技術一直是將我們從最無聊的任務中解放出來的工具。對于現代世界中的許多人來說，沒有什么比在早上通勤時堵車，或者連續數小時處理高速公路催眠和長周末交通更令人厭煩的事情了。雖然這引發了人們對自動駕駛汽車（AV）的極大興奮，但2噸重的金屬片在無人看管的情況下四處亂竄的前景也導致人們重新關注技術，以實現其安全運行。

為了實現超人的安全1，各種動態物體（如其他汽車、行人和自行車）的詳細 3D 地圖通常被認為是自動駕駛汽車必不可少的。 光探測和測距 （LIDAR） 傳感器通常被認為是船上最有用的系統之一，因為它們能夠形成如此詳細的地圖。

自動駕駛汽車能夠可靠地檢測到道路上物體的存在越遠，規避操作就越容易。Analog Garage（ADI公司的技術中心）的研究人員研究了擴大激光雷達系統的檢測范圍，并開發了一種利用物體移動的物理約束來擴展范圍的方法。為了理解這一點，我們首先解釋激光雷達的工作原理。

激光雷達的工作原理

激光雷達系統向物體發射激光脈沖，并測量光從物體反射并返回傳感器所需的時間，如圖2所示。通過沿水平和垂直方向掃描激光，激光雷達系統形成其前方場景的完整3D地圖。每個這樣的地圖都稱為框架。現代激光雷達系統的幀速率通常在每秒 10 到 30 幀 （fps） 之間。

圖2.激光雷達的工作原理。

一旦激光向特定方向發射，傳感器就會記錄來自該方向的光，將其轉換為電信號，并使用稱為匹配濾波器的技術在該信號中搜索激光脈沖形狀的位置。將匹配濾波器的輸出與閾值進行比較，如果信號超過閾值，則聲明檢測。

檢測限

當然，現實世界中沒有什么是理想的。激光雷達中的檢測過程引入了噪聲，包括來自接收器各個組件的電噪聲和來自探測器本身的光噪聲。因此，只有從物體接收到足夠的光，使匹配的濾波器能夠將該信號與噪聲區分開來，才能檢測到物體。

物理學告訴我們，光的強度下降是它從源頭行進的距離的平方。實際上，這意味著激光雷達系統從200米外的物體接收的反射激光量僅為100米外同一物體接收的光量的四分之一。

因此，我們的匹配濾波器將更難看到更遠的物體，并且在極端情況下，當物體足夠遠時，激光雷達系統將不可見它。圖3顯示，我們成像的汽車的返回信號幅度隨著距離的流逝而急劇下降，在220米外，信號與噪聲基本無法區分，并且被設置的檢測閾值所遺漏。

圖3.距離對激光雷達回波信號的影響。

我們可以通過設置一個非常低的檢測閾值來解決這個問題，這樣圖 3 中 220 m 處的汽車就可見了。顯然，考慮到SNR水平，我們也會檢測到很多噪聲。現在，一個完整的3D數據幀中有許多閃光燈 - 其中一些對應于對象，其中一些只是噪聲。例如，圖 4 顯示了 LIDAR 幀的一個垂直切片（即固定垂直角度）中的所有檢測（閾值后）。大多數檢測只是噪聲，但有些確實對應于真實對象。我們怎么知道哪個是哪個？雖然僅用一幀很難做到這一點，但在我們看到幾幀數據后，它變得更加可行。

圖4.激光雷達框架的單個垂直切片。

螢火蟲工藝

為了理解原因，我們可以像這樣模擬閃光燈：假設有一只螢火蟲在一個盒子周圍嗡嗡作響，我們每隔一段時間就會看到螢火蟲的閃光。不幸的是，我們也看到來自環境的隨機閃光，這些閃光可能發生在任何地方。更糟糕的是，我們有時會錯過螢火蟲的閃光，我們測量螢火蟲的位置通常不是很完美。

我們問的基本問題是“給定一個閃光序列，其中每個閃光都是來自單個幀的閃光，我們能判斷整個序列是否來自螢火蟲嗎？給這些問題的技術術語是假設檢驗。我們必須做出決定的信息是幀每秒到達 10 次（幀速率為 10 fps），并且螢火蟲只能在這段時間內以物理上合理的方式移動。例如，螢火蟲不能在框架中穿過盒子的長度，因為那在物理上是不切實際的速度;而且它不能在 2 幀內反轉方向，因為那將是物理上不切實際的加速。

換句話說，我們可以使用的信息是，螢火蟲所遵循的軌跡必須是物理對象確實可以采取的軌跡。應用這些基于軌道的約束可以讓我們將它們與噪聲產生的軌道區分開來。假設檢驗的語言使我們能夠確定并應用給定任意長度軌跡的約束的數學形式。給定來自連續兩幀和三幀的閃光，約束只是對軌道速度和加速度的限制。對于較長的軌道，約束沒有那么簡單的解釋，但應用起來非常簡單。

結果

圖 5 演示了該技術在兩個簡單場景中的有效性。左邊的圖像是框架中內容的真實地圖，為了簡單起見，道路等物體被剝離了。中間的圖像顯示了我們從具有合理閾值的傳統處理中得到的結果，右側顯示了我們在螢火蟲處理后得到的結果。螢火蟲過程可檢測近300米外的物體。最先進的激光雷達系統的范圍約為150米。

圖5.通過使用螢火蟲過程進行跟蹤進行檢測的示例。

表1顯示了從螢火蟲處理和常規處理中獲得的檢測（%）和誤報數量（每幀）（MF代表匹配濾波器）。設置檢測閾值，以便我們根據預先收集的統計數據具有 99.9% 的置信度，即特定峰值對應于某個對象。但是，檢出率非常低。使用軌道約束有很大幫助。

結論

螢火蟲過程描述了物體如何移動的邊界，也就是說，它詳細說明了約束，不是針對探測器或信號鏈，而是針對它們正在測量的物體。我們認為，它提高檢測率的能力有一個重要的教訓：通過利用我們設計的系統外部的約束和想法，通常可以大大改善傳統的檢測和信號鏈問題。我們希望繼續利用這些見解來設計更智能、更復雜的信號鏈，并盡可能繼續從利用非常規約束中獲得優勢。

審核編輯：郭婷