【激光雷达】

news2024/10/5 13:54:31

激光雷达

  • 机械式360°扫描雷达
  • 半固态激光雷达
    • 二维扫描
    • 一维扫描
  • 固态激光雷达
    • OPA固态激光雷达( 光学相控阵技术)
    • Flash激光雷达
  • FMCW 激光雷达

激光雷达技术在近几年可以说是蓬勃发展,新能源汽车的大量使用,给雷达技术的发展提供了肥沃的土壤,然而各种雷达的类型叫人一头雾水,机械雷达,半固态雷达,固态雷达,固态雷达和TOF相机又有什么关系?是不是很迷,那就叫我们投身激光雷达的蓝海吧。先说两个知识点:
1、双目距离<iTOF深度相机<dTOF深度相机(即面阵式激光雷达)。
2、人眼可识别的可见光波长处在390-780nm,而400-1400nm波段内激光都可以穿过玻璃体,聚焦在视网膜上,而不会被晶状体和角膜吸收,人眼视网膜温度上升10℃就会造成感光细胞损伤。因此905nm激光雷达为了避免对人眼造成伤害,发射功率需先在在对人无害的范围内。所以905nm激光的探测距离也会受到限制。相比905nm激光,1550nm激光会被人眼晶状体和角膜吸收,不会对视网膜产生伤害,因此1550nm激光雷达可以发射更大功率,探测距离也可以做到更远。但是1550nm激光雷达无法采用常规的硅吸收,而需要用到更加昂贵的铟镓砷(InGaAs)材质,因此在价格上较905nm激光雷达会贵出很多。

机械式360°扫描雷达

结构:机械激光雷通过电机和转台带动激光发射器和接收器整体360°旋转,能对周围环境进行全方位的扫描,获取的点云信息较完整。
原理:通过旋转激光发射器和接收器,机械式激光雷达能够覆盖周围环境的全景视角。它发射激光脉冲,并测量脉冲返回的时间(飞行时间)来计算距离。
在这里插入图片描述
性能:机械式激光雷达通常具有较高的角分辨率和距离精度,因为它能够精确地控制旋转速度和激光发射频率;扫描频率受限于机械部件的旋转速度,通常在10-20Hz左右。

机械激光雷达作为激光雷达技术中最成熟的技术方案。但因其传统的分立式设计,导致其体积大降本空间有限,不适于车规级量产。机械式激光雷达具有扫描速度快,接受视场小,抗光干扰能力强,信噪比高等优势,缺点在于价格昂贵,光路调试、装配复杂、生产周期漫长、行车环境下可靠性不高。

半固态激光雷达

目前主流车企使用的为半固态激光雷达,这种雷达可分为一维扫描和二维扫描,这两种方式的共同之处为,都是通过内部运动的反射镜来改变激光的方向。

二维扫描

这一技术方案可细分为MEMS(微振镜式)和二维转镜两种,其中,转镜式保持收发模块不动,让电机在带动转镜运动的过程中将光束反射至空间的一定范围,从而实现扫描探测,其技术创新方面与机械式激光雷达类似。
  微振镜式主要采用高速振动的二维振镜,通过悬臂梁在横纵两周高速周期运动去改变激光方向,进而实现对空间一定范围的扫描测量,技术发展方面侧重开发口径更大、频率更高、可靠性更好振镜来适用于激光雷达。微镜振动幅度很小,频率高,成本低,技术成熟,适用于量产大规模应用。
在这里插入图片描述
相比传统的机械式激光雷达,MEMS方案简化了扫描结构,通过控制微振镜的偏转角度就能改变扫描路径,仅需几个激光器就能达到等效机械式激光雷达的覆盖区域和点云密度。
但这一方案的技术难点在于悬臂梁转动的角度有限,使得单个振镜覆盖的视场角很小,往往需要多台拼接才能实现大视场角的覆盖,可能导致点云图像在叠加边缘出现不均匀的畸变和重叠,加大后续的数据处理难度。
二维转镜方案中,一个在横轴不断旋转的多边形棱镜和一个可以在纵轴摆动的镜子组成。例如下面为一种常见的二维转镜的示意图,不断旋转的多边形棱镜可以使光源实现水平扫描,同时纵轴摆镜可以改变光源的垂直扫描方向。
在这里插入图片描述
通过上述方案,仅需要一束光源,即可以完成机械式激光雷达若干个光源才能完成的扫描任务,但也因为只有一束激光,如果要保证对物体的高清扫描,就要求扫描频率非常高,同时也需要更大的功率,这给扫描器件的可靠性带来了巨大的挑战。

一维扫描

与二维扫描相比,一维扫描采用仅在水平方向上低速转动的反射镜来改变光线的方向,获得视场角覆盖,稳定性和可靠性更高。此方法的局限性在于扫描线数量较少,难以实现较高的分辨率。
在这里插入图片描述
近些年,上述问题得到了一定程度的解决,在一维转镜架构中,激光线的数量等于激光器的数量,想要提高线的数量,就需要足够多的激光器,芯片化技术已经能够将在厘米级的芯片上集成128组激光收发模块。

固态激光雷达

固态激光雷达的特点是面阵收发和无运动部件,其实无论是机械还是半固态激光雷达,都是收发模块搭配一种做机械运动的扫描模块构成,只要内部存在运动部件就不能算纯固态,而且归根结底,扫描模块只是一个机械部件,是一种“形式”,真正决定激光雷达性能的本质是其收发模块。纯固态雷达内部没有运动部件,其结构简单,集成度高,目前主要由OPA和Flash两种技术路线。

OPA固态激光雷达( 光学相控阵技术)

相控阵激光雷达(Optical Phased Array, OPA)通过控制激光束的相位来改变扫描方向。相控阵雷达发射的是电磁波,同样也是波的一种,波与波之间会产生干涉现象。通过控制相控阵雷达平面阵列各个阵元的电流相位,利用相位差可以让不同的位置的波源会产生干涉,从而指向特定的方向。往复控制相位差便可以实现扫描的效果。
工作原理:
1、激光源:激光源产生单一相位的激光束,这个激光束被分成多个子光束,每个子光束进入独立的相控阵元件。
2、相控阵元件:每个相控阵元件包含许多微小的激光发射器,这些发射器的相位可以独立控制。相位调制器(如液晶、热光、或电光材料)用来调节每个发射器的相位。
3、相位调制:通过调整相控阵中每个发射器的相位,形成特定波前的光束。这些相控阵发射器可以精确地控制光束的相位分布,使得不同方向的光波干涉相长或相消,从而改变光束的方向。
4、波前控制:波前控制是实现光束扫描的核心。通过在相控阵上施加线性相位梯度,可以使光束在特定角度偏转。改变相位梯度的方向和大小,可以控制光束的扫描角度和范围。

Flash激光雷达

Flash的技术路线是通过高密度的激光阵列,通过扫描的方式,而是在短时间内直接向前方发射出一大片覆盖探测区域的激光,通过高度灵敏的接收器实现对环境周围图像的绘制。Flash激光雷达的原理类似于拍照,但最终生成的数据包含了深度等3D数据。
固态激光雷达取消了高频机械结构,即可以降低物料和量产成本,也可以提升产品性能。
在这里插入图片描述
现阶段固态激光雷达的不足在于功率密度较低,探测距离短,不能大量量产。
应用场景:分辨率和精度,固态激光雷达在分辨率和精度方面有所提升,但与机械式激光雷达相比,可能存在一定的限制。固态激光雷达由于没有机械部件的限制,扫描频率可以非常高,通常超过100Hz。

FMCW 激光雷达

FMCW 激光雷达发射调频连续激光,通过回波信号与参考光进行相干拍频得到频率差,从而间接获得飞行时间反推目标物距离,同时也能够根据多普勒频移信息直接测量目标物的速度,技术发展方向有利用硅基光电子技术实现激光雷达系统的芯片化。
  FMCW 激光雷达可实现更高的探测灵敏度和精度,适合硅光子和相控阵技术低成本批量生产,并且可以有效阻止其他雷达的干扰。但是,对元件的功耗处理能力要求很高是限制该技术的基本因素,若要获得市场认可,其中的激光器必须要在调频速度、调频范围、线性度、激光相干性、满足车规以及能够低成本量产等多方面取得进展。
  基于不同激光雷达的优劣势,国内外厂商在技术方面选择不同阵营。
  目前机械式激光雷达的玩家主要有:禾赛、Velodyne、速腾、Ouster 等。
  混合固态激光雷达的玩家主要有:基于 MEMS 的速腾、Innoviz,基于转镜式的大疆 Livox、法雷奥、Luminar 等。
  而纯固态激光雷达玩家有: Quanergy、Ibeo 等。
  激光雷达固态化是未来趋势,有着小型化、低成本优势。固态激光雷达无需旋转部件,因而体积更小,十分方便集成在车身内部,并且随着系统可靠性的不断提升,成本也可大幅降低。因此,激光雷达有向固态发展的趋势。

性能FMCWTOF
探测原理相干探测直接探测
抗干扰能力极强
有效探测所需光子数量101000
工作距离远距离探测探测距离较近
人眼安全等级
测量速度信息
能耗
技术特性难度高,成本高难度低,成本低
切向运动的物体不能探测能探测

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1809090.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

C++系统编程篇——linux编译器 gcc/g++(链接动静态库)

linux编译器-gcc/g &#xff08;1&#xff09;g安装&#xff08;gcc一般自带&#xff0c;g需要下载&#xff09; sudo yum install -y gcc-c g --version gcc用于编译C语言代码&#xff0c;g用于编译C代码 &#xff08;2&#xff09;程序翻译过程 选项“-o”是指目标文件…

Python的else子句7个妙用,原来还能这样用,整挺好!

## 1、条件语句else基础 &#x1f504; 1.1 简单else的常规操作 在Python中&#xff0c;else子句通常跟在if或一系列if-elif之后&#xff0c;提供一个“否则”的情况处理路径。如果前面的所有条件都不满足 &#xff0c;程序就会执行这里的代码块。例如 &#xff0c;检查一个数…

目标检测(R-CNN)系列(Pytorch 26)

一 R-CNN 除了之前描述的单发多框检测之外&#xff0c;区域卷积神经网络&#xff08;region‐based CNN或regions with CNN features&#xff0c; R‐CNN&#xff09;(Girshick et al., 2014)也是将深度模型应用于目标检测的开创性工作之一。下面介绍R‐CNN及其一 系列改进方法…

【JavaEE】Spring Boot MyBatis详解(一)

一.MyBatis的基本概念与相关配置. 1.基本概念 MyBatis是一款优秀的持久层框架&#xff0c;用于简化JDBC的开发。MyBatis本是Apache的一个开源项目iBatis&#xff0c;2010年这个项目由apache迁移到了google code&#xff0c;并且改名为MyBatis. 2013年11月迁移到Github.持久层…

吴恩达2022机器学习专项课程C2W3:2.25 理解方差和偏差(诊断方差偏差正则化偏差方案)

目录 引言名词替代影响模型偏差和方差的因素1.多项式阶数2.正则化参数 判断是否有高偏差或高方差1.方法一&#xff1a;建立性能基准水平2.方法二&#xff1a;建立学习曲线 总结 引言 机器学习系统开发的典型流程是从一个想法开始&#xff0c;然后训练模型。初次训练的结果通常…

SpringSecurity入门(四)

18、权限管理/授权 18.1、针对url配置 配置SecurityConfig package com.wanqi.config;import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; import org.springframework.security.config.annotation.web.bu…

基于STM32的595级联的Proteus仿真

文章目录 一、595级联1.题目要求2.思路3.仿真图3.1 未仿真时3.2 模式A3.2 模式B3.3 故障模式 二、总结 一、595级联 1.题目要求 STM32单片机&#xff0c;以及三个LED灯对应红黄绿灯&#xff0c;IIC的OLED显示屏&#xff0c;温湿度传感器DHT11&#xff0c;两个独立按键和两个5…

复数乘法IP核的使用

一、IP核解析 在这张图片中&#xff0c;我们看到的是一个“Complex Multiplier (6.0)” IP 核的配置界面。以下是各个配置参数的详细说明&#xff1a; 1.1 Multiplier Construction Use LUTs: 选择这个选项时&#xff0c;乘法器将使用查找表&#xff08;LUTs&#xff09;来实现…

【数据分析系列】交叉列联表与卡方检验:数据解读与Python实践应用

目录 一、交叉列联表和卡方检验的关系 &#xff08;一&#xff09;什么是交叉列联表 &#xff08;二&#xff09;什么是卡方检验 &#xff08;三&#xff09;除了卡方检验&#xff0c;列联表分析还可以结合其他统计方法 二、列联表只能用于两个分类变量吗&#xff1f; 三、…

随机点名软件,教师必备NO.106

事先需要新建一个txt文本文档&#xff0c;里面输入名单&#xff0c;一行一个 点击文件-导入TXT-点击开始抽取 资源来源于网络&#xff0c;免费分享仅供学习和测试使用&#xff0c;请勿用于商业用途&#xff0c;如有侵权请联系删除&#xff01; 下载地址&#xff1a;点击查看…

CISCN2023 初赛部分复现

Misc 1. 被加密的生产流量 涉及到modbus协议 modbus && frame.len 66过滤之后&#xff0c;每条流量最后两个字节是base32的密文 脚本一键提取 #modbus_exp import pysharkflag tmp 0 cap pyshark.FileCapture(input_file"D:/下载/CTF附件/ciscn2023/modbu…

js调试过程中修改变量值

1.在想要变更的地方添加断点 2.添加监视表达式 3.执行网页代码&#xff0c;当执行到断点处则会停止 4.点击执行下一步&#xff0c;则会执行监视表达式

68. UE5 RPG 处理多个角色后续bug

我们现在已经有了四个敌人角色&#xff0c;接下来&#xff0c;处理一下在战斗中遇到的问题。 处理角色死亡后还会攻击的问题 因为我们有角色溶解的效果&#xff0c;角色在死亡以后的5秒钟才会被销毁掉。所以在这五秒钟之内&#xff0c;角色其实还是会攻击。主要时因为AI行为树…

MySQL基础---库的操作和表的操作(配着自己的实操图,简单易上手)

绪论​ 勿问成功的秘诀为何&#xff0c;且尽全力做您应该做的事吧。–美华纳&#xff1b;本章是MySQL的第二章&#xff0c;本章主要写道MySQL中库和表的增删查改以及对库和表的备份处理&#xff0c;本章是基于上一章所写若没安装mysql可以查看Linux下搭建mysql软件及登录和基本…

Android.基本用法学习笔记

设置文本的内容 先在strings.xml声明变量 方法1. 方法2. 设置文本的大小 1.单位dp&#xff0c;大家可以去学一下有关的单位换算 2. 设置文本颜色 1. 2. 4.设置文本背景颜色 1. 2. 设置视图的宽高 与上级视图一致&#xff0c;也就是上一级有多宽就有多少 1. 2. 3. 4. 设置视图…

1.VMware软件的安装与虚拟机的创建

1. VMware软件的安装 1.1 为什么需要虚拟机 嵌入式Linux开发需要在Linux系统下运行&#xff0c;我们选择Ubuntu。   1、双系统安装     有问题&#xff0c;一次只能使用一个系统。Ubuntu基本只做编译用。双系统安装不能同时运行Windows和Linux。   2、虚拟机软件   …

pytorch 实现语义分割(Pytorch 27)

一 语义分割 在目标检测问题中&#xff0c;我们一直使用方形边界框来标注和预测图像中的目标。下面探讨语义分割&#xff08;semantic segmentation&#xff09;问题&#xff0c;它重点关注于 如何将图像分割成属于不同语义类别的区域。 与目标检测不同&#xff0c;语义分割可…

k8s 1.28 搭建rabbitmq集群

1.环境 1.1 k8s 1.28 1.2 rabbit 3.8 1.3 工作空间default 1.4 注意&#xff0c;内存最好充足一点&#xff0c;因为我就两个节点一个master、一个node&#xff0c;起初我的node是8g&#xff0c;还剩3~4G&#xff0c;集群竟然一直起不来&#xff0c;后来将虚拟机内存扩大&#x…

ROS1配置husky仿真环境遇到的一些问题+方法论

ROS 系列学习教程(总目录) 本文目录 一、问题描述二、问题分析2.1 分析日志2.2 尝试一&#xff08;失败&#xff09;2.3 尝试二&#xff08;成功&#xff09; 三、husky仿真需要安装的软件包四、总结 - 方法论4.1 文件路径不合法4.2 文件内容不合法4.3 ROS 环境变量4.3.1 方法一…

consul做配置中心

1. 分布式配置中心 consul不仅可做注册中心&#xff0c;还可做配置中心 applicaiton.yml与bootstrap.yml: applicaiton.yml是用户级的资源配置项bootstrap.yml是系统级的&#xff0c;优先级更加高 Spring Cloud会创建一个“Bootstrap Context”&#xff0c;作为Spring应用…