Xử lý dữ liệu quét LiDAR: Lọc point cloud theo thời gian thực

Lọc dữ liệu point cloud LiDAR theo thời gian thực trên phần cứng edge của AGV

LiDAR 2D cấp dữ liệu cho hệ thống định vị AGV vốn dĩ sinh ra nhiễu — bụi, bề mặt phản chiếu, và các vật cản mỏng như chân bàn đều tạo ra tín hiệu mà một bản đồ vật cản đơn giản sẽ dễ dàng hiểu sai. Thách thức nằm ở việc lọc nhiễu đó trên một CPU edge có ngân sách thời gian thực hạn chế, chứ không phải trên một GPU dư thừa tài nguyên.

Nhiễu thực sự đến từ đâu

• Bề mặt phản chiếu, bóng loáng tạo ra tín hiệu trả về giả hoặc mất hẳn tín hiệu, vì chùm tia tán xạ ra xa cảm biến thay vì phản hồi lại.
• Bụi và hạt lơ lửng trong không khí ở môi trường nhà kho tạo ra các điểm giả, thưa thớt, vị trí ngẫu nhiên.
• Pixel lẫn (mixed pixel) tại rìa vật thể — nơi chùm tia chỉ chạm một phần biên vật thể — trả về khoảng cách nằm giữa bề mặt gần và xa thực sự, và cả hai đều không có thật.

Bộ lọc nhẹ, phù hợp ngân sách phần cứng edge

Loại bỏ điểm ngoại lai theo thống kê (so khoảng cách mỗi điểm với trung vị của các điểm lân cận) bắt được phần lớn nhiễu do bụi với chi phí chỉ bằng một phần nhỏ so với dùng thư viện point-cloud đầy đủ. Lọc theo tính nhất quán thời gian — chỉ tin một điểm nếu nó xuất hiện ở 2 trong 3 lần quét gần nhất, ở vị trí tương tự — loại bỏ phản xạ chỉ xuất hiện một khung hình mà không tốn thêm độ trễ đáng kể.

Với nhiễu pixel lẫn ở rìa, một phép kiểm tra gradient góc đơn giản giữa các tia lân cận phát hiện bước nhảy đáng ngờ với chi phí thấp hơn nhiều so với chạy toàn bộ RANSAC line-fit — dù RANSAC vẫn đáng để dành riêng cho việc trích xuất các đoạn tường sau khi point cloud đã được làm sạch.

Giữ được thời gian thực

Trên bộ xử lý edge cỡ Cortex-A72, một phép tìm kiếm lân cận gần nhất (nearest-neighbor) đơn giản trên toàn bộ khung quét (360–1000+ điểm) có thể vượt ngân sách chu kỳ nếu bạn chạy ở tần suất 10+ Hz. Một bảng băm không gian dạng lưới (grid-based spatial hash), dựng lại mỗi khung quét, biến việc tra cứu lân cận từ O(n²) gần như thành O(n) — thường là ranh giới giữa một bộ lọc theo kịp và một bộ lọc bị trễ so với chuyển động thực tế của xe.

Kết hợp các khung quét đã lọc vào bản đồ occupancy

Sau khi điểm đã được làm sạch, một lưới occupancy dạng xác suất (cập nhật log-odds cho từng ô) chịu đựng nhiễu còn sót lại tốt hơn nhiều so với bản đồ nhị phân có/không có vật cản — một điểm nhiễu đơn lẻ không còn làm lật trạng thái một ô vĩnh viễn, nó chỉ nhích nhẹ một xác suất, và xác suất đó sẽ suy giảm nếu không được củng cố bởi các lần quét tiếp theo.

Kết luận: mục tiêu trên phần cứng edge không phải là bộ lọc tinh vi nhất — mà là bộ lọc rẻ nhất loại bỏ đủ nhiễu để bộ lập kế hoạch đường đi ngừng nhìn thấy vật cản ảo, mà không ăn vào ngân sách độ trễ mà vòng điều khiển của bạn phụ thuộc vào.