深入浅出讲解自动驾驶 - 激光雷达性能评价

• 个人主页: 同学来啦
• 版权: 本文由【同学来啦】原创、在CSDN首发、需要转载请联系博主
• 如果文章对你有帮助，欢迎关注、点赞、收藏和订阅专栏哦

一、激光雷达性能参数

如何评价激光雷达性能好坏，需要对激光雷达用户手册里有哪些性能参数要有充分的认识和了解，以下为某两家公司128线机械式激光雷达的性能参数图，即用户手册。

如上图所示，其中点云和硬件等性能参数比较重要。

• 1️⃣点云方面：精度，线数，FOV 以及加密FOV ，分辨率、盲区，探测距离，点云数量；
• 2️⃣硬件方面：工作温度，功率，时间同步类型，防尘防水等级

从这些参数能了解雷达基本性能，能判断该雷达对于自动驾驶系统是主雷达还是补盲雷达，主要是看加密FOV，分辨率，点云数量。
其他参数像激光波长，一般都是905nm，帧率都是10/20Hz，等等参数基本大体相同，但是加密FOV，垂直/水平分辨率，点云数量每个产品差异较大，而且会影响不同物体的感知距离和定位精度。这些都是在用户手册里能看到的性能参数，但如果仅仅只从用户手册去评判性能优劣是远远不够的，因为这些产品参数都是实验室或者严苛的条件下测出的指标，实际上车测试的点云性能才是我们最关注的。

二、激光雷达应用性能

关于激光雷达的应用性能，其需要根据车型自身情况去测试和评价。算法在应用主要看重三个方面：点云性能、感知距离和抗噪声性能，其是激光雷达能否上车应用的关键因素。

1、点云性能

此处的点云性能主要指点云的稳定性和可靠性。点云性能包括以下几点：

• 点云精准度：如果点云性能如用户手册里介绍那样精度高探测远，但是不稳定同时误差也大，这样点云数据对于算法是不可用的。所以通过在实际场景测试去验证点云的精度和准度，在激光雷达指定距离放置特殊工艺的高反板去统计多帧点云概率分布来计算精度和准度。
• 点云晃动成像是否有歪斜：成像晃动是验证激光雷达模组的性能是否有明显缺陷。
• 是否有明显的空洞：点云空洞也是用于验证激光雷达模组的性能是否有明显缺陷，这些和光路系统和收发算法有关系，验证时不需要特殊场景，随意找个场景打开激光雷达观察点云图像比较直观能看出来是否有这两种问题，如果有问题，这个雷达为不合格产品。
• 反射率一致性：该指标用于验证点云在遇到同一个物体或者同种反射率物体，反射系数是否标定一致，如果不一致会影响物体识别准确性，也会影响匹配定位精度，对算法来说是个非常重要参数。
  

2、感知距离

尽管在用户手册上已经给出10%反射率的探测距离，但是这个是最大距离，对于不同物体探测距离是不一样，而且感知算法也不是用一个可能不稳定的点云就能识别物体，而且两三排多个稳定点云判断，所以不同物体的实际识别距离比最大探测距离短，正常测试一般选成人、轿车、卡车、锥桶、轮胎、箱子等物体，统计的数据为算法和系统做参考。

3、抗噪声性能

抗噪声性能表现为：①强光抗噪；②多通道串扰、镜面发射；③雨雾扬尘。
由于在车辆实际使用中会遇到各种各样场景，也会有很多干扰，对于激光雷达其实属于光学设备，虽然使用的905nm波长自然光中比较少，但在阳光直射或者有镜面反射的激光到雷达里还是容易受到干扰，在晚上或自然光较暗地方，对向来车的远光灯也会对雷达造成干扰，消除干扰就需要雷达有相应的降噪的算法，这些都需要全面的验证才能全面的评判一个雷达的性能。最后还有雨污扬尘等自然环境干扰也需要测试。