《智能駕駛之激光雷達(dá)算法詳解》基于 3D 激光點(diǎn)云的地面分割

jinchanchanwaji

本章聚焦于地面點(diǎn)云分割算法，旨在為讀者快速勾勒出該領(lǐng)域的技術(shù)脈絡(luò)。基于算法原理的差異性，將3D激光點(diǎn)云的地面分割技術(shù)細(xì)分為以下五大類。

1、基于高程地圖的地面點(diǎn)云分割
        此類算法巧妙地將3D激光點(diǎn)云投影至X0Y平面，隨后將平面細(xì)分為若干網(wǎng)格。在每個(gè)網(wǎng)格內(nèi)，算法計(jì)算點(diǎn)云子集的平均高度、最大-最小高度差、最大相對(duì)高度差及高度方差等關(guān)鍵參數(shù)。通過(guò)將這些參數(shù)與預(yù)設(shè)閾值進(jìn)行比對(duì)，算法能夠區(qū)分出包含非地面點(diǎn)與純粹地面點(diǎn)的網(wǎng)格。該方法計(jì)算資源需求低，不受限于激光雷達(dá)的掃描模式，且能有效應(yīng)對(duì)多種地面場(chǎng)景。然而，其局限性在于，當(dāng)網(wǎng)格內(nèi)存在如橋梁、路牌、樹(shù)木等懸空物體時(shí)，可能導(dǎo)致整個(gè)網(wǎng)格被誤判為非地面區(qū)域。為此，提出了分層處理的創(chuàng)新方法，顯著增強(qiáng)了地面點(diǎn)云分割的魯棒性。

2、基于相鄰點(diǎn)幾何關(guān)系的地面點(diǎn)云分割

        傳統(tǒng)機(jī)械激光雷達(dá)憑借其固定的掃描模式，能夠精確計(jì)算出激光點(diǎn)在不同線束及方位角下的距離與角度差異。基于這些精確數(shù)據(jù)，通過(guò)比對(duì)實(shí)際測(cè)量中相鄰激光點(diǎn)間的距離與角度變化是否逾越預(yù)設(shè)閾值，實(shí)現(xiàn)了地面點(diǎn)與非地面點(diǎn)的有效區(qū)分。為進(jìn)一步優(yōu)化計(jì)算效率，Bogoslavskyi等及Y.Li等學(xué)者創(chuàng)新性地提出，結(jié)合激光雷達(dá)的掃描特性，將復(fù)雜的3D激光點(diǎn)云數(shù)據(jù)簡(jiǎn)化為2.5D深度圖形式。深度圖中，行與列分別對(duì)應(yīng)激光線束的俯仰角（y）與掃描方位角（θ），而像素值則直接反映了激光點(diǎn)的測(cè)量距離（r）。通過(guò)深度圖內(nèi)相鄰元素間的幾何特征分析，能夠高效提取出地面點(diǎn)集與非地面點(diǎn)集。
3、基于地面模型擬合的點(diǎn)云分割
        點(diǎn)云分割策略，首先以地面為平面的基本假設(shè)出發(fā)，結(jié)合激光雷達(dá)位置與高度限制，初步剔除非地面點(diǎn)云。隨后，利用RANSAC算法精確擬合地平面，通過(guò)激光點(diǎn)至地平面的距離閾值界定地面與非地面點(diǎn)。然而，鑒于真實(shí)地形多含起伏與弧度，單一平面假設(shè)易引入誤差。為提升精度，現(xiàn)有研究提出區(qū)域化處理方法，即將點(diǎn)云分割為多個(gè)區(qū)域，在各區(qū)域內(nèi)獨(dú)立應(yīng)用RANSAC進(jìn)行地面擬合，并剔除異常點(diǎn)。另一策略則通過(guò)扇區(qū)細(xì)分與中心平面投影，將3D點(diǎn)云轉(zhuǎn)化為2D點(diǎn)集，提取關(guān)鍵點(diǎn)后進(jìn)行直線擬合，依據(jù)斜率與點(diǎn)到線距離分類地面與非地面點(diǎn)。更進(jìn)一步，為精確刻畫(huà)起伏地形，Douillard等人及Chen等學(xué)者引入了2D與3D高斯過(guò)程回歸模型，在區(qū)域化基礎(chǔ)上實(shí)施地面擬合，并采用INSAC算法剔除噪聲，生成更精細(xì)的地面模型與點(diǎn)集。盡管這些方法顯著提高了擬合精度，但多區(qū)域迭代擬合與回歸的過(guò)程也相應(yīng)增加了計(jì)算復(fù)雜度，影響了實(shí)時(shí)性能。
4,基于機(jī)器學(xué)習(xí)模型的地面點(diǎn)云分割
        憑借馬爾可夫隨機(jī)場(chǎng)及條件隨機(jī)場(chǎng)等機(jī)器學(xué)習(xí)算法在圖像分割領(lǐng)域的深厚積淀，研究者們巧妙地將這些模型引入至3D激光點(diǎn)云的地面分割挑戰(zhàn)中。3D激光點(diǎn)云被精細(xì)劃分為多個(gè)柵格單元，每個(gè)單元依據(jù)其梯度變化與平均高度等特征，精心構(gòu)建馬爾可夫隨機(jī)場(chǎng)模型。隨后，通過(guò)高效的信念傳播算法（BP），環(huán)境被精準(zhǔn)劃分為多個(gè)功能區(qū)域，包括可行走區(qū)、可達(dá)區(qū)、障礙物區(qū)及未知區(qū)等，實(shí)現(xiàn)了對(duì)復(fù)雜環(huán)境的深刻理解與精準(zhǔn)分割。
5. 基于深度學(xué)習(xí)網(wǎng)絡(luò)的地面點(diǎn)云分割
        近年來(lái)，深度學(xué)習(xí)算法的蓬勃發(fā)展，尤其是卷積神經(jīng)網(wǎng)絡(luò)（CNN）的廣泛應(yīng)用，推動(dòng)了激光感知領(lǐng)域的一大革新。直接利用CNN對(duì)3D激光點(diǎn)云實(shí)施精準(zhǔn)語(yǔ)義分割，能夠迅速為每一幀的激光點(diǎn)賦予具體類別標(biāo)簽，如地面、車(chē)輛、行人等，這已成為該領(lǐng)域的研究焦點(diǎn)。
        atiphon 等研究者在日本名古屋大學(xué)，于2018年巧妙融合了相鄰點(diǎn)幾何關(guān)系與模型擬合的優(yōu)勢(shì)，創(chuàng)新性地提出了級(jí)聯(lián)地面分割（CGS）算法。該算法首先通過(guò)激光點(diǎn)間距離的有效篩選，初步剔除大量非地面數(shù)據(jù)，隨后將剩余點(diǎn)云精準(zhǔn)劃分為多個(gè)獨(dú)立區(qū)域。在每個(gè)特定區(qū)域內(nèi)，運(yùn)用迭代RANSAC方法精細(xì)擬合地面模型，進(jìn)而基于這些模型實(shí)現(xiàn)地面點(diǎn)與非地面點(diǎn)的高精度分割。

        障礙物與地面坡度對(duì)點(diǎn)云數(shù)據(jù)的顯著影響，Patiphon團(tuán)隊(duì)針對(duì)固定旋轉(zhuǎn)掃描模式的激光雷達(dá)系統(tǒng)（如機(jī)械式激光雷達(dá)），深入剖析了其生成的激光點(diǎn)云特性。他們強(qiáng)調(diào)，點(diǎn)云中相鄰地波間距離的變異不僅受限于激光雷達(dá)的固有參數(shù)、掃描距離及安裝高度，更與地面的坡度變化緊密相連。具體而言，地面坡度平緩時(shí)，相鄰激光線束間的點(diǎn)云間距會(huì)相應(yīng)拓寬，；反之，隨著地面坡度陡增，這些間距則顯著縮短。尤為值得注意的是，當(dāng)激光雷達(dá)遭遇垂直障礙物時(shí)，同一方位角下相鄰線束間的激光點(diǎn)間距會(huì)進(jìn)一步壓縮。
        基于馬爾可夫隨機(jī)場(chǎng)的地面點(diǎn)云精準(zhǔn)分割，馬爾可夫隨機(jī)場(chǎng)（Markov Random Field, MRF），作為早期視覺(jué)處理的利器，已成功涉足邊緣檢測(cè)、立體匹配、圖像細(xì)分及復(fù)原等多個(gè)領(lǐng)域，碩果累累。日本豐田工業(yè)大學(xué)的Guo與Sato等學(xué)者，巧妙地將MRF在圖像分割中的精髓應(yīng)用于3D激光點(diǎn)云數(shù)據(jù)的處理中，創(chuàng)新性地提出了G2DRR（Graph-based 2D Road         Representation）算法，專注于路面識(shí)別，并依托Velodyne HDL-64e激光雷達(dá)進(jìn)行了實(shí)證檢驗(yàn)。馬爾可夫隨機(jī)場(chǎng)的精心構(gòu)建與信念的高效傳播，G2DRR算法首先施展其獨(dú)特魅力，將繁復(fù)的3D激光點(diǎn)云輕盈地投射至水平面，隨后將這些點(diǎn)云精心劃分為細(xì)密的網(wǎng)格體系。在此基礎(chǔ)上，算法作出一個(gè)關(guān)鍵性假設(shè)：每個(gè)網(wǎng)格的歸屬類別，深受其鄰近網(wǎng)格的影響，而與遠(yuǎn)方網(wǎng)格則保持相對(duì)獨(dú)立。這一精妙設(shè)定，使得整張網(wǎng)格地圖自然而然地蛻變?yōu)橐蛔�馬爾可夫隨機(jī)場(chǎng)，并通過(guò)無(wú)向圖G=(V,E)這一數(shù)學(xué)語(yǔ)言得以優(yōu)雅表達(dá)。
        在過(guò)去的三十年間，基于高程地圖的地面點(diǎn)云分割網(wǎng)格地圖技術(shù)已成為機(jī)器人導(dǎo)航、路徑規(guī)劃、障礙物檢測(cè)與跟蹤等多個(gè)領(lǐng)域的核心工具。Elfes的占用柵格地圖與Bares的高程地圖作為該技術(shù)中的佼佼者，展現(xiàn)了廣泛的應(yīng)用潛力。占用柵格地圖巧妙地將復(fù)雜的3D環(huán)境簡(jiǎn)化為規(guī)則的2D網(wǎng)格系統(tǒng)，不僅明確了占用、空閑、未知三種環(huán)境狀態(tài)，還通過(guò)概率值精準(zhǔn)刻畫(huà)了各網(wǎng)格被物體占據(jù)的可能性，為機(jī)器人提供了清晰的環(huán)境認(rèn)知框架。而高程地圖，作為一種創(chuàng)新的2.5D網(wǎng)格表示法，在保留二維網(wǎng)格簡(jiǎn)潔性的同時(shí)，融入了高度信息的豐富層次，包括平均高度、最大/最小高度及高度方差等關(guān)鍵參數(shù)。這一特性使得高程地圖在保持較低計(jì)算與存儲(chǔ)負(fù)擔(dān)的同時(shí)，能夠精準(zhǔn)實(shí)現(xiàn)3D激光點(diǎn)云中的地面模型構(gòu)建與地面點(diǎn)精準(zhǔn)分割。


另外最近部門(mén)招聘，要求如下：
內(nèi)外飾數(shù)字模型工程師      
1、負(fù)責(zé)內(nèi)飾全倉(cāng)數(shù)字模型設(shè)計(jì)工作
2、對(duì)內(nèi)飾零部件有充分了解、IP、門(mén)板、console等零部件
3、負(fù)責(zé)內(nèi)飾IP、門(mén)板、座椅、console、頂棚、立柱等零部件的設(shè)計(jì)工作
4、掌握內(nèi)飾零部件之間的配合關(guān)系，并完整表達(dá)設(shè)計(jì)意圖。      

要求
1、大專及以上學(xué)歷，藝術(shù)設(shè)計(jì)、工業(yè)設(shè)計(jì)相關(guān)專業(yè)
2、熟練使用ALIAS軟件
3、 測(cè)試A級(jí)至少5-8年實(shí)際CAS、A面設(shè)計(jì)工作經(jīng)驗(yàn) 測(cè)試B級(jí)至少3-5年CAS、A面設(shè)計(jì)工作經(jīng)驗(yàn)
4、善于團(tuán)隊(duì)合作、有責(zé)任心、敢于擔(dān)當(dāng)、工作主動(dòng)積極



有意者戳 汽車(chē)造型/產(chǎn)品設(shè)計(jì)師社會(huì)招聘-表單-金數(shù)據(jù) (jsj.top)