智能驾驶系统中的核心应用

        依据智能驾驶系统内部算法的多元化功能，该系统可精炼地划分为感知、即时定位与建图（SLAM）、预测、决策、规划及控制等关键子系统。激光雷达，以其卓越的三维环境探测能力及对目标材质差异的高灵敏度反射强度识别，成为智能车感知与定位系统不可或缺的组成部分。在感知领域，激光雷达展现出了其无与伦比的实力。它无缝融入图1-7所示的各项功能模块中，精准识别道路布局、障碍物位置、动态目标及可安全行驶区域，为智能车提供了全面且细致的周围环境感知能力。
        在工程实践中，3D目标检测模块专注于识别车辆、行人、骑行者等核心目标，而小障碍物则依赖聚类功能有效识别，此举旨在缩减标注成本并简化深度神经网络的检测复杂度。融合聚类与3D检测功能，显著增强了感知算法的稳健性，有效应对奇异物体引发的漏检问题，确保智能车安全行驶。鉴于驾驶环境的复杂性，如目标遮挡与点云噪声，单帧检测常难以精准捕捉目标信息。因此，我们采用多帧融合策略，优化目标信息的估计精度。同时，为实现高效的目标管理，系统为检测到的行人、车辆等分配唯一ID，并估算其速度，为后续轨迹预测奠定基础。这一过程由先进的多目标跟踪模块精准执行，如图1-10所示，在高速场景下，通过连续三帧点云实现了目标跟踪与ID精准分配。驾驶过程中的道路感知同样重要，包括道路边界与车道线信息的准确获取，这依赖于路沿检测与车道线检测模块的高效协作。值得注意的是，早期由于激光雷达线数限制及数据稀疏性，相关公开研究较为有限。但随着技术进步，这一领域正逐步拓展，为智能驾驶提供更为全面、精准的感知支持。
        车载激光雷达的应用功能包含对目标的激光点云、聚类算法、实例/全景分割模型和 L-Shape Fitting 算法，实现目标尺寸、朝向、跟踪、目标管理和速度估计。同时可进行背景点云的车道线、路沿和可行驶区域的分割计算。在智能驾驶领域，激光雷达在SLAM功能中的应用包括记忆泊车、自动辅助导航驾驶等智能驾驶功能，实现车辆的全天候、高精度、实时定位。为弥补GPS的缺点，许多研发团队使用高精地图和高精定位组合的方式，通过激光雷达点云和图像与高精地图匹配，结合GPS信号，实现车辆的绝对位置估计。
        车载激光雷达在Robotaxi和无人驾驶卡车中被广泛使用。Robotaxi通常配备激光雷达，TuSimple的无人驾驶卡车也是如此。车辆厂商的感知技术路线主要分为以视觉和激光雷达为主导两个方向。特斯拉使用以视觉为主导的感知方案，采用“摄像头+毫米波雷达”的组合。特斯拉的AutoPilot HW2.0系统配备了8个相机、1个毫米波雷达和12个超声波雷达。激光雷达在智能驾驶中的应用越来越广泛，许多车企都开始使用激光雷达作为主要传感器。激光雷达的价格逐渐下降，未来可能会更便宜。一些车型如前来ET7、M7、小鹏P5、理想L9等都搭载了激光雷达。随着激光雷达在汽车行业的应用增多，对激光雷达算法工程师的需求也在增加。