Uber.N的回答

这篇分析可能比较干，从感知算法工程师的角度来回答一下。

先说结论：有两个可能，一个是墓碑石砖面反射造成的高反膨胀导致误检。二是如果理想采用的是多模态融合算法，可能是算法模型过于相信点云特征而形成的误检。

不过理想搞热度是有一手，早在之前理想爆出“夜间鬼追车”的时候，我就从摄像头脏污的角度写过一篇文章分析为何会有误检现象产生:

男子夜间驾车中控竟然显示后方有人追车，理想汽车回应：识别可能出错。如何看待此回应？

只不过，今天的误检来源变成了激光雷达。

首先，想解释一下的是: 在算法测试中，各种各样障碍物的“激光点云误检为人”是非常常见的，作为一名感知算法工程师，这样的case我们几乎天天可见。包括但不限于: 路边护栏误检为人、树误检为人、电线杆子误检为人，花坛误检为人，地下停车场柱子误检为人、只要打回来的激光能长的像个长条形、或者像个脑袋一样的半球形，都有可能造成误检。

激光点云为何也容易误检

很多人可能很难相信，为何与人如此不像“墓碑”会识别成人。实际上，只有你想不到，没有算法脑补不到。人人都认为激光雷达是通向L4自动驾驶的必杀技，但是殊不知的是激光雷达在使用过程中处处是坑，只有吃过亏才知道。

1. 点云噪声——高反鬼影

lidar的激光点云有噪声问题的，这个问题已经有很多篇文章分析过。最常见的比如激光拖尾、盲区吸点、高反鬼影、高反膨胀、这方面的内容，在这篇回答里可以说解释的非常完备，有兴趣的可以参考这篇文章：

激光雷达lidar目前的技术难点在哪，关键技术都有哪些？

这里主要解释一下什么是”高反鬼影“，当激光点打到具有较高反射率的物体上时，由于镜面反射作用，传感器除了接收到该物体产生的回波，还会在该物体的镜像位置也会产生回波并被传感器接收。这就导致在没有物体的地方凭空生成一坨点云，从而导致误检出人。

例如在上面的图里，左侧的点云理论上在激光发射区之外，不应该接受到点云，但是因为路牌反射率较高，在左侧形成了一个等大、镜像的点云。在交通道路上，有很多物体会产生这样的”高反鬼影“现象，包括但不限于：交通指示牌、锥桶、三角指示牌、汽车牌照，尾灯等等。

那么，上述场景中的“墓碑”，显然也是高反物的一种。

2. 不合理的数据&模型

在数据和算法模型上，至少会有两个原因容易形成点云误检。

1. 数据标注

理论上来说，如果使用了摄像头，在算法上可以一定程度上抑制掉点云的误检。因为如果在光线良好的情况下，从摄像头上可以很清晰地分辨出一个地方是否有人。但是，不合理的数据标注可能会增加模型的脑补能力。这个东西可能不太好理解，尝试用文字浅显地解释一下：

在数据标注过程中，由于采集的激光雷达和摄像头的安装位置不同，例如，安装在顶部的激光雷达往往比安装在挡风玻璃和车身侧面处的摄像头视野更广阔，因此常常会有一些物体是激光雷达可以看到，而在摄像头盲区之外的。例如护栏外面的行人，或者由于视角错位在摄像头视野内刚好被路边的树挡住，但是在激光点云内可见的行人。

如果训练数据中这样的标注较多，则会使训练的模型产生”脑补“能力，即在摄像头看不到，但是点云特征的形状与人相似的地方误检出许多行人。

2. 模型对激光特征的权重

在模型训练时，即使同时输入了摄像头和点云数据，但是在调整训练权重时，为了让检出距离或速度估计更加准确，会让模型更倾向于相信点云数据而非摄像头数据，这就会使得模型只要在有一个”长条形“的，”类人“的点云反射回来时，就会模型误识别为人。

点云误检如何解决

1. 点云噪声滤除

点云噪声滤除算法是一个经久不衰的话题。尽管在传统算法里已经有很多经典滤波算法，例如体素滤波、高斯滤波、双边滤波等方法，但是在对于一些特定场景下的点云噪声，这些传统算法往往起不了太大效果。目前基于深度学习的去噪方法也开始变的流行起来。例如有很多研究通过网络滤除噪声，使得输入的点云更加干净，让基于这些点云学习的网络更有鲁棒性。

然而，一个悲观的消息是，上述方法得到的滤噪算法在工程上能取得的效果往往有限。实际工程中，点云滤噪是一个非常吃工程经验的东西。算法工程师们常常需要分析噪声点云出现的方位、反射率的大小，通过这些信息设置阈值过滤点云，往往是立竿见影的方法。或者通过开发基于语义信息的噪声滤除网络，也可以将一部分点云噪声滤除。

2. 算法模型策略调整

另一个方法是从算法模型入手，例如多模态算法中，不断对相机的特征和雷达的特征进行trade-off，实现两种传感器信息的最佳平衡。这样可以在使用相机信息的情况下，纠正上述的点云误检的情况。

总结

随着激光雷达逐渐上车使用，辅助驾驶中像理想这样的 ”陵墓鬼影“的场景只会越来越多。大家往往都到辅助驾驶进入了”深水区“，却往往不知道”深水区“深在哪里。尽管目前的”辅助驾驶“正如前几年的AI人工智能被嘲笑为”人工智障“一样，但在无数个工程师日日夜夜的数据积累，算法测试，模型验证中，我相信它终究会一步步成长，成长，不断优化体验，最终悄无声息，改变你我的生活。

让我们给技术，再多一份耐心。