对于环境感知所需要的传感器，我们把它分成三类：
　　感知周围物体的传感器，包括激光雷达、摄像头和毫米波雷达这三类;
　　实现无人驾驶汽车定位的传感器，就是 GPS 、IMU 和 Encoder;
　　其他传感器，指的是感知天气情况及温、湿度的传感器。
　　今天主要讲的是感知周围物体的传感器，即：激光雷达、毫米波雷达和摄像头。其实他们都有各自的优缺点。

　　在无人驾驶环境感知中，摄像头完成的工作包括：
　　车道线检测;
　　障碍物检测，相当于把障碍物识别以及对障碍物进行分类;
　　交通标志的识别，比如识别红绿灯和限速牌。

　　对车道线的检测主要分成三个步骤：
　　第一步，对获取到的图片预处理，拿到原始图像后，先通过处理变成一张灰度图，然后做图像增强;
　　第二步，对车道线进行特征提取，首先把经过图像增强后的图片进行二值化( 将图像上的像素点的灰度值设置为 0 或 255，也就是将整个图像呈现出明显的黑白效果)，然后做边缘提取;
　　第三步，直线拟合。
　　车道线检测难点在于，对于某些车道线模糊或车道线被泥土覆盖的情况、对于黑暗环境或雨雪天气或者在光线不是特别好的情况下，它对摄像头识别和提取都会造成一定的难度。

　　另一个是障碍物检测。上图是我们在十字路口做的实验，获取到原始图像后，通过深度学习框架对物体进行识别。在这当中，做训练集其实是主要的难点。

　　还有一个是道路标识的识别，这一部分的研究比较多，这里不再赘述。

　　激光雷达能够完成什么工作?
　　第一是路沿检测，也包括车道线检测;第二是障碍物识别，对静态物体和动态物体的识别;第三是定位以及地图的创建。

　　对于路沿检测，分为三个步骤：拿到原始点云，地面点检测、提取路沿点，通过路沿点的直线拟合，可以把路沿检测出来。

　　接下来是障碍物识别，识别诸如行人、卡车和私家车等以及将路障信息识别出来。

　　障碍物的识别有这样几步，当激光雷达获取三维点云数据后，我们对障碍物进行一个聚类，如上图紫色包围框，就是识别在道路上的障碍物，它可能是动态也可能是静态的。
　　最难的部分就是把道路上面的障碍物聚类后，提取三维物体信息。获取到新物体之后，会把这个物体放到训练集里，然后用 SVM 分类器把物体识别出来。