寻找供应商
广告
首页 > 汽车技术 > 正文

自动驾驶之激光雷达

2020-05-14 00:19:13·  来源：汽车学堂Automooc  
　
激光雷达因分辨率高、抗干扰能力强、体积小质量轻的优点，广泛应用在距离测量和定位，三维激光雷达凭借动态三维建模功能广泛应用在机器人环境识别、自动驾驶、高
激光雷达因分辨率高、抗干扰能力强、体积小质量轻的优点，广泛应用在距离测量和定位，三维激光雷达凭借动态三维建模功能广泛应用在机器人环境识别、自动驾驶、高精度地图测绘等领域。
 
1.在无人驾驶中的应用
L3以下阶段，毫米波雷达甚至摄像头都能够满足汽车的视觉需求。但要想发展到高级别自动驾驶阶段，受测距、分辨率、精度、信息全面性的影响，激光雷达不可替代。 
激光雷达（LiDAR），是一种用于精确获得三维位置信息的传感器。它通过测量激光信号的时间差、相位差确定距离，通过水平旋转扫描或者相控扫描测量角度，再通过不同俯仰角度信号获得高度信息，从而获取整体的三维信息。相比传统的3D信号传感器，激光雷达的探测距离更远，测量精度更高，响应速度也更快。 
2.工作原理
 
Lidar基本结构
包括发射器、反射镜、电机、聚焦透镜和接收器。粗红线为发射光路，浅红色区域为接收光路。电机通过旋转使得发射、接受光束照射到不同的位置，从而形成 360° 扫描。
激光雷达最基本的扫描原理是飞行时间测量法——激光雷达中的激光器首先发射出一束激光脉冲，在投射到目标物体上后发生漫反射，之后传感器再接收漫反射激光。激光雷达通过激光光束在空中的飞行时间来计算得出目标物体到传感器间的距离。
激光雷达是一种采用非接触激光测距技术的扫描式传感器，其工作原理与一般的雷达系统类似，通过发射激光光束来探测目标，并通过搜集反射回来的光束来形成点云和获取数据，这些数据经光电处理后可生成为精确的三维立体图像。
采用这项技术，可以准确的获取高精度的物理空间环境信息，测距精度可达厘米级，这使得激光雷达成为汽车自动驾驶、无人驾驶、定位导航、空间测绘、安保安防等领域最为核心的传感器设备。
3.分类
不同的分类方法：
机械式激光雷达、固态激光雷达
1机械式激光雷达
通过机械式旋转来实现激光扫描；多束激光竖列而排，纵向叠加后呈现出三维立体图形。
 
2固态激光雷达
固态激光雷达，其技术路线主要分MEMS、光学相控阵技术（OPA）或FLASH三种。
相比于传统的机械式激光雷达，固态激光雷达主要具备的技术优势有——分辨率高、装调效率高、测距远以及成本低。分辨率高主要是因为固态激光雷达采用了连续扫描的方式，固态激光雷达的垂直和水平角分辨率在低帧率下可以达到0.03°。
OPA（optical phased array）光学相控阵技术
采用多个光源组成阵列，通过控制各光源发光时间差，就可以合成能够灵活控制角度方向的主光束。然后再加以控制，主光束便可以实现对不同方向的扫描。相比于MEMS激光雷达，OPA激光雷达完全取消了机械结构，结构上更加简单，体积更小，但难点在于如何把单位时间内测量的点云数据提高以及投入成本巨大等问题。
 
OPA激光雷达技术原理图
MEMS（Micro-Electro-MechanicalSystem）激光雷达
实际上是将机械机构微型化、电子化，通过微电子工艺在硅芯片上集成MEMS微振镜以替代传统的机械式选准装置，并进行大规模量产。主要是通过MEMS微镜来实现垂直方面的一维扫描，整机360度水平旋转来完成水平扫描，而其光源是采用光纤激光器。
 
MEMS固态激光雷达原理示意
Flash固态激光雷达
原理是快闪，在短时间发射出一大片覆盖探测区域的激光（即面阵光），再以高度灵敏的接收器，来完成对环境周围图像的绘制。虽然稳定性和成本不错，但问题在于探测距离较小，在技术的可靠性方面仍有待突破。
 
Flash（闪光）激光雷达基本原理
单线束激光雷达、多线束激光雷达
单线束激光雷达一次扫描只产生一条扫描线， 其所获得的数据为2D数据。数据处理量较小且速度快，单线束激光雷达多被应用于安全防护、地形测绘等领域。
在自动驾驶汽车上应用多线束激光雷达是为了实现360°扫描，多线束激光雷达一次扫描可产生多条扫描线，目前市场上多线束产品包括4线束、8线束、16线束、32线束、64线束等。
 
905nm、1559nm
目前应用于自动驾驶领域的激光雷达选用的激光器大多围绕905nm和1559nm两种类型。
相比于价格高昂的1559nm激光器，905nm激光器成本低、产业链成熟，能够顺应固态激光雷达大规模量产的趋势。
但毫无疑问，1550nm的人类视觉安全度更高，可以使用单脉冲更大辐射能量的激光，这就意味着探测距离会更远。目前来看，国内外产品主要还是以905nm激光器为主。
4.激光雷达物体检测算法
激光雷达具有不受光照影响和直接获得准确三维信息的特点，因此常被用于弥补摄像头传感器的不足。激光雷达采集到的三维数据通常被称为点云。
 
一个32线激光雷达的一帧数据的三维可视化图
在深度学习流行之前主要用传统的机器学习方法对点云进行分类和检测。
在这个领域对于这些学习方法本身的研究并不多，研究者更倾向于直接把理论上较为成熟的方法应用到激光点云数据中。研究者将研究重点主要放在对数据本身特性的理解上，从而设计出适合点云的算法流程。
相关的目标检测的数据结构和算法。基于激光雷达数据的目标检测不是一个很新的领域，但是随着在深度学习的广泛运用以及自动驾驶的兴起，这个领域在这几年不断出现更好的方法。下表是对分类检测方法的简单的总结。表中感知范围一栏表示约束算法检测范围的最主要的传感器。
 
5.产业
全球激光雷达主流厂商
 
激光雷达产业构成
激光雷达系统复杂，涉及的核心元器件众多：光电探测器、激光器、准直镜头、扫描镜、数模转换器等等。核心元器件目前主要是国外厂商垄断，国内很少有企业有能力自主量产。
 
 
 
分享到：
 
反对 0 举报 0 收藏 0 评论 0
  • 汽车测试网V课堂

    汽车测试网V课堂

  • 微信公众号

    微信公众号

  • 汽车测试网手机站

    汽车测试网手机站

• 利用 Intrinsic Flowstate 和 NVIDIA Isaac Manipulator • 自动驾驶地方立法的规范框架与基本思路
• Cache基本原理--以TC3xx为例 • 车轮上的巨变，生成式 AI 正在重新定义自动驾驶
• 基于稳态和瞬态解的伴随驱动气动外形优化 • ISC24 | 数据中心需要新的能效指标
• ISC24 | NVIDIA 通过 CUDA-Q 平台为全球各地的量子计算中 • 宝马新iX3三电技术
• 电动汽车热泵全生命周期气候性能评估模型与环保制冷剂减排 • 整车下线检测：AVM标定
0 条相关评论
  • 广告

编辑推荐

最新资讯

  • 广告
  • 广告
沪ICP备11026620号