广告
激光雷达与摄像头：雨中驾驶
2020-02-27 00:01:09· 来源：智车科技
原创小智 昨天很多人认为下雨就是自动驾驶路测中的灾难，雨水很容易对激光雷达等传感器造成干扰。真实情况是这样吗？本文Ouster工程师 Raffi Mardirosian 分享了
很多人认为下雨就是自动驾驶路测中的灾难，雨水很容易对激光雷达等传感器造成干扰。真实情况是这样吗？本文Ouster工程师 Raffi Mardirosian 分享了Ouster激光雷达在雨中测试时的真实表现，该传感器经过精心设计，能经受工业应用中苛刻的使用条件和不可预测的使用环境的考验——如在暴雨中驾驶、浸泡在水中、洗车机清洗以及车规级冲击和振动。
在过去的12个月里，我们看到了很多关于激光雷达在雨中失效的观点，其中的大多数是毫无数据根据的猜测，比如下面的评论：
作为激光雷达的生产和研发方，当我们读到这些荒谬的推文时，我们的反应如下图：
与自动驾驶行业密切的合作经验告诉我们，激光雷达传感器和摄像头在自动驾驶技术系统中都发挥着重要作用。摄像机为系统提供了高分辨率的纹理细节，而激光雷达传感器则贡献了高可靠性的深度信息。也就是说，在其中一个传感器可能会发生性能下降的情况下(比如在雨中)，另一个传感器可以继续正常工作，起到弥补对方不足与提升系统整体可靠性的作用。
所以让我们回到推特上的这些评论。从中我们可以看到大家都在讨论同一个问题，即激光雷达在雨中的真实性能表现，但是否真正有人实测过呢？我们的谷歌搜索结果告诉我们，答案是几乎没有。所以我们认为验证这些观点的最好方式，就是进行一场激光雷达雨中驾驶测试。
上个月，旧金山下了第一场雨时，我们进行了一次雨中驾驶测试。我们在车顶并排安装了一个GoPro摄像头和Ouster的 OS1激光雷达，同时录制4K高清视频和激光雷达的点云数据。在此次测试中，一直下着中雨，我们的车辆沿着旧金山的街道行驶。
从下面的视频中可以发现，事实证明降雨对我们激光雷达数据的影响微乎其微。潮湿的环境是许多场景中的一种，在这些复杂场景中，需要同时使用这两种传感器使感知系统更安全、更强大。
与激光雷达相比，降雨对相机的影响更大
在视频中，右上角的三张2D图像是激光雷达输出的结构化数据全景图——没有使用摄像头，完全靠Ouster激光雷达本身生成：顶部图像来自于激光雷达捕获的环境光成像(自然光)；第二幅图像是强度信号形成的灰度图(反射回传感器的激光强度)；第三幅图像是深度图(反应传感器的距离深度信息，或者依据反射回波计算得到的距离深度信息)。
下图可以看到，即使激光雷达传感器的外层玻璃上有水滴，也不会影响激光雷达强度和深度信号的图像。最上面的环境图像呈现颗粒状，因为云层减少了日光量，但仍然没有受到玻璃上雨水的影响，可以正常成像。
这是在雨中开过后雷达的样子。你可以看到传感器的玻璃上有水滴，但是这个对我们传感器的数据没有影响，原因是传感器内部拥有更大的光学光圈。
Ouster的OS1激光雷达之所以具有穿透窗口上遮蔽物（在这种情况下是水滴）的独特能力，其中一个因素是传感器的大光学孔径镜头，这是由我们的数字激光雷达技术实现的。大光圈使得光线可以绕过传感器窗口上的遮蔽物。带来的结果是传感器的测程因雨水而略有缩小，但图像完全不会因雨水而失真。
大孔径光圈还可以让传感器感知飘在空中的雨滴周围的情况。尽管降雨量比较大，但传感器不会捕获飘在空中的雨水，实际提供的还是周围真实环境的信息。从第二幅信号强度的灰度视频可以明显的看到这点。
作为对比，普通的摄像头传感器的光圈比雨滴小得多。因此，单个雨滴可能会遮蔽视野中可能包含关键信息的大片区域。为了克服这种失真，汽车制造商不得不开发清洗系统解决方案，以防止摄像头镜头上产生积水和污垢。
曝光时间是影响激光雷达和摄像头在雨中表现的另一个重要因素。人眼和摄像头都有很长的曝光时间(以千分之一秒为单位)，这使得下降的水滴在图像中看起来如条纹状，雨水看起来比实际密度更大。Ouster的激光雷达具有以百万分之一秒为单位的超快曝光快门，因此在测量过程中雨水被有效地冻结在原位，而不会被检测为跨越多个像素的条纹状图像。
最后，激光雷达传感器处理回波的特点，使它们在特定范围内穿透遮蔽物(如降雨)时候具有明显的优势。激光雷达提供的是“带深度信息的图像” 。激光雷达不是像相机一样仅仅将沿像素方向返回的所有光子强度叠加在一起，而是将回波光子按照时间序列整合到一系列“距离门”。
从该时间序列中，我们只挑选出传感器中每个像素返回的最强信号（单回波）。这使得我们可以忽略其他较弱的干扰信号，比如雨滴的反射和潮湿的传感器窗口的反射。
相比之下，摄像头没有能力区分空气中的雨和雨后坚硬物体的回波信息。所有的光子都被收集到每个像素中，体现在强度叠加值里，没有多信号返回的概念。Ouster的OS1激光雷达能够忽略从雨滴返回的信号，并在所有回波信号当中挑选出最强的，如雨滴后的建筑物回波。而摄像头则并无法忽略来自雨滴的信号，而是简单将来自雨滴的信号与从雨滴后面的建筑物返回的信号叠加起来，这种综合信号使其输出的图像失真。
由于光圈大小和快门速度的原因，激光雷达传感器产生的图像失真比相机少得多。当然，激光雷达传感器也并不是完全没有受到影响——毕竟在潮湿的环境下，光线是从潮湿的光路上反射出来，这对相机和激光雷达传感器都构成了挑战。
水把道路变成了镜面
在潮湿的道路上，水就像镜面一样，镜面反射光的模式与在干燥条件下路面完全不同。这种反射给两个传感器都带来了挑战，给相机的成像感知造成了混乱，并缩小了激光雷达传感器的探测范围。在干燥的道路上，粗糙的沥青路面会散射光线，使激光向四面八方漫反射。但在潮湿的道路上，水将道路变成不完美的镜面，就像一面镜子反射了一部分光线。
对于摄像头来说，挑战来自于道路上出现的反射，这些反射可能会产生混乱的物体镜像。在下图中，您可以看到汽车的前照灯在潮湿的地面上产生了倒影镜像。对于装有物体识别软件的摄像头来说，这可能会使系统发生认知混淆，误以为存在第二辆车，或者误以为这辆车可能比实际距离更近。
雨中汽车大灯的倒影
对于激光雷达来说，类似情境下不利的影响是，传感器在路面上的测程缩小。激光雷达传感器发出的一部分激光在道路上的水面上直接反射，逃离传感器方向。这意味着传感器将接收不到远距离的路面信息。我们的激光雷达对于其它物体（比如汽车、建筑物、树木等）的探测范围却可以不受该影响。
下面的动图中看到，它展示了雨天和晴天的点云效果。建筑物在雨中能见度变化不大，但由于道路的镜面反射，路面能见范围在雨中缩小了。
并不是所有的激光雷达天生都是一样的
Ouster传感器在雨中的强劲性能并不一定代表所有的激光雷达都能有这样的表现。我们的传感器经过精心设计，能经受工业应用中苛刻的使用条件和不可预测的使用环境——如在暴雨中驾驶、浸泡在水中、洗车机清洗以及车规级冲击和振动。
Ouster 激光雷达在旧金山街道雨天实际录制的数据，左侧为摄像头，右侧上方为利用激光雷达产生的360°环视图，右一位环境图，右二为反射强度图，右三为距离信息图。右下为激光雷达点云输出。
在其他商业化的激光雷达技术中，传统的模拟信号旋转激光雷达传感器和MEMS微振镜激光雷达传感器由于孔径较小，往往在雨中驾驶时表现欠佳。就像我们演示中的摄像机一样，传统激光雷达的成像会被小雨滴扭曲。此外，传统的模拟信号激光雷达或MEMS微振镜雷达的防水等级都没有高于IP67的(Ouster激光雷达的防水等级均为IP68和IP69K)，也没有通过标准的车辆冲击和振动测试，这使得它们在崎岖的道路或潮湿的环境下很容易发生故障。
多样性是关键
这场雨中驾驶测试突出表现出不同的环境条件对不同传感器的性能产生不同影响。这并不是要抨击、或者宣称摄像头是不必要的。摄像头提供了关键的高分辨率纹理信息，与激光雷达和雷达点云深度数据相结合，能够使自动驾驶汽车综合感知系统更加强大，适应更复杂与苛刻的环境。
当然，这场雨中驾驶测试也证实了摄像头在雨中的性能衰减会比激光雷达更显著（至少跟Ouster的激光雷达相比是如此）。在这些复杂场景下，不同类型的传感器数据融合可以降低感知系统出错的风险。感知架构当中，传感器的多样性与冗余度是自动驾驶汽车安全商用推广的关键。
在接下来的一年里，敬请期待Ouster激光雷达传感器能够适应更加苛刻复杂的环境，并一如既往的表现出更加可靠与出色的性能！
广告
广告
编辑推荐
最新资讯
-
“源”察秋毫--多次循环双脉冲测试应用助力
2024-11-18 11:20
-
华东智能网联汽车试验场正式启动运营
2024-11-18 10:37
-
捷豹路虎基于R290应用于汽车热泵系统的性能
2024-11-18 09:21
-
软件更新：UN R156拟强制实施RxSWIN
2024-11-18 09:20
-
新能源汽车换挡方式的进化
2024-11-18 09:19
广告
广告
