为什么说激光雷达是自动驾驶汽车不可或缺的一部分？

根据存在的障碍物做分类。

如上图，我们先拿到一个原始点云数据，对地面点进行提取，对非地面点进行障碍物分割。

比如车、人，我们将这些障碍物分割成为独立的个体，通过分割出来独立的个体再去匹配，从而进行障碍物的分类和物体的跟踪。

简单言之，我们先去除地面点，得到障碍物，分割出障碍物，然后把障碍物分割出来从而进行分类跟踪。

而跟踪的过程，首先是分割点云，通过点云做关联目标，我们知道上一桢和下一桢是否属于同一个物体，再进行目标跟踪，输出目标跟踪信息。

激光雷达的应用现状

今年 4 月份我们开始供货，目前也了解到行业激光雷达在应用上现状。

首先就是传感器缺乏，一方面是现在的激光雷达比较贵，供货周期也非常长，能够普遍用起激光雷达的公司并不多。而传感器的缺乏，解决方案的不成熟、点云算法人才积累太少，激光雷达无法发挥最大威力。

对于无人驾驶团队，他们可能除了激光雷达的点云算法以外，还做摄像头算法、毫米波雷达算法以及多传感器的融合，包括定位、路径规划、决策控制和改车等等。他们做的技术点非常多，无法聚焦，这导致他们被迫拉长战线。

所以在今年 4 月，我们针对激光雷达的解决方案提出了普尔米修斯计划。我们希望这个计划的本质是一个负责开放共享的态度，加快整个无人驾驶商业化落地。

整个普罗米修斯计划的模块还是基于激光雷达能够做什么事来进行的，包括：定位、车道线检测、路沿检测、障碍物识别、障碍物分类与跟踪的算法模块。

不管是低速车，园区车还是物流车或是在高速公路上行驶的车辆，我们都希望自己能够贡献出一份力量。

上图是基于激光雷达车道线检测和路沿检测。基于激光雷达的车道线检测还是比较不错的，路面上车道线一般是白色和黄色两种，所以我们提前把反射强度的方式先做出来，这样激光雷达就很容易将提取车道线出来，不会因为白天和晚上受到干扰。

而路沿检测可以根据路沿的几何形状来做一些训练，现在路沿十几厘米的高度都能够提取出来。

我们可以看上图的有半部分：红色表示提取的车道线，浅色是提取的路沿，中间是虚线，两边是实线。这个准确性还是不错的，包括路面的左转、右转这些指示也能做出来。如果后续有多帧迭代的话，其实效果会更好。

激光雷达做物体的跟踪，相当于对每一个识别到的物体，都会计算，并且分割到底是自行车、卡车、行人还是私家车。

识别之后，除了我们知道自动驾驶本体车的速度以外，也可以跟踪出前车的速度，以及前车距离本车的横向和纵向距离。激光雷达输出的已经不是原始点云数据，还有每个障碍物空间的位置和分类，到底是哪种类型，以及速度信息。

激光雷达能做的事情有很多，包括定位、障碍物的检测、分类和跟踪、车道线的检测、路沿检测等等。在感知的工作里，激光雷达扮演了非常重要的角色。