无人驾驶路上：激光雷达和摄像头都干了些什么？

　　对车道线的检测主要分成三个步骤：

　　第一步，对获取到的图片预处理，拿到原始图像后，先通过处理变成一张灰度图，然后做图像增强;

　　第二步，对车道线进行特征提取，首先把经过图像增强后的图片进行二值化( 将图像上的像素点的灰度值设置为 0 或 255，也就是将整个图像呈现出明显的黑白效果)，然后做边缘提取;

　　第三步，直线拟合。

　　车道线检测难点在于，对于某些车道线模糊或车道线被泥土覆盖的情况、对于黑暗环境或雨雪天气或者在光线不是特别好的情况下，它对摄像头识别和提取都会造成一定的难度。

　　另一个是障碍物检测。上图是我们在十字路口做的实验，获取到原始图像后，通过深度学习框架对物体进行识别。在这当中，做训练集其实是主要的难点。

　　还有一个是道路标识的识别，这一部分的研究比较多，这里不再赘述。

激光雷达能够完成什么工作?

　　第一是路沿检测，也包括车道线检测;第二是障碍物识别，对静态物体和动态物体的识别;第三是定位以及地图的创建。

　　对于路沿检测，分为三个步骤：拿到原始点云，地面点检测、提取路沿点，通过路沿点的直线拟合，可以把路沿检测出来。

　　接下来是障碍物识别，识别诸如行人、卡车和私家车等以及将路障信息识别出来。

　　障碍物的识别有这样几步，当激光雷达获取三维点云数据后，我们对障碍物进行一个聚类，如上图紫色包围框，就是识别在道路上的障碍物，它可能是动态也可能是静态的。

　　最难的部分就是把道路上面的障碍物聚类后，提取三维物体信息。获取到新物体之后，会把这个物体放到训练集里，然后用 SVM 分类器把物体识别出来。

　　如上图，左上角、左下角是车还是人?对于机器而言，它是不清楚的。右上角和右下角(上图)是我们做的训练集。做训练集是最难的，相当于要提前把不同物体做人工标识，而且这些标识的物体是在不同距离、不同方向上获取到的。

　　我们对每个物体，可能会把它的反射强度、横向和纵向的宽度以及位置姿态作为它的特征，进行提取，进而做出数据集，用于训练。最终的车辆、行人、自行车等物体的识别是由SVM分类器来完成。我们用这种方法做出来的检测精确度还是不错的。

　　利用激光雷达进行辅助定位。定位理论有两种：基于已知地图的定位方法以及基于未知地图的定位方法。

　　基于已知地图定位方法，顾名思义，就是事先获取无人驾驶车的工作环境地图(高精度地图)，然后根据高精度地图结合激光雷达及其它传感器通过无人驾驶定位算法获得准确的位置估计。现在大家普遍采用的是基于已知地图的定位方法。

　　制作高精度地图也是一件非常困难的事情。举个例子，探月车在月球上，原来不知道月球的地图，只能靠机器人在月球上边走边定位，然后感知环境，相当于在过程中既完成了定位又完成了制图，也就是我们在业界所说的 SLAM 技术。

　　激光雷达是获取高精度地图非常重要的传感器。通过 GPS、IMU 和 Encoder 对汽车做一个初步位置的估计，然后再结合激光雷达和高精度地图，通过无人驾驶定位算法最终得到汽车的位置信息。