Interference analysis in time of flight LiDARs

Abstract

Every 23 seconds, someone dies on the road. In 2018, 1.35 million people died because of a road accident, 90% of which were caused by human error: reckless behavior, distractions, fatigue, and bad decisions. Autonomous vehicles are one of the solutions to tackle this problem, by replacing or helping the human driver. For that, vehicles need to understand the world around them with great precision in 3D, which makes LiDAR one of the most promising sensors up for the task. To sense their surroundings, LiDARs emit laser beams, which can, theoretically, be received by a LiDAR on another car, disturbing the accuracy of its ability to map the surroundings. In a scenario where multiple autonomous vehicles equipped with LiDAR coexist, their mutual interference can undermine their capability to accurately understand the world and their capability to tackle one of the problems they came to solve: road accidents. In this Master’s thesis we propose to study the behavior of two LiDARs on several interference scenarios, varying their relative distance, height and positioning. We also attempt to understand the different impacts of direct and scattered interference, by blocking the LiDARs line of sight and verify the behavior of the interference on specific regions of interest and objects. We construct an experimental setup containing two LiDARs and a camera, intrinsically and extrinsically calibrate them and estimate the position of the objects of interest on the point cloud through regions of intereset previously detected on the image. Using this experimental setup we gathered more than 600 GB of raw data on which we apply 4 different techniques of interference analysis. Our findings show that the relative number of interference points lies between 10−7 to 10−3 . The results also show that direct interference predominates over scattered, generating relative values of interfered points one order of magnitude higher than when obstructing the line of sight between the LiDARs. We were able to identify cases on which interference seems to behave closely to sensor noise, being almost indistinguishable; in contrast when it was strongly deleterious, resulting on depth measurement errors that surpass the physical dimensions of the room where the setup is operating. We can conclude that interference seems no to be severe for autonomous driving as few measurements are severely impaired by it. Nevertheless, it can still have ill effects, especialy in situations of direct interference. We also conclude that its nature is highly volatile, depending on conditions not yet fully understand, including the influence of the experimental setup.

A cada 23 segundos, uma pessoa morre nas estradas. Em 2018, 1.35 milhões de pessoas morreram devido a acidentes nas estradas, 90% dos quais foram devidos a erro humano: condução perigosa, distrações, fadiga e más decisões. Veículos autónomos são uma das soluções apresentadas para resolver este problema, substituindo ou ajudando o condutor. Para tal, os veículos precisam de conseguir perceber aquilo que os rodeia com grande precisão, sendo o LiDAR um dos sensores mais promissores para essa tarefa. Para compreender o que os rodeia, os LiDARs emitem raios laser que podem, teoricamente, ser recebidos por um outro LiDAR, noutro carro, interferindo com a capacidade desse segundo LiDAR compreender o que rodeia. Num cenário onde múltiplos carros autónomos equipados com LiDAR coexistem, a sua interferência mútua pode comprometer a sua capacidade para perceber o que o rodeia com precisão e a possibilidade de solucionar um dos problemas que inicialmente ira resolver: acidentes e mortes na estrada. Nesta Dissertação de Mestrado, propomos o estudo do comportamento da interferência entre dois LiDARs em vários cenários de interferência, onde variamos a sua distância, altura e posição relativa. Tentámos também perceber o diferente impacto da interferência direta e dispersa, através da obstrução da linha de vista entre os dois LiDARs, e verificar qual o comportamento da interferência em regiões de interesse e objetos. Construímos um setup experimental contendo dois LiDARs e uma câmara, calibramo-los intrínseca e extrinsecamente e estimamos a posição dos objetos de interesse na point cloud através de regiões de interesse previamente detetadas em imagem. Usando este setup experimental, recolhemos mais de 600 GB de dados não tratados, aos quais aplicamos 4 técnicas de análise de interferência diferentes, todas desenvolvidas por nós. As nossas descobertas permite afirmar que o número relativo de pontos com interferência variam entre as ordens de magnitude de 10−7 e 10−3 . Os nossos resultados mostram que a interferência direta predomina sobre a interferência dispersiva, causando com que o valor da interferência relativa seja uma ordem de magnitude maior se a linha de vista entre os dois LiDARs for obstruída. Somos também capazes de identificar situações em que a interferência se comporta de forma parecida ao ruído do sensor, sendo quase indistinguível; e outros casos em que esta está fortemente presente, causando erros nas medições de distância que ultrapassam até as dimensões físicas do espaço onde o setup experimental está a ser operado. Concluímos que a interferência não aparenta ser tão destrutiva para condução autónoma como inicialmente previsto, devido à baixa ordem de grandeza da magnitude. De qualquer forma, esta pode ainda ter efeitos graves, principalmente em situações de interferência direta. Podemos também concluir que a natureza da interferência é altamente volátil, dependendo de condições ainda não 100% definidas, incluindo a influência como é criado o setup experimental.