【導(dǎo)讀】因此自2008年后，學(xué)術(shù)界已經(jīng)很少研究基于視覺系統(tǒng)的車道線檢測，轉(zhuǎn)而利用激光雷達(dá)檢測車道線，激光雷達(dá)可以解決基于視覺系統(tǒng)的車道線檢測有諸多缺陷，包括車道線被水覆蓋，激光雷達(dá)最大可穿越70米的水深。
基于視覺系統(tǒng)的車道線檢測有諸多缺陷。
首先，視覺系統(tǒng)對背景光線很敏感，諸如陽光強(qiáng)烈的林蔭道，車道線被光線分割成碎片，致使無法提取出車道線。
其次，視覺系統(tǒng)需要車道線的標(biāo)識完整，有些年久失修的道路，車道線標(biāo)記不明顯，不完整，有些剛開通幾年的道路也是如此。
第三，視覺系統(tǒng)需要車道線的格式統(tǒng)一，這對按照模型庫識別車道線的系統(tǒng)尤其重要，有些車道線格式很奇特，比如藍(lán)顏色的車道線，很窄的車道線，模型庫必須走遍全國將這些奇特的車道線一一收錄，才能保證順利檢測。
再次，視覺系統(tǒng)無法對應(yīng)低照度環(huán)境，尤其是沒有路燈的黑夜。一般LKW要求時速在72公里以上才啟動，原因之一是速度比較高時人不會輕易換道，另一個原因就是比較低的車速意味著視覺系統(tǒng)的取樣點不足，擬合的車道線準(zhǔn)確度較低。而激光雷達(dá)的有效距離一般是視覺系統(tǒng)的4-5倍，有效的采樣點比較多，車速較低時檢測準(zhǔn)確度遠(yuǎn)高于視覺系統(tǒng)。
最后，如果車道線表面被水覆蓋，視覺系統(tǒng)會完全無效。視覺系統(tǒng)最大的優(yōu)點就是成本低。因此自2008年后，學(xué)術(shù)界已經(jīng)很少研究基于視覺系統(tǒng)的車道線檢測，轉(zhuǎn)而利用激光雷達(dá)檢測車道線，激光雷達(dá)可以解決上述所有問題，包括車道線被水覆蓋，激光雷達(dá)最大可穿越70米的水深。
激光雷達(dá)唯一的缺點就是成本太高。
基于雷達(dá)掃描點密度的車道線檢測
早期激光雷達(dá)檢測車道線是基于雷達(dá)掃描點密度的車道線檢測方法，該方法通過獲取雷達(dá)掃描點的坐標(biāo)并轉(zhuǎn)換成柵格圖，用原始數(shù)據(jù)映射柵格圖，可以是直接坐標(biāo)柵格圖也可以是極坐標(biāo)柵格圖。
按照后期處理需要進(jìn)行選擇，極坐標(biāo)柵格圖被直接用于車道線識別，即有多個點映射的柵格就被認(rèn)為是車道線點，該識別方法對特征提取的要求很高，且受距離影響嚴(yán)重，因為極坐標(biāo)柵格距離越近柵格精度越高，車道線識別的精度越高，距離越遠(yuǎn)柵格精度越低導(dǎo)致識別車道線的精度就越低然后利用柵格圖中點的密度提取車道線。
對于點密度的求取可以采用直方圖統(tǒng)計的方式，通過直方圖統(tǒng)計點密度快捷直觀，容易理解。由于基于掃描點密度的檢測方法沒有很復(fù)雜的中間過程，所以實時性高，在快速檢測中受到大家的青睞。
但是該方法只獲取了掃描點的位置信息，對于雷達(dá)反饋的其他信息都沒有進(jìn)一步分析，容易把一些與車道線掃描點密度類似的道路信息混進(jìn)車道線檢測結(jié)果中；或者在車道線與其他障礙物靠近或重合時，無法區(qū)分出障礙物和車道線，他們只能被當(dāng)作一個整體保留或剔除。
所以此方法的抗干擾能力差，容易出現(xiàn)誤檢。這種方法目前已經(jīng)不常使用。
激光雷達(dá)檢測車道線的四種方法
目前激光雷達(dá)檢測車道線主要有四種方法：
- 基于激光雷達(dá)回波寬度；
- 基于激光雷達(dá)反射強(qiáng)度信息形成的灰度圖，或者根據(jù)強(qiáng)度信息與高程信息配合，過濾出無效信息；
- 激光雷達(dá)SLAM與高精度地圖配合，不僅檢測車道線還進(jìn)行自車定位；
- 利用激光雷達(dá)能夠獲取路沿高度信息或物理反射信息不同的特性，先檢測出路沿，因為道路寬度是已知，根據(jù)距離再推算出車道線位置。對于某些路沿與路面高度相差低于3厘米的道路，這種方法無法使用。
后三種方法需要多線激光雷達(dá)，最少也是16線激光雷達(dá)。前者可以使用4線或單線激光雷達(dá)，考慮到奧迪A8已經(jīng)開始使用4線激光雷達(dá)，4線激光雷達(dá)已經(jīng)進(jìn)入實用階段。
當(dāng)然，這四種方法也可以混合使用。
車道線檢測兩步走
車道線檢測基本分兩部走：提取幾何或物理特征，利用離散數(shù)據(jù)擬合成車道線。無論是視覺還是激光雷達(dá)，通常都是用最小二乘法擬合車道線。
離散數(shù)據(jù)擬合車道線
Ibeo是最適合第一種方法的激光雷達(dá)。Ibeo的激光雷達(dá)特有三次回波技術(shù)。每點激光返回三個回波，返回信息能夠更加可靠地還原被測物體，同時能夠精確分析相關(guān)物體數(shù)據(jù)，并能識別雨、霧、雪等不相關(guān)物體的數(shù)據(jù)。
如圖所示，其中W表示回波脈沖寬度，d表示掃描目標(biāo)的距離。反射率作為物體的固有屬性，受物體材質(zhì)、顏色等的影響，能夠很好地反映物體特征，不同顏色。
密度的物體的反射率都有一定的差異，物體反射率決定Ibeo回波脈沖寬度特性，路面和車道線有著明顯的差異，所以可以利用回波脈沖寬度的差異對目標(biāo)進(jìn)行區(qū)分。
上圖為典型的車道線標(biāo)識
回波寬度
很明顯，路面的回波寬度在2米左右，車道線的回波寬度在4米左右。
根據(jù)Ibeo的特性知道其垂直方向上的掃描角度為3.2度，共分四層掃描，即每層0.8度，在Ibeo水平安裝的情況下，并考慮到實際情況一一Ibeo的高度受車體的限制，其下面兩層(一、二層)主要返回道路表面的信息，而上面兩層(三、四層)主要返回有一定高度的道路信息。
根據(jù)激光雷達(dá)的特性知道激光束掃描到物體會立即產(chǎn)生回波，一二兩層的掃描距離遠(yuǎn)小于三四兩層。
通過理論分析和實驗驗證可知一二兩層返回的信息主要包括路面、車道線、少量障礙物和邊界數(shù)據(jù)；三四兩層主要返回道路邊界、障礙物和少量路表信息，所以在特征種子點提取階段需要重點分析一二兩層的雷達(dá)數(shù)據(jù)，這部分?jǐn)?shù)據(jù)中對于車道線檢測最大的干擾在于路面，提取車道線種子點特征的重點就是分離車道線特征與路面特征。
最小二乘法擬合車道線
通過最小類內(nèi)方差算法找到路面與車道線的分割閾值，利用誤差分析原理剔除車道線集合范圍內(nèi)的粗大誤差，即剔除干擾信息，提取出車道線特征種子點。然后再擬合成車道線。
最小類內(nèi)方差是一種自適應(yīng)閾值的求取方法，也是一種模糊聚類方法。其基本思想是使用一個閾值將整體數(shù)據(jù)分成兩個類，因為方差是數(shù)值分布是否均勻的度量，兩個類的內(nèi)部的方差和越小則每一類內(nèi)部的差別就越小，那么兩個類之間的差別就越大。
如果存在一個閾值使得類內(nèi)方差和最小則說明這個閾值就是劃分兩類的最佳閡值，使用最佳閾值劃分意味著劃分兩類出現(xiàn)偏差的概率最小。
通過回波脈沖寬度利用最小類內(nèi)方差算法建模分割車道線特征與路面特征，剔除車道線特征提取的最大干擾。對回波脈沖寬度進(jìn)行統(tǒng)計分析，并劃分脈沖寬度級別，因為直接使用脈沖寬度值其分布不利于統(tǒng)計，采用對脈沖寬度平均區(qū)域劃分即脈沖寬度級，統(tǒng)計各級內(nèi)的點數(shù)，從而得到回波脈沖寬度分布直方圖。再利用諸如模糊聚類分析方法剔除干擾值。
最小二乘法近似求解不斷優(yōu)化靠近真實值的數(shù)學(xué)方法，它可以利用己知數(shù)據(jù)簡便地求得未知數(shù)據(jù)，并不斷優(yōu)化保證求得的數(shù)據(jù)與真實數(shù)據(jù)問的誤差的平方和最小。
利用最小二乘法擬合曲線，就是不斷優(yōu)化求取某條曲線使其最能體現(xiàn)已有數(shù)據(jù)點的變化趨勢，具體過程是利用已知的數(shù)據(jù)點優(yōu)化求取最優(yōu)的未知數(shù)據(jù)合成一條最佳的曲線，并保證已有數(shù)據(jù)點到曲線的距離的平方和最小。
也就是說，曲線擬合不要求近似曲線過所有數(shù)據(jù)點，只需要己知的數(shù)據(jù)點都距離在這條曲線的不遠(yuǎn)處，即這條曲線能反映數(shù)據(jù)點的整體分布，又不至于出現(xiàn)較大的局部波動，已知數(shù)據(jù)與曲線的偏差的平方和達(dá)到最小就能有效控制波動。
簡而言之，最小二乘法擬合就是利用最小化誤差的平方和求取數(shù)據(jù)的最佳函數(shù)匹配。
基于激光雷達(dá)反射強(qiáng)度信息
根據(jù)反射強(qiáng)度值做的車道線檢測，在車載激光雷達(dá)獲取的道路周圍環(huán)境點云數(shù)中，可以輕松區(qū)分出道路與車道線。
具體到車載激光雷達(dá)獲取的道路周圍環(huán)境三維點云數(shù)據(jù)中，可以看作一個局部均值變點模型，每一激光層采集的可行駛區(qū)域內(nèi)回波強(qiáng)度值就是一組輸出序列，其回波強(qiáng)度值變化的點就是所要求的車道標(biāo)線點集。
現(xiàn)在只須在每一激光層采集的可行駛區(qū)域內(nèi)回波強(qiáng)度值輸出序列中檢測是否有變化點，若存在則標(biāo)記并提取這些變點?；谲囕d雷達(dá)獲取的智能車感興趣區(qū)域內(nèi)海量點云數(shù)據(jù)中的T坐標(biāo)值有一定高程特點進(jìn)行濾波，確定可行駛區(qū)域進(jìn)而剔除與車道標(biāo)線回波強(qiáng)度值相近的障礙物。
上圖為簡單濾波后粗提取的車道線回波強(qiáng)度值投影圖（全局圖）
由于車載激光雷達(dá)獲取的道路周圍環(huán)境點云數(shù)據(jù)是分層存儲的，不同激光層獲取的道路周圍環(huán)境點云數(shù)據(jù)相鄰兩點間距與到雷達(dá)坐標(biāo)系原點的距離有關(guān)。
距離越遠(yuǎn)間距越大，考慮到安裝在正常行駛上的激光雷達(dá)獲取的車道標(biāo)線曲率變較小，所以利用文獻(xiàn)提出的基于車道標(biāo)線方向的EM最大期望聚類算法對粗提取車道標(biāo)線點云數(shù)據(jù)進(jìn)行聚類。
通過在聚類過程中估計車道標(biāo)線方向來對粗提取的車道標(biāo)線點云數(shù)據(jù)集進(jìn)行分類去噪。然后再利用最小二乘法進(jìn)行車道線擬合。
再來看先檢測路沿，再根據(jù)路寬推測車道線的方法。
激光雷達(dá)通過以太網(wǎng)與計算機(jī)連接，點云數(shù)據(jù)以 UDP 的方式進(jìn)行發(fā)送。激光雷達(dá)的數(shù)據(jù)通過兩個端口發(fā)送出來，端口 2368 負(fù)責(zé)發(fā)送點云數(shù)據(jù)，端口 8308 發(fā)送 GPS 數(shù)據(jù)還有位置數(shù)據(jù)。根據(jù)廠商提供的數(shù)據(jù)包格式說明，每個數(shù)據(jù)包包含有效數(shù)據(jù)的載荷以及狀態(tài)數(shù)據(jù)。
一個數(shù)據(jù)包集合 12 次發(fā)射接收到的所有數(shù)據(jù)，接收到的距離以及強(qiáng)度信息是按照錯開的順序進(jìn)行接收的（ 0， 16， 1， 17， 2， 18...15，31）。
根據(jù)數(shù)據(jù)包的格式，進(jìn)行相應(yīng)的接收和存儲。點云數(shù)據(jù)包含到一束激光點達(dá)到反射點反饋到的距離信息、強(qiáng)度信息以及偏轉(zhuǎn)角度，由此可以得到反射點到激光雷達(dá)中心的距離、垂直平面上的角度以及水平面上的角度。
若使用車輪與地面接觸的四個點所在的平面作為空間直角坐標(biāo)系的 xOy 平面，通過激光雷達(dá)中心所在位置并且垂直于 xOy 平面的一條直線作為 z 軸，由此便構(gòu)成了如圖的空間坐標(biāo)系。
利用點云數(shù)據(jù)， distance 表示激光點到激光雷達(dá)中心的直線距離，α是垂直方向上的夾角， β是水平方向上的夾角。
由于雷達(dá)內(nèi)部發(fā)射器之間存在偏差（如圖 3-(b)），需要進(jìn)行內(nèi)部校 正 ， calibration_x 、 calibration_y 以 及calibration_z 分別為在 xyz 方向上所對應(yīng)的內(nèi)部校正參數(shù)，通過公式求得每個點在空間中的坐標(biāo)（ x, y, z）。
依次遍歷每一個數(shù)據(jù)點，就可以完成對激光雷達(dá)數(shù)據(jù)的解析，利用接收到的數(shù)據(jù)重構(gòu)出 3D點云。多線激光雷達(dá)采集到的 3D 點云數(shù)據(jù)能夠提供了大量的信息，但是處理這些數(shù)據(jù)也帶來了巨大的運算量，這是造成許多基于多線激光雷達(dá)的算法實時性比較差的重要原因。
劃分網(wǎng)格提升激光雷達(dá)實用性與可用性
因此，減少運算量是提升多線激光雷達(dá)的實時性與可用性的關(guān)鍵。對于這個問題，通過劃分網(wǎng)格的方法，減少運算量。
一種網(wǎng)格是方框型，一種是扇形。
方形網(wǎng)格是以激光雷達(dá)的位置（或者說車體位置為）地圖中心，將激光雷達(dá)周圍的環(huán)境劃分為大小相等的網(wǎng)格。進(jìn)行方形網(wǎng)格劃分之后，將解析雷達(dá)數(shù)據(jù)得到的 3D點云投影到網(wǎng)格當(dāng)中。扇形網(wǎng)格是以激光雷達(dá)的位置為圓心，用不同的半徑的同心圓將激光雷達(dá)周圍的環(huán)境進(jìn)行劃分。
一個網(wǎng)格是由同心圓以及從圓心出發(fā)的射線組成如圖中的紅色部分。因為激光雷達(dá)可以測量的最大范圍可以到達(dá) 80 米到 100 米，所以設(shè)置最大的一個同心圓的半徑為 80 米，最小的同心圓的半徑為 0.5米， 相鄰?fù)膱A半徑差作為一個參數(shù)，將 3D點云中的每個點投影到網(wǎng)格當(dāng)中。
基于方形網(wǎng)格的劃分，將全圖分割為大小相同的網(wǎng)格，對于遠(yuǎn)近的障礙物處理比較公平；缺點是運算量大?；谏刃尉W(wǎng)格進(jìn)行劃分，呈現(xiàn)近處網(wǎng)格小而密集，從圓心開始越往外，網(wǎng)格越大。
扇形網(wǎng)格的優(yōu)勢在于對于近處的障礙物有良好的精度，能夠分辨較小的障礙物，在減少運算量的同時對障礙物的處理有所側(cè)重，缺點在于可能無法識別遠(yuǎn)處的較小的障礙物。
利用激光雷達(dá)獲取路沿高度信息或物理反射信息
常見的路沿有人行道的路沿石、綠化帶、隔離柵欄、雪糕桶等，除此之外，道路環(huán)境中，常見的障礙物還有路燈、行道樹、消防栓、垃圾桶等。因此，路沿識別，需要找到人行道、綠化帶、隔離柵欄、雪糕桶這類物體。
道路環(huán)境中的物體的高度大致可以分為三個層次，路燈、行道樹等物體高度分類為高，綠化帶、隔離柵欄、雪糕桶、消防栓等物體高度分類為中，人行道旁邊的路沿石的高度則劃分為低。
因此將高度作為篩選路沿的第一個特征但是，如果直接使用每個點的高度信息，接下來做聚類處理時會產(chǎn)生巨大的運算量，因此在上一步進(jìn)行網(wǎng)格劃分之后，就可以將點的聚類轉(zhuǎn)為對網(wǎng)格的聚類。
由于網(wǎng)格的數(shù)量遠(yuǎn)遠(yuǎn)小于點的數(shù)量，因而可以大大減少聚類所需要的運算量。因此要將點的高度信息映射為網(wǎng)格的高度信息。
完成高程信息統(tǒng)計以后， 會出現(xiàn)一個明顯的問題：行道樹會有一些樹枝延伸到道路上，此時，高程信息會顯示路上有障礙物，實質(zhì)上由于樹枝是懸空的，并不會阻礙汽車的正常的行駛，因此，需要對這一類誤判的障礙物進(jìn)行中空識別，并將這一部分重新劃分為可行駛區(qū)域。
算法的思路是，遍歷每個標(biāo)定為障礙物的網(wǎng)格，檢測網(wǎng)格內(nèi)的點的高度分布， 如果在地面以上 10cm（障礙物高度） 至地面以上 2.4 米（激光雷達(dá)的頂端距離地面的高度）之內(nèi)的點進(jìn)行統(tǒng)計，如果數(shù)量少于 10%，則認(rèn)為該網(wǎng)格是中空的障礙物網(wǎng)格，車輛能夠正常通過，因此重新將該網(wǎng)格歸為可通行區(qū)域。
在高度信息統(tǒng)計,給每一個網(wǎng)格維護(hù)一個標(biāo)志位，該標(biāo)志位用來指示網(wǎng)格是否符合常見路沿的高度限制要求。
如果滿足，則該標(biāo)志位為真，否則為假。完成了所有的障礙物高度信息統(tǒng)計以后，也就是對所有的網(wǎng)格都進(jìn)行了標(biāo)記，此時考慮路沿的第二個特征：在一段距離內(nèi)維持相似高度。
只滿足路沿的第一特征的物體可能會是消防栓、路過的小孩和垃圾箱等物品，因此需要路沿的第二個特征進(jìn)行進(jìn)一步區(qū)分，將鄰近網(wǎng)格聚類成群落，當(dāng)群落中的網(wǎng)格的數(shù)量大于路沿的連續(xù)閾值時，才能認(rèn)為是路沿。
聚類流程如圖所示，遞歸地搜索所有網(wǎng)格， 直到周圍沒有新的可聚類網(wǎng)格就終止。 如果一個標(biāo)志位為真的網(wǎng)格的鄰近網(wǎng)格的標(biāo)志位同樣為真，就將它放入集群當(dāng)中。進(jìn)行群落檢查的時候，如果群落中的網(wǎng)格數(shù)大于設(shè)定的閾值，則可認(rèn)為是路沿。
我國高速公路設(shè)計標(biāo)準(zhǔn)為， 車道寬度 3.75米，應(yīng)急車道為 2.5 米。如圖所示， L1 為激光雷達(dá)檢測的車體到左側(cè)路沿的距離， L2 為激光雷達(dá)檢測的車體到右側(cè)激光雷達(dá)的距離，
設(shè)道面總寬度 L， 則 L 可由公式得到:L = L1 + L2 。考慮到并非所有的所有道路均設(shè)置緊急車道，使用求模運算進(jìn)行估計，設(shè)余數(shù)為 M，則余數(shù)M 可由公式得到：M = L % 3.75。
如果 M 約等于 2.5，則認(rèn)為存在應(yīng)急車道，否則認(rèn)為不存在。若存在時，路面寬度由公式L = L − 2.5，設(shè)車道數(shù)為 N，使用路面寬度除以 3.75，并向下取整，因為在道路設(shè)計中，路面與路沿之間存在一小段距離，則車道數(shù)可有公式N = ⌊L⁄3.75⌋計算出，根據(jù)車道數(shù)即可劃分出車道線，車道線的寬度一般為15-20厘米。
由于車道與路沿的距離長短不一，因此這種方法在非標(biāo)準(zhǔn)道路上準(zhǔn)確度不高，倒是路沿的檢測準(zhǔn)確度比較高。
小結(jié)
未來固態(tài)激光雷達(dá)也很適合檢測車道線，固態(tài)激光雷達(dá)的FOV比較窄反而是個優(yōu)勢，等于過濾掉了很多無關(guān)數(shù)據(jù)。
不過單光子激光雷達(dá)通常采用計數(shù)器的方式讀出數(shù)據(jù)，不能檢測回波強(qiáng)度或回波寬度，不能檢測車道線。線性APD固態(tài)激光雷達(dá)就很合適。
（本文轉(zhuǎn)載自雷鋒網(wǎng)，作者系佐思產(chǎn)研研究總監(jiān)周彥武）
推薦閱讀：
