[首發(fā)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(guān)注點放在性能參數(shù)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(wěn)定。

但在真實道路環(huán)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(guān)鍵時刻有沒有看丟”。

激光雷達點云中出現(xiàn)的空洞、吸點，本質(zhì)上正是“看丟”的具體表現(xiàn)，它并不是參數(shù)不足，而是傳感器在復(fù)雜場景下對信息持續(xù)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(fā)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(jié)合發(fā)射角度，就能算出周圍物體在空間里的三維坐標(biāo)。

這一系列點組成的數(shù)據(jù)，我們叫點云。

正常情況下，當(dāng)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(yīng)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(xiàn)本來應(yīng)該連續(xù)呈現(xiàn)的物體，在點云上卻“時有時無”，或者某個區(qū)域完全沒有點，看起來像一個洞。

這種情況在業(yè)內(nèi)叫做點云空洞。

點云空洞的具體表現(xiàn)就是檢測設(shè)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(xiàn)了間斷或者缺失區(qū)域。

點云空洞特別容易出現(xiàn)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(biāo)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(xù)的點云會讓處理變得更難。

當(dāng)感知軟件看到一個物體的點云突然斷掉，將無法持續(xù)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(tài)。

這種不穩(wěn)定的輸出會讓系統(tǒng)對場景理解產(chǎn)生猶豫，從而出現(xiàn)不必要的急剎車或反復(fù)減速加速的情況，這不僅非常危險，還會導(dǎo)致非常差的乘坐體驗。

為什么會出現(xiàn)點云空洞？

要理解空洞的成因，關(guān)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(fā)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(zhì)量要求，系統(tǒng)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(xiàn)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(zhì)材料或者紋理很復(fù)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(dǎo)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(tǒng)不能正確處理的位置或者時間窗口。

激光雷達內(nèi)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(qū)里；如果距離太遠或者反射信號太弱，也可能因為低于系統(tǒng)的檢測閾值而被丟棄。

這個時間和距離盲區(qū)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(dǎo)致點云在近距離或者特定角度上出現(xiàn)不連續(xù)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(chǎn)生多個反射，但設(shè)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(fù)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(shù)據(jù)，但在實際設(shè)備中因為噪聲、反射角度以及光學(xué)窗口的特性，雙回波系統(tǒng)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(xué)結(jié)構(gòu)和視場設(shè)計也會對空洞產(chǎn)生影響。

激光雷達的發(fā)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(xiàn)象更容易出現(xiàn)。

外部環(huán)境也會加劇點云空洞的現(xiàn)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(yīng)該返回的點反而丟失。

還有灰塵、雨雪等環(huán)境，會對激光的傳播和反射產(chǎn)生影響，不同程度上都會讓點云出現(xiàn)不連續(xù)或者缺失現(xiàn)象。

空洞現(xiàn)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(chǎn)生什么很嚴(yán)重的影響嗎？

在自動駕駛系統(tǒng)里，感知模塊負(fù)責(zé)從傳感器數(shù)據(jù)中識別和定位周圍的物體。如果點云在關(guān)鍵位置出現(xiàn)空洞，感知算法就可能誤判環(huán)境。

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

這種不穩(wěn)定不僅讓乘客坐的不舒服，更可能產(chǎn)生危險。

當(dāng)不同距離的點云數(shù)據(jù)不連續(xù)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(wěn)定。自動駕駛感知模塊需要在多個時間幀之間連續(xù)追蹤物體的位置和運動狀態(tài)，而點云的缺失會讓這種追蹤像斷斷續(xù)續(xù)的線一樣，難以給出連續(xù)穩(wěn)定的軌跡預(yù)測，這對于動態(tài)避障和預(yù)測周圍交通參與者的行為產(chǎn)生非常大的影響。

此外，路徑規(guī)劃也依賴完整的點云數(shù)據(jù)。規(guī)劃模塊需要根據(jù)點云構(gòu)建可通行區(qū)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(guī)劃算法可能會誤判可通行空間，從而規(guī)劃出不理想甚至有風(fēng)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(shù)的激光雷達、增加光束密度、增強發(fā)射功率和接收靈敏度，都能提高激光雷達在復(fù)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(fā)生。

光學(xué)設(shè)計也很是一個避免點云空洞的方法，設(shè)計更優(yōu)化的視場光學(xué)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(xué)設(shè)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(tǒng)單回波模式在面對復(fù)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(shù)據(jù)，從而在一定程度上填補單回波可能遺漏的數(shù)據(jù)。

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(yù)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(chǔ)上進行噪聲過濾、插值補全等處理，使得因為某些小區(qū)域點云缺失引起的數(shù)據(jù)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(guān)系來推測缺失部分，在不破壞整體結(jié)構(gòu)的前提下對空洞進行補全。

環(huán)境干擾也是不能忽視的一部分，在設(shè)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(shè)計來減輕環(huán)境光對傳感器的干擾，這些都有助于提升點云質(zhì)量。

在多傳感器融合系統(tǒng)中，還可以通過攝像頭和毫米波雷達的數(shù)據(jù)來補償激光雷達在某些場景下的不足，加強整體感知穩(wěn)定性。

感知算法本身對點云空洞的魯棒性也很關(guān)鍵。通過融合多個傳感器數(shù)據(jù)、加入時間序列濾波、對點云缺失數(shù)據(jù)進行降噪和預(yù)測等策略，都能讓自動駕駛感知鏈條對空洞現(xiàn)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(xì)微的數(shù)據(jù)缺失，但它背后反映的是激光雷達物理工作機制和復(fù)雜環(huán)境交互的真實影響。

在自動駕駛感知中，點云數(shù)據(jù)的完整性直接關(guān)系到物體檢測、跟蹤和路徑規(guī)劃的穩(wěn)定性。識別和減輕空洞現(xiàn)象對于提升系統(tǒng)的可靠性至關(guān)重要。