机器人开发--雷达lidar

news2024/11/17 2:53:14

机器人开发--雷达lidar

  • 1 介绍
  • 2 分类
    • 2.1 整体分类
    • 2.2 机械式(三角&ToF)
      • 三角测距激光雷达
      • ToF测距激光雷达
  • 3 机械式单线ToF激光雷达
    • 3.1 扫描原理
    • 3.2 不同材料反射率
    • 3.3 核心参数
  • 参考

1 介绍

激光雷达(英文:Laser Radar ),是以发射激光束探测目标的位置、速度等特征量的雷达系统。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,就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,从而对飞机、导弹等目标进行探测、跟踪和识别。

2 分类

2.1 整体分类

在这里插入图片描述
在这里插入图片描述

2.2 机械式(三角&ToF)

其中机械式激光雷达使用了不同的测距原理,主要可分为三角测距和ToF测距两类,使得雷达整体设计在尺寸、性能和成本上有较大差异。

三角测距激光雷达

雷达测距模块向外发射红外激光,入射到被测物体上之后,部分散射光经接收透镜汇聚到线阵图像传感器(CCD/CMOS)上成像。由图中的几何关系可知,位于不同距离的物体。
f:接收透镜的焦距
L:发射光路光轴与接收透镜主光轴之间的偏移(即基线距离)
在这里插入图片描述

  • 三角测距的距离分辨率会随着距离的变远而急速下降
  • 为了达到一定的距离分辨率,三角测距激光雷达往往都会使用较高分辨率的线阵图像传感器,通常具有数千个像素点,每次测距时需要将这些像素点的灰度值读出并交给DSP处理,整个读出和处理的过程需要耗费一定时间,从而限制了三角测距激光雷达的数据速率。
  • 成本低,能做到百元级,扫地机器人能大范围使用就是这个原因。

ToF测距激光雷达

Time of Flight,飞行时间测距法。
①开始测距时,脉冲驱动电路驱动激光器发射一个持续时间极短但瞬时功率非常高的光脉冲,同时计时单元启动计时;
②光脉冲经发射光路出射后,到达被测物体的表面并向各方向散射。测距模块的接收光路收到部分散射光能量,通过光电器件转化为光电流,输送给回波信号处理电路;
③回波信号处理电路将光电流转化为电压信号,经过一级或数级放大并调理后,得到一个回波信号对应的电脉冲,用于触发计时单元停止计时;
④此时,计时单元记录的时间间隔就代表了激光脉冲从发射到返回的全程所用的时间,使用这个时间值乘以光速并除以2,即可得到测距单元与被测目标之间的距离值。
在这里插入图片描述
在这里插入图片描述
测量发射波脉冲与目标回波脉冲之间的时间间隔,即测量激光脉冲从激光器到待测目标之间的往返时间T,即可得到目标距离 S = cT / 2,其中c为光在空气中的传播速度(3×10^8m/s)。
理论上,1cm测距,光飞行时间是67ps【皮秒】,1m测距,光飞行时间是6.7ns【纳秒】,由此可见,计数器很重要。

  • ToF测距的工作条件比较极端,非常大(脉冲发射峰值)、非常弱(脉冲回波)和非常快(纳秒/皮秒级别)的信号,这就对整个电路的驱动能力、带宽和噪声抑制水平提出了很高的要求。
  • ToF通过测量光脉冲的飞行时间来计算目标距离,而计时的精度不会因距离变远而发生改变,这样在整个量程内,ToF测距的距离分辨率都不会有实质性的变化。
  • ToF测距处理的都是高速脉冲信号,由此而来的好处是整个测量过程耗时极短,可以很轻松地做到非常高的测量频率。
  • 激光雷达lidar目前的技术难点在哪,关键技术都有哪些? - 十一号组织的回答 - 知乎

3 机械式单线ToF激光雷达

3.1 扫描原理

单线激光雷达的工作原理是发射器在激光雷达内部进行匀速的旋转,每旋转一个小角度(称之为角分辨率)即发射一次激光,轮巡一定的角度后,就生成了一帧完整的数据。但也意味着单线激光雷达只能识别同一高度一排点阵,只能描述线状信息,无法描述面以及高度。下图为扫描的原理图:
在这里插入图片描述

3.2 不同材料反射率

在这里插入图片描述
在这里插入图片描述

3.3 核心参数

  • 扫描频率:即转速,10Hz就是一秒转10圈。
  • 帧率:即代表一秒钟内激光雷达电机旋转的圈数,也就是每秒钟完成一圈扫描的次数。激光雷达输出的图像也被称为“点云”图像。
    一幅点云图像代表一帧,对应到激光雷达内部就是电机旋转一圈完成扫描。
    由于出厂后的激光雷达的采样率是一定的,因此帧率越高,角分辨率越低;帧率越低,角分辨率越高。
  • 角分辨率:即相邻两个点之间的夹角。
  • 采样率表示激光雷达每秒钟进行有效采集的次数,可直观理解为一秒内产生的点云数目。采样率可以通过角分辨率和帧率计算:
    角分辨率0.08°时,每一帧的点云数目:360°/0.08°= 4500;每秒10帧,则每秒的点云数目:4500×10=45000;所以该激光雷达的采样率为45kHz。

参考

1、SICK 单线激光雷达LMS511_Upupup6的博客-CSDN博客_西克511雷达接线图
2、优劣几何?三角法和TOF激光雷达大解析!_奥比中光3D视觉开发者社区的博客-CSDN博客_三角雷达 csdn
3、激光雷达中三角测距与ToF测距的原理及比较-电子发烧友网
4、激光雷达(以激光器为辐射源雷达)_百度百科
5、激光雷达的7大分类讲解_思岚科技 SLAMTEC的博客-CSDN博客_激光雷达分类
6、激光雷达lidar目前的技术难点在哪,关键技术都有哪些? - 十一号组织的回答 - 知乎
7、万字长文文带你了解自动驾驶重要传感器——激光雷达_半甜田田的博客-CSDN博客
8、单线激光雷达 | 仙工智能帮助中心
9、「权记见闻」一看就懂,3分钟讲清激光雷达的工作原理
10、# 全面解析激光雷达
11、激光雷达扫描频率、角分辨率、帧率与采样率的计算方法_源代码杀手的博客-CSDN博客_角分辨率

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/78287.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

2023最新SSM计算机毕业设计选题大全(附源码+LW)之java制造类企业erp23725

面对老师五花八门的设计要求,首先自己要明确好自己的题目方向,并且与老师多多沟通,用什么编程语言,使用到什么数据库,确定好了,在开始着手毕业设计。 1:选择课题的第一选择就是尽量选择指导老师…

第十四周周报

学习目标: 一、论文“Vector Quantized Diffusion Model for Text-to-Image Synthesis”的Code 二、猫狗识别、人脸识别模型 学习内容: Code 学习时间: 12.4-12.9 学习产出: 一、论文Code 正向过程: 先通过Tam…

Python——学生管理系统

实现学生系统的增,删,查,打印所有学生功能,分别介绍使用列表存储和使用文件存储的代码 使用列表存储 import sys students []def menu():print("1. 新增学生")print("2. 显示学生")print("3. 查找学生…

【OpenCV学习】第10课:形态学操作的应用-图像去掉干扰线丶干扰点

仅自学做笔记用,后续有错误会更改 理论 去干扰线干扰点的操作方法, 大体上与第9课所说的提取水平/垂直线一致, 只是把核改为矩形, 不要线型就行,反正都是通过开操作来实行的。 操作流程: 输入图像(一般是…

python数据分析:湖南省第七次人口普查可视化

前言 嗨喽~大家好呀,这里是魔王呐 ❤ ~ 今天案例难度指数: ☆☆☆ 准备 环境使用: Anaconda (python3.9) –> 识别我们写的代码 开发工具: jupyter notebook –> 代码编辑功能敲代码的工具 相关模块: pandas pyechart…

[附源码]计算机毕业设计基于Web的绿色环保网站Springboot程序

项目运行 环境配置: Jdk1.8 Tomcat7.0 Mysql HBuilderX(Webstorm也行) Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。 项目技术: SSM mybatis Maven Vue 等等组成,B/S模式 M…

c# .net iot树莓派/香橙派用到物联网包Iot.Device.bindings 支持设备说明文档

c# .net iot树莓派(进口,贵)/香橙派(国产,功能相同,性价比高)用到物联网包Iot.Device.bindings 支持设备说明文档 我们c# .net iot开发树莓派/香橙派都需要用到Iot.Device.bindings、System.De…

RNA-seq 详细教程:假设检验和多重检验(8)

学习目标 了解模型拟合的过程比较两种假设检验方法(Wald test vs. LRT)了解多重测试校正的重要性了解用于多重测试校正的不同方法1. 模型拟合和假设检验 DESeq2 工作流程的最后一步是对每个基因进行计数并将其拟合到模型中并测试差异表达。 Hypothesis t…

osgEarth各个示例分析目录

概述 由于数字地球项目需要osgEarth的代码知识,故决定学习osgEarth的示例,示例中有很多可以借鉴的内容。以下是分析目录,完全是随机进行的,并没有什么上下文逻辑。 每一篇代码边学习边分析,如果有错误,请…

【Java面试】说说JVM的内存结构以及他们那些会产生内存溢出?

文章目录内存结构内存溢出的产生内存结构 对于JVM的内存结构,我将按照上面两张图配合来讲。 Java Source就是我们的Java源代码,经过JVM编译器编译之后变为Java Class也称Java字节码文件。当我们运行java命令对字节码文件进行运行的时候,将会…

深度学习-三维卷积神经网络(3DCNN)

1. 3DCNN理解 2D卷积仅仅考虑2D图片的空间信息,所以只适用于单张2D图片的视觉理解任务。在处理3D图像或视频时,网络的输入多了一个维度,输入由(c,height,width)(c,height,width)(c,height,width)变为了(c,depth,height,width)(c,depth,height…

计算机毕业设计django基于python学生考试成绩数据分析与可视化系统

项目介绍 随着社会的逐步发展,计算机网络技术对人们工作、生活影响是全面且深入的。基于计算机网络的管理系统越来越受到人们的欢迎,人们可以通过基于网络的管理系统进行实时数据信息查询、管理数据信息等,给人们的生活、工作带来便利。 在学校的日常管理工作中,学生成绩的统计…

【Python计算机视觉】项目实战之图像增强imguag对关键点变换、标注框变化(附源码 超详细必看)

需要源码或运行有问题请点赞关注收藏后评论区留言私信~~~ 一、imgaug简介 imguag使一个用于机器学习实验中图像增强的Python依赖库,支持Python2.7和Python3.4以上的版本,它支持多种图像增强技术,并允许轻松地组合这些技术,具有简…

uniapp中如何使用vuex进行状态管理(登录小案例讲解)

前言 本篇文章来讲解uniapp中如何使用vuex来实现状态管理,后面会讲实现登录状态管理的案例。如果之前学过vuex全家桶的同学那应该没啥问题,在uniapp中使用vuex和vue中基本是一样的。 什么是vuex 简单来说就是vue中的状态管理仓库,对于vuex…

从文件包含到RCE方法

前言 大家在参加众测的行动时,若是发现了以下基础危害不大的漏洞,不建议直接提交的,而是应该想办法看,能不能对该漏洞进行升级,扩大其危害,多拿点奖励。当然,文件包含不算常见,经常…

车床零件加工调度问题

目录 题目 思路 代码 运行结果 题目 某车间需要用一台车床和一台加工A,B,C,D4个零件。每个零件都需要先用车床加工,再用加工。车床和加工每个零件所需的工时(包括加工前的准备时间以及加工后的处理时间)如下表所示。…

移动端APP测试常见面试题精析

现在面试测试职位,要求非常全面,那么APP测试一般需要哪些技术呢?下面总结了APP测试常见面试题: 1.Android四大组件? Activity:描述UI,并且处理用户与机器屏幕的交互。应用程序中,一个Activity就相当于手…

c++ 基础(新手入门必看)

C基础讲解,用于C语言向C的衔接 文章目录命名空间C输入输出缺省参数函数重载引用内联函数auto关键字基于范围for循环指针空值 -- nullptr命名空间 如果你以前看到过C的程序,那么你大概率会看到这样一行代码 这行代码就用到了命名空间的知识,…

QT 系统学习 day06 ,摄像头,语音识别(语音转文字,文字转语音,Qt 的人脸识别系统),

1.调用摄像头&#xff0c;拍照&#xff0c;存储照片 1.摄像头文件 /******* 摄像头相关类 *****/ #include <QCamera> /*** 摄像头类 ***/ #include <QCameraInfo> /*** 系统摄像头属性类 ***/ #include <QCameraImageCapture> /*** 用于记录摄像头数据的类…

C语言入门(一)——程序的基本概念

程序的基本概念 程序和编程语言 自然语言和形式语言 程序的调试 第一个程序 程序的基本概念 程序和编程语言 1.程序 程序&#xff08;Program&#xff09;告诉计算机应如何完成一个计算任务&#xff0c;这里的计算可以是数学运算&#xff0c;比如解方 程&#xff0c;也可…