01  感知系統(tǒng)基本介紹

Perception（感知）系統(tǒng)是以多種傳感器的數(shù)據(jù)與高精度地圖的信息作為輸入，經(jīng)過一系列的計算及處理，對自動駕駛車的周圍環(huán)境精確感知的系統(tǒng)。

感知系統(tǒng)的構成與子系統(tǒng)

傳感器：涉及到傳感器的安裝，視場角，探測距離，數(shù)據(jù)吞吐，標定精度，時間同步等。因為自動駕駛使用的傳感器比較多，時間同步的解決方案至關重要。目標檢測及分類：為了保證自動駕駛的安全，感知系統(tǒng)需要達到近似百分之百的召回率及非常高的準確率。目標檢測及分類往往會涉及到深度學習方面的工作，包括3D點云及2D Image（圖片）上的物體檢測及多傳感器深度融合等。多目標追蹤：跟進多幀的信息計算并預測障礙物的運動軌跡。場景理解：包括交通信號燈，路牌，施工區(qū)域，以及特殊類別，比如校車，警車。

機器學習分布式訓練基礎架構及相關評價系統(tǒng)、

數(shù)據(jù)：大量的標注數(shù)據(jù)，這里包括3D點云數(shù)據(jù)及2D的圖片數(shù)據(jù)等。

傳感器詳解

目前自動駕駛應用的傳感器主要分為三類：激光雷達（LiDAR），相機（Camera），毫米波雷達（Radar）。

開頭提到，感知系統(tǒng)的輸入為多種傳感器數(shù)據(jù)和高精地圖，而上圖展示了感知系統(tǒng)物體檢測的輸出結果，即能夠檢測車輛周圍的障礙物，如車輛、行人、自行車等，同時結合高精度地圖，感知系統(tǒng)也會對周邊的Background（環(huán)境背景）信息進行輸出。

如上圖所示，綠顏色的塊狀代表一輛乘用車，橙色代表一輛摩托車，黃色代表一位行人，灰色則是檢測到的環(huán)境信息，如植被。

感知系統(tǒng)結合多幀的信息（上圖），還能對運動的行人和車輛的速度、方向、軌跡預測等進行精確的輸出。

02  傳感器配置與多傳感器深度融合

了解了關于感知系統(tǒng)從輸入到輸出的大致介紹，接下來，我簡要介紹一下小馬智行第三代自動駕駛系統(tǒng)PonyAlpha的傳感器安裝方案以及多傳感器深度融合的解決方案。

傳感器安裝方案

目前PonyAlpha傳感器安裝方案的感知距離能夠覆蓋車周360度、范圍200米以內(nèi)。

具體來看，這套方案用到了3個激光雷達，在車的頂部和兩側。同時，通過多個廣角的攝像頭來覆蓋360度的視野。遠處的視野方面，前向的毫米波雷達以及長焦相機將感知距離擴到200米的范圍，使其可以探測到更遠處的物體信息。這套傳感器配置能保證我們的自動駕駛車輛在居民區(qū)、商業(yè)區(qū)、工業(yè)區(qū)這樣的場景進行自動駕駛。

多傳感器深度融合的基礎

多傳感器深度融合的方案首要解決的是將不同的傳感器的數(shù)據(jù)標定到同一個坐標系里，包括了相機的內(nèi)參標定，激光雷達到相機的外參標定，毫米波雷達到GPS的外參標定等等。

傳感器融合重要前提是使標定精度達到到極高水平，不論對于結果層面的傳感器融合還是元數(shù)據(jù)層面的傳感器融合，這都是必要的基礎。

通過上圖你會發(fā)現(xiàn)，我們的感知系統(tǒng)將3D的激光點云精準地投射到影像上，可見傳感器標定的精度是足夠高的。

首先是相機內(nèi)參的標定（上圖），這是為了修正由相機自身特性導致的圖像扭曲等。相機內(nèi)參的標定平臺使每一個相機能夠在兩到三分鐘之內(nèi)完成傳感器的標定。

其次是

激光雷達與GPS/IMU的外參標定（上圖），激光雷達的原始數(shù)據(jù)是基于雷達坐標系，因此我們需要將點由雷達坐標系轉(zhuǎn)換為世界坐標系，這就涉及到激光雷達與GPS/IMU相對位置關系的計算。我們的標定工具在室外通過優(yōu)化的方案，能夠快速找到最優(yōu)的位置關系。

第三是相機到激光雷達的融合（上圖）。激光雷達的感知環(huán)境是360度旋轉(zhuǎn)的方式，每旋轉(zhuǎn)一周是100毫秒，而相機是某一瞬時曝光，為了保證相機的曝光與激光雷達的旋轉(zhuǎn)保證同步，需要對二者進行時間同步，即通過Lidar來觸發(fā)相機曝光。比如說，可以通過激光雷達的位置信息來觸發(fā)對應位置相機的曝光時間，以達到相機與激光雷達的精確同步。

最后是毫米波雷達（Radar）與GPS/IMU的標定（上圖），同樣是將Radar數(shù)據(jù)由Local（本地）坐標系將其轉(zhuǎn)換到世界坐標系，我們將通過真實的3D環(huán)境來計算Radar與GPS/IMU的相對位置關系。好的標定結果能夠保證感知系統(tǒng)給出200米距離以內(nèi)障礙車的車道信息（如位于車道內(nèi)或壓車道線等）等。

03  車載感知系統(tǒng)架構

 那么車載感知系統(tǒng)架構是什么樣的？它的解決方案又是什么？

上圖展示了整個車載感知系統(tǒng)的架構。首先激光雷達、相機、毫米波雷達三種傳感器數(shù)據(jù)須進行時間同步，將所有的時間誤差控制在毫秒級。結合傳感器數(shù)據(jù)，感知系統(tǒng)以幀為基礎（frame-based）進行檢測（detection）、分割（segmentation）、分類（classification）等計算，最后利用多幀信息進行多目標跟蹤，將相關結果輸出。這個過程中將涉及到多傳感器深度融合和深度學習相關的技術細節(jié)，我這里不做過多的討論。

感知系統(tǒng)的解決方案應保證以下五點

首先是安全，保證近乎百分之百的檢測（Detection）召回率（Recall）。

精度（Precision）要求非常高，如果低于某個閾值，造成False Positive（誤報），會導致車輛在自動駕駛狀態(tài)下行駛得非常不舒適。

盡量輸出所有對行車有幫助的信息，包括路牌，交通信號燈及其它場景理解的信息。

保證感知系統(tǒng)的高效運行，能夠近實時處理大量的傳感器數(shù)據(jù)。

可擴展性（Scalability）也很重要。深度學習（Deep learning）依賴大量數(shù)據(jù)，其訓練模型的泛化能力對于感知系統(tǒng)非常重要。未來，我們希望模型（model）和新算法有能力適配更多的城市和國家的路況。

04  感知技術的挑戰(zhàn)

感知精度與召回率相平衡的挑戰(zhàn)

上圖展示了晚高峰時期十字路口的繁忙場景，此時有大量行人、摩托車穿過十字路口。

通過3D點云數(shù)據(jù)（上圖），能夠看到此時對應的感知原始數(shù)據(jù)。

這里挑戰(zhàn)是，經(jīng)過計算處理后，感知系統(tǒng)需要在這樣環(huán)境下輸出所有障礙物的正確的分割（segmentation）結果和障礙物類別。

除了繁忙的十字路口，感知系統(tǒng)在處理一些特殊的或者惡劣的天氣條件，也面臨不小挑戰(zhàn)。

長尾場景挑戰(zhàn)

灑水車

上圖是我們在路測時曾遇到的兩類灑水車（上圖）。左邊灑水車采用向上噴的霧炮，而右邊是向兩側噴灑的灑水車。

人類司機遇到灑水車時，可以很容易做出判斷并超過灑水車，但是對于感知系統(tǒng)來說，則需要花一定時間去處理和識別這類場景和車輛，我們的自動駕駛在遇到類似場景已獲得更優(yōu)的乘坐體驗。

小物體的檢測

小物體檢測的意義在于，面對意想不到的路測事件，比如流浪的小貓、小狗突然出現(xiàn)馬路上，感知系統(tǒng)對這類小物體能夠有準確的召回，以保證小生命的安全。

紅綠燈

隨著越來越多地區(qū)和國家開展自動駕駛路測，感知系統(tǒng)在處理交通信號燈總會遇到新的長尾場景。

例如，逆光的問題（上圖）或者突然從橋洞中駛出后相機曝光的問題，我們可以通過動態(tài)調(diào)整相機的曝光等方法來解決問題。

還有紅綠燈倒計時的場景（上圖），感知系統(tǒng)可以識別出倒計時的數(shù)字，這樣能夠讓自動駕駛車輛在遇到黃燈時/前，給出更優(yōu)的規(guī)劃決策應對，優(yōu)化乘車體驗。

雨天時，攝像頭（照相機）會水珠密布（上圖），感知系統(tǒng)需要處理這類特殊氣候條件下的場景，準確識別紅綠燈。

一些地區(qū)使用的紅綠燈帶有進度條（上圖），要求感知系統(tǒng)能夠識別進度條的變動，這樣可以幫助下游的規(guī)劃決策模塊在綠燈將變黃時，提前給出減速。