[首發于智駕最前沿微信公眾號]很多人在評價自動駕駛傳感器時，會把關注點放在性能參數上，比如激光雷達的點云密度夠不夠高、攝像頭的分辨率是否足夠清晰、毫米波雷達在雨霧天氣下是否依然穩定。

但在真實道路環境中，對于傳感器的要求并不只是“看得清不清楚”，還有就是“在關鍵時刻有沒有看丟”。

激光雷達點云中出現的空洞、吸點，本質上正是“看丟”的具體表現，它并不是參數不足，而是傳感器在復雜場景下對信息持續獲取能力的邊界。

激光雷達點云空洞到底是什么

激光雷達（LiDAR）在自動駕駛車上是一個很重要的傳感器。

簡單理解，它往外發一束束激光，然后等這些光遇到東西反射回來后，靠飛行時間算出距離，再結合發射角度，就能算出周圍物體在空間里的三維坐標。

這一系列點組成的數據，我們叫點云。

正常情況下，當激光碰到一個物體并順利返回的時候，點云上就會有一個對應的點，顯示那個物體的一部分。

但是在很多真實路況中，會出現本來應該連續呈現的物體，在點云上卻“時有時無”，或者某個區域完全沒有點，看起來像一個洞。

這種情況在業內叫做點云空洞。

點云空洞的具體表現就是檢測設備在某些方向或距離上沒有返回有效的激光回波，使點云出現了間斷或者缺失區域。

點云空洞特別容易出現在車輛靠近一些如倒在路上的輪胎、低矮路緣、車底部的小障礙物等低矮物體的時候。

在這種場景下，點云并不會隨著靠近目標而越來越密，而是在某些距離段忽然變得稀疏甚至完全掉點。

對于自動駕駛的感知算法來說，這種瞬間斷續的點云會讓處理變得更難。

當感知軟件看到一個物體的點云突然斷掉，將無法持續追蹤這個物體是否存在，也就難以正確判斷物體的邊界和運動狀態。

這種不穩定的輸出會讓系統對場景理解產生猶豫，從而出現不必要的急剎車或反復減速加速的情況，這不僅非常危險，還會導致非常差的乘坐體驗。

為什么會出現點云空洞？

要理解空洞的成因，關鍵要回到激光雷達的工作邏輯上。激光雷達生成點云的前提是發射光束碰到物體后有足夠強的反射返回并被接收器捕獲。

如果反射信號根本沒有返回，或者返回信號太弱、不符合質量要求，系統就無法判斷這個方向上有一個有效的點。這樣的缺失在點云上就表現為空洞。

一個常見的原因是物體表面對激光的反射非常弱。不同材料對激光光的反射率差別很大。

像是一些黑色、暗色的軟質材料或者紋理很復雜的表面，它們可能吸收了大部分激光光而沒有明顯反射，導致接收器得不到有效回波。

雖然某些材料在可見光下看起來很明顯，但在激光雷達使用的紅外波段上，它們的反射率可能很低，這就容易造成點云缺失。

還有一種情況是激光回波落在了系統不能正確處理的位置或者時間窗口。

激光雷達內部有一個最短和最長測距范圍，在這兩個邊界之外激光雷達將無法判斷回波。

如果物體距離太近，回波返回得太快，可能會落在接收器無法處理的時間盲區里；如果距離太遠或者反射信號太弱，也可能因為低于系統的檢測閾值而被丟棄。

這個時間和距離盲區在很多低成本型號的激光雷達里是難以完全避免的，它會導致點云在近距離或者特定角度上出現不連續的情況。

很多激光雷達支持單回波和多回波模式。在單回波模式下，如果一個激光脈沖碰到一個物體可能產生多個反射，但設備只會選擇其中最強或者最遠的一個作為有效點。

這種策略在面對復雜表面或多個反射路徑的時候，很可能丟掉一些原本可以利用的回波，從而形成空洞。

雙回波模式可以輸出多個回波數據，但在實際設備中因為噪聲、反射角度以及光學窗口的特性，雙回波系統也可能在某些反射條件下遺漏有效點。

激光雷達本身的光學結構和視場設計也會對空洞產生影響。

激光雷達的發射和接收光的過程會通過一個保護視窗，這個視窗雖然看起來透明，但會對不同角度的光有不同的透過率。

在大角度入射或者特殊反射條件下，回波光可能因為折射、漫反射或者能量損失而無法被接收器正常捕獲，特別是在視場邊緣角度，這種丟點現象更容易出現。

外部環境也會加劇點云空洞的現象。

如果強烈的太陽光直射進入雷達視場，就會讓傳感器部分單元飽和，這會干擾回波信號的接收和判定，使本來應該返回的點反而丟失。

還有灰塵、雨雪等環境，會對激光的傳播和反射產生影響，不同程度上都會讓點云出現不連續或者缺失現象。

空洞現象對自動駕駛感知的影響

點云空洞只是讓點云中一些信號缺失，會對自動駕駛產生什么很嚴重的影響嗎？

在自動駕駛系統里，感知模塊負責從傳感器數據中識別和定位周圍的物體。如果點云在關鍵位置出現空洞，感知算法就可能誤判環境。

舉個例子，當激光雷達在追蹤一個低矮障礙物時由于點云斷裂，系統將無法判斷這個物體是不是持續存在。它可能認為障礙消失了，然后又突然出現，這會讓決策模塊反復進行如減速然后再加速這樣的不同的動作。

這種不穩定不僅讓乘客坐的不舒服，更可能產生危險。

當不同距離的點云數據不連續時，感知算法在估計物體邊界、尺寸和位置時也會犯錯。比如在判斷一個低矮障礙物是在地面上還是離地有微小高度差時，點云的缺失可能讓算法誤判為不重要的路面起伏，從而忽略這個物體。

點云空洞還會讓物體跟蹤變得不穩定。自動駕駛感知模塊需要在多個時間幀之間連續追蹤物體的位置和運動狀態，而點云的缺失會讓這種追蹤像斷斷續續的線一樣，難以給出連續穩定的軌跡預測，這對于動態避障和預測周圍交通參與者的行為產生非常大的影響。

此外，路徑規劃也依賴完整的點云數據。規劃模塊需要根據點云構建可通行區域的三維模型，如果點云在路面邊緣或者障礙物周圍有空洞，規劃算法可能會誤判可通行空間，從而規劃出不理想甚至有風險的路徑。

如何減少和避免點云空洞

想減少和避免點云空洞，一個最有效的方法就是提升硬件本身的性能。

更高線數的激光雷達、增加光束密度、增強發射功率和接收靈敏度，都能提高激光雷達在復雜表面和角度下獲得有效回波的概率。

硬件上做得更好，可以讓雷達在面對弱反射材料或者邊緣角度時更可靠地捕獲回波，從源頭上減少空洞的發生。

光學設計也很是一個避免點云空洞的方法，設計更優化的視場光學窗口，降低視窗對不同角度激光的透過損失，能夠讓回波光更好地進入接收器。

有些激光雷達就在光學設計上花很大功夫，以減少在極端視角下的信號損失。

雙回波輸出和其它增強回波處理策略也是避免點云空洞的一個方向。

傳統單回波模式在面對復雜反射時可能丟掉有效信息，雙回波模式能同時輸出多個回波數據，從而在一定程度上填補單回波可能遺漏的數據。

但這也需要配套的軟件和算法來判定哪些回波是真實回波，哪些是噪聲。

軟件層面的點云預處理也是避免點云空洞的常見做法。很多點云處理算法會在原始回波基礎上進行噪聲過濾、插值補全等處理，使得因為某些小區域點云缺失引起的數據斷層得到一定的平滑或者填補。

還有一些算法基于周圍點的幾何關系來推測缺失部分，在不破壞整體結構的前提下對空洞進行補全。

環境干擾也是不能忽視的一部分，在設計和安裝時，要盡量避免雷達視場直接面對強光源，或者使用濾光設計來減輕環境光對傳感器的干擾，這些都有助于提升點云質量。

在多傳感器融合系統中，還可以通過攝像頭和毫米波雷達的數據來補償激光雷達在某些場景下的不足，加強整體感知穩定性。

感知算法本身對點云空洞的魯棒性也很關鍵。通過融合多個傳感器數據、加入時間序列濾波、對點云缺失數據進行降噪和預測等策略，都能讓自動駕駛感知鏈條對空洞現象更不敏感。

最后的話

激光雷達點云空洞看起來像是一個很細微的數據缺失，但它背后反映的是激光雷達物理工作機制和復雜環境交互的真實影響。

在自動駕駛感知中，點云數據的完整性直接關系到物體檢測、跟蹤和路徑規劃的穩定性。識別和減輕空洞現象對于提升系統的可靠性至關重要。