介紹
科技一向是我們處理最繁瑣事務的利器。現今世界中，最惱人的事莫過於早上通勤時堵在車流中，或是道路催眠與長途駕駛導致的精神恍忽。這些情況促使各界對自駕車(AV)的發展更加振奮，然而大家對這種兩噸重金屬的關注焦點也逐漸從技術層面轉向安全運行。
為達到超越常人的安全性1，我們需要精細的3D地圖，測繪各種動態物體(包括其他車輛、行人、腳踏車)，被視為是自駕車的關鍵功能。其中雷射探測與測距(LIDAR)光達感測器一般認為是車載設備中最有用的系統，因為它們能產生精細的地圖。圖1顯示這種地圖的範例。
自駕車若能在更遠處偵測到路上物體，就能更容易及早閃避。Analog Garage(Analog Devices公司技術中心)的研究人員針對光達的偵測距離進行了詳細研究，並發展出一種方法，運用移動物體的各種物理限制來延長探測距離。為理解這種方法，首先我們將解釋光達的運作原理。
光達如何工作
光達系統會向物體發射雷射脈衝，然後量測雷射光從物理反射後返回感測器所耗費的時間，如圖2所示。藉由水平與垂直方向掃瞄的雷射，光達系統就能測繪出前方景物的完整3D地圖。這樣的地圖每幅稱為一個畫格(frame)。現代光達系統的畫格更新率通常介於每秒10至30格(fps)之間。
圖 1. 光達地圖
圖2. 光達工作原理
圖3. 光達折返訊號的距離效應
雷射光朝特定方向發射後，感測器會記錄下來自該方向的光線，然後將它轉換成電子訊號，並運用一種名為匹配濾波器(matched filter)的技巧來分析該處位置上雷射脈衝波型的訊號。匹配濾波器的輸出結果再和一個門檻值(threshold)進行比對，若是超過門檻就宣告偵測到物體。
偵測限制
當然，現實世界中不會是這樣的理想狀況。光達的偵測流程會有雜訊 包括接收器各種元件的電子雜訊，以及偵測器本身的光學雜訊。因此，要能偵測到物體，前提是匹配濾波器除了要接收到足夠的光線，還必須能從雜訊中分辨出訊號。
物理公式告訴我們，光線強度和經過距離平方成反比。這表示從200公尺處折返到光達系統的雷射光，其強度僅有從100公尺處折返雷射光的四分之一。
也就是說匹配濾波器不容易看見更遠處的物體，在極端狀況下，當物體離得夠遠時，光達系統就看不到該物體。圖3顯示這種情況 折返訊號強度，亦即車輛成像的訊號強度會隨著距離拉遠而快速下滑，在220公尺遠處，訊號的強度基本上就變得和雜訊差不多，會低過偵測門檻而被濾掉。
我們可以藉由降低偵測門檻來解決這項問題，讓圖3所示的車輛能看到物體。在特定SNR雜訊比水準下，顯然我們也會偵測到許多雜訊。現在整個3D資料畫格中含有許多閃光(flash)訊號某些是對應到物體，其他的則僅是雜訊。舉一個例子，圖4顯示所有方向(跨門檻)上，光達畫格在某一垂直截面(slice)(固定的垂直角度)的內容。大多數偵測到的訊息只是雜訊，但有部分確實是對應到實際物體。但我們要如何分辨哪些是虛哪些是實? 要辨識單一畫格的訊號就相當困難，但在處理幾個畫格的資料後辨識就會更加容易與可行。
圖4. 光達畫格的一個垂直截面
螢火蟲程序
為瞭解其中緣由，我們建立如下的閃光模型: 假設有一隻螢火蟲圍著一個箱子飛，我們每隔一段時間就會看到閃光。不幸的是，我們也同時會看到周圍環境的隨機閃光，這些光線可能出現在任何位置。更糟的是，有時我們還會錯過螢火蟲發出的閃光，而且我們量測螢火蟲的位置通常也不是完全準確。
我們要問的根本問題是: 在這樣的閃光程序下，每次閃光來自一個畫格，我們是否能判斷整個程序中有沒有螢火蟲? 這種問題的技巧名詞為假設檢定。我們做決策所根據的資訊是畫格每秒出現10次(畫格率為10 fps)，螢火蟲在這個時間內只能以符合物理的方式移動。舉例來說，螢火蟲在一個畫格時間內不可能飛越整個箱子的距離，因為如此一來速度就會超過合理的極限; 另外螢火蟲也不可能在2個畫格內反轉飛行方向; 因為若是在這麼短的時間內完成轉向，那麼飛行時的加速度就會超出合理極限。
用不同的方式來說，我們採用的資訊，是螢火蟲依循的飛行軌跡，必須符合物體移動的物理原則。依照這些軌跡限制，我們就能分辨出實際的移動軌跡和哪些屬於雜訊。假設檢定的方法讓我們在任何長度的軌跡下都能判斷與套用這些限制的數學規則。在兩個到三個的連續畫格中出現的閃光，相關的限制會限縮飛行軌跡的速度和加速度。在更長的軌跡方面，適用的限制就不會是這麼簡單，但依舊很容易套用。
結果
圖5顯示這種技巧在兩個簡單情境中的成效。左邊的影像是畫格中的真實地圖，為簡化緣故，因此移除包括像道路等物體。中間的影像顯示運用傳統處理程序搭配合理門檻所得到的結果，右邊的影像則是在處理螢火蟲之後的結果。螢火蟲程序能在接近300公尺遠處偵測到物體。最頂尖光達的偵測距離大約為150公尺。
圖5. 運用螢火蟲程序進行追蹤偵測的例子
表1顯示螢火蟲程序以及傳統處理程序(MF代表匹配濾波器)偵測出偽陽性(false positive)(每個畫格)的數量與比率(%)。設定的偵測門檻代表在每次統計中對應物體的出現高峰方面，具有99.9%的信心水準。然而，這樣的偵測率仍舊偏低。在套用相關的追蹤限制後，會有些許幫助。
表1. 相關結果的數據
|
|
集束大小 |
長度 |
偵測率% |
偽陽性 |
|
螢火蟲 |
|
3 |
67.7 40.6 |
3.14 |
|
MF 峰值99.9% |
1 |
|
19.1 |
52.00 |
總結
螢火蟲程序規範了物體移動的邊界，它規範的是相關的限制，而不是偵測器或訊號鏈，側重的目標是要量測的物體本身。我們相信它能改進偵測率，此係根據一項重要理由:傳統偵測與訊號鏈的問題一般都能獲得大幅的改進，因為除了套用相關限制，還會運用我們從先前設計系統以外的方法所衍生的理念。我們希望繼續運用這樣的見識，設計出更高明且更精密的訊號鏈，藉由探索各種非傳統的限制因素以獲得更多優勢。
本文作者感謝 Jennifer Tang、Sefa Demirtas、Christopher Barber、以及Miles Bennett等人為撰寫本文提供協助
參考電路
Tang, Jennifer, Atulya Yellepeddi, Sefa Demirtas, and Christopher Barber. “Tracking to Improve Detection Quality in LIDAR for Autonomous Driving.” IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP). May 2020.
