来源: 传感器技术

激光雷达和与之竞争的传感器技术(相机、雷达和超声波)加强了对传感器融合的需要,也对认真谨慎地选择光电探测器、光源和MEMS振镜提出了更高的要求。

传感器技术、成像、雷达、光探测技术及测距技术(激光雷达)、电子技术和人工智能的进步,使数十种先进的驾驶员辅助系统(ADAS)得以实现,包括防撞、盲点监测、车道偏离预警和停车辅助等。通过传感器融合实现这些系统的同步运行,可以让完全自动驾驶的车辆监视周围环境,并警告驾驶员潜在的道路危险,甚至采取独立于驾驶员的躲避行动以防止碰撞。

自动驾驶汽车还必须在高速状态下区分和识别前方的物体。通过测距技术,这些自动驾驶汽车必须快速构建一张约100m距离内的三维(3D)地图,并在高达250m距离范围内创建高角分辨率的图像。如果驾驶员不在场,车辆的人工智能必须做出最佳决策。

完成这一任务的几种基本方法之一,就是测量能量脉冲从自动驾驶车辆到目标再返回车辆的往返飞行时间(ToF)。当知道“脉冲”通过空气的速度时,就可以计算到反射点的距离——脉冲可以是超声波(声纳)、无线电波(雷达)或光(激光雷达)。

class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7647058823529411" data-w="480" scrolling="no" data-src="http://v.qq.com/iframe/player.html?vid=r06087kp0fk&width=670&height=376.875&auto=0" style="display: none; width: 670px !important; height: 376.875px !important;" width="670" height="376.875" data-vh="376.875" data-vw="670"/>

美国西部光电展中滨松探测器激光雷达应用演示

使用APD制成的DEMO即使用的ToF法

在这三种ToF技术中,激光雷达是提供更高角度分辨率图像的最佳选择,因为它具有更小的衍射特性和光束发散度,可以比微波雷达更好地识别相邻物体。这种高角度分辨率在高速下尤为重要,可以提供足够的时间来应对潜在的危险,如迎面碰撞。

激光光源的选择

在ToF激光雷达中,激光发射持续时间为τ的脉冲,在发射瞬间触发定时电路中的内部时钟(下文有图示)。从目标反射的光脉冲到达光电探测器,转换产生电信号输出使时钟停止计时。这种测量往返ToF Δt时间的方式可以计算到反射点的距离R。

如果激光和光电探测器实际上位于同一位置,则距离由下公式确定:

中c是真空中光速,n是传播介质的折射率(对空气来说大约为1),影响距离分辨率ΔR的因素有两个:测量Δt时的不确定度δΔt和脉冲宽度的导致的空间误差w(w = cτ)。

以第一个因素代表测距分辨率ΔR=1/2cδΔτ,而以第二个代表测距分辨率ΔR=1/2 w = 1/2 cτ。如果以5cm的分辨率测量距离,上述关系式分别意味着δΔt大约为300ps,τ大约为300ps。

飞行时间激光雷达要求光电探测器和其后的电子学系统具有很小的时间抖动(δΔτ的主要贡献因素)以及能够发射短脉宽时间的脉冲激光器,例如相对昂贵的皮秒激光器。目前典型的汽车激光雷达系统中的激光器产生约4ns持续时间的脉冲,所以减小光束发散是必要的。

光束发散取决于波长和发射天线尺寸(微波雷达)或透镜孔径大小(激光雷达)的比值。微波雷达这一比值较大,因此发散度更大,角度分辨率较低。图中微波雷达(黑色)将无法区分这两辆车,而激光雷达(红色)可以。

对汽车激光雷达系统设计者来说,最关键的选择之一是光波长。制约这一选择的因素有几个:

  • 对人类视觉的安全性

  • 在大气中的传播特性

  • 激光的可用性和光电探测器的可用性

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,而硅基光电探测器通常比探测1550 nm光所需的铟镓砷(InGaAs)近红外探测器便宜。

然而,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——这是光波长选择的一个重要因素。

大气衰减(在所有天气条件下)、空气中粒子的散射以及目标表面的反射率都与波长有关。由于有各种各样可能的天气条件和反射表面,对于这些条件下汽车激光雷达波长的选择来说是一个复杂的问题。在大多数实际情况下,905 nm处的光损失更小,因为在1550 nm处的水分的吸收率比905 nm处要大。

光探测器的选择

只有一小部分脉冲发射的光子可以到达光电探测器的有效区域。如果大气衰减沿脉冲路径不变化,激光光束发散度可忽略不计,光斑尺寸小于目标,入射角垂直于探测器且反射体是朗伯体(所有方向均反射),则光接收峰值功率P(R)为:

P0是发射激光脉冲的光峰值功率,ρ是目标的反射率,A0是接收器孔径面积,η0是光学系统透过率,γ是大气消光系数。

该方程表明,随着距离R的增加,接收功率迅速减小。为了合理选择参数,R=100 m,探测器的活动区域上返回光子的数量大约是几百到几千,而通常发射的光子超过1012。这些回波光子与背景光子同时被探测,而背景光子没有任何有用信息。

采用窄带滤波器可以减少到达探测器的背景光,但不能减少到零,背景光的影响使检测动态范围减小,噪声(背景光子拍摄噪声)增大。值得注意的是,典型条件下地面太阳辐照度在1550 nm处小于905 nm。

报告:面向自动驾驶Lidar的核心半导体器件介绍

class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7647058823529411" data-w="480" scrolling="no" data-src="http://v.qq.com/iframe/player.html?vid=l0609rw824l&width=670&height=376.875&auto=0" style="display: none; width: 670px !important; height: 376.875px !important;" width="670" height="376.875" data-vh="376.875" data-vw="670"/>

摆脱ToF法的限制


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

激光雷达:从光电技术角度看自动驾驶相关推荐

  1. 从数据标注角度看自动驾驶,到底是谁在误导消费者?

    写本文初衷主要是从自动驾驶数据原理的角度让作为普通消费的小伙伴们能理解自动驾驶目前的发展现状,并警示喜欢有自动驾驶功能汽车的小伙伴在实际生活中一定要慎重使用. 自动驾驶最近几年一直特别火,公交.大货. ...

  2. 怎么通过media foundation将图像数据写入虚拟摄像头_千倍成本压缩!特斯拉开发虚拟激光雷达,替代最贵自动驾驶传感器...

    「谁用激光雷达,谁完蛋!」 在去年特斯拉举办的 Autonomy Day 上,特斯拉 CEO Elon Musk 言辞激烈地炮轰激光雷达. 「昂贵的传感器是不必要的,这就像是一大堆昂贵的附属品.」 「 ...

  3. arduino控制小车转向_利用XECU和激光雷达快速搭建入门级的自动驾驶小车

    利用XECU和激光雷达快速搭建入门级的自动驾驶小车 1 简介 如果关注过我们之前的推文和视频演示,相信大家对我们的XECU应该已经很熟悉了.那么今天就向大家介绍一下,如何利用我们的XECU和激光雷达快 ...

  4. 从Tesla司机高速中沉睡30公里说起,看自动驾驶的大提速进行时

    作者|震霆     出品 | 新芒X 同步首发至 新芒 xinmang.ai 如果一个司机在高速上开着开着睡着了,会发生什么? 答案显而易见,那必将是极其危险开始,说不好分分钟一场灾难性事故.但是有这 ...

  5. 从联合国法规《自动车道保持系统ALKS》看自动驾驶汽车交通安全保障及对我们的启示 | 聚焦自动驾驶...

    导语:自动驾驶汽车是"传统汽车"和"驾驶人"的结合,其交通安全更多地由车辆中的"机器驾驶人"承担和实现.那么,自动驾驶汽车的交通安全能力要如 ...

  6. 索尼开发新传感器为激光雷达提供助力,用于自动驾驶和其他应用

    索尼集团的半导体子公司索尼半导体解决方案公司宣布,到2021年9月10日,它将实现距离传感器的商业化,该传感器将为 "自动驾驶的眼睛 "LiDAR提供助力. 这将有助于提高检测和识 ...

  7. Apollo 3.0来了!百度自动驾驶硬件系统全解读

    作者 | 王石峰 编辑 | Natalie AI 前线导读: 百度 Apollo 3.0 发布在即,本期 AI 前线社群分享我们很高兴邀请到了百度自动驾驶技术部高级产品经理王石峰,为我们带来< ...

  8. 激光雷达在自动驾驶中的关键技术应用

                                                                "   无论人生上到哪一层台阶,                    ...

  9. 用于自动驾驶的激光雷达里程计方法综述

    文章:LiDAR Odometry Methodologies for Autonomous Driving: A Survey 作者:Nikhil Jonnavithula1 , Yecheng L ...

最新文章

  1. 13.angular时间
  2. vue学习笔记(三)
  3. 最佳适应算法模拟内存分配
  4. 剑指offer 旋转数组的最小数字
  5. c语言调用tensorflow模型,C++调用Python中的Tensorflow模型
  6. Windows平台下Go语言的安装和环境变量设置
  7. android插件做动态权限,Mui本地打包笔记(四)Android自定义插件的配置(以动态申请权限为例)...
  8. SqlServer整库备份还原脚本
  9. 分表分页/跨库分页为什么这么难?
  10. 移动端利用chrome浏览器在PC端进行调试方法
  11. 编译工具链和交叉编译工具链简易说明
  12. 苹果ipadmini1 主板 电路图 超清
  13. Matlab中写M文件及调用
  14. selenium调用javascript代码的方法
  15. 二重积分x^2+y^2_求二重积分∫∫|x^2+y^2-2x|dQ,区域D:X^2+Y^2
  16. python 微信支付sdk_weixin-python
  17. AI教程:自定义参考线
  18. Laravel 报错 failed to open stream 的解决方法
  19. 一文弄懂数据结构中的红黑树、二叉树
  20. Ubuntu 上安装 Freemind 并支持中文

热门文章

  1. 终结谷歌AutoML的真正杀手!Saleforce开源TransmogrifAI
  2. 独家|一文解读合成数据在机器学习技术下的表现
  3. 一文读懂深度学习模型近年来重要进展(附梳理图)
  4. TensorRT重磅更新!10亿参数大模型实时运行,GPT推理加速21倍
  5. 香港中文大学(深圳)吴保元教授课题组招收全奖PhD、实习/访问学生
  6. SAP QM Multiple Specifications的使用III
  7. 图片验证码把我逼成了人工智障
  8. 盘点2021年九大最好用的人脸识别软件
  9. 肺炎疫情期间购买口罩小记
  10. SAP 不支持交货单中同一个物料多个行项目HU与序列号组合发货场景