降雨條件下車載激光雷達(dá)感知局限性

邢星宇， 黃 安， 姜 為， 陳君毅， 李 博， 余卓平

（1. 同濟(jì)大學(xué) 汽車學(xué)院，上海 201804；2. 武漢路特斯科技有限公司，湖北 武漢 430090）

自動駕駛汽車是由環(huán)境感知、決策規(guī)劃、控制執(zhí)行等系統(tǒng)組成的復(fù)雜信息物理系統(tǒng)。其中，環(huán)境感知系統(tǒng)是自動駕駛汽車獲得外部環(huán)境信息的入口，其可靠性和魯棒性直接關(guān)系到車輛行駛過程中的安全性。激光雷達(dá)由于其相較毫米波雷達(dá)的分辨率優(yōu)勢，相較攝像頭能夠提供可靠的場景深度信息等優(yōu)勢，并被視為自動駕駛技術(shù)的關(guān)鍵傳感器之一。但車載激光雷達(dá)在實(shí)際運(yùn)行場景中會受到外界環(huán)境因素不同程度的影響［1］，如降雨、降雪等天氣條件會對激光的發(fā)射、反射、接收過程造成干擾，削弱激光雷達(dá)的性能，造成點(diǎn)云缺失、點(diǎn)云反射強(qiáng)度異常等問題，造成目標(biāo)識別困難。國際標(biāo)準(zhǔn)化組織于2022年發(fā)布了ISO 21448標(biāo)準(zhǔn)［2］，提出車輛應(yīng)滿足預(yù)期功能安全（SOTIF）要求，避免由于系統(tǒng)功能不足、性能局限性等引起的非合理風(fēng)險(xiǎn)。研究環(huán)境感知系統(tǒng)的性能局限及其特征是實(shí)現(xiàn)預(yù)期功能安全的重要前提，有必要對車載激光雷達(dá)在實(shí)際使用條件下受到天氣影響的性能變化特征進(jìn)行研究，以便明確導(dǎo)致SOTIF 危害的機(jī)制和過程，為感知系統(tǒng)在不良天氣條件下的性能改進(jìn)提供依據(jù)，進(jìn)而提升自動駕駛汽車的預(yù)期功能安全水平。

針對激光雷達(dá)在各類環(huán)境因素影響下的性能變化問題，國內(nèi)外學(xué)者開展了廣泛研究。Rivero J 等［3］以積聚在激光雷達(dá)表面的灰塵作為影響因素，通過測量激光雷達(dá)表面的激光穿透率和反射率對其影響進(jìn)行量化；Nakajima T Y 等［4］研究了日光和噪聲電流對激光雷達(dá)性能的影響；Rasshofer R H 等［5］利用雨霧模擬器對雨水和霧對激光雷達(dá)性能的影響進(jìn)行了測試。進(jìn)一步的，Hasirlioglu S 等［6-7］、Heinzler R等［8］、Filgueira A 等［9］以點(diǎn)云數(shù)量、點(diǎn)云反射率、探測距離作為指標(biāo)，通過場地試驗(yàn)對激光雷達(dá)在降雨條件下性能衰減進(jìn)行了量化分析。Thomas F 等［10］進(jìn)一步研究了不同直徑激光束受雨滴的影響，并利用激光透過率對雨滴的影響進(jìn)行了量化；Wojtanowski J 等［11］應(yīng)用大氣傳輸計(jì)算軟件來計(jì)算空氣中及反射面上有水滴情況下，激光的大氣透過率和能見度，并通過試驗(yàn)得到激光雷達(dá)在不同環(huán)境下的綜合表現(xiàn)；McKnight D 等［12］使用能見度儀來量化霧的濃度，選取激光回波能量與發(fā)射能量的比值作為衡量指標(biāo)對激光雷達(dá)在水霧環(huán)境中的性能進(jìn)行測試分析。面向自動駕駛車載激光雷達(dá)的具體應(yīng)用需求，研究者也開展了更有針對性的研究。Montalban K［13］等采用氣候倉模擬降雨對激光雷達(dá)的目標(biāo)探測性能進(jìn)行了分析，認(rèn)為波長較長、采用非重復(fù)式掃描的激光雷達(dá)在雨中有更好的表現(xiàn)；Vriesman D［14］等同樣采用實(shí)驗(yàn)室模擬降雨條件，發(fā)現(xiàn)降雨會導(dǎo)致目標(biāo)物幾何特征丟失并難以識別；Tang L［15］等、Goberville N［16］等則在自然降雨條件下，對激光雷達(dá)探測行人的性能進(jìn)行了分析，結(jié)果顯示相比于無雨天氣，降雨會顯著減少點(diǎn)云數(shù)量，降低目標(biāo)檢測的準(zhǔn)確性。

相關(guān)研究大多采用較為單一的評價(jià)指標(biāo)對激光雷達(dá)的性能進(jìn)行評價(jià)，主要集中于點(diǎn)云數(shù)量和反射率的分析，且針對不同類型激光雷達(dá)的性能差異探討較少。因此，本文主要針對激光雷達(dá)在實(shí)際使用條件下對典型交通目標(biāo)物的感知性能受降雨強(qiáng)度的影響情況，引入多個(gè)量化指標(biāo)形成的指標(biāo)集，基于封閉場地的降雨模擬設(shè)施，對不同類型的激光雷達(dá)進(jìn)行了分析和比較。

1 點(diǎn)云客觀評價(jià)指標(biāo)集

激光雷達(dá)的環(huán)境感知結(jié)果以點(diǎn)云的形式采集和存儲，每一幀點(diǎn)云均包含一定時(shí)間間隔內(nèi)雷達(dá)接收到的全部激光回波信息，主要包含點(diǎn)云的坐標(biāo)、距離、反射率等信息。在自動駕駛汽車應(yīng)用領(lǐng)域，基于點(diǎn)云的目標(biāo)識別算法主要通過點(diǎn)云提供的上述信息進(jìn)行點(diǎn)云聚類和特征提取，進(jìn)而實(shí)現(xiàn)目標(biāo)物識別。因此，點(diǎn)云質(zhì)量將直接影響算法識別效果，包括點(diǎn)云數(shù)量、點(diǎn)云反射率、點(diǎn)云位置分布、點(diǎn)云反射率分布、點(diǎn)云信息的波動等。因此，本文通過建立更加全面的點(diǎn)云質(zhì)量評價(jià)指標(biāo)，探究降雨對點(diǎn)云質(zhì)量的影響情況，以便為激光雷達(dá)選型、識別算法性能改進(jìn)提供依據(jù)。

參考其他應(yīng)用領(lǐng)域?qū)す饫走_(dá)的性能要求［17］，以及前述相關(guān)研究，并考慮認(rèn)知算法對激光點(diǎn)云數(shù)量、強(qiáng)度、噪聲、距離的要求［18-19］，本文選取了五項(xiàng)典型指標(biāo)對點(diǎn)云質(zhì)量進(jìn)行量化分析，包括平均點(diǎn)云數(shù)量、平均反射率、反射率信息熵、反射率信噪比和縱向距離標(biāo)準(zhǔn)差，5項(xiàng)指標(biāo)能夠綜合反映激光雷達(dá)在不同條件下的精度、反射率特性等。下面將對各個(gè)指標(biāo)的計(jì)算方式進(jìn)行說明。

（1）平均點(diǎn)云數(shù)量

平均點(diǎn)云數(shù)量是指每幀點(diǎn)云的平均激光回波數(shù)量，該指標(biāo)可以衡量點(diǎn)云數(shù)量的平均水平，可由式（1）計(jì)算得到。其中，nsum為特定時(shí)間段內(nèi)全部幀的點(diǎn)云數(shù)量，m為該段時(shí)間內(nèi)的采集幀數(shù)。

（2）平均反射率

平均反射率是指一段時(shí)間內(nèi)全部幀的點(diǎn)云反射率均值，該指標(biāo)可以衡量點(diǎn)云反射率的平均水平，可由式（2）計(jì)算得到。其中ni是第i幀的點(diǎn)云數(shù)目，rji是第i幀中第j個(gè)點(diǎn)的反射率。

（3）反射率信息熵

反射率信息熵可以客觀評價(jià)點(diǎn)云反射率的一致性，即信息熵越小，點(diǎn)云反射率的分布越集中。計(jì)算方法見式（3），其中，pi表示反射率位于第i等級的點(diǎn)云占比。

（4）反射率信噪比

本文采用的反射率信噪比的計(jì)算方法如式（4）所示，該指標(biāo)可以客觀評價(jià)點(diǎn)云抵抗外界噪聲的能力強(qiáng)弱。其中，Raverage為一段時(shí)間內(nèi)全部幀的點(diǎn)云平均反射率，σref為一段時(shí)間內(nèi)全部幀的點(diǎn)云反射率標(biāo)準(zhǔn)差。

（5）縱向距離標(biāo)準(zhǔn)差

縱向距離標(biāo)準(zhǔn)差是指一段時(shí)間內(nèi)全部幀的點(diǎn)云縱向距離標(biāo)準(zhǔn)差，該指標(biāo)反映了激光雷達(dá)在一段時(shí)間內(nèi)的測距精度。在本文中，選取標(biāo)定后的激光雷達(dá)的點(diǎn)云數(shù)據(jù)y坐標(biāo)絕對值作為縱向距離，如圖1所示。

圖1 激光雷達(dá)坐標(biāo)系Fig.1 Coordinate of the LiDAR

縱向距離標(biāo)準(zhǔn)差的計(jì)算方法如式（5）所示，其中dij表示第i幀里第j個(gè)點(diǎn)的縱向距離，而表示全部幀點(diǎn)云的縱向距離均值。

2 降雨試驗(yàn)設(shè)置

圍繞試驗(yàn)選取的被測激光雷達(dá)工作原理和性能參數(shù)，以及試驗(yàn)條件和試驗(yàn)場景的設(shè)置進(jìn)行說明。

2.1 被測激光雷達(dá)

常見的車載激光雷達(dá)根據(jù)獲取物體信息的方式不同，主要包含三角測距和飛行時(shí)間激光雷達(dá)兩大類［20］；根據(jù)雷達(dá)內(nèi)部是否具有旋轉(zhuǎn)的光學(xué)部件，激光雷達(dá)又分為機(jī)械旋轉(zhuǎn)式、混合固態(tài)和固態(tài)激光雷達(dá)［21］。其中，機(jī)械旋轉(zhuǎn)式和混合固態(tài)激光雷達(dá)的加工技術(shù)已較為成熟，是采用激光雷達(dá)作為環(huán)境感知系統(tǒng)的自動駕駛汽車的主流方案。固態(tài)激光雷達(dá)有非常好的應(yīng)用前景，但目前仍未被大規(guī)模使用。

機(jī)械旋轉(zhuǎn)式和混合固態(tài)激光雷達(dá)在零部件構(gòu)成和工作機(jī)制上存在一定差異，二者的工作原理見圖2。機(jī)械旋轉(zhuǎn)式激光雷達(dá)在工作過程中，光學(xué)系統(tǒng)能夠在水平方向進(jìn)行360°旋轉(zhuǎn)，具有均勻掃描、視場角（Field of view，F(xiàn)OV）較大的優(yōu)點(diǎn)，但存在重復(fù)式掃描、點(diǎn)云密度有限等局限，且由于旋轉(zhuǎn)機(jī)構(gòu)占雷達(dá)質(zhì)量比重較大，容易產(chǎn)生振動和高溫?；旌瞎虘B(tài)激光雷達(dá)在工作過程中，僅有小部分棱鏡在旋轉(zhuǎn)，性能較為穩(wěn)定，且具有非重復(fù)式掃描、點(diǎn)云密度大等特點(diǎn)，但受棱鏡面積限制，水平視場角較小。兩類激光雷達(dá)的上述區(qū)別，造成其受到惡劣天氣影響時(shí)的性能局限也有差異，因此有必要對不同類型的激光雷達(dá)進(jìn)行對比分析。

圖2 不同激光雷達(dá)的工作原理Fig.2 Working principle of different LiDARs

本文選擇了機(jī)械旋轉(zhuǎn)式激光雷達(dá)OUSTER OS2-128和混合固態(tài)式激光雷達(dá)Livox Tele-15作為被測對象，兩款雷達(dá)的參數(shù)對比見表1。其中Tele-15 雷達(dá)在垂直方向上的等效線數(shù)約為135 線，與OS2-128 雷達(dá)接近，角分辨率方面OS2-128 雷達(dá)要略低于Tele-15雷達(dá)。由于二者工作原理不同，水平視場角有較大差距。

表1 OS2-128與Tele-15雷達(dá)參數(shù)對比Tab.1 Parameter comparison of LiDAR OS2-128 and Tele-15

2.2 試驗(yàn)方法

表2 不同降雨等級降雨量水平Tab.2 Levels of rainfall

本文核心目的為研究不同降雨強(qiáng)度對激光點(diǎn)云質(zhì)量的影響情況，即以降雨強(qiáng)度作為自變量，以特定測試場景下的點(diǎn)云質(zhì)量評價(jià)指標(biāo)作為因變量。為盡可能減少其他因素對試驗(yàn)結(jié)果的影響，試驗(yàn)設(shè)置為靜態(tài)場景，以避免由于目標(biāo)物移動位置導(dǎo)致與激光雷達(dá)縱向距離變化產(chǎn)生影響。為保證場景設(shè)置的有效性，試驗(yàn)前開展了相應(yīng)預(yù)實(shí)驗(yàn)，包括無雨條件下不同速度行人橫穿試驗(yàn)，以及不同距離靜態(tài)目標(biāo)物試驗(yàn)。結(jié)果表明行人在0～3m·s-1速度范圍內(nèi)，兩款激光雷達(dá)點(diǎn)云質(zhì)量各項(xiàng)評價(jià)指標(biāo)沒有顯著下降趨勢（圖3a、圖3b）；在10～100m縱向距離范圍內(nèi)，點(diǎn)云數(shù)量隨距離增加顯著減少（圖3c），其他指標(biāo)在20～50m范圍內(nèi)處于平穩(wěn)狀態(tài)且效果較好（圖3d）。

圖3 無雨條件下點(diǎn)云質(zhì)量變化情況Fig.3 Change curve of point cloud quality under normal condition

基于預(yù)實(shí)驗(yàn)結(jié)果，選取實(shí)際交通場景中最為常見的行人和車輛作為激光雷達(dá)感知目標(biāo)，降雨條件試驗(yàn)場景分別設(shè)置假人、汽車目標(biāo)物與雷達(dá)的縱向距離為20m和40m；橫向位置布置時(shí)，考慮各目標(biāo)物互相不遮擋，并能完全處在激光雷達(dá)的水平視場角范圍內(nèi)，如圖4a所示。在測試中，利用兩款雷達(dá)同步的采集無雨和不同等級降雨條件下的點(diǎn)云數(shù)據(jù)，采集時(shí)長均不低于1min。為保證降雨水平穩(wěn)定，每次調(diào)整降雨模擬設(shè)施的降雨量后，需等待至少5min后再進(jìn)行點(diǎn)云數(shù)據(jù)采集。

圖4 降雨試驗(yàn)?zāi)繕?biāo)物設(shè)置Fig.4 Target objects of rainfall test

此外，為區(qū)分不同的目標(biāo)物，在后續(xù)數(shù)據(jù)處理過程中，僅對目標(biāo)物附近選定區(qū)域內(nèi)的點(diǎn)云根據(jù)評價(jià)指標(biāo)進(jìn)行計(jì)算和評價(jià)。選定的區(qū)域如圖4b所示，其中區(qū)域1對應(yīng)汽車，區(qū)域2對應(yīng)假人。

3 試驗(yàn)結(jié)果分析

3.1 試驗(yàn)結(jié)果

按照試驗(yàn)方案，共計(jì)采集了兩款激光雷達(dá)在無雨和5 個(gè)降雨等級下的點(diǎn)云數(shù)據(jù)。圖5 分別展示了兩款雷達(dá)在1 級降雨和5 級降雨條件下的原始數(shù)據(jù)效果，從圖中可以看出不同降雨條件對激光雷達(dá)存在明顯的影響。

圖5 試驗(yàn)雷達(dá)采集的點(diǎn)云斜視圖對比Fig.5 Comparison of oblique views of point cloud collected by LiDARs under Test

（1） 平均點(diǎn)云數(shù)量影響情況

進(jìn)一步分析第1 節(jié)提出的5 項(xiàng)指標(biāo)受降雨條件的影響情況。圖6展示了兩款雷達(dá)在不同降雨強(qiáng)度下的平均點(diǎn)云數(shù)量的變化情況。由于兩款雷達(dá)水平角分辨率存在差異，同一區(qū)域點(diǎn)云的絕對數(shù)量相差較大，無法直接比較，此處以無雨條件下兩款激光雷達(dá)的平均點(diǎn)云數(shù)量作為基準(zhǔn)，對平均點(diǎn)云數(shù)量進(jìn)行歸一化處理。對假人目標(biāo)物而言，除OS2-128 雷達(dá)在1級降雨情況下點(diǎn)云數(shù)量有22.73%的減少外，其他情況下點(diǎn)云數(shù)量均有不同程度的增加。對汽車目標(biāo)物而言，兩款雷達(dá)變化趨勢相近，在1級降雨條件下受到的削弱作用最強(qiáng)，平均點(diǎn)云數(shù)量分別下降了91.49%和45.17%。整體而言，OS2-128 雷達(dá)相比Tele-15 雷達(dá)在平均點(diǎn)云數(shù)量上受到降雨的影響要更加嚴(yán)重。

圖6 相對平均點(diǎn)云數(shù)量比例變化曲線Fig.6 Change curve of relative proportion of average point cloud number

（2） 平均反射率與反射率信息熵影響情況

式中：為是每個(gè)農(nóng)村居民點(diǎn)斑塊質(zhì)心與其最鄰近斑塊質(zhì)心的觀測平均距離；為隨機(jī)分布模下斑塊質(zhì)心的期望平均距離；n為斑塊總數(shù)；d為距離；A為研究區(qū)面積；如果ANN<1，則農(nóng)村居民點(diǎn)為集聚分布；反之，則趨向于隨機(jī)分布。

圖7是兩款雷達(dá)在不同降雨強(qiáng)度下的平均反射率和反射率信息熵變化情況。對于假人和汽車目標(biāo)物，兩款雷達(dá)的平均反射率和反射率信息熵兩個(gè)指標(biāo)隨降雨量的變化趨勢均基本一致，與未降雨情況相比均有明顯的下降，受到1 級降雨條件的影響最為嚴(yán)重，隨降雨量增大有所改善。與OS2-128 雷達(dá)相比，Tele-15 雷達(dá)在兩項(xiàng)指標(biāo)上均相對較低，且平均反射率受1 級降雨影響時(shí)的降幅更大，假人和汽車平均反射率的降幅分別達(dá)到了96.77% 及83.33%。兩項(xiàng)指標(biāo)在變化趨勢上有明顯的一致性，假人目標(biāo)物兩款雷達(dá)的平均反射率和反射率信息熵相關(guān)系數(shù)為0.94 和0.95，汽車目標(biāo)物相關(guān)系數(shù)為0.87和0.98。分析數(shù)據(jù)發(fā)現(xiàn)，當(dāng)點(diǎn)云的反射率均值較高時(shí)，其反射率分布也較分散，導(dǎo)致信息熵的增大，一致性變差；當(dāng)平均反射率較低時(shí)，反射率則集中在低反射率區(qū)間，一致性反而提升，導(dǎo)致信息熵減小。

圖7 平均反射率及反射率信息熵變化曲線Fig.7 Change curve of average reflectivity and reflectivity information entropy

（3） 平均反射率與反射率信噪比影響情況

圖8是兩款雷達(dá)在不同降雨強(qiáng)度下的平均反射率和反射率信噪比變化曲線。由式（4）可知，平均反射率越強(qiáng)，點(diǎn)云的抗噪聲能力越強(qiáng)；反射率信噪比越低，則說明反射率受干擾程度越大，失真程度越嚴(yán)重。由圖8a可知，Tele-15雷達(dá)測得的假人點(diǎn)云的反射率信噪比在降雨條件時(shí)下降顯著，變?yōu)樨?fù)值，尤其是1 級降雨對信噪比的削弱效果最嚴(yán)重。在圖8b中，可以看到汽車的反射率信噪比始終為負(fù)值，表明來自汽車的反射點(diǎn)云抵抗噪聲的能力較差。這可能由于汽車的表面是不規(guī)則的曲面，以及車身不同位置構(gòu)件材質(zhì)的差異，導(dǎo)致汽車各個(gè)部分反射的激光回波強(qiáng)度差異較大，造成點(diǎn)云反射率的波動較大。對比兩款雷達(dá)，總體而言Tele-15 雷達(dá)信噪比值較低，抵抗噪聲的能力相對較差。

圖8 反射率信噪比變化曲線Fig.8 Change curve of reflectivity Signal-to-Noise ratio

（4） 縱向距離標(biāo)準(zhǔn)差影響情況

圖9展示了兩款雷達(dá)在不同降雨強(qiáng)度下縱向距離標(biāo)準(zhǔn)差的變化情況。從圖9a中可以看到，針對假人目標(biāo)物，OS2-128 雷達(dá)在降雨條件下的縱向距離標(biāo)準(zhǔn)差有所下降，整體較為穩(wěn)定，而Tele-15 有一定波動。對于汽車目標(biāo)物，兩款雷達(dá)的變化趨勢較為接近，縱向距離標(biāo)準(zhǔn)差在1級降雨條件下最低，隨降雨強(qiáng)大變大有所上升。整體而言，二者在降雨條件下的測距誤差基本保持穩(wěn)定，且相比無雨條件均有所下降，Tele-15雷達(dá)相比OS2-128的標(biāo)準(zhǔn)差略大。

圖9 縱向距離標(biāo)準(zhǔn)差變化曲線Fig.9 Change curve of relative error of longitudinal distance

3.2 分析與討論

考慮到被測兩款激光雷達(dá)的實(shí)際表現(xiàn)受到生產(chǎn)工藝等因素的影響，測試結(jié)果具有一定的特異性，因此結(jié)合二者的性能變化趨勢及一般性的工作原理和特點(diǎn)進(jìn)行分析，對于獲得激光雷達(dá)在降雨條件下的性能變化特點(diǎn)及其性能局限性，以及SOTIF相關(guān)研究具有一定參考價(jià)值。

（1） 雨滴霧化對激光雷達(dá)的影響顯著

由試驗(yàn)結(jié)果可知，1級降雨對各項(xiàng)指標(biāo)的影響最為嚴(yán)重。由于場地中采用的降雨模擬設(shè)施采用噴淋的形式，在1級降雨條件下，雨滴顆粒直徑較小，但噴灑的雨滴密度較高，此時(shí)降雨更接近霧滴的形態(tài)。圖10是1級降雨和3級降雨時(shí)拍攝的汽車圖像對比，圖11是不同降雨強(qiáng)度下的圖像灰度方差，其中灰度方差越小，圖像越模糊。上述結(jié)果間接證明，1級降雨時(shí)雨滴霧化現(xiàn)象最嚴(yán)重，環(huán)境中雨滴密度更高，因此對點(diǎn)云數(shù)量和平均反射率等指標(biāo)的影響要明顯強(qiáng)于其他降雨等級產(chǎn)生的影響。

圖10 1級和3級降雨下的汽車圖像對比Fig.10 Image comparison of vehicle at level 1 and level 3 rainfall

圖11 不同降雨等級下的灰度方差Fig.11 Gray-scale variance at different rainfall levels

（2） 混合固態(tài)、長波長雷達(dá)點(diǎn)云更加穩(wěn)定

由圖6可知，降雨對點(diǎn)云數(shù)量有顯著影響，但對假人目標(biāo)物和汽車目標(biāo)物影響趨勢相反。根據(jù)激光的傳播原理，造成上述問題的原因應(yīng)主要來自傳播距離的影響。對于假人目標(biāo)物，由于其距離較近，降雨條件下由雨滴返回的低反射率點(diǎn)云被雷達(dá)接收，目標(biāo)物區(qū)域內(nèi)點(diǎn)云數(shù)量較無雨條件時(shí)有所上升（如圖6a所示）；對于汽車目標(biāo)物，其距離較遠(yuǎn)，因此大部分低反射率點(diǎn)云均被雨滴衰減丟失，點(diǎn)云數(shù)量顯著下降（如圖6b所示）?？傮w而言，降雨對點(diǎn)云數(shù)量的影響在近距離范圍內(nèi)主要表現(xiàn)為增加干擾點(diǎn)云，在遠(yuǎn)距離范圍內(nèi)表現(xiàn)為過濾低反射率點(diǎn)云。比較兩款雷達(dá)，Tele-15 點(diǎn)云數(shù)量受降雨影響要低于OS2-128雷達(dá)，其原因有兩點(diǎn)：首先，由于機(jī)械旋轉(zhuǎn)式雷達(dá)的重復(fù)式掃描特性，激光束受降雨的遮擋效應(yīng)更強(qiáng)，點(diǎn)云丟失嚴(yán)重；其次，OS2-128 雷達(dá)的波長要略低于Tele-15雷達(dá)，而波長較短的激光在雨霧中的穿透性能要較弱［11，22］，因此激光回波數(shù)量較少。

（3） 混合固態(tài)雷達(dá)反射率受影響更大

比較兩款激光雷達(dá)的測試結(jié)果可知，Tele-15雷達(dá)的點(diǎn)云反射率受降雨條件的影響程度要大于OS2-128雷達(dá)，主要是因?yàn)門ele-15雷達(dá)的點(diǎn)云密度較大，導(dǎo)致點(diǎn)云中包含較多的雨滴回波，而雨滴的反射率極低［23］，從而降低了反射率均值。圖12是在無雨和1 級降雨條件下，OS2-128 雷達(dá)和Tele-15 雷達(dá)的低反射率點(diǎn)云（反射率低于5%）占比的統(tǒng)計(jì)結(jié)果。由圖可知，對于OS2-128 雷達(dá)而言，無雨和1 級降雨條件下的低反射率點(diǎn)云占比沒有很大的差異；但對Tele-15雷達(dá)而言，相比于無雨環(huán)境，1級降雨條件下的低反射率點(diǎn)云占比增幅為37.4%，證明了Tele-15雷達(dá)在降雨條件下的點(diǎn)云包含較多的低反射率雨滴回波。

圖12 兩款雷達(dá)的低反射率點(diǎn)云占比統(tǒng)計(jì)Fig.12 Proportion of low reflectivity point cloud of two LiDARs

（4） 降雨小幅降低了縱向距離標(biāo)準(zhǔn)差

由圖9 可知，降雨條件會小幅降低激光雷達(dá)縱向距離標(biāo)準(zhǔn)差，但在本研究中，針對假人目標(biāo)物和汽車目標(biāo)物，造成該結(jié)果的原因有一定差異性。目標(biāo)物區(qū)域內(nèi)的點(diǎn)云縱向距離標(biāo)準(zhǔn)差有所下降。對于距離較遠(yuǎn)的汽車目標(biāo)物，點(diǎn)云數(shù)量顯著下降，而反射回的點(diǎn)云集中于目標(biāo)物反射面積較大且平整的區(qū)域內(nèi)，從而造成點(diǎn)云縱向距離標(biāo)準(zhǔn)差的下降。但總體而言，降雨對縱向距離標(biāo)準(zhǔn)差的影響極為有限。

4 結(jié)論

激光雷達(dá)是自動駕駛汽車環(huán)境感知系統(tǒng)的重要組成部分。本文針對激光雷達(dá)在降雨條件下的性能局限性，基于封閉場地內(nèi)的降雨模擬設(shè)施，開展了測試試驗(yàn)，量化分析了不同類型激光雷達(dá)在典型交通目標(biāo)物感知過程中受降雨強(qiáng)度影響的情況?？梢詮亩鄠€(gè)角度評價(jià)點(diǎn)云質(zhì)量；試驗(yàn)以機(jī)械旋轉(zhuǎn)式OS2-128 雷達(dá)和混合固態(tài)式Tele-15 雷達(dá)作為被測對象，設(shè)置假人和汽車作為被測目標(biāo)物，采集了無雨和5個(gè)等級降雨條件下的點(diǎn)云數(shù)據(jù)；基于評價(jià)指標(biāo)對選定區(qū)域內(nèi)的點(diǎn)云進(jìn)行分析，從降雨量、目標(biāo)物類型、雷達(dá)種類三個(gè)維度，對比分析了降雨條件對雷達(dá)性能的影響情況。

實(shí)驗(yàn)結(jié)果表明，降雨會在一定程度上減少目標(biāo)物區(qū)域內(nèi)的平均點(diǎn)云數(shù)量，降低點(diǎn)云平均反射率，使反射率分布集中于低反射率區(qū)間，從而降低反射率信息熵，容易導(dǎo)致點(diǎn)云反射強(qiáng)度特征的丟失；降雨會降低點(diǎn)云的反射率信噪比，削弱其抗噪聲能力。此外，在模擬降雨條件下，霧化的小雨條件對激光雷達(dá)的影響相較其他降雨條件更加嚴(yán)重，在20～40m 距離內(nèi)，機(jī)械旋轉(zhuǎn)式激光雷達(dá)平均點(diǎn)云數(shù)量最大降幅達(dá)到91.49%，平均反射率最大降幅達(dá)82.98%。因此在自動駕駛場景中要充分考慮雨滴霧化的影響，進(jìn)而通過軟硬件優(yōu)化來彌補(bǔ)車載激光雷達(dá)的性能局限，以提升SOTIF 性能。在降雨環(huán)境下，線數(shù)相近的混合固態(tài)雷達(dá)相比機(jī)械旋轉(zhuǎn)雷達(dá)在局部具有更高的點(diǎn)云密度，從而產(chǎn)生更多的雨滴回波，表現(xiàn)為低反射率點(diǎn)云占比上升，因此采用混合固態(tài)激光雷達(dá)需要更加有效地噪聲濾除策略。在未來的研究工作中，將會在上述激光雷達(dá)點(diǎn)云質(zhì)量評價(jià)指標(biāo)的基礎(chǔ)上，進(jìn)一步研究基于點(diǎn)云的識別算法識別效果的受影響情況；并從車輛預(yù)期功能安全的觸發(fā)條件分析需求出發(fā)，研究環(huán)境條件引發(fā)車輛非預(yù)期行為的過程及機(jī)制，為觸發(fā)條件量化指標(biāo)構(gòu)建和觸發(fā)條件庫建立提供依據(jù)和支持。

作者貢獻(xiàn)聲明：

邢星宇：試驗(yàn)方案設(shè)計(jì)與實(shí)施，測試結(jié)果分析，論文撰寫；

黃安：試驗(yàn)實(shí)施，測試結(jié)果分析，論文修訂；

姜為：試驗(yàn)實(shí)施，測試結(jié)果分析，論文修訂；

陳君毅：研究命題提出與構(gòu)思，試驗(yàn)方案設(shè)計(jì)，論文審核；

余卓平：論文修訂與審核。