自动驾驶(四十八)---------激光雷达简介

       激光雷达、毫米波雷达、视觉传感器是用于周围环境感测的主流手段。 而在探测精度、探测距离、稳定性和对周围环境适应性等关键性能上,激光雷达都有着明显优势。

1. 激光雷达原理

       其工作原理是向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,作适当处理后,即可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数,从而实现对目标进行探测、跟踪和识别。

                                                                        

      两种最流行的波长是905和1550 nm,905nm的主要优点是硅在该波长处吸收光子,但是905nm及更短波长的准直激光束对行人也是有风险的。而硅基光电探测器通常比探测1550 nm光所需的铟镓砷近红外探测器便宜。因此,最大允许暴露(MPE)方面的安全要求,限制了LiDAR在这些波长下的探测范围和发射器能量。相反,在1550nm波段,大部分光在到达视网膜之前就会被眼球的透明部分吸收,这降低了近红外(NIR)LiDAR的MPE要求。宽容度更大的MPE吸引了行业对1550nm 波长LiDAR及其APD接收组件的关注。

2. 激光雷达的分类:

      1. 传统的机械式旋转: 旋转LIDAR在地图领域的使用较为成熟,从发明出来到现在持续了10年左右的时间,但是由于价格极其昂贵,算是奢侈品,暂时给主机厂量产的可能性较低;

      2. 固态激光雷达,市场上普遍的认识就是没有机械旋转的就是固态LIDAR,其优点有:数据采集速度快,分辨率高,对于温度和振动的适应性强,而且价格低廉,性能稳定,通过波束控制,探测点(点云)可以任意分布,例如在高速公路主要扫描前方远处,对于侧面稀疏扫描但并不完全忽略,在十字路口加强侧面扫描,而只能匀速旋转的机械式激光雷达是无法执行这种精细操作的,但是相对来讲,固态激光雷达的技术还不成熟,还在探索研发中。

     3. MEMS微振镜: 将所有的机械部件集成到单个芯片,利用半导体工艺生产。基于MEMS的固态雷达,是通过微振镜的方式改变单个发射器的发射角度进行扫描,由此形成一种面阵的扫描视野。目前基于MEMS方式的激光雷达,技术上更容易实现,且价格也比较低廉,有很多的厂家在研发,也因此被主机厂商一致看好。

     4. 相控阵原理: 通过调节发射阵列中每个发射单元的相位差来改变激光的出射角度,采用相控阵原理实现固态激光雷达:生活中最常见的干涉例子是水波,两处振动产生的水波相互叠加,有的方向两列波互相增强,有的方向正好抵消,将这个原理放大,采用多个光源组成阵列,通过控制各光源发射的时间差,就能合成角度灵活,且精密可控的主光束,这就是相控阵的原理。

                                                                         å¦ä½éä½ææ¬ï¼MEMS对æ¯åºææ¿åé·è¾¾å¦ä½éä½ææ¬ï¼MEMS对æ¯åºææ¿åé·è¾¾

          光学相控阵它的每一个单元都可以对所通过的光的速度进行控制。当一束光被分成许多个小单元,每小单元的光束都通过一个光学相控阵单元,并被相控阵单元对其速度进行严格控制。当每个小单元的光束以同样的时间通过光学相控阵后,其速度恢复到进入光学相控阵前的速度,但由于每个小单元的光束所走过的光程(路程)不一样,通过光学相控阵后合成的波阵面将发生明显变化,从而使得光束的指向发生偏转,这就是光学相控阵的基本工作原理。

      5. Flash LiDAR 属于非扫描式雷达,发射面阵光,是以2维或3维图像为重点输出内容的激光雷达。虽然稳定性和成本不错,但主要问题在于探测距离较近。基于3D Flash技术的固态激光雷达,在技术的可靠性方面还存在问题,还在探索研发中。

  • 4
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
随着自动驾驶技术的不断发展,多模态感知成为了实现自动驾驶的关键技术之一。激光雷达和相机是自动驾驶中最常用的两种传感器,它们分别具有高精度测距和高分辨率成像的特点。如何将激光雷达和相机的信息融合起来,实现更加全面、准确的环境感知,成为了研究的热点。 面向自动驾驶多模态感知的激光雷达-相机融合框架主要包括以下几个步骤: 1. 数据预处理:对激光雷达和相机采集到的数据进行预处理,包括去噪、校准、配准等操作,以确保数据的准确性和一致性。 2. 特征提取:对激光雷达和相机数据进行特征提取,提取出各自的特征信息。激光雷达可以提取出点云数据,相机可以提取出图像特征点、颜色等信息。 3. 特征融合:将激光雷达和相机提取出的特征融合起来,形成一个多模态感知的环境模型。常用的融合方法包括点云-图像投影融合、特征点匹配融合等。 4. 目标检测与跟踪:利用融合后的环境模型,进行目标检测与跟踪。可以利用深度学习等方法进行目标检测,利用卡尔曼滤波等方法进行目标跟踪。 5. 场景分割与建图:根据融合后的环境模型,对环境进行场景分割,将场景分成不同的区域,同时进行三维建图,建立起环境模型。 6. 路径规划与控制:基于环境模型和目标检测结果,进行路径规划与控制,实现自动驾驶。 总之,面向自动驾驶多模态感知的激光雷达-相机融合框架可以有效提高自动驾驶系统的环境感知能力,为实现自动驾驶提供更加可靠、安全的技术支持。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值