Sim Pro自動駕駛仿真平臺

激光雷達仿真

在自動駕駛系統中，激光雷達起到了至關重要的作用，它是實現高度自動駕駛的關鍵傳感器之一。激光雷達通過發射和接收多束脈沖信號，通過測量ToF（Time of Flight，飛行時間），從而獲取每一個發射光束方向上的距離信息，將空間環境轉化為高密度點云數據，為自動駕駛算法提供不可或缺的環境感知信息。雷達感知數據作為自動駕駛算法的重要輸入之一，在仿真平臺中也需要盡可能還原真實激光雷達的測量過程，并輸出與算法匹配的點云數據。

Sim Pro自動駕駛仿真平臺依托光線追蹤算法，對激光雷達脈沖的發射、環境反射及回波接收過程進行全鏈路動態建模，并結合激光雷達參數設置，實現輸出不同種類、型號的雷達數據的功能，為自動駕駛算法的開發驗證、場景測試及性能優化構筑起高度擬真的數據閉環。

在實現激光雷達仿真功能的同時，除了還原雷達的環境感知能力以外，還需要體現雷達的特性。對激光雷達而言，雨雪天氣干擾，機械旋轉導致的畸變，以及多回波功能等因素，都會對感知結果產生影響。本文會介紹一些激光雷達的典型特點，并討論如何模擬出這些激光雷達特有的效果。

一、激光雷達的優勢與特點

激光雷達在自動駕駛領域中的優勢，在于其高精度測量能力與3D信息獲取的屬性。目前市面上常見激光雷達產品，測量誤差普遍達到厘米級，能夠更準確地識別和測量環境物體的形狀，大小和空間距離。相比于相機這種視覺感知傳感器，激光雷達憑借其探測3D深度的功能，對于三維環境的準確感知也有極大的幫助。相比于毫米波雷達，激光雷達輸出的點云密度也相當高，這對于感知算法而言是十分友好的。此外，雙回波模式的應用，進一步增強了激光雷達對復雜環境信息的采集能力。

但是，激光雷達也存在一些測量上的缺點。例如基于它的光學原理，激光雷達對低反射率物體的檢測能力較弱，也可能受到一些環境光的影響；對于一些機械式激光雷達，高速運動的場景下，因掃描延遲形成的運動畸變問題，也會影響其對環境的感知能力。

二、雙回波模式

激光雷達的雙回波模式是指在一個激光點發射后，可以接收兩個回波信號。由于激光雷達發射的光束數量固定，在相對較遠處的點云會比較稀疏，而雙回波模式可以體現光束方向上更多的物體信息。雙回波產生的原因是在物理世界中，激光發射的光束是一個錐體而非一條直線，雖然該錐體的張角非常小，但是在一定距離下，仍然可能與多個物體發生接觸從而產生多個回波。相比單回波模式，雙回波模式需要更強的激光發射功率以避免反射功率過低導致的漏檢測，并且需要更復雜的信號處理技術。

在激光雷達仿真中，由于使用的光追技術是計算幾何意義上直線方向與環境面片的碰撞點，對于單回波模式而言，光追技術可以高效地完成射線方向的數據收集，在物理模型計算后輸出點云。但是對于雙回波模式，每一個發射信號可能接收2個信號，需根據光束發散角參數輸入，設置更多光追射線并計算每個射線回波信號在時域上的累加。最后對接收信號進行峰值篩選，輸出具有高回波功率的兩個位置。該方案在沿用光追算法設計的情況下實現雙回波模式功能，但需要更多的運算資源。

圖：激光發射的光束是一個錐體而非一條直線

三、機械式激光雷達畸變

隨著激光雷達技術的發展，目前很多最新的激光雷達都是固態激光雷達，其掃描的方式不依賴于雷達本身的旋轉。而機械式激光雷達則是通過機械式旋轉來對環境進行360度掃描，這就會導致在車輛自身運動的同時，雷達在旋轉掃描，當雷達掃描結束輸出數據時，其實環境已經發生了變化，由此導致數據產生畸變。尤其是在雷達轉速較慢，環境相對速度快的時候，畸變會更明顯。

Sim Pro中可以設置雷達的類型，并通過設置機械式雷達的轉速來控制畸變的產生。目前比較常見的激光雷達仿真通常是在某一幀內同時發射所有光追射線并對數據進行處理，這種方法無法產生畸變效果。考慮到旋轉式雷達的輸出頻率f_lidar遠低于Sim Pro仿真頻率f_sim，利用畸變產生的原理，在每一個仿真幀內設置對應角度為360°×f_sim/f_lidar的光追射線并保存數據，激光雷達旋轉一周時將每一個仿真幀里儲存的數據拼接，即可產生畸變效果。該方法從畸變原理出發，對于分辨率高的雷達，需要極高的仿真頻率才可以得到較為平滑的畸變效果。

四、激光雷達的輸出數據

不同型號的雷達都可以輸出不同的文件格式，例如pcd，bin，bag等。其中主要包含雷達檢測的三維信息，即傳感器坐標系下的；此外，還可能含有每個點的強度，反射率，線束數，時間戳等數據，這就要求光追算法不僅獲取射線接觸mesh的位置信息，還需要獲取材質，入射角等信息以便進行后續計算，這也對場景建模提出了要求——不僅要有準確的位置信息還需要準確且豐富的材質信息。

值得注意的是，多數激光雷達的線束并非均勻分布的，這和激光雷達的探測重點密切相關，由于自動駕駛汽車更關注與主車相似高度的環境，比如周圍車輛，行人，障礙物等，因此在中間區域會有更為密集的射線覆蓋。針對激光雷達的這一特點，也需要進行定制化設計，以匹配不同型號的激光雷達。

圖：激光雷達線程角度并不是均勻分布的

激光雷達數據集對于自動駕駛至關重要，較為傳統的激光SLAM（simultaneous localization and mapping）技術，能夠借助激光點云數據對主車位姿進行定位；通過實車采集的點云數據，可以對環境進行3D建模，從而有助于提高仿真場景的真實性；而基于點云的3D目標識別算法，以及與相機等其他傳感器的融合感知算法，更是環境感知中不可或缺的關鍵技術。

總結

激光雷達仿真對于自動駕駛仿真平臺而言意義重大，自動駕駛的決策算法高度依賴感知模塊的輸出，因此傳感器模塊是仿真平臺不可或缺的關鍵功能。由于傳感器模塊主要功能為環境感知，環境模型也十分重要，對于不同物體的材質屬性也需要有明確的定義。Sim Pro自動駕駛仿真平臺能夠根據激光雷達的種類，型號，輸入參數等，產生不同格式的點云數據，以匹配各種點云處理算法對于數據的需求。