視頻鏈接：http://bit.baidu.com/Course/detail/id/288.html
講師：夏添 Apollo主任架構師
傳感器選擇與標定
主要傳感器
- Lidar：原理是TOF，time of flight，主動式感知，測距準，缺點是稀疏性（百度apollo用的是64線的Lidar，但是依然很稀疏，百米外的物體只能有一兩條線掃描到），很難做模式識別，受功率限制，距離有限，大概在60~70米的極限。
- 相機：被動式感知，依賴於環境狀態，在夜間和惡劣環境下會犧牲準確度，信息稠密，適合做識別，距離遠，取決於像素，通常在幾百米內都能有效識別，測距不準。
- 毫米波雷達：主動式感知，感知距離近，精度高，具有多普勒效應，可以用來分辨周圍車輛的狀態，缺點是噪點較多，需濾波，對非金屬物體的探測能力差（反射率低），信息也相對稠密。
- 超聲波傳感器：與雷達有同樣的問題，針對非金屬物體的探測能力一般，測距比較粗糙，只適合在低速下的感知，優點可能就是成本低。
- 高精地圖：老師一直把高精地圖作爲感知的一個輸入，因爲現在的無人駕駛還非常依賴於高精地圖，這是感知很重要的一個先驗知識，先驗知識可以降低預測的誤差，精度高，問題就是過分依賴於高精地圖會限制無人駕駛的應用場景的靈活性。
- Image-Lidar：一種結合camera和lidar的傳感器，我理解的大概是把相機裝到可旋轉雲臺上，通過雙目或紅外來測距，因爲在旋轉測距的同時，能夠得到同頻率的圖像信息，所以信息量是稠密的，同時還是全覆蓋信息獲取，同時兼顧了準確測距，所以成爲一個研究方向，我感覺測距上應該類似於RGBD相機的原理。這個傳感器還在研發中，所以成本比較高。
安裝
apollo無人車依賴於車廠，需要和汽車廠商合作，得到車輛的CAD模型，然後在模型上加各種傳感器。
需要考慮很多因素：
- 遮擋：避免傳感器被車輛遮擋，所以想Lidar這種，就只能是放到車頂；
- 傳感器融合：需要設計所有傳感器的一個overline，配合傳感器融合技術；
- 每個sensor的角度和距離需要設計好；
- 穩定性：不要影響車輛的力學穩定性；
- 安全性：不要影響車輛的外形安全性（比如碰撞後掉落）；
- 風阻：不要影響車輛的行駛性能；
- 美觀：車廠比較看重；
- 便於清理，保護，尤其是外置的傳感器。
標定
標定的主要工作就是檢查傳感器本身的參數，以及校對多個傳感器的相對位置。
前者叫做傳感器內參標定，後者叫外參標定。
- 內參標定比如說相機的焦距，Lidar的激光管角度等，這些參數本身會在傳感器廠商提供的手冊中寫明，但由於加工工藝、損耗等原因，不一定完全準確，所以需要人工檢查標定；
- 外參標定就是標定傳感器之間的相對座標系和朝向，比如camera對camera、camera對lidar、lidar對lidar、camera對radar、lidar對gps這些。
標定環境有兩種，分別是在標定間中標定，或者在自然場景下標定，使用標定間成本相對高，因爲需要準備一個標定間，在自然場景下標定又依賴於算法，對算法要求高。
camera標定中用到的一個叫解PNP問題，PNP問題是一個解決單目相機位姿的很常見的算法。
Lidar標定中用到的一個叫解ICP問題，ICP問題是一種點雲匹配算法。
最終標定結果需要通過可視化的方法來判斷是否標定準確，比如把兩個camera的成像疊加顯示，或者將camera和lidar的成像和點雲疊加，看銳利邊緣的物體是否清晰。
準確標定對後續的算法有着直接的影響，所以標定是個細緻活，不得馬虎。