周遭有什麼：物件追蹤系統於自駕車的應用

摘要：自駕車的三大模組分別為定位（我在哪），感測（周遭有什麼）以及車控（車子要如何開）。在這篇文章中，我們將探討感測模組中的一個重要系統：物件追蹤系統。為了能讓自駕車能在環境中行駛，車控模組必須要了解週遭的物件位置以及其動向，而這也正是物件追蹤系統的主要目的。在追蹤系統中，我們使用到了光達，雷達與相機等感測器，個感測器的特性及應用將會在文章中討論。
Abstract：Three major components of self-driving vehicles are localization (Where am I), perception (What is around me), and control (How to drive around). In this article, we investigate one important component, the perception, with the moving object tracking system. To drive around, the control components need to receive the location of the surrounding objects and their movements, which are exactly what a moving object tracking system does. The sensors used in this system are LIDAR, radar and camera. We will talk about them in details later.

關鍵詞：自駕車、物件追蹤系統
Keywords：Self-driving vehicle, Moving object tracking system

前言
建置物件追蹤系統可以說是建置自駕車與環境中物件的時間與空間關係。實作上的難度在於現實世界中的不確定，物體因有被遮蔽而造成無法觀測的狀態以及感測器本身具雜訊等因素。由於我們無法在所有的物件上裝置感測器，因此要知道物件的動向是很困難的。而卡爾曼濾波器正是用來處理這樣的情況。卡爾曼濾波被廣泛應用在具知訊息的動態系統中，進行最佳的估測。在接下來的章節中，我們會先探討整個追蹤系統的大架構，接著介紹各種感測器的特性及其在追蹤系統中的應用。最後再探討異質感測器的資料融合技術。
物件追蹤系統架構
圖1為物件追蹤系統的架構圖。感測器將其所觀測到的資訊送到該系統中的第一階段：偵測。在偵測這個部分，我們會試著將感測器的原始資料進行分割，意即分割我們有興趣的物件以及環境。而在光達與相機的分割資料中，我們可以更進一步進行物件的姿態估測。

圖1 物件追蹤系統架構圖

而偵測後的資訊會被送到物件追蹤系統中的第二階段：追蹤。在這個階段會對物件的動態進行估測。卡爾曼濾波正是被應用於。實作出物件的管理系統，用來記錄周遭的所有物件及其動態。
三種感測器進行完個別的追蹤階段後，會根據物件在不同感測器的中空間的幾何關係，進行異質感測資料的融合。其困難之處還包括各個感測器之間的校正。經過融合後的資訊再送給車控模組做決策，以便進行後續的車輛控制。
感測器
在物件追蹤系統中用到的感測器分別為光打，雷達以及相機。各種感測器具備不同特性，將在本章節詳細討論與介紹。
光達
光達是一種光學的遙感技術。它通過向目標照射光束（通常是一脈衝激光）來測量目標物的距離等參數。光達對物體距離的測量與通常所說的雷達類似，都是通過測量發送和接受到的脈衝信號的時間間隔來計算物體的距離。常見被應用於自駕車的光達有美國Velodyne公司的VLP-16及HDL-32E等。圖2為Velodyne公司HDL-32E光達。

圖2 Velodyne HDL-32E光達

而實際的光達如何應用在自駕車中呢？想像一下，你站在一個黑暗的房間裡，你能感覺周圍環境的唯一方式是伸出棍子觸碰物體。首先，你徑直向前伸出棍子，棍子在伸出12公尺後撞擊到一物體。然後你向右伸出棍子，伸出8公尺後停止。接下來試試你的左邊，有10公尺。於是，即使你看不到任何東西，也不移動身體，你也能獲得一些關於房間的訊息。如果你在不同的方向重複幾百或幾千次這樣子動作，你將能夠根據物體和你的距離大致瞭解這個屋子的全貌。
圖3為光達感測器的原始資料。根據物體表面的特性以及其距離，每一束脈衝光回傳的強度並不一致。

圖3 光達感測器的原始資料