激光雷达点云之基础扫盲
1.常见名词
角分辨率
激光雷达输出的图像也被称为“点云”图像,相邻两个点之间的夹角就是角分辨率。帧率
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。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。角分辨率和帧率的关系,和采样率的关系
由于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。
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;
- 所以其采样率为45kHz。
激光雷达可以检测到透明玻璃吗
激光雷达是基于光学检测原理,激光会穿过透明玻璃,从而造成一定概率的漏检。因此针对玻璃很多的场景使用时,可以增加一些辅助反射手段,比如粘贴磨砂贴纸,或配合其他非光学的传感器作为补充。激光雷达测距范围指标为什么标注有两个距离?
激光雷达的测距依赖激光照射在目标物体上的反光,而白色的表面反射率高,黑色的表面反射率低,不同反射率会对雷达的有效量程造成差异。点云数据合并
点云数据合并是指把相邻的点合并成一个点,一方面可以减少图像的数据量,另一方面可以增加点云的稳定度。
![](/assets/blank.gif)
- 点云上的拖尾是怎么产生的?有什么办法解决吗?
激光雷达每次采样时发送一个激光脉冲完成测量。理想的激光脉冲打在目标上是一个点,但是实际上激光出射都存在一定的发散角,打在物体上时光斑是一个面。因此,当存在前后两个物体,且激光正好打在前面一个物体的边缘时,就有可能出现一部分激光能量打在了后面的物体上,这时的回返光就是两个光斑反射光的叠加。这时雷达会判断测量目标在这两个面之间,造成拖尾现象。拖尾现象需要借助算法去除。
![](/assets/blank.gif)
2.TOF雷达和三角雷达的区别
TOF(Time of Flight)方案基于时间飞行测量,三角雷达基于几何光学运算。
- 1.原理
- 三角法的原理如下图1所示,激光器发射激光,在照射到物体后,反射光由线性CCD接收,由于激光器和探测器间隔了一段距离,所以依照光学路径,不同距离的物体将会成像在CCD上不同的位置。按照三角公式进行计算,就能推导出被测物体的距离。
![](/assets/blank.gif)
- TOF的原理如图2所示,激光器发射一个激光脉冲,并由计时器记录下出射的时间,回返光经接收器接收,并由计时器记录下回返的时间。两个时间相减即得到了光的“飞行时间”,而光速是一定的,因此在已知速度和时间后很容易就可以计算出距离。
![](/assets/blank.gif)
- 2.性能对比
测量距离
从原理上来说,TOF雷达可以测量的距离更远。实际上在一些要求测量距离的场合,比如无人驾驶汽车应用,几乎都是TOF雷达。三角雷达测不远主要有几个方面的原因:一是原理上的限制,其实仔细观察图1不难发现,三角雷达测量的物体距离越远,在CCD上的位置差别就越小,以致于在超过某个距离后,CCD几乎无法分辨。二是三角雷达没办法像TOF雷达那样获得较高的信噪比。TOF采用脉冲激光采样,并且还能严格控制视场以减少环境光的影响。这些都是长距离测量的前提条件
采样率
激光雷达描绘环境时,输出的是点云图像。每秒能够完成的点云测量次数,就是采样率。在转速一定的情况下,采样率决定了每一帧图像的点云数目以及点云的角分辨率。角分辨率越高,点云数量越多,则图像对周围环境的描绘就越细致。
就市面上的产品而言,三角法雷达的采样率一般都在20k以下,TOF雷达则能做到更高(例如星秒的TOF雷达PAVO最高可以达到100k的采样率)。究其原因,TOF完成一次测量只需要一个光脉冲,实时时间分析也能很快响应。但是三角雷达需要的运算过程耗时则更长。如下表示对同一物体不同采样率的成像效果
精度
激光雷达本质上是个测距设备,因此距离的测量精度是毫无疑问的核心指标。在这一点上,三角法在近距离下的精度很高,但是随着距离越来越远,其测量的精度会越来越差,这是因为三角法的测量和角度有关,而随着距离增加,角度差异会越来越小。所以三角雷达在标注精度时往往都是采用百分比的标注(常见的如1%),那么在20m的距离时最大误差就在20cm。而TOF雷达是依赖飞行时间,时间测量精度并不随着长度增加有明显变化,因此大多数TOF雷达在几十米的测量范围内都能保持几个厘米的精度。
转速(帧率)
在机械式雷达中,图像帧率就是由电机的转速决定的。就目前市面上的二维激光雷达而言,三角雷达的最高转速通常在20Hz以下,TOF雷达则可以做到30Hz-50Hz左右。三角雷达通常采用上下分体的结构,即上面转的部分负责激光发射、接收和采集,下部分负责电机驱动和供电等,过重的运动组件限制了更高的转速。而TOF雷达通常采用一体化的半固态结构,电机仅需带动反射镜,因此电机的功耗很小,并且可以支持的转速也更高。
当然,这里提到的转速的区别只是对现有产品的一个客观分析。其实转速和雷达采用TOF还是三角法没有本质的联系,主流的多线TOF雷达也都是采用的上下分体的结构,毕竟同轴结构的光学设计受到许多限制。多线TOF雷达的转速一般也都在20Hz以下。
不过,高转速(或者说高帧率)对点云成像效果是很有意义的。高帧率更利于捕捉高速运动的物体,比如高速公路上行驶的车辆。此外,在自身建图时,运动中的雷达建图会发生畸变(举个例子,如果一个静止的雷达扫描一圈是一个圆,那么当雷达直线运动时,扫描出的图像就变成一个椭圆)。显然,高转速可以更好的减少这种畸变的影响。
成本
如果只看性能比较,似乎TOF雷达的性能完全压过三角雷达。不过产品的竞争并不仅仅是性能参数的比拼,用户在乎的还有价格、稳定性和服务等等。至少在成本方面,目前三角雷达的成本是低于TOF雷达的,近距离的三角雷达成本已经在百元级别。而目前进口TOF雷达的售价动辄就要万元以上。可以说,高昂的价格是限制TOF激光雷达应用进一步拓展的重要因素。
应用场景
三角雷达的场景主要是在室内短距离的应用,最典型的场景就是扫地机器人。而在探测范围较大场景(比如商场、机场或者车站),以及室外场景,TOF的应用则更为广泛。另外值得一提的是,三角雷达这种裸露在外转动的方案,使其产品在防尘防水方面非常脆弱,在一些特殊场景的应用,比如AVG小车工作的车间经常会有很多灰尘,在这种环境下,三角雷达的电机非常容易损坏。相比之下,TOF雷达采用的半固态设计,可以有更优秀的防护效果,工作寿命也更长。
3.相关参考
- 点云概述
激光雷达点云之基础扫盲相关推荐
- 一文览尽基于激光雷达点云(lidar)的目标检测方法
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 本文来源:计算机视觉之路,作者:山涧一壶酒,编辑:智车科技 / 导读 / 上周文章:自动驾驶中的激光雷 ...
- 自动驾驶中,激光雷达点云如何做特征表达
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 激光雷达在自动驾驶系统中起着关键作用.利用它,可以准确地对车辆所处环境做3D建模,如高精度地图:也可以 ...
- 2020年项目经验分享:20厘米厚的无人机激光雷达点云,能否做大比例尺的河道数字高程模型?
作者简介:侯婷,机载激光雷达点云处理人员,本科毕业于河海大学,拥有15年以上的点云数据处理经验,精通点云催化剂(精简版称为"点云智绘")和TerraSolid软件. 2020年6月 ...
- 无人驾驶汽车系统入门(二十六)——基于深度学习的实时激光雷达点云目标检测及ROS实现
无人驾驶汽车系统入门(二十六)--基于深度学习的实时激光雷达点云目标检测及ROS实现 在前两篇文章中,我们使用PCL实现了在点云中对地面的过滤和点云的分割聚类,通常来说,在这两步以后我们将对分割出来的 ...
- 通过图新地球把大疆L1激光雷达点云成果和影像地形等其他GIS数据进行融合
0 序 大疆的L1激光雷达点云设备集成 Livox 激光雷达模块.高精度惯导.测绘相机.三轴云台等模块可用于高精度航测点云采集,目前在工程测量.地形测绘.应急测绘.警务执法.能源设施.农林调查上应用十 ...
- 高精地图:激光雷达点云与高精地图融合
高精地图:激光雷达点云与高精地图融合 定位精度和更新频率是高精定位的显著特征. 精度与频率:根据推算,高精定位需要实现≤25cm 的定位精度,更新频率≥100Hz,因此需要在一般导航定位方案的基础上, ...
- 自动驾驶感知——激光雷达基本概念|激光雷达点云|激光雷达的标定
文章目录 1. 激光雷达基本概念 1.1 激光雷达特点 1.2 激光雷达测距原理 1.2.1 系统组成 1.2.2 激光雷达测距原理 1.3 常见的激光雷达 1.3.1 机械旋转式激光雷达 1.3.2 ...
- 激光点云系列之一:详解激光雷达点云数据的处理过程
交流群 | 进"传感器群/滑板底盘群"请加微信号:xsh041388 交流群 | 进"汽车基础软件群"请加微信号:Faye_chloe 备注信息:群名称 + 真 ...
- 基于激光雷达点云的3D目标检测算法论文总结
作者丨eyesighting@知乎 来源丨https://zhuanlan.zhihu.com/p/508859024 编辑丨3D视觉工坊 前言 过去很多年激光雷达的车规标准和高昂价格是阻碍其量产落 ...
- 激光雷达点云数据的光伏应用文献阅读总结
一.点云的介绍 点云(point cloud)是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合,其独立描述每个点的相关属性信息,点与点之间没有显著的联系.点云数据不仅规避了图像采集过程中 ...
最新文章
- js的全部替换函数replaceAll
- BUG管理系统(Mantis)迁移实录
- 网站安全编程 黑客入侵 脚本黑客 高级语法入侵 C/C++ C# PHP JSP 编程
- leetcode 509. 斐波那契数
- Collection和Collections区别
- 使用JetBrains dotMemory 4.0分析内存
- win右键管理工具3.3.3.0
- 苹果正式推送iPadOS 13.1、iOS 13.1,修复大量Bug,速升!
- greenplum mysql jdbc_Kylin设置JDBC配置greenplum数据源
- Windows server 2012 新功能试用---- powershell 3.0 进程和服务的操作
- 【C++】日期类+日期万年历+日期计算器
- jQuery核心函数
- iOS中控制器的实践和学习(3)-简易5图之A2
- MTK 多帧算法集成
- SQL Server中以星期一为每周第一天 计算周数
- 专访雪球网技术团队:用Node.js做前端的类SOA架构
- C# 压缩和修复Access数据库
- 根据php经纬度百度地图打点,PHP使用百度地图获取指定地址坐标:经纬度(图文+视频)...
- PHP加载lod,面向大场景模型web端动态渲染LOD处理方法与流程
- react加水印_多功能React影像组件(拖拽、水印、缩放、切换、旋转)
热门文章
- 一文览尽基于激光雷达点云(lidar)的目标检测方法