自动驾驶：基于PCL的激光雷达感知

介绍

自动驾驶是现代技术中一个相对较新且非常迷人的领域。在2004年的DARPA Grand Challenge期间公开展示，并在2007年转向更具挑战性的城市环境，自那以后，工业界和学术界一直在追求自动驾驶。

这些应用程序在个人自动驾驶汽车、自动出租车、运输、送货等方面都有所不同，但这项技术还没有成熟。

自动驾驶陷入低谷的原因之一是，感知组件是一个非常复杂的问题。虽然大多数团队都采用基于激光雷达的感知方式，但仍有人试图通过相机来感知（Tesla 和 Wayve）。

依赖激光雷达的解决方案也可以分为两类：处理点云的传统计算机视觉算法和基于深度学习的方法。

神经网络有望以较高的平均精度解决感知问题，然而，如果我们想在最坏的情况下证明合理的准确性，这是不够的。

在本文中，我们将看一看在PCL（一个开源的点云库）的帮助下制作的自动驾驶堆栈。

首先，我们将坚持系统级的测试驱动开发（TDD），以确保在第一次现场部署之前对我们的整个代码进行彻底测试。

为此，我们需要一个数据集来运行代码。卡尔斯鲁厄理工学院（Karlsruhe Institute of Technology）和芝加哥丰田理工学院（Toyota Technology Institute）2012年的经典数据集Kitti将非常适合这一目的。这是首批收集的大规模高质量数据集之一，可作为自动驾驶领域计算机视觉算法的基准。

Kitti跟踪由21个同步PNG图像序列、Velodyne激光雷达扫描和来自RT3003 GPS－IMU模块的NMEA记录组成。

数据集的一个重要特征是传感器之间的彻底相互校准，包括矩阵“Tr＿imu＿velo”，它是从GPS－imu坐标到Velodyne激光雷达坐标的转换。

感知管道的架构如下所示。

让我们分别讨论每一个组件，深入挖掘他们的C＋＋实现。

点云抽取

为什么我们可能需要从深度传感器（可能是一个或几个激光雷达）中抽取点云？

自动驾驶软件最重要的要求是满足实时操作约束。

第一个要求是处理管道要跟上激光雷达扫描采样的速率。在现实生活中，扫描速度可能从10到25次／秒不等，这导致最大延迟为100毫秒到40毫秒不等。如果某些操作导致延迟超过100 ms（对于每秒10次扫描的速度），要么会发生帧丢失，要么管道的总延迟将开始任意增长。这里的解决方案之一是丢掉一些点，而不是丢失整个帧。这将逐渐降低准确性指标（召回率和精度），并保持管道实时运行。

第二个要求是系统的总体延迟或反应时间。同样，总延迟应该被限制在至少100或200毫秒。对于自动驾驶来说，500ms甚至1秒的反应时间是不可接受的。因此，在算法设计开始时，首先采用抽取的方法处理少量的点是有意义的。

抽取的标准选项包括：

1． 有规律的

2． （伪）随机

3． 格栅下采样

常规下采样速度很快，但可能会导致点云上的锯齿模式。随机或伪随机下采样也很快，但可能会导致不可预测的小对象完全消失。像PCL的pcl：：VoxelGrid＜＞类一样的格栅下采样是智能和自适应的，但需要额外的计算和内存。

原始点云：

大量点云：

多扫描聚合

多扫描聚合是指当车相对于地面移动时，将多个历史激光雷达扫描记录到共同坐标系的过程。通用的坐标系统可以是局部导航框架或当前的激光雷达传感器坐标。我们将以后者为例。

这个阶段在理论上是可选的，但在实践中是非常重要的。问题是，后续的聚类阶段依赖于LiDAR点的密度，如果密度不够，可能会产生过聚类的影响。过聚类意味着任何对象（汽车、公共汽车、建筑墙等）都可以被分割成几个部分。

就其本身而言，这可能不是一个检测障碍的问题，然而，对于感知－跟踪－聚类的下游模块来说，这是一个实质性的挑战。跟踪器可能会不准确地关联对象的各个部分，这最终导致车辆突然刹车。我们绝对不希望聚类中的小错误在下游组件中造成雪崩式的错误。

多次连续扫描（5到10次）的聚合成比例地增加了落在每个物体上的激光雷达点的密度，并促进了精确的聚类。汽车运动的一个很好的特点是，汽车能够从不同的视角观察同一物体，激光雷达扫描模式覆盖物体的不同部分。

让我们看看执行聚合的代码。

第一阶段是保留一个限制长度的队列，其中包含历史点云以及后续扫描仪的姿势转换。请注意，我们如何使用从RT3003 GPS－IMU模块获得的平移速度［Vx，Vy］和旋转速度Wz来构造姿势变换。

／／ We accumulate the incoming scans along with their localization metadata

／／ into a deque to perform subsequent aggregation．

｛

Transform3f next＿veh＿pose＿vs＿curr ＝ Transform3f：：Identity（）；

if （gpsimu＿ptr）

｛

float frame＿interval＿sec ＝ 0．1f；

／／ First， we need to calculate yaw change given the yaw rate

／／ （angular speed over Z axis） and the time inteval between frames．

float angle＿z ＝ gpsimu＿ptr－＞wz ＊ frame＿interval＿sec；

auto rot ＝ Eigen：：AngleAxisf（angle＿z， Eigen：：Vector3f：：UnitZ（））； next＿veh＿pose＿vs＿curr．rotate（rot）；

／／ Second， we need a translation transform to the next frame

／／ given the speed of the ego－vehicle and the frame interval．

next＿veh＿pose＿vs＿curr．translate（Eigen：：Vector3f（ gpsimu＿ptr－＞vf ＊ frame＿interval＿sec， gpsimu＿ptr－＞vl ＊ frame＿interval＿sec，

0．0f ））；

｝

／／ Since later we want to aggregate all scans into the coordinate

／／ frame of the last scans， we need the inverse transform．

auto curr＿veh＿pose＿vs＿next ＝ next＿veh＿pose＿vs＿curr．inverse（）；

／／ Put the resulting pair of the cloud and the transform into a queue．

auto cloud＿and＿metadata ＝ CloudAndMetadata｛decimated＿cloud＿ptr， curr＿veh＿pose＿vs＿next｝；

m＿queue．push＿back（cloud＿and＿metadata）；

while （m＿queue．size（） ＞ m＿params－＞m＿num＿clouds）

｛

m＿queue．pop＿front（）；

｝

｝

在第二阶段，我们从最新的扫描时间向后遍历队列，进行聚合，并将聚合转换应用到每个历史帧。

使用这种方法，计算成本为O（N＊D），其中N是点的数量，D是历史的深度（扫描的数量）。

／／ We accumulate the transforms starting from the latest back in time and

／／ transform each historical point cloud into the coordinates of the current frame．

auto aggregated＿cloud＿ptr ＝ std：：make＿shared＜pcl：：PointCloud＜pcl：：PointXYZI＞ ＞（）；

Eigen：：Matrix4f aggragated＿transform ＝ Eigen：：Matrix4f：：Identity（）；

for （int i ＝ m＿queue．size（）－1； i ＞＝ 0； i－－）

｛

constauto＆ cloud＿and＿metadata ＝ m＿queue［i］；

constauto＆ cloud＿ptr ＝ cloud＿and＿metadata．cloud＿ptr；

constauto＆ trans ＝ cloud＿and＿metadata．transform＿to＿next；

pcl：：PointCloud＜pcl：：PointXYZI＞：：Ptr transformed＿cloud＿ptr；

if （i ！＝ m＿queue．size（）－1）

｛

aggragated＿transform ＊＝ trans．matrix（）；

transformed＿cloud＿ptr ＝ std：：make＿shared＜pcl：：PointCloud＜pcl：：PointXYZI＞ ＞（）；

pcl：：transformPointCloud（＊cloud＿ptr， ＊transformed＿cloud＿ptr， aggragated＿transform）；

｝

else

｛

／／ For the current scan no need to transform transformed＿cloud＿ptr ＝ cloud＿ptr；

｝

／／ Concatenate the transformed point cloud into the aggregate cloud

＊aggregated＿cloud＿ptr ＋＝ ＊transformed＿cloud＿ptr；

｝

聚合后，如果移动的物体看起来有点模糊，点云会显得有些模糊。可以在聚类阶段进一步解决。在这个阶段，我们需要的是一个更密集的点云，它可以从多个帧中积累信息。

地面移除

感知堆栈的目的是提供有关动态对象和静止障碍物的信息。汽车应该在道路上行驶，通常路面不被视为障碍物。

因此，我们可以移除所有从路面反射的激光雷达点。要做到这一点，我们首先将地面检测为平面或曲面，并移除表面周围或下方约10厘米的所有点。有几种方法可以检测点云上的地面：

1． 用Ransac探测平面

2． 用Hough变换检测平面

3． 基于Floodfill的非平面表面检测

让我们在EGIN和PCL库的帮助下，研究RANSAC的C＋＋实现。

首先，让我们定义候选平面。我们将使用基点加法向量的形式。

／／ A plane is represented with a point on the plane （base＿point）

／／ and a normal vector to the plane．

struct Plane

｛

Eigen：：Vector3f base＿point；

Eigen：：Vector3f normal；

EIGEN＿MAKE＿ALIGNED＿OPERATOR＿NEW

｝；

然后，我们定义了一个辅助函数，它允许我们在点云转换为平面坐标后，在Z坐标上找到满足条件的所有点的索引。代码中的注释给出了实现的细节。

／／ This helper function finds indices of points that are considered inliers，

／／ given a plane description and a condition on distance from the plane．

std：：vector＜size＿t＞ find＿inlier＿indices（

const pcl：：PointCloud＜pcl：：PointXYZ＞：：Ptr＆ input＿cloud＿ptr，

const Plane＆ plane，

std：：function＜bool（float）＞ condition＿z＿fn）

｛

typedef Eigen：：Transform＜float， 3， Eigen：：Affine， Eigen：：DontAlign＞ Transform3f；

auto base＿point ＝ plane．base＿point；

auto normal ＝ plane．normal；

／／ Before rotation of the coordinate frame we need to relocate the point cloud to

／／ the position of base＿point of the plane．

Transform3f world＿to＿ransac＿base ＝ Transform3f：：Identity（）；

world＿to＿ransac＿base．translate（－base＿point）；

auto ransac＿base＿cloud＿ptr ＝ std：：make＿shared＜pcl：：PointCloud＜pcl：：PointXYZ＞ ＞（）；

pcl：：transformPointCloud（＊input＿cloud＿ptr， ＊ransac＿base＿cloud＿ptr， world＿to＿ransac＿base）；

／／ We are going to use a quaternion to determine the rotation transform

／／ which is required to rotate a coordinate system that plane＇s normal

／／ becomes aligned with Z coordinate axis．

auto rotate＿to＿plane＿quat ＝ Eigen：：Quaternionf：：FromTwoVectors（ normal， Eigen：：Vector3f：：UnitZ（

）．normalized（）；

／／ Now we can create a rotation transform and align the cloud that

／／ the candidate plane matches XY plane

Transform3f ransac＿base＿to＿ransac ＝ Transform3f：：Identity（）；

ransac＿base＿to＿ransac．rotate（rotate＿to＿plane＿quat）；

auto aligned＿cloud＿ptr ＝ std：：make＿shared＜pcl：：PointCloud＜pcl：：PointXYZ＞ ＞（）；

pcl：：transformPointCloud（＊ransac＿base＿cloud＿ptr， ＊aligned＿cloud＿ptr， ransac＿base＿to＿ransac）；

／／ Once the point cloud is transformed into the plane coordinates，

／／ We can apply a simple criterion on Z coordinate to find inliers．

std：：vector＜size＿t＞ indices；

for （size＿t i＿point ＝ 0； i＿point ＜ aligned＿cloud＿ptr－＞size（）； i＿point＋＋）

｛

constauto＆ p ＝ （＊aligned＿cloud＿ptr）［i＿point］；

if （condition＿z＿fn（p．z））

｛

indices．push＿back（i＿point）；

｝

｝

return indices；

｝

最后，主要的Ransac实现如下所示。第一步是基于Z坐标对点进行粗略过滤。此外，我们需要再次抽取点，因为我们不需要聚集云中的所有点来验证候选平面。这些操作可以一次完成。

接下来，我们开始迭代。在C＋＋标准库的 std：：mt19937伪随机生成器的帮助下，每次迭代采样3个随机点。对于每个三元组，我们计算平面并确保其法线指向上方。然后我们使用相同的辅助函数find＿inlier＿index来计算内点的数量。

迭代结束后，我们剩下的是最佳候选平面，我们最终使用它来复制点云中所有索引不存在于列表中的点的副本。请注意std：：unordered＿set＜＞的用法。它允许执行恒定时间O（1）搜索，而不是对std：：vector＜＞进行的线性O（N）搜索。

／／ This function performs plane detection with RANSAC sampling of planes

／／ that lie on triplets of points randomly sampled from the cloud．

／／ Among all trials the plane that is picked is the one that has the highest

／／ number of inliers． Inlier points are then removed as belonging to the ground．

auto remove＿ground＿ransac（

pcl：：PointCloud＜pcl：：PointXYZ＞：：Ptr input＿cloud＿ptr）

｛

／／ Threshold for rough point dropping by Z coordinate （meters）

constfloat rough＿filter＿thr ＝ 0．5f；

／／ How much to decimate the input cloud for RANSAC sampling and inlier counting

constsize＿t decimation＿rate ＝ 10；

／／ Tolerance threshold on the distance of an inlier to the plane （meters）

constfloat ransac＿tolerance ＝ 0．1f；

／／ After the final plane is found this is the threshold below which all

／／ points are discarded as belonging to the ground．

constfloat remove＿ground＿threshold ＝ 0．2f；

／／ To reduce the number of outliers （non－ground points） we can roughly crop

／／ the point cloud by Z coordinate in the range （－rough＿filter＿thr， rough＿filter＿thr）．

／／ Simultaneously we perform decimation of the remaining points since the full

／／ point cloud is excessive for RANSAC．

std：：mt19937：：result＿type decimation＿seed ＝ 41；

std：：mt19937 rng＿decimation（decimation＿seed）；

auto decimation＿gen ＝ std：：bind（

std：：uniform＿int＿distribution＜size＿t＞（0， decimation＿rate）， rng＿decimation）；

auto filtered＿ptr ＝ std：：make＿shared＜pcl：：PointCloud＜pcl：：PointXYZ＞ ＞（）；

for （constauto＆ p ： ＊input＿cloud＿ptr）

｛

if （（p．z ＞ －rough＿filter＿thr） ＆＆ （p．z ＜ rough＿filter＿thr）） ｛

／／ Use random number generator to avoid introducing patterns

／／ （which are possible with structured subsampling

／／ like picking each Nth point）．

if （decimation＿gen（） ＝＝ 0） ｛ filtered＿ptr－＞push＿back（p）； ｝ ｝ ｝

／／ We need a random number generator for sampling triplets of points．

std：：mt19937：：result＿type sampling＿seed ＝ 42；

std：：mt19937 sampling＿rng（sampling＿seed）；

auto random＿index＿gen ＝ std：：bind（

std：：uniform＿int＿distribution＜size＿t＞（0， filtered＿ptr－＞size（））， sampling＿rng）；

／／ Number of RANSAC trials

constsize＿t num＿iterations ＝ 25；

／／ The best plane is determined by a pair of （number of inliers， plane specification）

typedefstd：：pair＜size＿t， Plane＞ BestPair；

auto best ＝ std：：unique＿ptr＜BestPair＞（）；

for （size＿t i＿iter ＝ 0； i＿iter ＜ num＿iterations； i＿iter＋＋） ｛

／／ Sample 3 random points．

／／ pa is special in the sense that is becomes an anchor － a base＿point of the plane Eigen：：Vector3f pa ＝ （＊filtered＿ptr）［random＿index＿gen（）］．getVector3fMap（）； Eigen：：Vector3f pb ＝ （＊filtered＿ptr）［random＿index＿gen（）］．getVector3fMap（）； Eigen：：Vector3f pc ＝ （＊filtered＿ptr）［random＿index＿gen（）］．getVector3fMap（）；

／／ Here we figure out the normal to the plane which can be easily calculated ／／ as a normalized cross product． auto vb ＝ pb － pa； auto vc ＝ pc － pa； Eigen：：Vector3f normal ＝ vb．cross（vc）．normalized（）；

／／ Flip the normal if points down if （normal．dot（Eigen：：Vector3f：：UnitZ（）） ＜ 0） ｛ normal ＝ －normal； ｝

Plane plane｛pa， normal｝；

／／ Call find＿inlier＿indices to retrieve inlier indices． ／／ We will need only the number of inliers． auto inlier＿indices ＝ find＿inlier＿indices（filtered＿ptr， plane， ［ransac＿tolerance］（float z） －＞ bool ｛ return （z ＞＝ －ransac＿tolerance） ＆＆ （z ＜＝ ransac＿tolerance）； ｝）；

／／ If new best plane is found， update the best bool found＿new＿best ＝ false； if （best） ｛ if （inlier＿indices．size（） ＞ best－＞first） ｛ found＿new＿best ＝ true； ｝ ｝ else ｛ ／／ For the first trial update anyway found＿new＿best ＝ true； ｝

if （found＿new＿best） ｛ best ＝ std：：unique＿ptr＜BestPair＞（new BestPair｛inlier＿indices．size（）， plane｝）； ｝

｝

／／ For the best plane filter out all the points that are

／／ below the plane ＋ remove＿ground＿threshold．

pcl：：PointCloud＜pcl：：PointXYZ＞：：Ptr cloud＿no＿ground＿ptr；if （best） ｛ cloud＿no＿ground＿ptr ＝ std：：make＿shared＜pcl：：PointCloud＜pcl：：PointXYZ＞ ＞（）； auto inlier＿indices ＝ find＿inlier＿indices（input＿cloud＿ptr， best－＞second， ［remove＿ground＿threshold］（float z） －＞ bool ｛ return z ＜＝ remove＿ground＿threshold； ｝）； std：：unordered＿set＜size＿t＞ inlier＿set（inlier＿indices．begin（）， inlier＿indices．end（））； for （size＿t i＿point ＝ 0； i＿point ＜ input＿cloud＿ptr－＞size（）； i＿point＋＋） ｛ bool extract＿non＿ground ＝ true； if （（inlier＿set．find（i＿point） ＝＝ inlier＿set．end（）） ＝＝ extract＿non＿ground） ｛ constauto＆ p ＝ （＊input＿cloud＿ptr）［i＿point］； cloud＿no＿ground＿ptr－＞push＿back（p）； ｝ ｝ ｝ else ｛ cloud＿no＿ground＿ptr ＝ input＿cloud＿ptr； ｝

return cloud＿no＿ground＿ptr；

｝

让我们看看地面移除的结果。

在移除地面之前：

地面移除后：

移除地面后，我们准备对剩余的点进行聚类，并通过凸包提取来压缩对象元数据。这两个阶段应该有自己的文章。我将在即将到来的第二部分中介绍它们的实现。同时下面是聚类的最终结果——凸包提取。

可视化的最终对象：

凸包绝对是任何跟踪器都渴望接受作为其输入的元数据类型。它们在RAM使用方面更加紧凑，并且比定向边界框更准确地表示对象的边界。

KITTI 0003中的聚类点云：

结论

我相信，在生活质量和整体生产力方面，自动驾驶将是人类的一次飞跃。

参考资料：

感谢阅读！

原文标题:自动驾驶：基于PCL的激光雷达感知