降雪环境对激光雷达性能的影响分析与试验研究

何俊南　姜京秀　孙朋朋

摘 要：冬季的环境条件复杂，且常伴有降雪，对自动驾驶汽车的行驶安全提出了严苛的挑战。本文聚焦于此，利用人工造雪的方式搭建降雪场景，并选取激光雷达作为研究对象，对激光雷达在不同降雪强度下的信号覆盖范围、有效分辨率和回波反射强度进行试验研究。

关键词：自动驾驶汽车 激光雷达 降雪 环境适应性

1 引言

汽车自动驾驶技术，作为面向未来的战略型技术，对汽车产业的变革和发展具有关键性作用。目前，随着自动驾驶技术的发展，我国的自动驾驶汽车已经走到了一个新的阶段。2021年2月，国家发改委等11部委联合发布《智能汽车创新发展战略》，标志着中国在智能汽车领域发起进攻，争当智能汽车强国。《智能汽车创新发展战略》指出，2025年实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市場化应用。

自动驾驶汽车具有广泛的使用场景，相关机构如谷歌、苹果、特斯拉、百度等已陆续在实际道路开展测试，以对车辆进行全面且深入的功能验证。冬季作为典型使用场景之一，环境条件复杂，且易出现降雪天气，为自动驾驶汽车的正常工作带来了严苛的挑战[1]。针对于此，本文围绕自动驾驶汽车环境感知系统在降雪环境的性能变化，在该领域开展初步的探索性工作，利用人工造雪的方式，进行降雪环境的设计和搭建，并选取激光雷达作为主要研究对象，进行不同降雪场景下的性能研究。

2 降雪对激光雷达的影响

环境感知系统利用外部传感器采集道路状况、天气状况、驾驶员状态等，为自动驾驶汽车的安全行驶提供可靠的决策依据。目前，现有的车载传感器主要包括激光雷达、毫米波雷达、超声波雷达和摄像头等[1]。

激光雷达是指工作在光波频段的雷达，它利用光波频段的电磁波先向目标发射探测信号，然后将其接收到的同波信号与发射信号相比较，从而获得目标的位置（距离、方位和高度）、运动状态（速度、姿态）等信息，实现对目标的探测、跟踪和识别[2]。激光雷达探测范围广、分辨率高、信息量丰富，可探测路面场景中的其他车辆、行人和障碍物等，但不能识别交通标志和交通信号灯，多用于行人保护系统、自适应巡航控制系统、车道偏离预警系统、自动紧急制动系统等。

激光雷达的功能会因降雪天气而受限，因为发射的光脉冲遇到雪花会反射回来，激光透过率随着降雪密度以及传输距离的增加而下降，甚至会把落下的雪花误认为是需要躲避的物体，干扰自动驾驶汽车对周围环境的正确判断[1]。

3 降雪场景构建

3.1 人工造雪技术

自然界的降雪主要是由于云中的冰晶之间或冰晶与过冷水滴之间的相互碰撞，使部分冰晶迅速增大，当冰晶能够克服空气阻力和浮力时，便从空中落下，在空气温湿度、气流、降落高度等因素的影响下，最终形成了各种形状的雪花。

目前，常用且高效的造雪方法是使高压水与空气混合雾化结晶进行造雪，人工造雪原理图见图1。其工作流程是：首先使来自高压水泵的高压水与来自空气压缩机的高压空气在喷嘴处混合，雾化形成小水滴，然后将水滴分散到空气中，使空气与水滴充分接触，利用水自然蒸发和压缩空气体积膨胀带走的热量使水滴凝结成冰晶，最后在低温环境下，使冰晶落地成雪。

3.2 降雪场景设计与布置

本研究的降雪场景构建地点为中国汽车技术研究中心冬季汽车试验场，选取的造雪机为牡丹江市安格士旅游设备厂生产的雪霸王造雪机，具体技术参数见表1。该造雪机为三轮可移动式设备，水平方向可旋转360°，具备电加热器自动预热控制功能，并具备多排阀门可调控降雪强度，设备实景图见图2。

为满足测试要求，降雪场景尺寸为120m*6m，采用4台造雪机，以满足降雪量要求，布设方案见图3。

4 试验方案

4.1 激光雷达选型

本研究选用Velodyne公司生产的型号为ULTRA Puck VLP-32的三维激光雷达，该雷达拥有32个通道，每秒能够产生约120万个三维点云坐标，并采用双回波模式，具备200米的有效测量范围，以及360°水平视场和40°的垂直视场，实物图如图4所示。为了确保试验过程中，激光雷达能达到最大的感知视野，将三维激光雷达安装在试验车辆的顶部，并且雷达轴垂直于地面，如图4所示。

4.2 试验工况设计

本研究以假人为目标物，测试在3种不同的降雪条件下，激光雷达距离目标物不同距离时的识别效果。图5为降雪场景实际图，包括无雪场景、I档降雪场景和II档降雪场景。

5 试验结果分析

5.1 降雪对激光雷达覆盖范围的影响

安装激光雷达的测试车停在距离目标物20m远处，实时采集无雪、I挡降雪和II挡降雪三种场景下的激光雷达点云数据，以反射强度的形式进行编码后，形成鸟瞰图如图6所示。由图可见，随着降雪量的增加，激光雷达的覆盖范围逐渐减小。

5.2 降雪对激光雷达有效分辨率的影响

随着试验的进行，激光雷达周围逐渐被一些雪花所覆盖，如图7所示。雪覆盖后的激光雷达输出的点云分布图如图7所示。由图可见，在激光雷达周围产生了大量的噪点，极大降低了点云的有效分辨率，严重损害了激光雷达的性能[3]。

5.3 降雪对激光雷达回波反射强度的影响

安装激光雷达的测试车停在距离目标物30m远处，实时采集无雪、I挡降雪和II挡降雪三种场景下的激光雷达回波反射强度，如图8所示。从“无雪”到“有雪”，激光雷达的回波反射强度大幅下降，且随着降雪量的增加，回波反射强度持续下降，直至趋近于零。

6 结语

本文针对于车载激光雷达在降雪环境下的适应性进行了初步探索与尝试，以期为相关研究提供有效参考。同时，在降雪场景构建过程中，也发现了一些难点：如降雪强度和均匀度的控制受温度、湿度和局部阵风的影响较大；人工造雪的雪质和落雪方式相比于自然落雪，仍存在一些差距。目前，自动驾驶汽车在降雪场景下的测试还有很多未知的盲区，需要从业者继续探索和研究，随着自动驾驶技术的迭代升级，在该类复杂气象环境下的测试需求定会逐渐增加。

参考文献：

[1]何俊南，郭瑞玲，吴昊，殷振华.浅谈自动驾驶汽车环境感知系统在冬季面临的挑战[J].汽车实用技术，2020，24：22-24.

[2]郝俊.自动驾驶环境感知系统研究[J].时代汽车，2018，300（09）：16-17.

[3]Sun Pengpeng， Sun Chenghao， Wang Runmin， Zhao Xiangmo. Object Detection Based on Roadside LiDAR for Cooperative Driving Automation： A Review[J]. Sensors （Basel），2022，22（23）：9316.