无人驾驶激光雷达校准板—————广州航鑫光电科技有限公司，是一家专门做激光雷达标定板、反射板的公司
自动驾驶感知模块中传感器融合已经成为了标配，只是这里融合的层次有不同，可以是硬件层（如禾赛，Innovusion的产品），也可以是数据层（这里的讨论范围），还可以是任务层像障碍物检测（obstacle detection），车道线检测（lane detection）
无人驾驶激光雷达校准板
无人驾驶激光雷达校准板—————广州航鑫光电科技有限公司，是一家专门做激光雷达标定板、反射板的公司
自动驾驶感知模块中传感器融合已经成为了标配，只是这里融合的层次有不同，可以是硬件层（如禾赛，Innovusion的产品），也可以是数据层（这里的讨论范围），还可以是任务层像障碍物检测（obstacle detection），车道线检测（lane detection），分割（segmentation）和跟踪（tracking）以及车辆自身定位（localization）等。
有些传感器之间很难在底层融合，比如摄像头或者激光雷达和毫米波雷达之间，因为毫米波雷达的目标分辨率很低（无法确定目标大小和轮廓），但可以在高层上探索融合，比如目标速度估计，跟踪的轨迹等等。
这里主要介绍一下激光雷达和摄像头的数据融合，实际是激光雷达点云投影在摄像头图像平面形成的深度和图像估计的深度进行结合，理论上可以将图像估计的深度反投到3-D空间形成点云和激光雷达的点云融合，但很少人用。原因是，深度图的误差在3-D空间会放大，另外是3-D空间的点云分析手段不如图像的深度图成熟，毕竟2.5-D还是研究的历史长，比如以前的RGB-D传感器，Kinect或者RealSense。
这种融合的思路非常明确：一边儿图像传感器成本低，分辨率高（可以轻松达到2K-4K）；另一边儿激光雷达成本高，分辨率低，深度探测距离短。可是，激光雷达点云测距度非常高，测距远远大于那些Infrared/TOF depth sensor，对室外环境的抗干扰能力也强，同时图像作为被动视觉系统的主要传感器，深度估计精度差，更麻烦的是稳定性和鲁棒性差。
欢迎咨询广州航鑫光电了解更多无人驾驶激光雷达校准板
车载激光雷达目标特性解读激光雷达和摄像头在自动驾驶中的作用比较相似，从某种角度来说，激光雷达也可算是一种视觉传感器；但相比摄像头，其也具有其的优势：
1）完全排除光线的干扰
无论白天还是黑夜，无论是树影斑驳的林荫道，还是光线急剧变化的隧道出口，都不会对激光雷达产生干扰；
2）激光雷达可以轻易获取三维信息，而摄像头相对来说较为困难；
3）激光雷达的有效距离要远于摄像头
例子：目前的LKA功能一般要求在车速在60~70km/h以上才能正常工作，为什么？因为视觉在低速的时候取样点不足，拟合车道线准确度较低，而激光雷达的有效距离一般是视觉系统的4-5倍，有效的采样点比较多，车速较低时，车道线的检测准确度远高于视觉系统；
4）激光雷达可以解决近距离的横向视觉盲区问题；
5）车辆低速状态下，在目标物的识别和分类方面，激光雷达要优于摄像头；
6）点云转化需求算力较低；直接通过点云可进行密度较高的绘制，输出可以通行的空间，无需再进行二次转化；
车载激光雷应用面临的挑战及发展趋势
1 面临的挑战
1）高昂的成本几乎是车载激光雷达被大规模推广使用的障碍。
2）车规级量产困难 - 激光雷达要实现车规级量产，需满足性能、环境适应性、可靠性、产品一致性等多方面要求，且供应商需建立规范化、自动化的装配生产线。此外，车载激光雷达车规级的有效验证方式也尚未有定论。
3）气候环境影响车载激光雷达的探测光束，受大气吸收、散射、折射效应的影响。
a、智能驾驶汽车中的激光雷达一般安装在汽车顶部或嵌于车身四周，较低的安装高度使得大气中某些气体分子和悬浮粒子引起的回波缩减效应较大，从而造成激光雷达探测器的接收效果变差。
b、在雨、雾、冰雪等恶劣天气下，空中的悬浮物会对激光发射、反射以及检测等过程产生不良影响，造成激光雷达探测范围减小、检测精度降低。
2 发展趋势
1）固态激光雷达是应用趋势，既可降成本又符合车载需求。
2）车载激光雷达将日趋智能化
车载激光雷达可能将作为整个网络中的节点，不仅仅专属于智能车，还能合理应答网络终端命令调整自身工作模式，从而实现软硬件解耦，更加灵活地完成感知任务；
3）多传感器数据融合
多传感器冗余配置和信息融合将突破单一传感器的局限性，发挥多传感器的联合优势，提高系统可靠性和鲁棒性，扩展系统的时间和空间覆盖率，更加准确和地感知环境。
4）车载激光雷达算法优化和封装
（作者： 来源：）
