激光雷達(dá)作為自動(dòng)駕駛系統(tǒng)中的核心感知傳感器，通過(guò)發(fā)射激光脈沖并接收反射信號(hào)，能夠?qū)崟r(shí)構(gòu)建出周?chē)�環(huán)境的高精度三維輪廓。激光雷達(dá)在獲取環(huán)境信息的過(guò)程中，并不像高快門(mén)相機(jī)拍攝瞬間照片那樣簡(jiǎn)單。像是旋轉(zhuǎn)式激光雷達(dá)，每一幀完整點(diǎn)云的生成都需要經(jīng)歷一個(gè)持續(xù)的掃描周期，這一周期通常在一百毫秒左右。

在這漫長(zhǎng)的一百毫秒內(nèi)，自動(dòng)駕駛汽車(chē)并不是靜止不動(dòng)的，它會(huì)處于持續(xù)的位移與旋轉(zhuǎn)之中。這意味著，當(dāng)激光雷達(dá)掃描這一圈的起始點(diǎn)時(shí)，車(chē)輛處于一個(gè)姿態(tài)，而當(dāng)它旋轉(zhuǎn)掃描到結(jié)束點(diǎn)時(shí)，車(chē)輛已經(jīng)行駛到了另一個(gè)位置并可能發(fā)生了角度偏移。如果感知系統(tǒng)直接將這些在不同位姿下采集到的點(diǎn)繪制在同一坐標(biāo)系中，就會(huì)導(dǎo)致嚴(yán)重的幾何形變，這種現(xiàn)象在行業(yè)內(nèi)被稱(chēng)為激光雷達(dá)的自運(yùn)動(dòng)畸變。

如果不經(jīng)過(guò)去畸變處理，車(chē)輛所感知的世界將變得扭曲且不真實(shí)，原本筆直的道路邊線(xiàn)會(huì)呈現(xiàn)弧形，豎直的路燈柱會(huì)發(fā)生傾斜，而停在路邊的車(chē)輛則可能被拉伸成詭異的長(zhǎng)條，這不僅極大干擾了后續(xù)的障礙物檢測(cè)與分類(lèi)，更將直接威脅到自動(dòng)駕駛路徑規(guī)劃的安全性與準(zhǔn)確性。

激光雷達(dá)掃描機(jī)制與運(yùn)動(dòng)畸變的物理本質(zhì)

要深入理解去畸變的必要性，必須從激光雷達(dá)的底層掃描邏輯談起。機(jī)械旋轉(zhuǎn)式激光雷達(dá)依靠?jī)?nèi)部電機(jī)的轉(zhuǎn)動(dòng)，帶動(dòng)激光發(fā)射和接收模組進(jìn)行全周向掃描。以常用的十赫茲掃描頻率為例，雷達(dá)每旋轉(zhuǎn)一周需要一百毫秒。在這段時(shí)間里，激光束按照極高的頻率不斷發(fā)射，并在擊中物體后返回。每一束激光返回時(shí)，傳感器記錄的是相對(duì)于此時(shí)刻雷達(dá)中心點(diǎn)的距離和角度。

由于車(chē)輛在行駛過(guò)程中始終帶有速度和角速度，激光雷達(dá)的坐標(biāo)原點(diǎn)在每一束激光發(fā)射的瞬間其實(shí)都在發(fā)生位移。這就好比一個(gè)人在飛馳的高鐵上拿著畫(huà)筆在窗戶(hù)上描繪窗外的風(fēng)景，如果畫(huà)筆移動(dòng)的速度不夠快，由于火車(chē)的位移，畫(huà)出來(lái)的樹(shù)木必然會(huì)橫向拉長(zhǎng)。

激光雷達(dá)的掃描方式在計(jì)算機(jī)視覺(jué)領(lǐng)域與“滾動(dòng)快門(mén)”效應(yīng)類(lèi)似。在相機(jī)中，如果感光元件是逐行曝光的，當(dāng)拍攝高速移動(dòng)的物體時(shí)，圖像就會(huì)發(fā)生傾斜或扭曲。激光雷達(dá)的每一個(gè)點(diǎn)都可以看作是一個(gè)獨(dú)立的、在微秒級(jí)別完成的采樣。將數(shù)萬(wàn)甚至數(shù)十萬(wàn)個(gè)帶有不同“時(shí)刻”的點(diǎn)強(qiáng)行整合進(jìn)一幀數(shù)據(jù)中，本質(zhì)上是忽略了時(shí)間的連續(xù)性的。

自運(yùn)動(dòng)畸變的大小與車(chē)輛的相對(duì)速度、旋轉(zhuǎn)角速度以及激光雷達(dá)的掃描幀率密切相關(guān)。在高速公路場(chǎng)景下，如果車(chē)輛以每秒三十米的速度行駛，在一百毫秒的掃描周期內(nèi)，車(chē)身已經(jīng)前移了三米。如果此時(shí)不對(duì)第一個(gè)采樣點(diǎn)和最后一個(gè)采樣點(diǎn)進(jìn)行空間上的對(duì)齊，那么點(diǎn)云中反映出的障礙物位置偏差將達(dá)到數(shù)米之巨，這對(duì)于需要厘米級(jí)精度的自動(dòng)駕駛系統(tǒng)來(lái)說(shuō)是不可接受的。

除了車(chē)輛自身的運(yùn)動(dòng)，環(huán)境中的動(dòng)態(tài)障礙物也會(huì)導(dǎo)致額外的形變。當(dāng)激光雷達(dá)掃描一輛迎面而來(lái)的高速車(chē)輛時(shí)，由于目標(biāo)物也在移動(dòng)，雷達(dá)對(duì)其表面的采樣點(diǎn)分布會(huì)受到雙方相對(duì)速度的疊加影響。如果相對(duì)速度極快，目標(biāo)車(chē)輛在點(diǎn)云中的幾何輪廓會(huì)被顯著壓縮或拉長(zhǎng)，這種“動(dòng)態(tài)物體畸變”會(huì)導(dǎo)致物體識(shí)別算法將原本正常的車(chē)輛誤判為其他異形物體。

目前主流的去畸變技術(shù)側(cè)重于消除車(chē)輛自身的自運(yùn)動(dòng)畸變，而針對(duì)其他動(dòng)態(tài)物體的實(shí)時(shí)形狀修復(fù)則是當(dāng)下感知領(lǐng)域的前沿研究課題。在多雷達(dá)耦合的硬件架構(gòu)中，如果各傳感器之間的運(yùn)動(dòng)補(bǔ)償步調(diào)不一致，不同雷達(dá)產(chǎn)生的點(diǎn)云在融合后會(huì)出現(xiàn)嚴(yán)重的重影和分層現(xiàn)象，這對(duì)于環(huán)境地圖的構(gòu)建和定位精度將產(chǎn)生災(zāi)難性的后果。

時(shí)間同步與高頻軌跡重建的技術(shù)基石

點(diǎn)云去畸變的核心在于“空間對(duì)齊”，而實(shí)現(xiàn)空間對(duì)齊的前提是擁有精確到微秒級(jí)的“時(shí)間標(biāo)尺”。在自動(dòng)駕駛系統(tǒng)中，各傳感器擁有獨(dú)立的內(nèi)部時(shí)鐘，由于硬件晶振的溫漂和處理延遲，如果不進(jìn)行統(tǒng)一，即便算法再優(yōu)秀，也無(wú)法將激光點(diǎn)的采集時(shí)刻與車(chē)輛的精確位姿匹配起來(lái)。

為了解決這一問(wèn)題，自動(dòng)駕駛系統(tǒng)會(huì)引入全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）作為絕對(duì)的時(shí)間源。GNSS接收機(jī)通過(guò)發(fā)射每秒脈沖（PPS）信號(hào)，強(qiáng)制拉齊計(jì)算平臺(tái)與激光雷達(dá)的時(shí)鐘。在每個(gè)秒脈沖到來(lái)的時(shí)刻，激光雷達(dá)會(huì)結(jié)合串口發(fā)送的GPRMC報(bào)文，將其內(nèi)部計(jì)時(shí)器清零或校準(zhǔn)到標(biāo)準(zhǔn)的協(xié)調(diào)世界時(shí)（UTC）。這種硬件級(jí)別的同步確保了每一個(gè)產(chǎn)生的激光點(diǎn)都帶有一個(gè)可以追溯到全球標(biāo)準(zhǔn)時(shí)間的時(shí)間戳。

隨著車(chē)載網(wǎng)絡(luò)架構(gòu)向以太網(wǎng)演進(jìn)，精密時(shí)間協(xié)議（PTP）正逐漸成為主流。PTP協(xié)議能夠在不需要額外PPS物理連線(xiàn)的情況下，通過(guò)網(wǎng)絡(luò)報(bào)文的收發(fā)和硬件輔助打樁，在整個(gè)以太網(wǎng)鏈路內(nèi)實(shí)現(xiàn)亞微秒級(jí)的同步精度。這種高度一致的時(shí)間基準(zhǔn)，為后續(xù)的傳感器融合提供了統(tǒng)一的語(yǔ)境。在激光雷達(dá)內(nèi)部，每一條掃描線(xiàn)、甚至是每一個(gè)具體的采樣點(diǎn)，都會(huì)被貼上一個(gè)精準(zhǔn)的時(shí)間偏移量。這個(gè)偏移量會(huì)告訴系統(tǒng)，這個(gè)點(diǎn)是在本幀開(kāi)始后的第幾微秒捕獲的。

有了準(zhǔn)確的時(shí)間戳，接下來(lái)需要重建車(chē)輛在一百毫秒掃描周期內(nèi)的連續(xù)運(yùn)動(dòng)軌跡。像是組合慣導(dǎo)（INS）這類(lèi)的車(chē)輛定位系統(tǒng)，一般只能以一百或兩百赫茲的頻率輸出位姿，這意味著在兩次位姿輸出之間，車(chē)輛依然行駛了數(shù)厘米甚至更遠(yuǎn)。為了獲得每一個(gè)激光點(diǎn)時(shí)刻的精確位置，算法必須通過(guò)數(shù)學(xué)手段在離散的定位點(diǎn)之間進(jìn)行“補(bǔ)洞”。線(xiàn)性插值是最簡(jiǎn)單的方案，它通過(guò)假設(shè)車(chē)輛在短時(shí)間內(nèi)做勻速運(yùn)動(dòng)，計(jì)算出激光點(diǎn)的位置。雖然對(duì)于直線(xiàn)行駛而言這個(gè)方式可以達(dá)到足夠精確的程度，但當(dāng)車(chē)輛出現(xiàn)轉(zhuǎn)向或遭遇路面沖擊時(shí)，線(xiàn)性插值將無(wú)法捕捉到加速度的跳變。

為此，高性能的去畸變方案通常采用基于四元數(shù)的球面線(xiàn)性插值（SLERP）來(lái)處理旋轉(zhuǎn)運(yùn)動(dòng)。SLERP能夠保證旋轉(zhuǎn)過(guò)程中的角速度恒定，生成的姿態(tài)變換比簡(jiǎn)單的歐拉角線(xiàn)性插值更加平滑，且能有效避免旋轉(zhuǎn)矩陣在計(jì)算過(guò)程中的正交性退化問(wèn)題。

還有更進(jìn)階的算法甚至?xí)�引入連續(xù)時(shí)間軌跡估計(jì)技術(shù)，使用三階B樣條曲線(xiàn)或高斯過(guò)程來(lái)描述車(chē)輛的運(yùn)動(dòng)。這種方法將位姿表達(dá)為時(shí)間的連續(xù)函數(shù)，不僅可以查詢(xún)?nèi)我鈺r(shí)刻的坐標(biāo)，還能直接推導(dǎo)出車(chē)輛的瞬時(shí)速度和加速度，從而極大提升了去畸變處理在復(fù)雜動(dòng)態(tài)環(huán)境下的適應(yīng)力。

從線(xiàn)性轉(zhuǎn)換到反向傳播

點(diǎn)云去畸變?cè)谒惴ㄉ弦步?jīng)歷了從簡(jiǎn)單到嚴(yán)密的演進(jìn)。最初的處理方法相對(duì)“粗放”，即在獲取一幀點(diǎn)云后，根據(jù)本幀開(kāi)始和結(jié)束時(shí)的位姿差，對(duì)中間的所有點(diǎn)進(jìn)行一次性的線(xiàn)性補(bǔ)償。這種方式雖然運(yùn)算量極小，但在車(chē)輛進(jìn)行非勻速運(yùn)動(dòng)時(shí)，其邊緣處的殘余誤差依然很大。

隨著感知需求的提升，點(diǎn)對(duì)點(diǎn)補(bǔ)償成為行業(yè)標(biāo)配。在這一過(guò)程中，每一個(gè)激光點(diǎn)都會(huì)根據(jù)其唯一的時(shí)間戳，通過(guò)插值算法尋找其對(duì)應(yīng)的瞬時(shí)變換矩陣。通過(guò)將該點(diǎn)的坐標(biāo)左乘這個(gè)變換矩陣，就可以將其從采集瞬間的局部坐標(biāo)系轉(zhuǎn)換到一個(gè)統(tǒng)一的參考坐標(biāo)系下，這個(gè)參考系通常被設(shè)定為本幀掃描開(kāi)始或結(jié)束那一刻的雷達(dá)中心位置。

開(kāi)源算法LOAM及其優(yōu)化版LeGO-LOAM提供了一套極其巧妙的邏輯。它們并不是被動(dòng)地等待定位系統(tǒng)的輸入，而是將去畸變與里程計(jì)解算結(jié)合成一個(gè)閉環(huán)。算法首先利用上一幀的運(yùn)動(dòng)參數(shù)對(duì)當(dāng)前幀進(jìn)行一個(gè)初步的去畸變預(yù)測(cè)。在這個(gè)“預(yù)處理”后的點(diǎn)云上，算法提取出具有代表性的邊緣特征點(diǎn)和平面特征點(diǎn)。通過(guò)將這些特征點(diǎn)與已有的局部地圖進(jìn)行幾何匹配，算法能夠反推算出車(chē)輛在當(dāng)前幀內(nèi)的精確位姿變化。

這種迭代的過(guò)程能夠不斷壓縮去畸變的殘余殘差，使得最終生成的點(diǎn)云圖不僅沒(méi)有扭曲，而且能與地圖實(shí)現(xiàn)完美的重疊。LeGO-LOAM特別針對(duì)地面車(chē)輛進(jìn)行了優(yōu)化，通過(guò)預(yù)先分割地面點(diǎn)云，剔除了由于路面雜草、落葉等噪聲點(diǎn)導(dǎo)致的運(yùn)動(dòng)估計(jì)偏差，極大地增強(qiáng)了算法在變動(dòng)地形中的穩(wěn)定性。

進(jìn)入緊耦合時(shí)代后，F(xiàn)AST-LIO2等算法引入了更為先進(jìn)的反向傳播補(bǔ)償機(jī)制。與傳統(tǒng)的“向前預(yù)測(cè)”不同，反向傳播利用高頻IMU數(shù)據(jù)記錄下的完整運(yùn)動(dòng)軌跡，從本幀結(jié)束時(shí)刻開(kāi)始，逆向計(jì)算出每一個(gè)采樣點(diǎn)相對(duì)于幀尾位姿的偏移。這種方法的優(yōu)勢(shì)在于它能捕捉到極短時(shí)間內(nèi)的非線(xiàn)性運(yùn)動(dòng)，可以處理車(chē)輛經(jīng)過(guò)減速帶時(shí)的劇烈顛簸的場(chǎng)景。

通過(guò)在流式處理過(guò)程中直接對(duì)原始點(diǎn)云進(jìn)行重映射，F(xiàn)AST-LIO2還避開(kāi)了繁瑣的特征提取環(huán)節(jié)，直接利用全量原始點(diǎn)進(jìn)行地圖匹配。這不僅減少了計(jì)算延遲，還使得系統(tǒng)在特征稀疏的隧道或開(kāi)闊場(chǎng)地中依然能保持極高的定位頻率。為了應(yīng)對(duì)海量點(diǎn)云帶來(lái)的計(jì)算壓力，此類(lèi)算法還會(huì)搭配如ikd-Tree這類(lèi)的高效的空間索引結(jié)構(gòu)，它支持動(dòng)態(tài)的插入、刪除和負(fù)載均衡，確保了去畸變后的點(diǎn)云能以超過(guò)一百赫茲的速率更新到全局地圖中。

從數(shù)學(xué)邏輯上看，去畸變本質(zhì)上是一次復(fù)雜的坐標(biāo)變換。對(duì)于點(diǎn)云中的任一點(diǎn)Pi，其在雷達(dá)原始坐標(biāo)系下的坐標(biāo)為L(zhǎng)i。我們需要求得該點(diǎn)在某一參考時(shí)刻（設(shè)為t0）的坐標(biāo)Wi。變換過(guò)程涉及雷達(dá)與IMU之間的外參矩陣TL_I，以及車(chē)輛在ti時(shí)刻相對(duì)于t0時(shí)刻的運(yùn)動(dòng)矩陣Tti_t0。

具體的計(jì)算邏輯可以描述為，將點(diǎn)從雷達(dá)坐標(biāo)系轉(zhuǎn)換到車(chē)體坐標(biāo)系，隨后應(yīng)用基于插值得到的瞬時(shí)位姿矩陣進(jìn)行空間補(bǔ)償，最后再將其轉(zhuǎn)換回統(tǒng)一的傳感器參考系。需要注意的是，這一過(guò)程必須保證旋轉(zhuǎn)部分的計(jì)算具有單位正交性。如果簡(jiǎn)單地對(duì)旋轉(zhuǎn)矩陣的各項(xiàng)進(jìn)行線(xiàn)性加權(quán)，會(huì)引入數(shù)學(xué)上的奇異性，導(dǎo)致點(diǎn)云在大幅度轉(zhuǎn)向時(shí)發(fā)生崩塌。因此，通過(guò)四元數(shù)或者李代數(shù)（LieAlgebra）進(jìn)行平滑插值是保證算法數(shù)學(xué)嚴(yán)謹(jǐn)性的關(guān)鍵所在。

空間補(bǔ)償?shù)纳疃热诤吓c感知系統(tǒng)的未來(lái)趨勢(shì)

點(diǎn)云去畸變的完成標(biāo)志著感知流程中“原始數(shù)據(jù)準(zhǔn)備”階段的結(jié)束。然而，去畸變的效果如何評(píng)價(jià)，以及它如何影響后續(xù)的神經(jīng)網(wǎng)絡(luò)模型，是感知系統(tǒng)設(shè)計(jì)必須面對(duì)的問(wèn)題。

研究表明，由于點(diǎn)云的扭曲改變了物體的反射特征分布，網(wǎng)絡(luò)可能會(huì)將一輛正常的小汽車(chē)識(shí)別成障礙物甚至是漏檢。在未去畸變的點(diǎn)云上直接運(yùn)行目標(biāo)檢測(cè)網(wǎng)絡(luò)，會(huì)導(dǎo)致物體的置信度得分大幅下降。因此，去畸變不僅是幾何意義上的修復(fù)，更是為深度學(xué)習(xí)模型提供一份符合物理常識(shí)的輸入。

在多傳感器融合架構(gòu)中，去畸變后的點(diǎn)云能與攝像頭圖像實(shí)現(xiàn)更加精準(zhǔn)的空間重疊，這使得系統(tǒng)可以利用圖像的顏色和紋理信息來(lái)增強(qiáng)點(diǎn)云的語(yǔ)義分類(lèi)能力，從而實(shí)現(xiàn)對(duì)遠(yuǎn)距離細(xì)小目標(biāo)的可靠識(shí)別。

去畸變過(guò)程本身其實(shí)也可以反向?yàn)橄到y(tǒng)提供信息。舉個(gè)例子，某些前沿研究利用單幀點(diǎn)云中的運(yùn)動(dòng)畸變特征來(lái)直接推算物體的速度。既然自運(yùn)動(dòng)會(huì)導(dǎo)致點(diǎn)云拉伸，那么通過(guò)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)這種拉伸模式，系統(tǒng)甚至可以在不依賴(lài)多幀跟蹤的情況下，僅憑一幀數(shù)據(jù)就判斷出路口來(lái)車(chē)的相對(duì)速度。

這種將“畸變”化敵為友的思路，催生了4D激光雷達(dá)感知技術(shù)。在這種語(yǔ)境下，每一個(gè)激光點(diǎn)不僅帶有X、Y、Z三維坐標(biāo)和強(qiáng)度信息，還帶有一個(gè)瞬時(shí)的徑向速度分量。這對(duì)于處理高速公路上變道穿插的車(chē)輛具有極高的預(yù)警價(jià)值。

隨著固態(tài)激光雷達(dá)的興起，去畸變的側(cè)重點(diǎn)其實(shí)也在發(fā)生改變。固態(tài)雷達(dá)其實(shí)具有極高的采樣頻率或采用全局快門(mén)的曝光方式，自運(yùn)動(dòng)畸變對(duì)其影響相對(duì)較小，但其復(fù)雜的掃描圖案（如非重復(fù)性?huà)呙瑁��?duì)空間標(biāo)定提出了更高要求。

未來(lái)的去畸變框架將更加模塊化，能夠根據(jù)接入雷達(dá)的不同掃描特性，自動(dòng)選擇最優(yōu)的補(bǔ)償步長(zhǎng)和運(yùn)動(dòng)模型。同時(shí)，在極端場(chǎng)景下（如隧道中GNSS信號(hào)長(zhǎng)時(shí)間丟失、IMU發(fā)生不可預(yù)知的漂移），系統(tǒng)如何僅依靠激光雷達(dá)自身的掃描相關(guān)性來(lái)維持運(yùn)動(dòng)軌跡的連續(xù)性，是實(shí)現(xiàn)全天候自動(dòng)駕駛的安全底線(xiàn)。

最后的話(huà)

激光雷達(dá)點(diǎn)云的去畸變處理可以將雜亂無(wú)章、隨車(chē)而動(dòng)的原始采樣信號(hào)轉(zhuǎn)化為一份穩(wěn)定、規(guī)整的環(huán)境底圖。它涉及到從衛(wèi)星授時(shí)、慣性導(dǎo)航到李群李代數(shù)等多個(gè)學(xué)科的深度融合。正是因?yàn)橛辛诉@套精密的時(shí)間對(duì)齊和空間轉(zhuǎn)換機(jī)制，自動(dòng)駕駛車(chē)輛才能在高速行駛的動(dòng)態(tài)世界中，看清每一條車(chē)道線(xiàn)的走勢(shì)，判別每一個(gè)燈柱的位置，并做出安全、理性的判斷。去畸變技術(shù)的每一次進(jìn)步，都在縮短感知與真實(shí)物理世界之間的距離，也都在為自動(dòng)駕駛的早日大規(guī)模落地鋪平道路。

-- END --

       原文標(biāo)題 : 如何處理自動(dòng)駕駛激光雷達(dá)點(diǎn)云畸變？