智能網(wǎng)聯(lián)汽車感知技術(shù) 課后習(xí)題答案 龐宏磊 項目四-習(xí)題答案

【知識鞏固題】1.單項選擇題1-5DCDAC6-10BABCC2.判斷題1-5×√√××6-10√√×√√3.簡答題（1）請簡述激光雷達(dá)的優(yōu)、缺點。由于激光雷達(dá)使用的是激光束，工作頻率較微波高了許多，存在以下優(yōu)點：探測范圍廣：可達(dá)300m以上。分辨率高：距離分辨率可達(dá)0.1m；速度分辨率能達(dá)到10m/s以內(nèi)；角度分辨率不低于0.1mard?？垢蓴_能力強：激光直線傳播、方向性好、光束非常窄,只有在其傳播路徑上才能接收到，不易受干擾。信息量豐富：可探測目標(biāo)的距離、角度、反射強度、速度等信息，生成目標(biāo)多維度圖像。但激光雷達(dá)也存在明顯的缺點：雨雪、霧霾天氣精度下降。與毫米波雷達(dá)相比，產(chǎn)品體積大，成本高。激光雷達(dá)難以識別交通標(biāo)志的含義和交通信號燈的顏色。（2）請簡述激光雷達(dá)外參標(biāo)定的步驟。啟動外參標(biāo)定軟件SensorCalibrationTool測量IMU中心到激光雷達(dá)中心Y軸的距離、測量IMU中心到激光雷達(dá)中心的Z軸的距離利用網(wǎng)站進(jìn)行四元數(shù)轉(zhuǎn)換，計算激光雷達(dá)的姿態(tài)信息將標(biāo)定數(shù)據(jù)寫入標(biāo)定軟件，進(jìn)行設(shè)置。（3）請簡述激光雷達(dá)在智能網(wǎng)聯(lián)汽車中的應(yīng)用。激光雷達(dá)在智能網(wǎng)聯(lián)汽車中應(yīng)用場景有車道線檢測、目標(biāo)分類與運動跟蹤，具體可用于定位導(dǎo)航、障礙物檢測及目標(biāo)跟蹤、車輛檢測與智能交通信號控制等。（4）請簡述為什么需要對激光雷達(dá)進(jìn)行標(biāo)定？激光雷達(dá)與車體為剛性連接，兩者間的相對姿態(tài)和位移固定不變，為了建立各個激光雷達(dá)之間的相對坐標(biāo)關(guān)系，需要對激光雷達(dá)的安裝進(jìn)行標(biāo)定，并使激光雷達(dá)數(shù)據(jù)從激光雷達(dá)坐標(biāo)統(tǒng)一轉(zhuǎn)換至車體坐標(biāo)上。（5）請簡述激光雷達(dá)障礙物檢測及識別的流程。激光雷達(dá)障礙物的檢測及識別流程通常分為四個步驟，如圖所示。由于激光雷達(dá)每次采集障礙點時視角不同，采集的部分障礙點坐標(biāo)變化較大，而且很多障礙點與障礙物的跟蹤不相關(guān)，比如路邊建筑物和樹木等。障礙點過多會影響外接框輪廓的提取，對原始點云進(jìn)行篩選出感興趣區(qū)域（TheRegionofInterest,ROI），對點云作預(yù)處理，減少數(shù)據(jù)量，剔除噪聲點。每幀點云數(shù)據(jù)中包含大量的地面點，地面點會對位于地面上物體點集造成干擾，為獲取準(zhǔn)確的道路障礙物信息，需要進(jìn)一步分割出地面點云。地面上的障礙物點通常采用無監(jiān)督的聚類算法形成多個團(tuán)簇，每個團(tuán)簇則表示一個障礙物。對團(tuán)簇的物體進(jìn)行識別。對每一塊團(tuán)簇做包圍框擬合，計算障礙物屬性，比如中心點、質(zhì)心點和長寬高等。對障礙物跟蹤，估計運動物體的運動狀態(tài)，包括運動方向、速度大小、加速度、角速度、運動軌跡等信息。（6）請簡述激光雷達(dá)的選型原則及裝配位置。激光雷達(dá)的關(guān)鍵部件包含光源、掃描部件和探測器三部分。每個部件選型時的指導(dǎo)原則，如表所示。表激光雷達(dá)關(guān)鍵部件選型原則光源選擇掃描部件選擇探測器選擇對人眼睛安全瞬時脈沖（2ns-5ns）單脈沖下高能量峰值窄帶寬（單色性好）運動器件少成本低可靠性高，過車規(guī)掃描視場角大高靈敏度高增益低抖動低電子噪聲根據(jù)檢測目標(biāo)的不同，激光雷達(dá)安裝位置也不同。目前常見的安裝位置有車頂、前保險杠等。激光雷達(dá)安裝在車頂，由于存在站得高、望得遠(yuǎn)、看得廣，安全度高的特點，深受車企熱愛。將激光雷達(dá)安裝在前保險杠上，可將激光雷達(dá)起到隱藏作用，并且，這種安裝方式垂直方向上的視野盲區(qū)小，對近場低障礙物的識別效果更好。（7）請簡述機(jī)械式激光雷達(dá)的優(yōu)缺點。機(jī)械式激光雷達(dá)通過物理旋轉(zhuǎn)進(jìn)行3D掃描，對周圍環(huán)境進(jìn)行全面的覆蓋形成點云，優(yōu)點是精度高、工作穩(wěn)定，缺點是高頻轉(zhuǎn)動和復(fù)雜機(jī)械結(jié)構(gòu)致使其壽命相對較短，且，機(jī)械式雷達(dá)掃描線束的提高依賴于激光收發(fā)裝置的堆疊，導(dǎo)致體積較大，價格昂貴。（8）請簡述Lidar與Perception和Prediction模塊的關(guān)系。Apollo自動駕駛中，對于激光雷達(dá)障礙物檢測及識別的控制策略是：激光雷達(dá)檢測到障礙物信息（位置、姿態(tài)）后，將數(shù)據(jù)傳遞至感知（Perception）模塊，感知模塊獲得所有感知傳感器信息后進(jìn)行融合處理，然后再通過預(yù)測（Prediction）模塊進(jìn)行分析，獲前面路況信息。Lidar與Perception和Prediction模塊關(guān)系，如圖。（9）請簡述激光雷達(dá)的工作原理。激光雷達(dá)的測距原理是通過測算激光發(fā)射信號與激光回波信號的往返時間，從而計算目標(biāo)的距離。激光發(fā)出激光束，打到地面的樹木、道路、橋梁和建筑物上引起反射和散射，光波會反射到激光雷達(dá)的接收器上。測量反射或散射信號到達(dá)發(fā)射機(jī)的時間、信號強弱程度和頻率變化等參數(shù)計算往返的時間從而確定被測目標(biāo)的距離、運動速度以及方位。（10）請簡述激光雷達(dá)障礙物檢測的主要方法?；趲缀翁卣骱途W(wǎng)格基于幾何特征的方法首先對激光雷達(dá)的數(shù)據(jù)進(jìn)行處理，采用聚類算法將數(shù)據(jù)聚類并與障礙物的幾何特征進(jìn)行對比，對障礙物進(jìn)行檢測和分類。為了提高對不同點云數(shù)據(jù)檢測的可靠性，基于幾何特征的方法與光譜特征結(jié)合，將幾何和影響特征綜合考慮，從多個維度對障礙物進(jìn)行識別，同時引入權(quán)重系數(shù)來反映不同的特征對識別的影響。對于非結(jié)構(gòu)化的道路，障礙物的形狀復(fù)雜，較難用那個幾何形狀去描述，此時需要用基于網(wǎng)格的方法來識別此類障礙物。該方法將激光雷達(dá)的數(shù)據(jù)投影到網(wǎng)格地圖中，然后利用無向圖相關(guān)方法對點云進(jìn)行處理?；赩oxelNET障礙物檢測VoxelNet是一個端到端利用點云進(jìn)行3D目標(biāo)檢測的網(wǎng)絡(luò)，其把激光點云在空間中均勻劃分為不同的voxel，再把不同voxel中的點云通過提出的VFE（VoxelFeatureEncoding）層轉(zhuǎn)換為一個統(tǒng)一的特征表達(dá)，最后使用RPN（RegionProposalNetwork）對物體進(jìn)行分類和位置回歸。VoxelNet主要由三個模塊組成：特征學(xué)習(xí)網(wǎng)絡(luò)、中間卷積層和區(qū)域建議網(wǎng)絡(luò)。特征學(xué)習(xí)網(wǎng)絡(luò)將點云劃分為體素Voxel形式，通過VFE層提取特征，得到體素級的特征向量。主要分為體素劃分、分組、隨機(jī)抽樣、對體素編碼、稀疏張量表示五個步驟?！緦嵺`鞏固題】1.請在Apollo虛擬仿真平臺上，完成下列題目。主車行駛過程中，前方監(jiān)測到靜態(tài)類型障礙物后借道繞行。距離目標(biāo)障礙物橫向距離至少保持1.2m，借道避障限速不得超過5m/s。（1）啟動仿真環(huán)境（2）編輯代碼實現(xiàn)功能打開新的終端窗口，輸入配置參數(shù)同步指令，系統(tǒng)將自動將planning模塊的配置參數(shù)復(fù)制到profile的default目錄中。使能default目錄為參數(shù)生效目錄。（3）修改全局配置參數(shù)在工作apollo_workspace工作目錄找到profiles/default/modules/planning/planning_base/conf/planning.conf配置文件，調(diào)整繞行橫向緩沖配置參數(shù)，達(dá)到我們期望路徑規(guī)劃效果。使用vim編輯器打開profiles/default/modules/planning/planning_base/conf/planning.conf配