360°的激光數(shù)據(jù)可視化后可以得到點云數(shù)據(jù)。激光雷達的點云數(shù)據(jù)結(jié)構(gòu)比較簡單。下面我們就以N線激光雷達為例來講解點云的數(shù)據(jù)結(jié)構(gòu)。

在實際的無人駕駛系統(tǒng)中，每一幀的數(shù)據(jù)都會有時間戳，根據(jù)時間戳進行后續(xù)和時間有關(guān)的計算（如距離信息的微分等）。因此N線激光雷達的點云數(shù)據(jù)結(jié)構(gòu)如下圖。

每一線點云的數(shù)據(jù)結(jié)構(gòu)又是由點云的數(shù)量和每一個點云的數(shù)據(jù)結(jié)構(gòu)組成。由于激光雷達的數(shù)據(jù)采集頻率和單線的點云數(shù)量都是可以設(shè)置的，因此1線點云數(shù)據(jù)中需要包含點云數(shù)量這個信息。

最底層的是單個點云的數(shù)據(jù)結(jié)構(gòu)。點的表達既可以使用theta/r的極坐標表示，也可以使用x/y/z的3維坐標表示。每個點云除了坐標外，還有一個很重要的元素，那就是激光的反射強度。激光在不同材料上的反射強度是不一樣的。以3維坐標的表示方法為例，單個點云的數(shù)據(jù)結(jié)構(gòu)如下圖。X/Y/Z方向的偏移量是以激光雷達的安裝位置作為原點。

激光雷達點云數(shù)據(jù)的一般處理方式是：數(shù)據(jù)預處理（坐標轉(zhuǎn)換，去噪聲等），聚類（根據(jù)點云距離或反射強度），提取聚類后的特征，根據(jù)特征進行分類等后處理工作。我們就以百度Apollo 2.0目前已開放的功能為例，看看激光雷達能完成哪些工作。

1.障礙物檢測與分割

利用高精度地圖限定感興趣區(qū)域（ROI，Region ofInterest）后，基于全卷積深度神經(jīng)網(wǎng)絡(luò)學習點云特征并預測障礙物的相關(guān)屬性，得到前景障礙物檢測與分割。

2. 可通行空間檢測

利用高精度地圖限定ROI后，可以對ROI內(nèi)部（比如可行駛道路和交叉口）的點云的高度及連續(xù)性信息進行判斷點云處是否可通行。

3.高精度電子地圖制圖與定位

利用多線激光雷達的點云信息與地圖采集車載組合慣導的信息，進行高精地圖制作。自動駕駛汽車利用激光點云信息與高精度地圖匹配，以此實現(xiàn)高精度定位。

4.障礙物軌跡預測

根據(jù)激光雷達的感知數(shù)據(jù)與障礙物所在車道的拓撲關(guān)系（道路連接關(guān)系）進行障礙物的軌跡預測，以此作為無人車規(guī)劃（避障、換道、超車等）的判斷依據(jù)。

當前人工智能的算法還不夠成熟，純視覺傳感器的無人駕駛方案在安全性上還存在較多問題，因此現(xiàn)階段的無人車的開發(fā)還離不開激光雷達。不過成本是激光雷達普及所遇到的最大問題。畢竟一款比車還貴的傳感器是車企無法接受的。隨著技術(shù)的發(fā)展，利用固態(tài)掃描技術(shù)的固態(tài)激光雷達逐漸成為車用激光雷達的主流技術(shù)。

Quanergy公司的Solid StateLiDAR S3在CES 2017上獲得了汽車智能類（VehicleIntelligence Category）的最高獎項——最佳創(chuàng)新獎（Best ofInnovation Award），則再一次讓Quanergy利用固態(tài)掃描技術(shù)賺足了眼球。而作為車用激光雷達的老大Velodyne也當仁不讓，在CES展之前就發(fā)布消息，稱其與EPC（Efficient PowerConversion Corporation）共同研發(fā)有望將固態(tài)激光雷達成本降至50美金的核心芯片。當然，展會上還有Innoviz和TriLumina也宣稱要推出固態(tài)激光雷達。