作者:Sarven Ipek and Ron Kapusta
一个完全自主的明天的承诺似乎不再像一个白日梦。今天,围绕自主性的问题集中在实现自主性所需的底层技术和进步上。光探测和测距(LIDAR)已成为支持向自主应用转变的最受讨论的技术之一,但仍存在许多问题。范围大于100米、角分辨率为0.1°的激光雷达系统继续占据自动驾驶技术头条。但是,并非所有自治应用程序都需要此级别的性能。代客泊车辅助和街道清扫等应用就是两个这样的例子。有许多深度传感技术可以实现这些应用,例如无线电探测和测距(雷达)、立体视觉、超声波检测和测距以及激光雷达。但是,这些传感器中的每一个在性能、外形尺寸和成本之间都有独特的权衡。超声波设备是最实惠的,但在范围、分辨率和可靠性方面受到限制。雷达在范围和可靠性方面有了很大的改进,但它也有角分辨率的限制,而立体视觉如果校准不当,可能会有很大的计算开销和精度限制。周到的 LIDAR 系统设计有助于弥合这些差距,具有精确的深度传感、精细的角度分辨率和低复杂度处理,即使在远距离也是如此。然而,激光雷达系统通常被认为是笨重和昂贵的,事实并非如此。
激光雷达系统设计从识别系统需要检测的最小物体、该物体的反射率以及该物体的位置开始。这将定义系统的角度分辨率。由此,可以计算出可实现的最小信噪比(SNR),这是检测物体所需的真/假阳性或阴性检测标准。
了解感知环境和必要的信息量,以做出适当的设计权衡,可以开发相对于成本和性能的最佳解决方案。例如,考虑一辆自动驾驶汽车以 100 公里/小时(~62 英里/小时)的速度在道路上行驶,而自主机器人以 6 公里/小时的速度在行人空间或仓库周围移动。在高速情况下,可能不仅要考虑以 100 公里/小时行驶的车辆,还要考虑另一辆以相同速度向相反方向行驶的车辆。对于感知系统来说,这相当于一个物体以200公里/小时的相对速度接近。对于在最大距离为 200 m 处检测物体的 LIDAR 传感器,车辆将在一秒钟内将它们之间的距离拉近 25%。应该强调的是,车辆的速度(或对物体的非线性关闭速度)、停车距离和执行规避机动所涉及的动力学是每种情况所特有的复杂性。一般来说,可以说高速应用需要更长距离的激光雷达系统。
分辨率是激光雷达系统设计的另一个重要系统特性。精细的角度分辨率使激光雷达系统能够从单个物体接收多个像素的返回信号。如图 1 所示,1° 角分辨率转换为在 200 m 范围内每侧 3.5 m 的像素。这种尺寸的像素比许多需要检测的对象都要大,这带来了一些挑战。首先,空间平均通常用于提高SNR和可检测性,但由于每个物体只有一个像素,因此不是一种选择。此外,即使检测到,也无法预测物体的大小。一块道路碎片、一只动物、一个交通标志和一辆摩托车通常都小于 3.5 米。相比之下,角分辨率为0.1°的系统像素小10倍,应该在200米距离的平均宽度汽车上测量大约五个相邻的回波。大多数汽车的尺寸通常比它们的高度宽;因此,该系统可能会将汽车与摩托车区分开来。
与方位角相比,检测物体是否可以安全驱动需要更精细的仰角分辨率。现在想象一下,自主真空机器人的要求会有多大不同,因为它行进缓慢,需要检测狭窄但很高的物体,如桌腿。
图1.具有 32 个垂直通道的 LIDAR 系统以 1° 的角度分辨率水平扫描环境。
通过定义行进距离和速度,以及确定目标和后续性能要求,可以确定激光雷达系统设计的架构。有许多选择需要做出,例如扫描与闪存,或直接飞行时间(ToF)与波形数字化,但它们的权衡超出了本文的范围。无论选择哪种架构,ADI公司丰富的高性能信号链和电源管理元件产品组合(以蓝色突出显示)(见图2)都能提供所需的构建模块,帮助设计具有不同约束条件(如外形尺寸和成本)的系统。
图2.激光雷达系统的分立元件。
AD-FMCLIDAR1-EBZ是一款高性能激光雷达原型设计平台,是一款905 nm脉冲直接ToF LIDAR开发套件。该系统可实现机器人、无人机、农业和建筑设备的快速原型设计,以及具有 1D 静态闪存配置的 ADAS/AV。为本参考设计选择的组件面向长距离脉冲激光雷达应用。该系统采用905 nm激光源设计,由高速双通道4 A MOSFETADP3634驱动。它还包括一个由 LT8331(可编程电源)供电的第一传感器 16 通道 APD 阵列,用于产生 APD 电源电压。有多个4通道LTC6561 TIA具有低噪声和高带宽,还有一个AD9094 1 GSPS、8位ADC,其每通道功耗最低,为435 mW/通道。将继续需要增加带宽和采样率,这有助于提高整体系统帧速率和范围精度。同时,最大限度地降低功耗也很重要,因为更少的散热简化了散热/机械设计,并允许减小外形尺寸。
图3.ADI公司AD-FMCLIDAR1-EBZ激光雷达开发解决方案系统架构。
范围或深度精度与ADC采样速率有关。距离精度使系统能够准确知道物体的距离,这在需要近距离移动的用例中至关重要,例如停车或仓库物流。此外,范围随时间的变化可用于计算速度,此用例通常需要更好的距离精度。使用直接ToF等简单阈值算法,在1 ns采样周期(即使用1 GSPS ADC)下可实现的距离精度为15 cm。计算公式为 c(dt/2),其中 c 是光速,dt 是 ADC 采样周期。然而,考虑到包括ADC,可以使用更复杂的技术(如插值)来提高范围精度。据估计,距离精度可以大致提高SNR的平方根。用于处理数据的最高性能算法之一是匹配滤波器,它可以最大化SNR,然后进行插值以产生最佳范围精度。
EVAL-ADAL6110-16是一款高度可配置的评估系统,是激光雷达系统设计的辅助工具。它为需要实时 (65 Hz) 物体检测/跟踪的应用(如防撞、高度监控和软着陆)提供了简化但可配置的 2D Flash LIDAR 深度传感器。
参考设计中使用的光学器件产生 37°(方位角)x 5.7°(仰角)的视场 (FOV)。对于以方位角定向的 16 个像素的线性阵列,20 m 处的像素大小与普通成人 0.8 m(方位角)× 2 m(仰角)相当。如前所述,不同的应用可能需要不同的光学配置。如果现有的光学器件不能满足应用需求,则可以轻松地将印刷电路板从外壳中取出并集成到新的光学配置中。
该评估系统围绕ADI公司的ADAL6110-16构建,ADAL6110-16是一款低功耗、16通道、集成式LIDAR信号处理器(LSP)。该器件提供用于照亮目标场的时序控制、对接收波形进行采样的时序以及将捕获的波形数字化的能力。ADAL6110-16集成了敏感的模拟节点,降低了本底噪声,使系统能够捕获非常低的信号返回,而不是使用具有相似设计参数的分立元件实现相同的信号链,其中均方根噪声可能主导设计。此外,集成信号链允许LIDAR系统设计减小尺寸、重量和功耗。
该系统软件可实现快速的正常运行时间以进行测量并开始使用测距系统。它是完全独立的,通过USB采用5 V单电源供电,并且还可以通过提供的机器人操作系统(ROS)驱动程序轻松集成到自主系统中。用户只需为接头创建一个连接器,即可与机器人或车辆连接,并通过四种可用通信协议之一进行通信:SPI、USB、CAN 或 RS-232。参考设计还可以针对不同的接收器和发射器技术进行修改。有关EVAL-ADAL6110-16和ADAL6110-16 LSP的更多信息,请参见 analog.com/LIDAR。
如前所述,可以修改EVAL-ADAL6110-16参考设计的接收器技术,以创建不同的配置,如图5至图7所示。EVAL-ADAL6110-16 配备滨松 S8558 16 元件光电二极管阵列。表1中显示的不同距离处的像素大小基于有效像素尺寸(0.8 mm×2 mm)以及20 mm焦距镜头。例如,如果使用单独的光电二极管(如欧司朗 SFH2701)重新设计同一电路板,每个光电二极管的有效面积为 0.6 mm × 0.6 mm,则相同范围内的像素大小将大不相同,因为 FOV 会根据像素大小而变化。
EVAL-ADAL6110-16 参考设计的像素尺寸与范围 | |||||
光学视场 | 选择原因 | 20 毫米 | 40 毫米 | 60 毫米 | |
EVAL-ADAL6110-16 使用滨松 S8558 | 37° × 5.7° | 在 20 m 处检测普通人 | 0.8 × 2 | 1.6 × 4 | 2.4 × 6 |
EVAL-ADAL6110-16 使用 16 像素欧司朗 SFH2701 | 因像素排列而异 |
像素的大小相当于两个 2 升水瓶的大小,位于 5 米处 |
0.6 × 0.6 | 1.2 × 1.2 | 1.8 × 1.8 |
例如,让我们回顾一下 S8558,其 16 个像素排列成一条线,每个像素尺寸:2 毫米× 0.8 毫米。
图5.滨松 S8558 PIN 光电二极管阵列的尺寸。
选择20 mm焦距镜头后,可以使用基本三角函数计算每个像素的垂直和水平FOV,如图6所示。当然,镜头选择可能涉及其他更复杂的考虑因素,例如像差校正和视场曲率。然而,对于像这样的低分辨率系统,简单的计算通常就足够了。
图6.使用简单光学器件对角分辨率进行的基本计算。
所选的 1 × 16 像素 FOV 可用于自动驾驶汽车和自主地面车辆的物体检测和防撞等应用,或在仓库等受限环境中为机器人启用同步定位和映射 (SLAM)。
一个独特的应用程序涉及在 4 × 4 网格中配置阵列以检测系统周围的对象。这个正在开发中的应用程序将安装在汽车和房车上,作为车辆周围的安全气泡,如果分心的人在公共汽车附近行走,可以警告驾驶员。该系统可以检测个人行走的方向,并通过停车或用喇叭提醒行人来警告驾驶员采取行动,以防止撞到个人或骑自行车的人。
请记住,并非每个应用都需要 0.1° 角分辨率和 100 m 范围。花点时间考虑应用对激光雷达系统设计的真正需求,然后明确定义关键标准,例如物体大小、反射率、到物体的距离以及自主系统的行进速度。这将为组件选择提供信息,以实现相对于系统所需功能的最佳性能和成本的平衡设计,最终增加首次成功设计的可能性。
审核编辑:郭婷
-
传感器
+关注
关注
2545文章
50384浏览量
750657 -
激光雷达
+关注
关注
967文章
3907浏览量
189323 -
自动驾驶
+关注
关注
782文章
13596浏览量
165850
发布评论请先 登录
相关推荐
评论