長春理工大學光電工程學院開放實驗室計劃
——以使用多線激光雷達開展實驗室開放計劃培訓為例

王世峰，王 銳,都凱悅,陳 洋,劉 偉

(長春理工大學 光電工程學院 a.光電工程國家級實驗教學示范中心;b.光電測控與光信息傳輸技術教育部重點實驗室，吉林 長春 130022)

1 背景介紹

根據教育部下發的《國家中長期教育改革和發展規劃綱要(2010-2020年)》[1]，對高等教育明確地指出高校不僅要鼓勵并培養學生學習專業知識，而且學生還需要具備實踐和創新的能力. 特別是對于理工科院校的學生而言，參加課外競賽可以有助于他們加深對課本中知識的理解與認識，拓寬眼界. 長春理工大學作為理工科為主的院校，深入貫徹落實綱要內容，加大了創新實驗室的開放力度. 目前，我校光電工程學院的光學工程專業、測控技術與儀器專業以及探測與信息工程專業的本科學生均有機會在考核完成之后加入到創新實驗室中，為學生在今后的深造學習提供堅實的研究技能基礎.

長春理工大學光電工程學院的創新實驗室開放計劃[2]的目的是為了培養學生的創新精神與實踐能力，促進學生更早、更多地接受科學研究與工程訓練. 光電工程學院針對本科生開展了5個層次的創新創業能力培養計劃：

1)以創業及產品孵化為目標的“光電創客空間(IOEMS)”；

2)以學術能力提高為目標的“培優科研訓練計劃(ESRTP)”；

3)以提高學生創新精神和實踐能力為目標的“工程創新實驗室開放計劃(IELOP)”；

4)以提高學生競賽水平和能力為目標的“創新創業競賽計劃(IECTP)”；

5)以提升學生專業軟件使用能力為目的的“工程基礎實踐培訓計劃(IEBTP)”.

人工智能與光電感知實驗室積極響應學院的5個層次的能力培養計劃，將實驗室現有條件與學生的興趣方向相互結合，制定出了一系列基于光學傳感器(激光雷達)的培訓計劃. 該培訓計劃由人工智能與光電感知實驗室實施監督與指導，對應學院第二和第三層次的能力培養計劃. 目前培訓課程已經開展3屆，都取得了較為理想的教學效果.

2 實驗室活動針對性與培訓過程

2.1 光學專業本科生實踐創新教學現狀分析

目前，長春理工大學光電工程學院在籍本科生約有2 200名. 大多數的本科生在大學三年級和四年級開始學習專業課程. 經過前2年基礎知識的學習，接下來的2年時間成為學習專業技能、培養研究興趣和發掘自身潛力的最佳時期. 近年來，學生對自己未來的規劃越來越清晰并且越來越貼近實際. 他們中的大多數人在大一、大二時就已經為自己的未來制定好了目標和規劃. 學生中大多數人計劃在國內或者國外繼續深造攻讀碩士學位甚至是博士學位. 學生在畢業之后有一部分選擇在公司就業，還有一些學生希望運用所學的專業知識與技能創辦屬于自己的公司. 這些學生大多數都渴望在常規的課程學習之外獲得更加貼近實際、更具體的專業知識與技能. 就目前而言，現有體制的常規實驗課程無法滿足學生的切實需要. 有些學生甚至要求摒棄傳統實驗“跟隨式”或者“模仿式”的作法，希望在更加包容、和諧、開放的實驗室中表達自己的想法，實現自身的價值.

2.2 開放實驗室的管理與運營

針對以上情況，OptoBot實驗室制定了一系列的培訓課程，幫助有意向的學生來達到自己的目的. 對于培訓課程的設計需要考慮如下問題：

1)培訓課程需要難易適中. 對于學生而言，課程太難會使得學生失去熱情與耐心；反之，則違背了學生加入實驗室的初衷.

2)留給學生一定可能的成長空間. 實驗室所制定的培訓課程要與傳統課程有所區別，無論是注重學術還是工程方面，都要更加突出課程的實踐和創新.

3)課程的設計要切合當前較為主流的科學技術，并使之成為學生未來可能的研究方向. 這些研究方向可能是他們將來進一步深造的基礎.

本科生以團隊的形式參與到所對應具體的培訓課程中. 每個團隊都會選出1名學生負責本團隊日常的管理工作. 實驗室中的研究生擔任每個團隊技術上的顧問. 指導教師擔任整個實驗室的主管工作，定期主持召開實驗室全體工作會議，讓學生們相互分享各自的心得及項目的最新進展情況. 同時，OptoBot實驗室還針對全校的本科生積極開展技術研討會以及心得、成果宣講會，用以提高實驗室的影響力，吸引更多的學生加入.

2.3 實驗設備介紹

OptoBot實驗室的主要研究方向是機器學習和環境感知方面. 所開展的系列培訓課程也都是緊緊圍繞這2個方向展開的. 圖1所示為OptoBot實驗室中用于環境感知研究的輪式機器人. 該平臺配備了遠距單線激光雷達(SickLMS151)、短距單線激光雷達(HokuyoUTM-30LX)、2臺多線激光雷達(IBEOLUX8L和VelodyneHDL-32E)、2臺工業相機(AVTPikef-100c)、嵌入式計算機以及電源系統等設備. 該平臺可用于相關實驗數據的采集以及驗證控制算法的可行性. 同時，利用WIFI可通過筆記本電腦對該平臺實行控制. 圖1中所標記出的多線激光雷達(VelodyeHDL-32E)，作為典型的光學傳感器，是OptoBot實驗室所進行開放實驗室項目系列課程里面的關鍵設備.

圖1 環境感知實驗平臺及32線激光雷達

2.4 實驗室開放計劃本科生的遴選與結業

一般的情況下，我們接受各個年級的本科學生，但大一和大二的本科生會優先考慮. 加入到人工智能與光電感知實驗室培訓項目的學生中，大多數是通過現有實驗室成員的推薦加入進來的，還有一部學生是通過海報或網站對實驗室有了初步了解之后，才選擇加入進來的. 對于報名學生的選拔，通常先通過面試，選拔出一部分符合條件的報名者；然后，將一些簡單、基礎的任務交給這些選定的學生，通常是與多線激光雷達相關的選題；再經過1個月的試用期，觀察學生們對任務的態度以及完成情況，此時是學生和實驗室的雙向選擇的階段. 當學生通過試用期，便將開始為期1年的正式的培訓計劃. 當1年過后，完成該培訓計劃并取得合理、滿意成績的學生將獲得相應的創新學分以及相關獎勵證書.

3 基于多線激光雷達的環境感知實驗

基于多線激光雷達的環境感知實驗是人工智能與光電感知實驗室培訓系列課程之一. 該實驗分為實驗開始之前的準備、激光雷達參量校準、三維空間重構以及目標識別4個部分. 在本實驗中，學生將被分為3組:A組、B組、C組. 其中，3組學生都要進行實驗開始之前的準備. 每組學生將在余下的3部分實驗中，選擇與其他2組不同的部分實驗來完成接下來的工作.

3.1 實驗準備

在本實驗中，采用Velodyne公司生產的32線激光雷達[3]作為主要的實驗設備. 因此，3個小組的成員都必須熟悉和掌握該傳感器的基本操作以及使用時的注意事項. 接下來，學生們還需掌握如何采集數據. 就目前而言，該款傳感器采集數據的方法有2種：1)使用儀器制造商所提供的在Windows環境下所運行的上位機軟件；2)另一種方法是基于機器人操作系統(ROS，Robotoperatingsystem)[4].ROS是集工具、庫以及協議為一體的強大系統，它的目的是通過連接機器人平臺上的各種傳感器以實現機器人完成復雜的行為任務. 以上2種辦法中，前者的操作較后者而言較為便利. 然而，考慮到第二種方法可以獲得不同傳感器的相同時刻的數據信息，能夠有效地保證信息的同步性. 因此，選擇第二種方法進行數據的采集. 將向學生展示如何在Windows系統下安裝ROS，并教授給他們基本的操作指令. 將數據通過ROS采集出后，下一步通過Matlab對數據做進一步的處理.

3.2 激光雷達參量校準

激光雷達在測量時不可避免地存在一定的誤差，確定這些誤差的數值對后續工作具有重要的意義[5]，這樣也就使得校準實驗顯得尤為重要. 3組學生中的A組進行該部分的實驗，需要從3個方面對激光雷達的誤差進行分析測量距離、水平角度分辨率以及垂直角度分辨率. 對于上述的每個方面，都要單獨分析其相應的粗大誤差以及系統誤差. 此外，背景光以及不同的入射角度同樣會影響到激光雷達的測量誤差. 還需要考慮同一型號不同設備之間所存在的誤差.

3.3 三維空間重構

由于32線激光雷達采集到的數據是逐幀的點云圖像. 要求B組學生在移動平臺上采集周圍環境的形貌信息，找出所采集到的相鄰時刻的2幀點云圖像中的對應點[6]. 通過將2幀點云圖像中對應點進行相應的特征匹配，最終達到重建該三維空間的目的. 三維空間的重構是該環境感知實驗中的關鍵步驟. 點云庫(PCL)[7]是三維空間重構任務中有效的輔助工具. 將PCL與ROS相互結合，可以有效地提高三維空間重構的精準度以及效率.

3.4 目標識別

利用32線激光雷達對周圍環境信息進行感知，C組學生通過對所采集到的單幀點云數據進行分析與優選，利用聚類的方法對所選目標的特征進行提取，采用人工智能領域內的機器學習方法，對目標進行模式識別[8]. 具體來說，通過對待識別目標的各個有效特征進行提取與優化，利用有監督的學習(Supervisedlearning)，使得計算機能夠自主識別.

4 結束語

依托長春理工大學光電工程國家級實驗教學示范中心，光電工程學院的人工智能與光電感知實驗室的開放計劃目前已經連續開展了4屆，取得了較為顯著地效果. 參與該計劃的本科生通過近1年的鍛煉，大幅度地提高了自身的專業技能和專業領域的研究能力，同時，團隊協作能力以及學術交流能力也得到了進一步加強. 大多數參加過實驗室開放計劃的本科畢業生都選擇繼續在國內外進行碩博階段的深造，少部分本科畢業步入社會參加工作的學生也都得到了用人單位的較高評價和廣泛認可.

[1] 國家中長期教育改革和發展規劃綱要(2010-2020年)[EB/OL]. [2017-10-15]. http://www.gov.cn/jrzg/2010-07/29/content_1667143.htm.

[2] 長春理工大學光電工程學院2017年本科生創新工程實驗室開放計劃[EB/OL].[2017-11-02]. http://gd.cust.edu.cn/xytz/25814.htm.

[3] Velodyne HDL-32E data sheet [EB/OL]. [2017-12-01]. http://velodynelidar.com/hdl-32e.html.

[4] About ROS [EB/OL]. [2017-09-19]. http://www.ros.org/about-ros/.

[5] Chan T O, Lichiti D D, Belton D. Temporal analysis and automatic calibration of the Velodyne HDL-32E LiDAR system [J]. Political Studies,2013,II-5/W2(4):61-66.

[6] Hammoudi, K. Contributions to the 3D city modeling: 3D polyhedral building model reconstruction form aerial images and 3D facade modeling from terrestrial 3D point cloud and image [D]. Université Paris Est,2012,(1):234.

[7] About PCL[EB/OL]. [2017-11-23]. http://pointclouds.org/about/.

[8] Hragh M, Jφrgensen R, Pedersen H. Object detection and terrain classification in agricultural fields using 3D lidar data [J]. International Conference on Computer Vision Systems, 2015(9163):188-197.