\left(x,x_j\right)$$

例子：
如下图所示，输入数据在线性 PCA 下不可分：

当 kernel PCA 使用二次多项式核函数 $k\left(x_i,x_j\right)={\left(1+x_i^T{x}_j\right)}^2$ 时，如左图所示，点通过第一映射 $y_0$ 就很明显的区分开了：

也可以使用高斯核函数 $k\left(x_i,x_j\right)=e^{-\beta {\Vert x_i-x_j\Vert }_2}$，如上右图所示，区分的也很好。

5.1.5 PCA 应用

1. 计算3D 点云的平面法向量
   1.1 选取一个点 $P$；
   1.2 找出这个点的邻域；
   1.3 对邻域里的点做 PCA；
   1.4 在邻域里选取的法向量是最不显著的向量；
   1.5 曲率->特征值的比例 ${\lambda }_3/({\lambda }_1+{\lambda }_2+{\lambda }_3)$。

/*************************** 额外的 *********************************/

6. 滤波

• 噪声去除
  1.1 离群值清除(Raduius Outlier Removal)
  1.2 统计离群值清除(Statistical Outlier Removal)

• 降采样：保存特征的同时，降低运算量
  2.1 体素栅格降采样(Voxel Grid Downsampling)
  2.2 最远点采样(Farthest Point Sampling)
  2.3 法向量空间采样(Normal Space Sampling)

• 上采样/平滑
  3.1 双边滤波(Bilateral Filter)

6.1 Noise removal

6.1.1 Radius Outlier

1. 对于每个点，找到它在半径为 $r$ 的邻居；
2. 如果邻居的个数 $k<k^{\ast }$，则删除这个点。

6.1.2 升级版：Statistical Outlier Removal

1. 对于每个点，找到它在半径为 $r$ 的邻居；
2. 计算每一个邻居距离这个点有多远 $d_{ij},i=[1,...,m],j=[1,...,k]$，$i$ 为这个点，$j$ 为邻居;
3. 使用高斯分布对距离建模 $d\sim N(\mu ,\sigma )$-----这里是对所有的点得到的一个总的建模结果，而不是对单个点
   $$\mu =\frac{1}{nk}\sum _{i=1}^m\sum _{j=1}^k{d}_{ij},\sigma =\sqrt{\frac{1}{nk}\sum _{i=1}^m\sum _{j=1}^k{\left(d_{ij}-\mu \right)}^2}$$
4. 对于每个点，重新计算一遍对于邻居的平均距离（半径依旧为 $r$）；
5. 去除这个点，如果平均距离大于一些阈值，如，当在以下条件下去除点：
   $$\sum _{j=1}^k{d}_{ij}>\mu +3\sigma \text{ or }\sum _{j=1}^k{d}_{ij}<\mu -3\sigma$$下图为 Statistical Outlier Removal 的处理结果，右边红色为处理前的平均距离，经过滤波后邻居就特别近了。
   

6.2 Downsampling

6.2.1 Voxel Grid Downsampling

1. 构建一个包含点云的体素栅格；
2. 在每个单元中选取一个点。

这里存在两个问题：

1. 如何选取这个点？
2. 如何将该算法变得有效率？