9. 感知算法综述（Survey）

本文从学术发展史、算法体系、工程实践三个维度，系统综述移动机器人环境感知领域，并明确 Autonomy perception 模块的定位与选型依据。

公式推导见 03_math.md；实现细节见 05_architecture.md 与各子文档。

9.1 概述：感知在导航栈中的位置

子问题	英文	典型模块	频率
环境感知	Perception	`perception`	10–30 Hz
定位	Localization	`localization`	10–50 Hz
预测	Prediction	`prediction`	10–20 Hz
路径规划	Planning	`planning`	1–5 Hz
运动控制	Control	`control`	10–50 Hz

感知将原始传感器数据转化为结构化环境表示，是自动驾驶与移动机器人理解世界的基础层。

Sensors ──→ Perception ──→ Prediction ──→ Planning ──→ Control
                │
                └──→ Map (costmap / semantic map)

9.2 感知任务分类

9.2.1 按传感器模态

模态	典型任务	代表算法
2D 激光	障碍检测、SLAM	Hector SLAM, GMapping
3D 点云	3D 检测、地面分割	PointPillars, Patchwork
RGB 相机	2D 检测、语义分割	YOLO, Mask R-CNN
RGB-D	3D 检测、场景理解	VoxelNet, Frustum PointNet
多模态融合	鲁棒检测	BEVFusion, MV3D

9.2.2 按输出类型

输出	用途	Autonomy 对应
几何障碍	避障、costmap	`ObstacleLayer` ✅
2D/3D 检测框	动态障碍跟踪	`vision_msgs` ⏳
语义分割	可行驶区域、规则推理	规划
占据栅格	全局规划	`map` 静态层

9.3 2D 激光感知

9.3.1 射线模型

激光第 \(i\) 束：\(p_i = o + r_i \hat{d}_i\)。障碍点直接写入 costmap 或经聚类后输出障碍列表。

9.3.2 聚类与跟踪

欧氏聚类：\(\|p_i - p_j\| < r\) 归为同一障碍
跟踪：卡尔曼滤波 + 数据关联（匈牙利算法）

Autonomy 当前通过 ObstacleLayer 实现射线级障碍，无显式聚类。

9.4 视觉目标检测

9.4.1 发展时间轴

2012

AlexNet — ImageNet 突破，深度学习复兴

2015

YOLO v1 — 单阶段实时检测；Faster R-CNN — 两阶段精度标杆

2020

YOLOv5 — 工程化部署；DETR — Transformer 检测

2023+

YOLOv8/v11 — ONNX 友好；RT-DETR — 实时 Transformer

9.4.2 算法对比

算法	类型	速度	精度	部署
YOLOv8	单阶段	⭐⭐⭐	⭐⭐	ONNX ✅
Faster R-CNN	两阶段	⭐	⭐⭐⭐	较重
SSD	单阶段	⭐⭐	⭐⭐	中等
RT-DETR	Transformer	⭐⭐	⭐⭐⭐	较新

Autonomy 选型：common/network 针对 YOLO 网格头优化，推荐 YOLOv8 ONNX 作为首个 Perception 插件。

9.5 3D 点云感知

9.5.1 经典流水线

点云 → 体素下采样 → 地面分割 → 聚类 → 3D 框拟合

9.5.2 深度学习方法

方法	特点
PointPillars	柱状体素 + 2D CNN，实时性好
VoxelNet	3D 体素 CNN
PointNet++	点级特征，精度高但慢
BEVFusion	多模态 BEV 融合

9.6 多目标跟踪（MOT）

组件	算法
运动模型	CV / CTRV / CA
数据关联	匈牙利、JPDA、DeepSORT
状态估计	卡尔曼滤波、粒子滤波

详见 03_math.md §3.5。

9.7 工程实践考量

因素	建议
实时性	感知频率 ≥ 10 Hz；YOLO nano 适合边缘设备
鲁棒性	多传感器融合；激光作 costmap 兜底
可维护性	插件化；配置驱动
与 Nav2 对齐	`vision_msgs`、costmap 接口

9.8 Autonomy 能力矩阵

能力	状态	路径
激光 → costmap	✅	`map/costmap_2d/ObstacleLayer`
点云 → costmap	✅	`VoxelLayer`
YOLO ONNX 推理	✅	`common/network`
vision_msgs 输出	⏳	消息已定义，Perception 未发布
PerceptionServer	⏳	骨架
多目标跟踪	❌	待实现
语义分割	❌	待实现

9.9 参考文献与延伸阅读

主题	参考
YOLO	Redmon et al., “You Only Look Once: Unified, Real-Time Object Detection”
PointPillars	Lang et al., “PointPillars: Fast Encoders for Object Detection from Point Clouds”
Apollo Perception	Baidu Apollo Perception 开源文档
Nav2 Costmap	Nav2 Costmap 2D
vision_msgs	ROS 2 `vision_msgs` 包