原标题：卡内基梅隆大学王建：一种新型光幕传感器在机器人避障和无人驾驶中的应用 | AI 研习社 80 期大讲堂总结

雷锋网 AI 研习社按：以 LIDAR 为代表的 3D 传感器经常用于今日的道路场景理解中。在 GPS 与 IMU 的帮助下，我们将大量捕获的点云注册到预先构建的 3D 地图上，再通过复杂、计算量大且存储密集的深度学习方法来检测与分割运动中的障碍物。这些方法已经被证明是有效的，但是对于一些简单的问题如「一个物体切入我的车道吗？」或者「人行道上有人吗？」，这些计算却是不必要的。

因此，嘉宾的团队提出了一种替代解决方案——「可编程光幕」传感器（light curtain sensor），该解决方案几乎不需要增加任何开销，同时还能具有高能效与灵活性等特点。在本次公开课中，嘉宾将分享关于这个光幕传感器的设计思路与实际应用效果。

分享嘉宾：

王建，Snap 公司 Research Scientist，卡内基梅隆大学博士，导师是 Aswin Sankaranarayanan 教授和 Srinivasa Narasimhan 教授，主要研究方向为计算机视觉，三维视觉，计算摄影等。其研究工作曾在 CVPR、ICCV、ECCV、ICCP 等发表并且多次获得 oral presentation 机会。

公开课回放地址：

?=Leiphone

分享主题：一种新型光幕传感器 Light curtain sensor 在机器人避障和无人驾驶中的应用

分享提纲：

传统 3D 传感器。

提出的光幕传感器的原理。

传感器设计和优化

展示大量实验结果

雷锋网 AI 研习社将其分享内容整理如下：

我们先看一下我们已经熟悉的一种电梯里的 light curtain。电梯门的两边装有传感器，一边是红外发射器，一边是红外接收器。当有人或物体在电梯门之间阻挡了红外接收器对红外光的接收，电梯会立马知道，从而知道是否可以关门。Light curtain 在工业界有很多应用。比如自动化工厂里，在机器的周围会装有这种 safety light curtain——当工人接近时，传感器感知到，可以通知机器关闭。

接下来讲一下我们提出的传感器。以前的电梯里的 light curtain 传感器可以看成由一个线光源和线阵 sensor 构成，并且 light source 和 sensor 是面对面的。

我们提出的传感器是把 light source 和 sensor 放在同一边。Light plane 和 imaging plane，两个平面交于一条线。当这条线上没有物体时，相机没有任何读数，图像是黑的。当有物体时，相机的读数就是非0，传感器可以立马感知到物体的存在。通过同时旋转 light plane 和 imaging plane，我们可以扫描空间中的任何一个平面。

通过改变 light plane 和 imaging plane 的相对旋转速度，我们也可以扫描空间中的一个圆柱面。

由于我们传感器的成本很低，一个机器人或者无人车上面可以搭载好几个这样的传感器。并且各个传感器可以扫描不同的曲面来达到不同的监控目的。比如这个机器人上面可以有我们的传感器，用来监测一个 tilted plane，一个圆柱面，或者看前进路线上有没有障碍物。无人车上面有监测前方的 curtain，有监测车两边的 curtain，也有监测路面的 curtain.

现在的无人车基本都装载 LIDAR 传感器。通过 LIDAR 可以得到 3D 点云，然后通过对点云进行处理来知道车前方是否有行人和车辆。我们认为，如果只是单纯的想知道车前方几米处是否有障碍物，完全可以用我们的传感器来解决，并且我们的传感器很便宜，计算复杂度也非常低，只需要一个 thresholding 就可以了。

这个动画展示了使用我们传感器的一个场景。一辆汽车上搭载了好几个传感器。有一个前方的 curtain 一直监控前方道路上有没有别的车。当车要换道时，首先打开侧边的 curtain，看测道上是否有别的车。当车要转弯时，注意 curtain 可以根据车速动态变化。当有雾来临时，由于我们的 light curtain 可以看透烟雾，可以在这时打开路面 curtain，由此看到地面上的铁路标志。

接下来看一下我们的硬件实现。这里显示了我们传感器的光路。左边是线光源，右边是线相机。左边线光源部分，首先是一个点激光，然后经过 collimation lens 和 line lens 变成一条线，再使用一个一维振镜来转动这个光平面。右边线相机部分，首先是 line sensor，然后是成像物镜，再是一个一维振镜来扫描看的角度。