1. 激光雷達在無(wú)人駕駛中的關(guān)鍵作用

無(wú)人駕駛技術(shù)“幾乎已被解決”是媒體夸大宣傳和業(yè)外人士的一種誤解。能適應各種道路環(huán)境和天氣情況的無(wú)人駕駛汽車(chē)仍然是有待研發(fā)攻關(guān)的終極目標。一些所謂的“自動(dòng)駕駛汽車(chē)”引發(fā)了系列事故說(shuō)明僅靠單類(lèi)傳感器和單一技術(shù)難以實(shí)現安全的自主駕駛。提醒我們要在最基礎的感知方案上不能減配關(guān)鍵傳感器，而且還需要多類(lèi)傳感器冗余配置和信息融合。

2016 年中國智能車(chē)未來(lái)挑戰賽特意設計了相應的環(huán)境感知考核場(chǎng)景，圖 1 所示是施工道路通行考核任務(wù)，沿圖中黃線(xiàn)將一個(gè)車(chē)道封閉并設置施工場(chǎng)景，路段末端設置通行社會(huì )車(chē)輛，參賽無(wú)人車(chē)輛在此施工路段欲借道行駛時(shí)，須檢測感知前方道路情況，如有通行車(chē)輛需先讓行。類(lèi)似復雜場(chǎng)景，需要借助激光雷達傳感器進(jìn)行環(huán)境感知描述，再進(jìn)行規劃。比賽結果表明，沒(méi)有安裝多線(xiàn)激光雷達的無(wú)人駕駛車(chē)輛均表現不好。

激光雷達描繪周?chē)h(huán)境幾個(gè)主要參數，包括線(xiàn)數、點(diǎn)密度、水平垂直視角、檢測距離、掃描頻率、精度等。除了位置和距離信息，激光雷達還提供返回所掃描物體的密度信息，后續算法據此可以判斷掃描物體的反射率再進(jìn)行下步處理。通過(guò)檢測目標物體的空間方位和距離，通過(guò)點(diǎn)云來(lái)描述 3D 環(huán)境模型，提供目標的激光反射強度信息，提供被檢測目標的詳細形狀描述，不僅在光照條件好的環(huán)境下表現優(yōu)秀，而且在黑夜和雨天等極端情況下也有較好表現。總的來(lái)說(shuō)，激光雷達傳感器在精度、分辨率、靈敏度、動(dòng)態(tài)范圍、傳感器視角、主動(dòng)探測、低誤報率、溫度適應性、黑暗和不良天氣適應性、信號處理能力等指標方面表現優(yōu)秀。

2. 激光雷達在復雜交通環(huán)境下的適用性

2.1 激光雷達在環(huán)境感知中的重要作用

二維和三維激光雷達在無(wú)人駕駛中均有廣泛應用。與三維激光測距雷達相比，二維激光雷達只在平面上掃描，結構簡(jiǎn)單、測距速度快、系統穩定可靠。但二維激光雷達無(wú)法完成復雜路面地形環(huán)境，重建行駛環(huán)境時(shí)容易出現數據失真和虛報等現象。三維激光雷達則可以獲得環(huán)境的深度信息，準確發(fā)現障礙物，構建可行駛區域，在豐富的點(diǎn)云數據上可獲得包括車(chē)道、路沿等道路要素，還可獲得非結構化道路的障礙物和可行駛區域，行駛環(huán)境中行人和車(chē)輛，交通信號燈和交通標志等其他豐富信息。

1）激光雷達適用于道路環(huán)境檢測

向地面掃描的線(xiàn)激光雷達通過(guò)所獲得的信號強度處理和識別車(chē)道線(xiàn)信息。此外，通過(guò)三維激光雷達數據獲得路沿等信息，映射到 2D 網(wǎng)格與相機圖像信息融合處理，可以獲得路面的車(chē)道邊界。將激光雷達與相機視覺(jué)檢測的空間/時(shí)間數據融合，進(jìn)行車(chē)道估計與跟蹤，結合從地圖數據生成的車(chē)道曲率約束和可參考的車(chē)道等信息，則可以獲得高可信的車(chē)道估計。

在接收到激光雷達輸出的原始點(diǎn)云數據之后，通過(guò)坐標轉換形成點(diǎn)云的柵格化表述，并從中區分地面點(diǎn)的集合以及地面以上障礙點(diǎn)的集合，完成地面和障礙物分離，形成地面估計與分割。在非結構化的越野環(huán)境中行駛，還需考慮包括地面起伏、凸起障礙、負障礙物、水體等多種環(huán)境要素，完成可行駛區域檢測。

2）激光雷達可用于行駛環(huán)境中的目標檢測與跟蹤

通過(guò)對行駛環(huán)境中車(chē)輛周?chē)母黝?lèi)目標進(jìn)行有效檢測、跟蹤和預測，才能實(shí)現跟車(chē)、換道和交叉口通行等復雜場(chǎng)景下的安全自主駕駛。由于行駛環(huán)境的復雜性，特別是道路中交通擁擠等情況下，車(chē)輛間容易互相遮擋以及行人目標較多且行走較難預測等，實(shí)現可靠的各類(lèi)目標檢測與跟蹤存在較大挑戰。

在接收到原始點(diǎn)云數據并進(jìn)行點(diǎn)云柵格化描述、完成地面和障礙物分離以及地面估計與分割的基礎上，采用目標聚類(lèi)方法，通過(guò)柵格網(wǎng)疊加以及表面特征匹配，結合目標尺度比較，可確認跟蹤列表并進(jìn)行目標跟蹤。其中，采用幾何模型和運動(dòng)模型假設結合的方法進(jìn)行目標檢測跟蹤，可以有效地處理目標幾何特征不明顯的情況下多目標檢測與跟蹤，結合目標位置、速度以及速度方向的最優(yōu)估計，容易獲得周邊車(chē)輛和行人的可靠檢測。

3）激光雷達用于地圖構建和定位

在自主駕駛過(guò)程中需要一個(gè)厘米級的高精度地圖，結合環(huán)境模型和傳感器場(chǎng)景和交通狀況感知，最后進(jìn)行駕駛決策。這其中，激光雷達起到了地圖采集、環(huán)境感知和輔助定位等功能。

通過(guò)采用激光雷達多次行駛獲取道路的三維點(diǎn)云數據，進(jìn)行人工標注，過(guò)濾一些點(diǎn)云圖中的錯誤信息，對多次收集的點(diǎn)云數據進(jìn)行對齊拼接最終形成高清地圖。所建立路面模型包含較全的交通標志和交通信號燈，車(chē)道線(xiàn)位置、數量和寬度等，道路坡度和斜率等，還包括車(chē)道限高、下水道口、障礙物以及其他道路細節。既提供當前道路的靜態(tài)環(huán)境模型，也可以通過(guò)預先存儲的點(diǎn)云和圖像特征數據來(lái)提供高精度定位。

通過(guò)局部點(diǎn)云匹配和全局點(diǎn)云匹配的位置估計方式，獲得給定的當前位置情況下觀(guān)測到點(diǎn)云信息的概率分布，結合對當前位置預測的概率分布，就可以提高無(wú)人車(chē)定位的準確度。在點(diǎn)云匹配過(guò)程中，采用事先獲得的 3D 地圖和獲得的局部 3D 點(diǎn)云，通過(guò)頂視圖的正交投影，轉換為一個(gè)柵格化的 2D 反射率和高度網(wǎng)格圖，進(jìn)行兩者之間的地圖特征匹配計算，可獲得高置信率的位置估計。

2.2 面向無(wú)人駕駛應用的激光雷達適用挑戰

1）影響激光雷達精度的外部因素

要想通過(guò)激光雷達精確獲得環(huán)境描述并不容易，影響其感知精度的外部因素包括天氣，車(chē)輛自身的運動(dòng)狀態(tài)，隨機擾動(dòng)和傳感器安裝位置等。其中，雨雪天氣容易對激光雷達產(chǎn)生影響，同時(shí)周邊物體的反射率也影響其正常工作。車(chē)輛速度也對所獲得的激光點(diǎn)云數據質(zhì)量有一定影響，特別是高速行駛狀態(tài)下對激光雷達信息處理實(shí)時(shí)性要求較高。此外，由于車(chē)輛轉彎引起側傾等運動(dòng)軌跡的變化，車(chē)輛輪胎的滑移及地面顛簸抖動(dòng)引起的一定隨機擾動(dòng)等，也對激光雷達傳感器形成的點(diǎn)云數據精度上有一定的影響。激光雷達的安裝位置及其俯仰角等，使之可能受到不同的環(huán)境干擾。

2）面向極端駕駛環(huán)境下的適用性

由于激光雷達主要依靠激光的漫反射來(lái)實(shí)現的測距，決定了其在環(huán)境感知方面也不是萬(wàn)能的。霧霾天、大雨、大雪等極端天氣對激光雷達的檢測范圍、識別時(shí)間等都有較大影響，雖然少量雨或雪可以通過(guò)算法的優(yōu)化來(lái)進(jìn)行信息過(guò)濾處理。在雨雪和霧天等情況下，空氣中懸浮物會(huì )對激光發(fā)射和激光的反射檢測等環(huán)節產(chǎn)生影響，從而影響其檢測精度。雨或霧分布密度決定激光與之相撞概率，如圖 6 所示，隨著(zhù)實(shí)驗雨量增大，其最遠探測距離線(xiàn)性下降。

激光傳感器在夜間表現良好，可在光線(xiàn)較弱情況下的自主行駛中發(fā)揮重要作用。福特搭載 4 個(gè) Velodyne32 線(xiàn)激光雷達的智能車(chē)在亞利桑那州沙漠測試區開(kāi)展過(guò)測試，模擬自動(dòng)駕駛汽車(chē)在夜間車(chē)燈突然失靈的極限狀況下自動(dòng)駕駛的安全情況。而冰雪天氣，則是激光雷達感知的挑戰，道路因結冰或積雪而導致反射特性發(fā)生變化，導致激光雷達的檢測效果受到影響，從而影響到三維地圖的構建；此外，由于積雪覆蓋也引起了道路環(huán)境的形狀和邊界發(fā)生變化。需要從算法層面對良好天氣下構造的精準地圖加以利用，在冰雪天氣結合已有的地圖完成順利的感知與規劃也很重要。

3. 面向無(wú)人駕駛的激光雷達產(chǎn)品集成化與智能化挑戰

現有的無(wú)人駕駛傳感器配置方案中一般都包括多個(gè) 2D 和 3D 的激光雷達，這些激光雷達大部分都不是專(zhuān)門(mén)針對車(chē)載應用進(jìn)行開(kāi)發(fā)，體積較大且價(jià)格昂貴。未來(lái)量產(chǎn)應用的車(chē)載傳感器則要求小型化、集成化和智能化，便于安裝、便于標定和使用、提供現有車(chē)載總線(xiàn)集成等功能，提高了了應用適用性。總的來(lái)說(shuō)，針對無(wú)人駕駛的應用需求，現有激光雷達在產(chǎn)品設計和供應鏈、小型化和集成化、智能化與算法服務(wù)等方面還有待于加強。

3.1 現有激光雷達面臨產(chǎn)品設計和供應鏈的挑戰

國外激光雷達傳感器廠(chǎng)商主要有 Velodyne、Ibeo 和 Quanergy 等。與 Velodyne 進(jìn)行競爭的初創(chuàng )公司有德國 Ibeo，美國 Quanergy，以色列 Innoviz，美國 Aerostar，加拿大 LeddarTech，加拿大 Phantom Intelligence, 美國 TriLumina 等。

國內也出現了車(chē)載激光雷達產(chǎn)品研究熱潮。北科天繪公司在今年 5 月就推出首款 16 線(xiàn)智能車(chē)用激光雷達（R-Fans16），有效探測距離大于 50m（ρ≥20%），掃描視場(chǎng) 360°，測距誤差優(yōu)于 5cm，并將在年底推出 32 線(xiàn)升級版本。隨后，禾賽科技、速騰聚創(chuàng )等國內初創(chuàng )企業(yè)也推出類(lèi)似激光雷達產(chǎn)品與樣機。

現有激光雷達在產(chǎn)品設計上面臨車(chē)規應用嚴格要求，在供應鏈上面臨規模量產(chǎn)的挑戰。需要通過(guò)改進(jìn)設計和核心器件的供應，使得傳感器滿(mǎn)足規格且價(jià)格得到控制。在產(chǎn)品設計方面，要求激光雷達傳感器尺寸越小并且容易安裝在無(wú)人駕駛車(chē)上，需要將機械旋轉部件做到最小甚至不用旋轉器件。例如 Velodyne 和福特一起發(fā)布的 32 線(xiàn)半固態(tài)激光雷達 Ultra Puck Auto，將旋轉部件做到內部隱藏。Quanergy 的全固態(tài) S3 產(chǎn)品，使用相位矩陣技術(shù)，不存在旋轉部件。

在傳感器性能指標方面，除了要求視場(chǎng)角覆蓋、角分辨率、檢測精度和距離等指標之外，還要求信息采集處理的實(shí)時(shí)性。此外，要改變現有激光雷達生產(chǎn)中的緊密光學(xué)器件的校準等繁瑣環(huán)節，減少標定過(guò)程的人工介入，從而降低人工和器件的成本。

3.2 激光雷達傳感器的集成化和智能化挑戰

1）面向無(wú)人駕駛的激光雷達配置與安裝

如圖 10 所示，參加 2007 年 DARPA Urban Challenge 比賽的 Stanford 大學(xué)“Junior”無(wú)人車(chē)輛配備 2 個(gè)側向的 SICK LMS 291-S14 激光雷達和 1 個(gè)前向的 RIEGL LMS-Q120 激光雷達提供 3D 道路結構和車(chē)道標線(xiàn)檢測，并進(jìn)行車(chē)輛高精度定位。1 個(gè)車(chē)頂 64 線(xiàn) Velodyne HDL-64E 激光雷達用于障礙物和移動(dòng)車(chē)輛檢測，形成水平方向 360 度和垂直方向 30 度視域的掃描數據，由車(chē)尾的 2 個(gè) SICK LDLRS 激光雷達和前保險杠 2 個(gè) IBEO ALASCA XT 激光雷達進(jìn)行視野補充。5 個(gè)安裝在前格柵的 BOSCH 長(cháng)距離雷達（LRR2）提供周?chē)苿?dòng)車(chē)輛的檢測信息。Junior 無(wú)人駕駛方案中，充分體現了激光雷達傳感器的重要性。

同樣，在 2016 年參加中國智能車(chē)未來(lái)挑戰賽的無(wú)人車(chē)，也大多安裝了高精度的多線(xiàn)激光雷達。車(chē)頂 64 或 32 線(xiàn)的 Velodyne 激光雷達，前向不同角度的攝像頭分別負責車(chē)道線(xiàn)、行人、紅綠燈。前臉保險杠處增加 4 線(xiàn)或 8 線(xiàn)激光雷達以及毫米波雷達，車(chē)尾配置毫米波雷達用于變道輔助。百度在本月的烏鎮互聯(lián)網(wǎng)大會(huì )上展示最新的無(wú)人駕駛車(chē)輛，在車(chē)輛頂部有 64 線(xiàn)激光雷達、3 個(gè)環(huán)繞車(chē)頂的 16 線(xiàn)激光雷達、位于車(chē)頂前方的兩個(gè)視覺(jué)識別攝像頭、以及車(chē)前方的毫米波雷達組成，輔以 GPS 高精度地圖在車(chē)載計算中心的控制下，實(shí)現無(wú)需人類(lèi)操作決策的機器自動(dòng)駕駛。

激光雷達的嵌入式安裝方式容易導致的傳感器檢測范圍受到遮擋，需要采用多點(diǎn)布置的方式進(jìn)行檢測視角覆蓋。車(chē)頂安裝的 64 線(xiàn)激光雷達可以形成 60 米左右 360 度視角覆蓋，車(chē)輛正前方、正后方、左前方和右前方安裝的 4 線(xiàn)、8 線(xiàn)激光雷達。安裝在險杠附近的前向方低線(xiàn)束 4～8 線(xiàn)的長(cháng)距激光雷達，用于檢測遠距的前方車(chē)輛和障礙物等信息。安裝在車(chē)輛左右兩側（車(chē)頂側或車(chē)尾側）的激光雷達，可以對側向車(chē)輛、障礙物、車(chē)道和路沿等路面進(jìn)行檢測，形成視角的覆蓋與冗余。在現有技術(shù)基礎上，如能將激光雷達與車(chē)載其他傳感器進(jìn)一步集成，則可簡(jiǎn)化方案，如圖 12 所示。

2）面向無(wú)人駕駛的激光雷達智能化挑戰

激光雷達傳感器如果能夠結合傳感器特點(diǎn)進(jìn)行原始數據的預處理，提供云數據處理結果，提供從硬件到處理軟件的一體化方案，有效降低用戶(hù)門(mén)檻，提高應用廣度。Velodyne 輸出的原始數據中，除了位置和距離信息，還包括目標反射密度信息。如果廠(chǎng)家能提供進(jìn)一步的算法，判斷出目標的反射率信息，用于輔助目標的識別，例如確定眾多檢測目標中的交通標志牌。再結合相機有針對性地識別標志牌內容，則可以減少算法成本。Ibeo 的軟件方案則包括算法端設計，可直接輸出周?chē)?chē)輛、行人、障礙物、路面等檢測到的環(huán)境信息。

4. 激光雷達傳感器的標定與測試

4.1 ?激光雷達參數與繁瑣的標定過(guò)程

大部分激光雷達中，通過(guò)電控掃描方式控制線(xiàn)陣中每個(gè)激光二極管（Laser Diode – LD）發(fā)射脈沖激光，經(jīng)發(fā)射光路整形，激光脈沖到達目標表面并返回，經(jīng)接收光路接收，聚焦到對應光電傳感器（APD）并轉換為電信號，電信號處理，測距、測灰度；激光探測模塊中 32 元通過(guò)電控掃描在豎直方向次第測量，同時(shí)圍繞豎直軸做 360°旋轉掃描；所采集原始數據計算生成激光三維點(diǎn)云，數據上傳并實(shí)現對激光點(diǎn)云數據同步處理。其中，多個(gè)步驟涉及精密光學(xué)器件的調校，光學(xué)收發(fā)透鏡需要精確設計，這些環(huán)節比較費時(shí)費力。

1）車(chē)載激光雷達的標定

激光雷達與車(chē)體為剛性連接，兩者間的相對姿態(tài)和位移固定不變，為了建立各個(gè)激光雷達之間的相對坐標關(guān)系，需要對激光雷達的安裝進(jìn)行標定，并使激光雷達數據從激光雷達坐標統一轉換至車(chē)體坐標上。通過(guò)建立車(chē)輛質(zhì)心坐標系、雷達基準坐標系以及車(chē)載激光雷達坐標系，將激光雷達的數據轉換到基準坐標系中，結合雷達的俯仰角和側傾角，再將其統一轉換到車(chē)輛坐標系下。如果有多個(gè)車(chē)載激光雷達，為了能夠得到統一形式的環(huán)境信息，需要確立統一的車(chē)輛坐標系，并把所有激光雷達的數據轉換到該坐標系下。

2）多線(xiàn)激光雷達的外部參數

理想狀態(tài)下，激光雷達多線(xiàn)束激光從坐標系原點(diǎn)射出，且每束激光的起始位置都為坐標系原點(diǎn)。但實(shí)際上，每個(gè)激光傳感器安裝位置不同，光束的水平方位角也有差異，光束并不在同一個(gè)垂直平面內。因此，對應每個(gè)激光器都有一組校準標定參數，通過(guò)標定方法對參數進(jìn)行標定，即每個(gè)激光束的位置和方向的參數估計 [3]。以 Velodyne HDL – 64E 激光雷達為例，出廠(chǎng)時(shí)對每束激光校準參數都已進(jìn)行標定，但在使用時(shí)一般還需對該校準參數進(jìn)行重新標定。獲取 64 束激光的標定參數后，可將每條激光束返回的距離值 和當前激光雷達的旋轉角度 轉化為激光雷達坐標系中的笛卡爾坐標 。

為了將激光雷達返回的距離和角度信息轉換為激光雷達坐標系中的笛卡爾坐標，需要對每一條激光束采用 5 個(gè)參數進(jìn)行建模。然后通過(guò) 5 個(gè)參數將每條激光返回的距離值轉換為 3D 點(diǎn)坐標 [11]，包括距離校正因子 ，垂直偏移量 ，水平偏移量 ，垂直校正角 和旋轉校正角 。

3）多線(xiàn)激光雷達的標定

激光雷達外部參數包括激光雷達的俯仰角與側傾角等，通常可采用等腰直角三角標定板、正方形標定板、標定箱等工具結合標定程序完成外部參數確定。但是，這類(lèi)外部參數標定方法還依賴(lài)于標定板等工具，最好能夠實(shí)現自動(dòng)標定方法，例如已有研究中的交互信息最大化外部自動(dòng)標定法；激光攝像頭融合的邊緣對齊聯(lián)合自動(dòng)標定法和測距與圖像融合的基于線(xiàn)段外部參數標定法等 [9]。如圖 7 所示的測距與圖像融合的基于線(xiàn)段外部參數標定法，無(wú)需特殊的人工標定目標，通過(guò)自然線(xiàn)性特征獲取來(lái)確定精確線(xiàn)段變換。通過(guò)一組點(diǎn)云形成的 3D 線(xiàn)段以及一組從圖像獲得的 2D 線(xiàn)段之間的對應關(guān)系，以及兩者相對平移和旋轉的聯(lián)合估計的優(yōu)化解，來(lái)獲得外部標定參數。

4）攝像機和激光雷達聯(lián)合標定

通過(guò)提取標定物在單線(xiàn)激光雷達和圖像上的對應特征點(diǎn)來(lái)進(jìn)行攝像機外部參數的標定，從而完成單線(xiàn)激光雷達坐標、攝像機坐標、圖像像素坐標等多個(gè)傳感器坐標的統一，實(shí)現激光雷達與攝像機的空間對準。

激光雷達、攝像機與無(wú)人駕駛汽車(chē)為剛性連接，因此在同一空間內，每個(gè)激光雷達的掃描數據點(diǎn)都在圖像空間中存在唯一對應點(diǎn)。通過(guò)建立合理的激光雷達坐標系與攝像機坐標系，利用激光雷達掃描點(diǎn)與攝像機圖像的空間約束關(guān)系，即可求解兩坐標系的空間變換關(guān)系，從而完成激光雷達與攝像機的空間對準，實(shí)現激光雷達數據與可見(jiàn)光圖像的關(guān)聯(lián)。在此，激光雷達與攝像機的空間對準問(wèn)題就轉變?yōu)樵诮o定雷達圖像對應點(diǎn)的情況下的函數擬合問(wèn)題。

利用標定箱，通過(guò)對掃描形狀的判斷，可手工選取出其掃描到標定箱邊界的激光點(diǎn)并提取出該點(diǎn)坐標。標定箱的棱角在攝像機中成像清晰，容易獲取。通過(guò)多次改變標定箱的遠近和方位，使其位置盡可能地均勻分布在圖像分辨率范圍內的各個(gè)位置，而通過(guò)采集多幀同步后的圖像和激光雷達掃描數據，即可獲得多組圖像雷達對應點(diǎn)對。

同樣，現有的研究也集中在解決參數的自動(dòng)標定問(wèn)題。例如，基于邊緣對齊的外部參數聯(lián)合自動(dòng)校準和融合的激光雷達與相機自動(dòng)標定技術(shù)，以及其他相機與激光雷達的在線(xiàn)標定技術(shù)，還有助于克服傳感器漂移和擾動(dòng)校正等。

4.2 ?激光雷達測試技術(shù)：突破應用場(chǎng)景限制

1）車(chē)載激光雷達的測試

在車(chē)載激光雷達的評測中，需要針對測試指標構建車(chē)用激光雷達測試場(chǎng)景，建立標定場(chǎng)、控制點(diǎn)和檢測點(diǎn)，通過(guò)設置標靶，結合已有的高精度、高置信度測試儀器進(jìn)行激光雷達標定，通過(guò)控制點(diǎn)進(jìn)行測評指標精度分析，結合檢測點(diǎn)進(jìn)行指標精度對比分析，最后形成指標參數精度的置信描述。

車(chē)載激光雷達的測試包括：

（1）車(chē)用激光雷達設備性能測試，包括振動(dòng)測試、溫度測試、環(huán)境測試、計量精度測試、回波強度測試、數據一致性及完整性測試等。

（2）車(chē)用激光雷達常用指標測試，包括設備的測量幀率、點(diǎn)頻率穩定性；水平角視場(chǎng)大小，水平角分辨率；垂直角視場(chǎng)大小，垂直角分辨率；距離分辨率、測距誤差和不同反射率的固定大小目標的探測距離等。測試設備系統啟動(dòng)時(shí)間，目標的檢出時(shí)間等。除了上述常用指標之外，還將就激光雷達工作的自車(chē)速度范圍，檢測對象目標大小，目標反射率、目標檢出率等指標進(jìn)行測試。此外，還將一級指標細化為二級評測指標，例如檢測距離的二級指標包括目標最大測距，目標有效檢測距離，目標分類(lèi)距離，目標最佳分類(lèi)距離等。

（3）車(chē)用激光雷達檢測信息豐度測試，包括車(chē)用激光雷達檢測信息豐度測試，涵蓋目標檢測完整度和精確度測試。目標列表包括可行駛區域內的結構化和非結構化路面、路沿，周邊其他車(chē)輛和非機動(dòng)車(chē)輛，行人，動(dòng)態(tài)和靜態(tài)障礙物目標等。

2）車(chē)載激光雷達的測試方法

針對測試指標構建車(chē)用激光雷達測試場(chǎng)景，建立標定場(chǎng)、控制點(diǎn)和檢測點(diǎn)，通過(guò)設置標靶，結合已有的高精度、高置信度測試儀器進(jìn)行激光雷達標定，通過(guò)控制點(diǎn)進(jìn)行測評指標精度分析，結合檢測點(diǎn)進(jìn)行指標精度對比分析，最后形成指標參數精度的置信描述。

在自主駕駛模擬器中建立激光雷達傳感器接口，將激光雷達采集的測試環(huán)境數據或者仿真軟件生成的測試數據，輸入自主駕駛仿真器中，在仿真軟件中還原真實(shí)或者仿真的測試場(chǎng)景，從而開(kāi)展激光雷達傳感器的平行測試。結合仿真模擬測試與實(shí)際環(huán)境測試虛實(shí)聯(lián)動(dòng)的測評方法，對激光雷達進(jìn)行完整評測。

3）智能車(chē)中心開(kāi)展的車(chē)載激光雷達測試工作

中國智能車(chē)綜合技術(shù)研發(fā)與測試中心匯聚了多家智能車(chē)研發(fā)單位，致力于開(kāi)展智能車(chē)輛設計、標準制定和功能測試等工作。此外，結合智能車(chē)中心的基礎設施，結合仿真環(huán)境、在環(huán)測試技術(shù)和實(shí)際模擬環(huán)境，針對激光雷達、毫米波雷達、相機視覺(jué)感知、慣性導航等各類(lèi)車(chē)載傳感器開(kāi)展平行測試工作，提供傳感器的適用邊界確定和驅動(dòng)功能集成，通過(guò)與各類(lèi)傳感器產(chǎn)商保持密切合作，可快速加快傳感器成熟應用進(jìn)程，有助于加速智能車(chē)輛開(kāi)發(fā)。

5. 總結

激光雷達是實(shí)現無(wú)人駕駛的重要傳感器，由于其功能特性可以在復雜交通環(huán)境的感知中起到關(guān)鍵作用，越來(lái)越受高度重視，國內外紛紛投入研發(fā)。通過(guò)與其他車(chē)載傳感器實(shí)現信息融合，可適用于復雜交通環(huán)境感知。此外，激光雷達還廣泛用于 3 維地圖建立和輔助定位中。本文通過(guò)現有激光雷達的技術(shù)描述，介紹它在環(huán)境感知中的關(guān)鍵作用，分析了激光雷達在無(wú)人駕駛應用中的適用性和需要突破之處，介紹了激光雷達標定和測試等技術(shù)，后續將陸續綜述毫米波雷達、相機視覺(jué)和慣性導航等傳感器在無(wú)人駕駛中的應用，文章可以作為相關(guān)技術(shù)應用有益參考。