LiDAR车辆智能侦测

3D(立体)视觉计算的目的是利用3D传感器所拍摄的信息，来侦测物件或是识别应用场景。因自驾车或是ADAS的商机，能精确掌握人、车、障碍物位置、方向、速度等技术，就成为学研以及产业关切的方向。LiDAR虽然价格不斐，但仍为目前车辆中最受瞩目的3D传感器，因其利用雷射光的飞行时间来侦测环境，所以可以测得更线上离。

3D视觉计算的突破，在于发现适合点云(point cloud)的系列算法，直接在众多的点云中计算。LiDAR点云中，每个点都有空间中3D位置信息(雷射光遇物件反射位置)，甚至物体表面的反射量(金属表面反射量较高)。近来LiDAR点云侦测研究相当活跃，大致可分为「投影法」及「点云法」两大类。

「投影法」将上万个3D点云投影到2D平面上，接着利用2D上发展成熟的物件侦测技术，将人、车等标示出。这依旧是相当挑战的工作，和传统影像不同，投影之后的平面图为非常稀疏的点状信息，并非清楚显现车辆、行人的全貌。一般投影到两个常用视角的2D平面：鸟瞰图以及水平平面图。前者由车辆上方鸟瞰周遭来侦测物件，后者由车辆四周的2D视角来侦测物件。当然这些不同视角侦测的信息会再结合(利用3D座标转换)做最后的判断，传统RGB摄影机也是侦测融合的来源之一。在这范畴，MV3D算是最具代表性。

在「点云法」中，则是直接使用点云的丰富3D几何信息来侦测物件。总体来看，对点云有两种使用方式，例如将区域内的点云作为确认是否为特殊物件以及物件姿态的依据。首先由2D RGB摄影机大概侦测出可能的物件，在回推这些物件在空间中的位置，接着对小范围内的点云进行运算，用以确认可能的物件种类以及物件的精确姿态。Frustum PointNet为此类代表。

另外延续之前提过的立体像素(voxel)作法将车辆行进空间切割为固定大小的立体方格，接着利用类似PointNet的算法取出每个voxel内的点云特徵值，试着描述点云在voxel内的排列方式，接着修改传统2D的物件侦测方式在立体空间中进行侦测，VoxelNet为在这领域的经典演算法。可以想像利用大量的voxel来表示行车空间，再加上每个voxel上的高维点云特徵值，运算量大幅增加，所以也有不少加速计算的延伸工作，利用点云稀疏的特性而进行加速。

我们团队的研究也发现这些现行的方法还是避免不了几个关键挑战。例如点云数据分布相当不平均，靠近LiDAR的车辆点云个数远大于远处的；还有不同方向车辆角度的问题，行人的点云个数较少，甚至是不同LiDAR信号间跨领域转移等。当我们特别考量LiDAR物理特性来设计演算法，会有显着的改善空间，更能降低训练数据量。另外3D物件标注相当费时，所以数据收集是另一项耗费资源的工作。

LiDAR价位高，但势将成为未来车辆的必备传感器(当然也有业者持反对意见)，所以目前有相当的硬件研究在降低LiDAR的价格。另一方面也有团队尝试使用较低价位的传感器(如立体镜头等)来逼近LiDAR的功能，看起来也相当具有产业机会。