一、激光雷达（LDS）简介

1.激光雷达应用举例：现在自主移动机器人领域非常火爆，无人车、无人飞机、水下机器人、仓储机器人、扫地机等应用层出不穷。激光雷达传感器是地面移动机器人的标配，一些空中机器人也必须使用激光雷达。

2.国内市面上激光雷达举例：乐行天下(Inmotion)的激光雷达IMLidar，官方网址是http://robot.imscv.com/。其性能稳定可靠，国内前列。具体数据见下图。

图1.1 产品图

图1.2 雷达参数

二、测距模组原理分析及设计

1.三角测距原理

三角测距测量模型如下图。

图2.1 三角测距模型

从测距模型，根据相似三角形原理，我们可知，

其中，q为实测距离，s为激光头与镜头的距离，f为镜头的焦距，x与s对应；x该变量假设了角度β是一个常量。

角度β和q的关系如下，

对函数(1) 求导，可得，

2.测距模块设计

测距模块的设计需要考虑多种因素。

我们测距模块设计的评价函数（标准）是：系统分辨率、测距的最小值和最大值。

评价函数对应的关键可控变量有：镜头焦距（图2.1中的f）、测距模块机械尺寸（图2.1中的s）、激光头中轴线与镜头中轴线夹角（图2.1中角度β的余角）；除了关键变量外，还有比如镜头视场角、透光率、光圈，感光芯片的尺寸、分辨率等等。

先介绍一个概念，系统分辨率：一个像素的平移，对应的实测距离变化量。

由公式(3)可知，当dx为一个像素大小时，dq就是系统分辨率，即系统分辨率 r = -k*q*q/(fs)。

下图中，绿色的线代表系统分辨率，蓝色的线代表最小测量距离，即盲区。

图2.2 系统分辨率与测距函数

图中的曲线对应的感光芯片的参数是：752个像素，每个像素6微米。

我们期望最小测距不大于20cm，那么f*s就得不大于900；系统分辨率在6m处不大于30cm，那么 f*s就得大于700；因此我们选择了 f*s = 800。考虑到镜头焦距的标准情况，以及激光雷达尺寸不能太大，我们选择f = 16mm，s = 50mm。

至于夹角β，取决于感光芯片的尺寸和分辨率，即

图2.3 IMLidar测距模块

三、测距模组工程实现

1.模组校准

测距模组的主要误差来源是系统分辨率和校准误差。

校准的目的是把实际模组尽可能匹配理想模型。见图2.3，激光头的指向角度、镜头的指向角度、镜头畸变都是需要调整的关键部分。其中，激光头和镜头可由机械装置调节达到理想位置。对于镜头的畸变，我们分两步处理：a、定位激光点的成像像素到亚像素级别。b、对于不同的实测距离，我们进行相应的距离补偿，适配曲线 1/x （详见公式（1））。

图3.1 校准曲线

图3.2 校准误差与测量距离的函数

从图3.2可知，测量距离越远，误差就越大。

以上讲到的校准方法是基于一个基本前提：热应力和机械振动都比较小。

实际实现过程中，热应力和机械振动都不可忽视。我们设计的时候需要选择刚性比较好、热应力影响小的材料。

2.测距算法

我们知道，光斑的能量分布可近似为一个高斯模型。因此，为了减小误差，我们选择灰度质心法来估算光斑成像点的像素位置。

以下是使用了该算法的测距效果：STD

图3.3 REVO测距效果

3.环境光干扰

我们使用了650nm的红激光做实验。选择激光的时候需要考虑：

a、对人眼的危害情况。b、测距信噪比。c、对环境光的抗干扰能力。

我们对IMLidar做了实测。IMLidar的激光安全等级是class-I。激光的功率越大，测距的信噪比就越高（有上限）。直视太阳光，IMLidar失效；但在非直视太阳光的室外、普通室内的环境下，环境光对测距效果没影响。

对于环境光的影响，我们通常采用两种方式处理，一是时间滤波，二是窄带滤波。

图3.4 激光功率

上图体现了激光脉宽与最大允许光强的关系。选择参数是一个博弈的结果，需要多方面权衡利弊。

4.硬件逻辑

激光雷达的工作流程是：

a、发射激光，同时感光芯片曝光。

b、读取像素数据。

c、计算出像素的中心（质心）位置。

d、把c中的计算结果（像素位置）换算成距离信息。

硬件的逻辑详见下图：

图3.5 LDS硬件逻辑

5.测距性能

REVO测距性能情况如下：10%反射率和90%反射率的条件下的测距效果。

图3.6 REVO测距性能

针对IMLidar，我们测试发现它稳定工作后，误差可保持在测量距离的1%以内。

四、激光雷达扫描工程实现

1.雷达旋转扫描

我们定义雷达测距的参考点为雷达的旋转中心。

图4.1 雷达旋转

由图4.1，我们可知：

也就是说，雷达旋转起来后，测距的参考点与原来不转的测距模组的参考点不同。因此，我们需要对测距数据做一个公式（6）的换算处理。 2.角度与测距同步

激光雷达传感器对外提供的数据是距离和角度信息，也就是一个极坐标信息。

角度获取与测距需要同步，才能反映环境信息。

3.寿命问题

以前的低成本激光雷达都采用滑环的方式给旋转体供电和通信。滑环的寿命比较短，只有大概 1000个小时，因此导致整个雷达的寿命受到影响。IMLidar采用无线供电方式，因此寿命会比较长。具体数据难以实测。

4.实测表现

下面是REVO的实测结果。IMLidar的性能实测更好。

图4.2 雷达实测

五、总结

文章主要参考了ICRA上的一篇论文“A Low-Cost Laser Distance Sensor”。

IMLidar的核心设计思想估计也是如此。从原理模型设计到消费级产品，这个过程非常艰难，但相信也很有意思。

LSD激光雷达简单介绍相关推荐

遗传算法的简单介绍以及模式定理的简单证明
遗传算法遗传算法(Genetic Algorithm,GA),最早是由美国的John holland在20世纪70年代提出.算法通过模拟达尔文生物进化论的自然选择以及遗传学机理的生物进化过程来搜 ...
2021年大数据ELK（十八）：Beats 简单介绍和FileBeat工作原理
全网最详细的大数据ELK文章系列,强烈建议收藏加关注! 新文章都已经列出历史文章目录,帮助大家回顾前面的知识重点. 目录 Beats 简单介绍和FileBeat工作原理一.Beats 二.FileB ...
2021年大数据ELK（十五）：Elasticsearch SQL简单介绍
全网最详细的大数据ELK文章系列,强烈建议收藏加关注! 新文章都已经列出历史文章目录,帮助大家回顾前面的知识重点. 目录 Elasticsearch SQL简单介绍一.SQL与Elasticsear ...
2021年大数据ELK（二）：Elasticsearch简单介绍
全网最详细的大数据ELK文章系列,强烈建议收藏加关注! 新文章都已经列出历史文章目录,帮助大家回顾前面的知识重点. 目录系列历史文章一.Elasticsearch简介 1.介绍 2.创始人二.E ...
iOS开发UI篇—多控制器和导航控制器简单介绍
iOS开发UI篇-多控制器和导航控制器简单介绍一.多控制器一个iOS的app很少只由一个控制器组成,除非这个app极其简单.当app中有多个控制器的时候,我们就需要对这些控制器进行管理有多个vi ...
简单介绍一下R中的几种统计分布及常用模型
统计学上分布有很多,在R中基本都有描述.因能力有限,我们就挑选几个常用的.比较重要的简单介绍一下每种分布的定义,公式,以及在R中的展示. 统计分布每一种分布有四个函数:d――density(密度函数) ...
LVS(Linux Virtual Server)三种负载均衡模型和十种调度的简单介绍
LVS(Linux Virtual Server)三种负载均衡模型和十种调度的简单介绍 LVS (Linux Virtual Server) LVS(Linux Virtual Server)其实就是 ...
dubbo学习过程、使用经验分享及实现原理简单介绍
一.前言部门去年年中开始各种改造,第一步是模块服务化,这边初选dubbo试用在一些非重要模块上,慢慢引入到一些稍微重要的功能上,半年时间,学习过程及线上使用遇到的些问题在此总结下. 整理这篇文章差不 ...
iOS开发UI篇—UIWindow简单介绍
iOS开发UI篇-UIWindow简单介绍一.简单介绍 UIWindow是一种特殊的UIView,通常在一个app中只会有一个UIWindow iOS程序启动完毕后,创建的第一个视图控件就是UIWi ...

LSD激光雷达简单介绍

3.环境光干扰

LSD激光雷达简单介绍相关推荐

最新文章

热门文章