[首發(fā)于智駕最前沿微信公眾號(hào)]隨著自動(dòng)駕駛技術(shù)的不斷發(fā)展，越來(lái)越多車(chē)輛已經(jīng)配備了組合輔助駕駛系統(tǒng)。尤其是有很多車(chē)企，會(huì)采用感知融合的方案，通過(guò)在車(chē)輛上加裝激光雷達(dá)、車(chē)載攝像頭、毫米波雷達(dá)等感知硬件，以獲得更多的感知信息。

在眾多感知硬件中，激光雷達(dá)因其可以獲得三維點(diǎn)云，一直是很多技術(shù)方案關(guān)注的重點(diǎn)。雖然激光雷達(dá)在很多場(chǎng)景下表現(xiàn)都比較優(yōu)異，但是在很多極端場(chǎng)景中，還是會(huì)出現(xiàn)一些問(wèn)題。隨著天氣漸冷，北方已經(jīng)開(kāi)始下雪，那些依賴(lài)激光雷達(dá)實(shí)現(xiàn)高階自動(dòng)駕駛的汽車(chē)是否會(huì)受到影響呢？

雪天為會(huì)讓激光雷達(dá)點(diǎn)云出現(xiàn)哪些問(wèn)題？

激光雷達(dá)傳感器的工作原理是向周?chē)h(huán)境發(fā)射激光脈沖，通過(guò)測(cè)量脈沖從物體表面反射回來(lái)的時(shí)間與強(qiáng)度，計(jì)算出目標(biāo)的距離與輪廓信息?；谶@些數(shù)據(jù)，系統(tǒng)能夠構(gòu)建出精細(xì)的周?chē)h(huán)境三維點(diǎn)云。在正常運(yùn)行條件下，這種方式可以高精度地識(shí)別并描繪出車(chē)輛周?chē)恼系K物、地形以及其他交通參與者，為自動(dòng)駕駛車(chē)輛提供可靠的環(huán)境感知基礎(chǔ)。

但是在雨雪天氣中，空氣中無(wú)數(shù)雪花會(huì)以固體顆粒的狀態(tài)呈現(xiàn)。激光束照射到這些雪花上時(shí)，容易產(chǎn)生許多“誤回波”，激光雷達(dá)會(huì)誤將雪花識(shí)別為真實(shí)物體進(jìn)行檢測(cè)。這會(huì)讓生成的點(diǎn)云摻雜了大量本不存在的噪聲點(diǎn)，它們不代表真實(shí)環(huán)境，僅源于雪花的反射干擾。

這種噪聲會(huì)導(dǎo)致點(diǎn)云變得模糊且雜亂，嚴(yán)重影響后續(xù)對(duì)障礙物的檢測(cè)、跟蹤以及路徑規(guī)劃的準(zhǔn)確性。在降雪環(huán)境下，激光雷達(dá)對(duì)車(chē)輛、行人等目標(biāo)的識(shí)別率會(huì)明顯下降，有效探測(cè)距離可能縮短十幾米甚至更多，目標(biāo)檢測(cè)的精度也會(huì)大幅降低。

覆蓋在激光雷達(dá)表面的積雪，也會(huì)吸收或散射激光信號(hào)，導(dǎo)致激光雷達(dá)的有效探測(cè)距離縮短，更會(huì)削弱點(diǎn)云中物體的強(qiáng)度信息。雪層也可能在地面或環(huán)境物體上堆積，改變道路與障礙物的實(shí)際幾何輪廓，進(jìn)而使生成的點(diǎn)云與真實(shí)世界之間出現(xiàn)偏差。

此外，懸浮在空中的雪花不僅會(huì)在空間上引入噪聲點(diǎn)，還會(huì)干擾點(diǎn)云的強(qiáng)度值（即激光回波的反射強(qiáng)弱信息）。由于雪的反射特性與路面、車(chē)輛等常見(jiàn)物體差異顯著，其導(dǎo)致的強(qiáng)度信息異常，也會(huì)讓基于強(qiáng)度的濾波、分類(lèi)算法變得不穩(wěn)定。

雪天點(diǎn)云噪聲對(duì)自動(dòng)駕駛系統(tǒng)的影響

當(dāng)激光雷達(dá)生成的點(diǎn)云因雪天干擾而摻雜大量噪聲時(shí)，自動(dòng)駕駛系統(tǒng)的環(huán)境感知模塊會(huì)受到一系列連鎖影響。

在目標(biāo)檢測(cè)環(huán)節(jié)，過(guò)多的噪聲點(diǎn)會(huì)干擾障礙物識(shí)別算法。系統(tǒng)可能將無(wú)意義的雪點(diǎn)誤判為障礙物，引發(fā)不必要的制動(dòng)或避讓?zhuān)煌瑫r(shí)，真實(shí)的障礙物也可能被淹沒(méi)在雜亂的點(diǎn)云中，導(dǎo)致自動(dòng)駕駛系統(tǒng)對(duì)行人、車(chē)輛及交通設(shè)施等重要目標(biāo)的漏識(shí)別，嚴(yán)重影響行駛安全。

噪聲點(diǎn)還會(huì)干擾點(diǎn)云配準(zhǔn)與車(chē)輛定位算法。有些自動(dòng)駕駛系統(tǒng)依賴(lài)實(shí)時(shí)點(diǎn)云與高精地圖的匹配實(shí)現(xiàn)精準(zhǔn)定位。若點(diǎn)云中摻入大量雪噪點(diǎn)，匹配過(guò)程的準(zhǔn)確性便會(huì)下降，車(chē)輛可能因此發(fā)生定位漂移，甚至失去對(duì)自身位置和行駛路徑的準(zhǔn)確理解。

此外，雪噪聲還會(huì)改變點(diǎn)云的整體密度分布。雪花造成的虛假反射點(diǎn)會(huì)使點(diǎn)云密度在不同區(qū)域呈現(xiàn)不規(guī)則變化，這種不均勻性不僅影響障礙物距離的估計(jì)精度，也會(huì)干擾如點(diǎn)云聚類(lèi)與場(chǎng)景分割等依賴(lài)密度一致性進(jìn)行操作的感知算法，進(jìn)而降低環(huán)境建模的可靠性。

如何處理雪天點(diǎn)云噪聲

為應(yīng)對(duì)雪天對(duì)激光雷達(dá)點(diǎn)云的干擾，常見(jiàn)的解決方案主要從數(shù)據(jù)預(yù)處理階段的噪聲過(guò)濾與提升感知模型對(duì)雪噪的魯棒性兩方面入手。

圖片源自：網(wǎng)絡(luò)

在數(shù)據(jù)預(yù)處理階段，可通過(guò)基于點(diǎn)云特征的過(guò)濾方法直接抑制噪聲。這類(lèi)方法的核心思路基于雪花反射點(diǎn)具有離群、強(qiáng)度低或分布異常等特性，根據(jù)點(diǎn)云的空間分布、強(qiáng)度值或者統(tǒng)計(jì)特性，把可能來(lái)自雪花的點(diǎn)識(shí)別并剔除掉。例如把那些離傳感器很近、反射強(qiáng)度很低或者分布特性跟周?chē)c(diǎn)很不一致的點(diǎn)標(biāo)記為噪聲點(diǎn)并刪除。這類(lèi)方法常見(jiàn)的技術(shù)包括統(tǒng)計(jì)離群點(diǎn)移除、低強(qiáng)度動(dòng)態(tài)過(guò)濾等。通過(guò)這種方式，可以在不丟失真實(shí)環(huán)境點(diǎn)的前提下，大幅減少雪噪聲的影響。

除了傳統(tǒng)濾波方法，深度學(xué)習(xí)也被用來(lái)處理雪噪聲。如有研究基于生成對(duì)抗網(wǎng)絡(luò)（GAN）學(xué)習(xí)雪天點(diǎn)云與清晰點(diǎn)云之間的映射，從而在輸入雪天點(diǎn)云時(shí)輸出“更干凈”的點(diǎn)云。這類(lèi)方法效果好，但對(duì)訓(xùn)練數(shù)據(jù)的需求較大，而且需要大量不同雪況的數(shù)據(jù)來(lái)提升泛化能力。

還有些研究則關(guān)注于特征補(bǔ)全與重構(gòu)，利用模型推斷丟失的真實(shí)環(huán)境點(diǎn)，從而彌補(bǔ)點(diǎn)云中因雪干擾丟失的環(huán)境信息。這種特征補(bǔ)全不僅能減少噪聲干擾，還能提升在雪天條件下的檢測(cè)準(zhǔn)確性。

在實(shí)際應(yīng)用時(shí)，為了兼顧實(shí)時(shí)性與感知質(zhì)量，會(huì)采用多層次融合的處理策略，即先使用輕量快速的濾波算法進(jìn)行初步去噪，再結(jié)合深度學(xué)習(xí)模型進(jìn)行細(xì)粒度清理與信息補(bǔ)全。這種組合方式能夠在雪天環(huán)境下更可靠地恢復(fù)出可用于定位、檢測(cè)與規(guī)劃的高質(zhì)量點(diǎn)云數(shù)據(jù)。

傳感器融合與多模態(tài)感知的價(jià)值

考慮到單純依賴(lài)激光雷達(dá)在雪天會(huì)面臨明顯的感知局限，現(xiàn)階段的自動(dòng)駕駛系統(tǒng)會(huì)采用多傳感器融合方案以提升環(huán)境感知的魯棒性。毫米波雷達(dá)因其對(duì)雪、雨等降水顆粒的較強(qiáng)穿透能力，能在激光雷達(dá)受雪花干擾時(shí)，仍提供相對(duì)穩(wěn)定的目標(biāo)距離與速度估計(jì)，因此成為重要的互補(bǔ)信息來(lái)源。同時(shí)，攝像頭可提供豐富的顏色與紋理信息，輔助系統(tǒng)識(shí)別被積雪部分覆蓋的車(chē)道線、交通標(biāo)志等視覺(jué)要素。

圖片源自：網(wǎng)絡(luò)

通過(guò)將激光雷達(dá)、毫米波雷達(dá)與攝像頭的數(shù)據(jù)進(jìn)行融合，系統(tǒng)能夠在單一傳感器受天氣影響時(shí)，依靠其他傳感器填補(bǔ)信息缺口，從而維持整體感知的連續(xù)性與可靠性。這種多源信息融合的策略，已成為自動(dòng)駕駛應(yīng)對(duì)復(fù)雜天氣的關(guān)鍵技術(shù)。

此外，針對(duì)傳感器表面的積雪問(wèn)題，還可以輔以加熱、氣吹或噴淋清洗等機(jī)械式防護(hù)措施，盡可能保持光學(xué)窗口與雷達(dá)罩的清潔，從物理層面減少雪、冰對(duì)信號(hào)接收的直接干擾。

最后的話

雪天對(duì)激光雷達(dá)點(diǎn)云的影響是多方面的，它不僅會(huì)帶來(lái)大量噪聲點(diǎn)，還會(huì)影響目標(biāo)檢測(cè)和定位。對(duì)此，可通過(guò)噪聲過(guò)濾、模型補(bǔ)全、多傳感器融合等方法減輕這些問(wèn)題，但要達(dá)到像晴天一樣穩(wěn)定的感知效果仍然是一個(gè)挑戰(zhàn)。隨著算法和傳感器技術(shù)的進(jìn)步，未來(lái)自動(dòng)駕駛在雪天環(huán)境下的魯棒性會(huì)逐步提升。

審核編輯 黃宇