在机器人领域，如果要使设计出的移动机器人能够完全自主地应对复杂、未知的环境，使机器人具备精细的环境感知能力就显得至关重要。激光雷达传感器从最初提出就受到广大研究人员的关注，经历了飞速的发展，目前，已经基本实现了模块化、小型化，且由于其应用范围广并适合户外未知环境使用，在帮助机器人精细感知外部环境方面逐步展现出巨大的优势，成为了移动机器人领域的传感器明星。不过，有个现实的问题，激光雷达传感器通常都不便宜，且三维激光雷达传感器要比二维激光雷达传感器贵出不少，如果手头只有二维激光雷达，如何去感知三维环境？

解答:

        毫无疑问，针对二维激光雷达，只要想办法将缺失的维度通过其他方法补上，就能变相实现三维激光雷达的效果。而事实上，这也正是大部分三维激光雷达的实现原理。为此，了解了如何通过二维激光雷达去感知三维环境，对今后直接使用三维激光雷达也大有帮助。不过，需要预先指出的是激光雷达传感器只是众多感知外部环境手段中的一种，为了拓宽大家的眼界，同时也帮助大家加深理解，本文会先跟大家介绍一下当前主流的环境感知手段（主要是非接触式方式）。

        1、已有环境感知方法总结：

        非接触式感知环境基本上有两大类方法：主动式与被动式。二者的主要区别集中在观测传感器是否主动向环境发出探测光。基于被动观察环境的方法的典型例子如立体视觉技术。要实现立体视觉，通常需要两个及以上的摄像头在不同的位置获取环境图像，在摄像头之间相对位置已知的情况下分析不同摄像头返回的图像并进行像素匹配，以此获得场景的深度信息。整个过程类似于人的双眼观察并解释场景中的物体远近。典型的立体视觉相机及经立体视觉算法处理的场景深度图像图。

        主动式观测环境的方法要求观测传感器能向环境中发出已知属性的光扫描场景信息并接收来自场景中物体的反射光。这种方法又可以被细分为光学三角测量法、结构光法及飞行时间法。有兴趣的读者可以自己去找各种方法对应的文献做个详细的了解，此处限于篇幅，不对每种方法详细展开讨论，而是简略地比较一下各个方法的特点并在此基础上着重介绍一下激光雷达传感器。

      （1）光学三角测量法

        使用三角形法通常需要将经过校准的激光发射器和接收摄像头按一定的几何关系布置。该方法的工作原理是激光发射器先将已知的点状或条状图样模版投影到场景中的物体上，接收摄像头通过观察投影模版并按一定的几何关系解算，即可获得场景中特定物体的远近，如下图所示。

        光学三角测量法最初提出开始就有不少针对此法的研究，大多集中在提高测试速度和测距可靠性方面，例如有学者专门研究了大理石纹路表面对光学三角测量法可靠性的影响，还有学者试图通过空间-时域分析方法提高测距可靠性，并给出了光学三角测量法的误差模型。然而，总体来看，这种方法仍存在扰动大，可靠性较低，测试范围小的缺点。特别是当被测对象距离变远、位置接近扫描范围边缘时传感器返回的距离信息不确定性明显增大。鉴于此，光学三角测量法比较适合在室内、已知环境下使用。

      （2）结构光法

        结构光法可以认为是光学三角测量法的推广。与光学三角测量法一次仅照射场景中几个点或条纹相比，结构光法一次性向场景中投射致密的图样模版，传感器对应的接收相机观察到场景反射的图样后进行密集关联运算，最终一次性确定出一大片场景深度信息。微软公司推出的新一代Kinect体感设备，代表了该方法当前能达到的最先进水平。

        结构光法最先提出后，就出现了大量致力于提高测试速度及鲁棒性的研究。譬如有学者通过增加相机数量来提高立体视觉分析效果；还有学者则研究获取最优致密模版的方法；最近的大的突破体现在使用动态规划方法解决致密图样模版到深度图像的匹配问题，以及后续开发出结构光视频法实现了对场景的三维重建。

        与光学三角测量法类似，结构光法适用于室内已知环境的扫描。扫描距离受投射出的致密模版所限制，一般较小（即便是微软的Kinect，要获得较好的测试效果，最好将测试距离限定在4m范围内），且测距精度随距离的增大逐渐减小。

      （3）飞行时间法

        这种方法一般可以通过声学或光学原理来实现，考虑到声学实现存在噪声大，扫描点存在锥度角发散等缺点，本文主要考虑基于激光的实现方式，而这种传感器一般称为激光雷达（LADAR，取自LAser Detection And Ranging）。扫描时激光雷达会定向发出一束激光脉冲（或经调幅、调频的激光束），通过光速及接收到反射信号的时间，即可测出环境中物体的距离。如果激光雷达一次性获得许多距离点，那一般把这些距离点称为三维点云。与结构光法相比，采用激光雷达测试精度要略低一些，但由于其测试周期短，测距范围大，鲁棒性较好，故而这种方法适用于户外，未知环境。目前，轮式机器人的研究中已经大量使用激光雷达辅助机器人的避障导航，考虑到使用成本，一般二维激光雷达使用较多，如下图。由于只能扫描一个平面，如果想用二维激光雷达获取环境三维点云，则需要通过移动机器人或加装机械结构提供第三个维度的支持。

        激光雷达扫描时可以想象成将超声波传感器发出的声波替换为激光并高速回转扫描，如此就能大概构建出附近的物体轮廓，这个过程非常像潜艇上使用声纳探测周围物体。当然，由于激光雷达使用激光而不是声波，它的探测过程不仅极短，而且能弥补声波广角发散的缺点（激光不易发散，锥度角很小）。激光雷达工作时会先在当前位置发出激光并接收反射光束，解析得到距离信息，而后激光发射器会转过一个角度分辨率对应的角度再次重复这个过程。限于物理及机械方面的限制，激光雷达通常会有一部分“盲区”。使用激光雷达返回的数据通常可以描绘出一幅极坐标图，极点位于雷达扫描中心，0-360°整周圆由扫描区域及盲区组成。在扫描区域中激光雷达在每个角度分辨率对应位置解析出的距离值会被依次连接起来，这样，通过极坐标表示就能非常直观地看到周围物体的轮廓，激光雷达扫描范围示意图。

        激光雷达通常有四个性能衡量指标：测距分辨率、扫描频率（有时也用扫描周期）、角度分辨率及可视范围。测距分辨率衡量在一个给定的距离下测距的精确程度，通常与距离真实值相差在5-20mm；扫描频率衡量激光雷达完成一次完整扫描的快慢，通常在10Hz及以上；角度分辨率直接决定激光雷达一次完整扫描能返回多少个样本点，对大多数激光雷达这个指标在500个点以上；可视范围指激光雷达完整扫描的广角，可视范围之外即为盲区。激光雷达一般由固定的厂商生产，目前机器人领域使用最广泛的激光雷达由德国的SICK公司和日本的Hokuyo生产。这些公司生产出的激光雷达在测距范围、性能、功耗及成本上各异，基本能涵盖一般的使用需求。