0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

如何利用LiDAR实现深度感测

jf_pJlTbmA9 来源:安森美 作者:安森美 2023-12-06 16:19 次阅读

LiDAR简介

LiDAR的全称是Light Detection and Ranging(激光探测及测距),是一种利用激光感测距离的方法,它会测量激光从物体反射回来所用的时间而达到测距的目的。根据具体应用,可以使用不同的波长,但最常用的是红外线(IR)。

大多数时候,人脑擅长推断物体的相对深度/距离和大小,这是人类的一种本能,尤其是在驾驶车辆时。但成像系统却很难做到这一点,尤其是标准图像传感器是用2D图像表示3D场景。在类似于人眼的立体布局中使用两个图像传感器,能够提取深度数据,但测距精度有限,并且会受到环境光线的影响。

使用LiDAR获得深度数据就可以在不依赖光线条件的情况下实施测量,并消除图像的模糊问题,从而做到场景中区分及理解不同物体。将发射到物体后反射回来的光脉冲与精准定时测量相结合,可以计算出物体的距离。

LiDAR在汽车领域的应用十分广泛,尤其是用于SAE级别为L3~L5的半自动驾驶车辆,例如,感测车辆周围的物体;在高速公路上看到数百米外的前方。LiDAR也常用于送货机器人和其他需要自主感知的应用。该技术也广泛应用于以高精度快速生成可处理的3D深度图的户外应用情景——而使用传统测量技术时,这一过程需要耗时数日。

例如,农业领域使用LiDAR测量田地或土地,绘制地图、评估作物状况,从而使农民能够建模预测作物产量,以及选择最合适的农药/肥料。对于储存在筒仓中的谷物和储存在贮存罐中的液体,只需在筒仓/贮存罐顶部安装LiDAR,即可在不与内容物接触的情况下立即测量储量。

环境组织经常使用LiDAR来评估森林砍伐情况、测量海岸侵蚀情况或监测冰川消退情况。此外,在这些应用中,通过在无人驾驶飞行器(UAV)/无人机上安装LiDAR,研究人员能够对人迹罕至的偏远地区进行勘测,而无需亲自前往。

智能工厂在自动引导车(AGV)上使用LiDAR,运输原材料进行加工,并将成品运送到发货区。当智能工厂中的机器人使用LiDAR时,可以充分发挥LiDAR自身的强大功能,帮助这些机器人精确执行任务,并使它们能够感测周围是否有人,从而以周到和安全的方式工作。

LiDAR可用于快速勘测铁路或高速公路等大型建设项目。LiDAR还可以作为一种安全辅助手段,使某些区域免受不必要或意外的入侵。这在存在危险物质或有大型机器工作的地方意义重大。LiDAR在所有照明条件下都能有效工作,意味着在这些类型的应用中,它可以提供可靠的永远在线的保护。

LiDAR的类型

最常见的LiDAR类型是直接飞行时间(dToF)系统,其背后的原理非常简单:测量光脉冲到达目标并返回传感器所用的时间。光速是一个已知的物理常数,因此计算发射器/探测器和反射目标之间的距离十分简单。

wKgZomVdkcqAbGQGAANZ2kCsZ6M274.png

图 1:dTOF可测量光到达目标并返回所需的时间

该技术通常使用由光源(最常见的是激光器)发射的单个非常短的脉冲,发射同时会激活一个精确的计时器。当光脉冲击中范围内的物体时,它将反射回到通常与激光器并置排列的高灵敏度光传感器。一旦探测到返回脉冲,计时器就停止计时,这时可读取到达物体并返回所用的时间。

只要知道从发送脉冲到收到回波经过的时间(t),使用光速常数(c)计算到目标物体的距离(D)就很简单了。

dToF方法快速有效,可以测量多个回波,因此能够探测LiDAR视野内的多个物体。它能够用于远程和近程 (0.1 m~300 m)应用,并且在整个范围内保持稳定的高精度。

另一种LiDAR方法称为间接飞行时间(iToF),同样使用来自激光的连续光波。这种方法不会直接测量经过的ToF,而是根据已发射和已接收波形之间的相位差来确定ToF。

iToF技术更适合相对短的距离测量(<10 m),尤其是光线条件没有室外那么具有挑战性的室内应用,室外的对比度通常要高得多。该技术只能探测到最强的回波,因此只能探测单个物体。

第三种LiDAR是调频连续波(FMCW),适合近程和远程测距。该技术用可调谐激光器来产生连续光波,所产生的光波将在探测器处与反射光混合。这种混合可在本地波形和反射波形之间产生拍频,由此计算出物距和方向速度。

虽然FMCW既有出色的测距性能,还能捕获方向速度信息,但由于要使用带有偏振控制的可调谐激光器,并且依赖短波红外波长(要求激光器和探测器使用特殊半导体),这种LiDAR系统的总体成本大大增加。

wKgZomVdkcuAWqQgAAWa8w6nLfk265.png

图 2:基于LiDAR的深度感测方法比

“波长大辩论”

围绕LiDAR最有争议的话题之一是使用哪种波长。IR的使用优先于可见光,因为背景IR要少得多,所得信噪比(SNR)更好,从而使探测返回光变得更加容易。

IR光谱范围内有多个合适的波长,包括近红外(NIR)光谱(850 nm、905 nm、940 nm)和短波红外(SWIR)光谱(1350 nm、1550 nm)。决定具体使用哪种波长是“波长大辩论”的关键议题。有三个最重要的标准需要考虑,分别是系统的性能、是否有合适的组件和系统的总体成本。

探测器是任何LiDAR系统中最基本的组件之一。CMOS硅基探测器可探测到波长在400 nm至1000 nm范围内的光,因此其对可见光和NIR光敏感,但不能感测SWIR光。为了探测SWIR光,就必须使用InGaAs合金等III/V族半导体,与硅相比,InGaAs合金非常昂贵。

组件可用性是另一个考虑因素,尤其是就激光发射器而言。边缘发射激光器(EEL)正逐渐为垂直腔面发射激光器(VCSEL)所取代,后者更容易封装成阵列,并且在整个温度范围内波长稳定。虽然VCSEL目前的能效较低,价格也较高,但随着它们应用范围的不断拓展,这种情况有望得到改善。

尽管SWIR EEL有多家供应商,但目前SWIR VCSEL只有一家供应商,而NIR VCSEL也有多家供应商。因此,选择NIR更有可能提高供应链的安全性。

探测范围很重要,因为这能够增加可用的反应时间,从而提高安全性。但激光过强会伤害眼睛,因此IEC 60825规定了1ns激光脉冲的最大容许照射量(MPE)。

虽然NIR必须具有较低的MPE,但如果脉冲宽度缩短,则可以提高激光功率,而由于使用灵敏的探测器,可以达到最长300 m的测距范围。在天气好的时候,SWIR的测距范围将超过NIR,但是SWIR更容易受到湿气(如雨或雾)的不利影响,因此基于NIR的系统的性能下降速度将低于SWIR系统,从而可以在各种天气条件下提供更一致的性能。

基于以上所述,通常认为NIR是汽车LiDAR的首选波长。NIR使得我们可以使用硅基器件,而不是InGaAs等更加昂贵的材料,可能更重要的是,相关组件可以从多个供应商处获得,有助于建立起更强大的供应链。虽然NIR和SWIR在工作时都能够确保人眼安全,但NIR在使用较低功率激光的同时,仍然能够满足汽车LiDAR的要求。

从商业角度来看,NIR的成本要低得多,而成本一直是汽车应用方面的一个重要考虑因素。IHS Markit的一项调查(Amsrud,2019)显示,激光器和探测器的每通道成本约为4至20美元,而对于类似的SWIR系统,每通道成本约为275美元。即使有了进一步发展、容量增加,但预计NIR的成本仍将比SWIR低10~100倍。

LiDAR构成技术

任何LiDAR系统最重要的元件之一是可捕获和量化反射激光的感测元件。虽然可以使用多种技术来实现这一点,但硅光电倍增器(SiPM)通常表现最好,这主要是因为它能够以近似1,000,000数量级的高增益来探测单个光子。

因此,近年来SiPM的应用越来越广泛,已然成为LiDAR深度感测应用的首选传感器。与雪崩光电二极管(APD)等传统探测器(不仅增益低得多,还需要对传入信号进行积分)相比,这些器件能够在高对比度条件下为长距离测距提供最高的SNR性能。其他优势包括电源偏置更低、均匀性更好,以及对温度变化的灵敏度降低等,使得SiPM成为使用APD的系统的理想升级选项。SiPM灵敏度更高,可以使用小封装光模块,因此使LiDAR更容易集成到车辆中。由于SiPM采用高容量CMOS工艺生产,这些高性能器件的探测器成本最低,进一步推动了LiDAR的普及。

安森美(onsemi)的ArrayRDM-0112A20-QFN是一个具有0.47 mm x 1.12 mm SiPM像素的1×12单片阵列,基于先进的专有RDM SiPM CMOS工艺,专为实现对NIR光的高灵敏度而开发,能够在905 nm波长下使光子探测效率(PDE)达到行业领先的18.5%。在这个波长下,响应度大于100 kA/W。

由于SiPM的内部增益高,灵敏度可降至单光子水平,再加上高PDE,能够探测出微弱的返回信号。这使得LiDAR系统可以探测更远距离的低反射率目标。该阵列采用稳定可靠的10 mm x 5.2 mm QFN封装,可以访问12个独立像素。

该阵列专为汽车LiDAR系统(包括闪光灯、机械MEMS扫描LiDAR)而设计,是第一个获得AEC-Q102 汽车认证的阵列,并已根据IATF 16949标准进行开发。由于该阵列成本低、性能高,可以实现经济高效的远程LiDAR方案,提高汽车的安全性和自主性水平。

总结

LiDAR是一项有着重要意义的技术,因为它的扫描系统能够快速准确地确定深度,既可以进行单点扫描,也可以绘制物体或大型场地的3D图。

在规划LiDAR设计时,关键是要决定使用哪种IR光波长。综合考量性能、是否有合适的组件和商业因素,NIR通常是首选。

在大多数LiDAR实现过程中,激光光源可能相对简单,但探测器的选择对系统性能有很大影响。安森美的最新SiPM阵列具有出色的探测性能,更重要的是,对于汽车应用来说,它是首款获得AEC-Q102认证的SiPM探测器。

参考文献

Amsrud, P.(2019 年 9 月 25日)。实现低成本LiDAR系统的竞争[会议报告]。汽车LiDAR 2019,美国密歇根州底特律。

文章来源: 安森美

审核编辑 黄宇

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 机器人
    +关注

    关注

    211

    文章

    28418

    浏览量

    207097
  • 激光
    +关注

    关注

    19

    文章

    3201

    浏览量

    64472
  • 感测
    +关注

    关注

    0

    文章

    22

    浏览量

    12833
  • LIDAR
    +关注

    关注

    10

    文章

    326

    浏览量

    29423
收藏 人收藏

    评论

    相关推荐

    利用PTC电路测温度

    电子发烧友网站提供《利用PTC电路测温度.pdf》资料免费下载
    发表于 09-23 12:21 2次下载
    <b class='flag-5'>利用</b>PTC电路<b class='flag-5'>感</b>测温度

    LIDAR激光雷达逆向建模能用到revit当中吗

    LIDAR激光雷达逆向建模是一种利用激光雷达技术获取物体表面数据,然后通过计算机软件进行建模的方法。在建筑行业中,这种方法可以用于建筑物的三维建模、结构分析、施工模拟等。Revit是一款专业的建筑
    的头像 发表于 08-29 17:23 548次阅读

    LiDAR激光点云数据处理软件处理流程

    LiDAR(Light Detection and Ranging,激光探测与测量)技术是一种利用激光进行距离测量的遥感技术。通过发射激光脉冲并接收反射回来的激光信号,可以测量目标物体的距离、高度
    的头像 发表于 08-29 17:05 1040次阅读

    lidar激光雷达扫描仪有什么用

    LiDAR(Light Detection and Ranging,激光探测与测距)是一种利用激光技术进行距离测量和成像的技术。LiDAR激光雷达扫描仪具有高精度、高分辨率、快速扫描等特点,广泛应用
    的头像 发表于 08-29 16:58 817次阅读

    lidar传感器和ryyb哪个好

    在比较Lidar传感器(激光雷达)和RYYB滤色矩阵(一种图像传感器技术,通常用于提高相机的感光能力)时,我们需要从它们的应用领域、功能特点、优劣势等多个方面进行综合考量。 Lidar传感器
    的头像 发表于 08-29 16:18 605次阅读

    利用Matlab函数实现深度学习算法

    在Matlab中实现深度学习算法是一个复杂但强大的过程,可以应用于各种领域,如图像识别、自然语言处理、时间序列预测等。这里,我将概述一个基本的流程,包括环境设置、数据准备、模型设计、训练过程、以及测试和评估,并提供一个基于Matlab的
    的头像 发表于 07-14 14:21 2221次阅读

    利用TensorFlow实现基于深度神经网络的文本分类模型

    利用TensorFlow实现一个基于深度神经网络(DNN)的文本分类模型,我们首先需要明确几个关键步骤:数据预处理、模型构建、模型训练、模型评估与调优,以及最终的模型部署(尽管在本文中,我们将重点放在前四个步骤上)。下面,我将
    的头像 发表于 07-12 16:39 857次阅读

    基于SPAD单光子相机的LiDAR技术革新

    对的LiDAR(光探测与测距)技术,该技术通过利用时空纠缠光子对及SAPD单光子相机的特性,显著提高了在复杂环境中的探测精度和抗干扰能力。该技术使用SPAD单光子相机作为探
    的头像 发表于 07-04 08:16 857次阅读
    基于SPAD单光子相机的<b class='flag-5'>LiDAR</b>技术革新

    如何利用CNN实现图像识别

    卷积神经网络(CNN)是深度学习领域中一种特别适用于图像识别任务的神经网络结构。它通过模拟人类视觉系统的处理方式,利用卷积、池化等操作,自动提取图像中的特征,进而实现高效的图像识别。本文将从CNN的基本原理、构建过程、训练策略以
    的头像 发表于 07-03 16:16 1382次阅读

    深度揭秘磁环磁环共模电感线圈漏的原因

    深度揭秘磁环磁环共模电感线圈漏的原因 编辑:谷景电子 磁环共模电感线圈作为一种应用特别普遍的电感元件,我们在使用中总是会碰到各种各样的问题,比如:漏的问题。如果磁环共模电感线圈在使用中出现漏
    的头像 发表于 06-21 09:37 556次阅读

    什么是LiDARLiDAR技术的新时代 前景广阔未来可期

    什么是LiDAR?   LiDAR 是Light Detection And Ranging(激光探测与测距)的缩写,是使用近红外光、可见光或紫外光照射对象物,并通过光学传感器捕获其反射光来测量距离
    发表于 05-16 18:56 607次阅读
    什么是<b class='flag-5'>LiDAR</b>?<b class='flag-5'>LiDAR</b>技术的新时代 前景广阔未来可期

    康谋分享|aiSim5激光雷达LiDAR模型验证方法(二)

    aiSim中的LiDAR是一种基于光线追踪的传感器,能够模拟真实LiDAR发射的激光束,将会生成LASv1.4标准格式的3D点云,包含了方位角、俯仰角和距离等。aiSim能够模拟LiDAR单态
    的头像 发表于 04-24 14:58 943次阅读
    康谋分享|aiSim5激光雷达<b class='flag-5'>LiDAR</b>模型验证方法(二)

    LiDAR4D:基于时空新颖的LiDAR视角合成框架

    NeRF-LiDAR将图像和点云模态整合到激光雷达合成中,而诸如LiDAR-NeRF和NFL之类的仅激光雷达的方法探索了在没有RGB图像的情况下进行激光雷达重建和生成的可能性。
    发表于 04-10 12:34 1259次阅读
    <b class='flag-5'>LiDAR</b>4D:基于时空新颖的<b class='flag-5'>LiDAR</b>视角合成框架

    Valeo为何坚守着LiDAR

    在车辆的所有传感器中,LiDAR经历的动荡最大,甚至连领先的LiDAR公司都始料未及。即使是像Valeo这样的LiDAR先驱,也无法保证能跟上瞬息万变的市场格局。
    的头像 发表于 02-21 09:11 959次阅读
    Valeo为何坚守着<b class='flag-5'>LiDAR</b>?

    基于LiDAR点流的运动事件检测

    在动态环境中,机器人需要对具有微秒级延迟的运动事件进行瞬时检测。这个任务,称为移动事件检测,通常是使用事件相机来实现的。尽管激光雷达( Light Detection and Ranging,LiDAR )传感器因其密集和精确的深度
    发表于 01-21 10:11 1047次阅读
    基于<b class='flag-5'>LiDAR</b>点流的运动事件检测