車輛中心 研究發展處 蔡宜學

在先進駕駛輔助系統(ADAS)中，環境的感知為基本且關鍵之元素，ADAS系統中，泛用的感測器為攝影機及雷達；然而隨著車輛自動化需求等級的提高，SAE車輛自動化等級Level 3以上的自動駕駛系統(ADS)，更加仰賴環境偵測之精細度與準確度，故使用雷射飛行時間量測(TOF)技術測距的車載光達(LiDAR)感測器在車輛周遭環境感測之比重日益升高。

車輛中心（ARTC）目前開發之光達環境感知系統採用3D光達，其旋轉頻率為5-20Hz，使用乙太網路傳輸介面，並具有16個偵測層，透過高速反覆發射，接收紅外線脈衝雷射及搭載該雷射模組之快速旋轉機構，該光達感測器可提供周遭環境每秒約30萬點的掃描資訊，每一點提供其水平與垂直方位角、雷射TOF測得距離以及目標回傳之反光強度，其精確度可達±3 cm。

在實車應用上，ARTC將光達每一圈旋轉所得之偵測點雲(Point Cloud)儲存於一幀(Frame)中，如圖1所示。透過分析一幀內之點雲分佈位置，可得知地貌、道路幾何、障礙物相對位置及可行駛空間等物理資訊。

圖1. 搭載光達之自駕車(下左)之掃描FOV示意(上)及掃描點雲成像(下右)

然而，因應自動駕駛系統之快速與即時偵測需求，所設計之系統必須將萬筆資料在數毫秒(ms)內處理完畢，並將資訊提供予控制及定位等使用端系統；因此，所有使用之演算法必須將運算效率(Cost Efficiency)作為最優先考量。除將點雲中之雜訊抑制，並將龐大之點雲資料進行拓樸轉換(Topological Transformation)為數量較精簡的節點(Nodes)，以優化處理效率。
由於掃描點雲水平密集，垂直稀疏之分佈特性，本障礙物偵測技術採用資料叢集化(Clustering)的手段，經由先水平分群，後垂直整合之二階段流程(如圖2所示)，其中，前者使用相鄰點間之鄰近關係判斷是否屬於同一「群組」，後者將所有相鄰垂直層中之群組判定兩兩鄰近關係，再以3D雙向樹狀圖概念，使用搜索演算法進行縱向串聯；樹狀圖之所有群組，與所有群組中的點界定為屬於同一「物體」。

圖2. 偵測演算法流程圖(上)、示意圖(下左)以及偵測結果(下右)

此技術除了建立一物體之定義以外，同時也建立分級指向結構(Hierarchical Pointer Structure)，將每一偵測點以幀-物體-群組-點之結構進行分級儲存，可依據需求資訊之精細度，進行由宏觀到細微之漸進式層級搜尋，大幅加速後續分類、圖像輸出、訊號輸出等步驟之效率。在一般場景中之拓樸簡化，可在物體階層將叢聚節點數量最高降至1/100。

本光達障礙物偵測技術可於30m內精確劃分視野內不同物體，偵測人、車等典型障礙物之相對位置及物體外框(Object Bounding Box)大小及其包含之點雲分布，其一幀之資料處理時間 < 10 ms，可提供自駕系統即時準確之環境資訊並實際整合於控制與定位系統。更多資訊請參考ARTC網站(https://www.artc.org.tw/chinese/02_research/02_01detail.aspx?pdid=64)。