基于三维激光雷达的障碍物检测算法(3)
雷达、多线激光雷达、三文全向激光雷达以及毫米波雷达等[1]
。在三文激光雷达尚未投入使
用以前，当时已有的，只有一根或几根扫描线的雷达只能实现障碍检测一类较为基本的功能，
不能确切地反应周边环境的状态，如实时障碍物识别、实时绘制地形导航图等。近些年，我
们把三文激光雷达用于无人驾驶汽车的导航设备之中，从而可以使无人驾驶汽车更加全方位、
多角度地得到周边环境的状态数据。常用的产品中，美国威利登公司生产的 64 线激光雷达
(Ve1odyneHDL64ELIDAR)被应用作为广泛，本文进行研究所使用的无人驾驶汽车装备，装
备的就是这种激光雷达。其外观结构图如下所示： 64线雷达与传统的单线激光雷达相比，在探测范围以及获取周边环境的信息量、细致度
方面都有了很大进步。但是相应地，64 线雷达的深度数据输出速率可达约 133 万个点/秒，
相比约6千个三文点/秒的传统单线雷达，对整个系统的信息接受和处理能力，以及障碍物识
别算法的效率都是一个严峻的考验。
2005 年由美国国防部举办的“Grand Cha1lenge”中，威利登 HDL64 线激光雷达第一次
进入大众的视线，并取得了良好的成绩。两年后的同一赛事中，威利登 64 线激光雷达又被许多国际知名院校研发的无人驾驶车所装备，也因此在本次大赛里发挥了极其关键的作用[1]
。
近些年来，许多国外的人工智能研究人员都利用三文激光雷达技术，取得了十分显著的学术
成果。美国SU的无人驾驶汽车“Junior”[2]
使用威利登 64线激光雷达，把运动目标的形状特
征数据进行建模，再利用贝叶斯滤波器对每一个跟踪目标分别进行刷新。卡耐基梅隆大学的
无人驾驶汽车“B-55”[3]
，对于障碍物的识别方法与“Junior”很相似，把威利登 64 线激光
雷达获取的初始数据分割开，然后在这些原始数据集合里收集相应的特征信息[4]
。MIT 的无
人驾驶汽车“Ta1os”把三文激光雷达获取的初始数据做好分类，然后参考连续几帧的数据信
息得出汽车的实时运行速率，最后用滤波器对所的速率数据进行处理。