1. 激光雷达技术概述
激光雷达(LiDAR)作为智能驾驶系统的核心传感器之一,通过发射激光束并接收反射信号来精确测量周围环境的距离和形状。其工作原理可以概括为:激光器发射脉冲激光→激光照射到物体表面发生散射→接收器捕捉反射信号→通过飞行时间(ToF)原理计算距离→通过机械旋转或多线束设计获取三维点云数据。
当前主流车载激光雷达主要分为以下几类:
- 机械式激光雷达:通过整体旋转实现360°扫描,代表产品如Velodyne HDL-64E
- 半固态激光雷达:采用MEMS微镜或旋转棱镜方案,代表产品如速腾聚创M1、禾赛AT128
- 全固态激光雷达:包括Flash和OPA两种技术路线,目前仍在发展阶段
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 激光雷达在智能驾驶中的应用
2.1 感知系统中的应用
激光雷达在环境感知中主要承担以下功能:
- 地面分割:
- 采用基于高程图或区域生长的算法
- 典型算法包括Patchwork++和Ray Ground Filter
- 分割精度直接影响可行驶区域判断
- 障碍物检测:
- 传统方法:基于欧式聚类或DBSCAN算法
- 深度学习方法:PointPillars、PointRCNN等网络
- 需要处理点云稀疏性和遮挡问题
- 目标跟踪:
- 常用多目标跟踪(MOT)算法如AB3DMOT
- 需要解决数据关联和状态估计问题
- 典型跟踪精度可达90%以上
2.2 定位与建图中的应用
激光雷达在定位建图中主要技术路线:
- 激光里程计:
- LOAM算法通过提取边缘和平面特征
- NDT算法利用点云概率分布特性
- 典型定位精度约3-5cm/m
- 多传感器融合:
- LIO-SAM融合IMU和激光雷达数据
- LVI-SAM进一步加入视觉信息
- 融合后定位精度可达厘米级
- 高精地图构建:
- 采用SLAM技术构建点云地图
- 需要RTK-GPS提供绝对位置参考
- 典型地图精度可达10cm以内
3. 关键技术挑战与解决方案
3.1 标定技术
- 激光雷达-车体标定:
- 基于标定板的手眼标定方法
- 在线标定算法如Autoware的标定工具
- 典型标定误差<0.1°
- 激光雷达-相机标定:
- 基于棋盘格的联合标定方法
- 无目标标定算法如LIBCBD
- 典型标定
