0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

LiDAR如何構(gòu)建3D點(diǎn)云?如何利用LiDAR提供深度信息

電子設(shè)計(jì) ? 來(lái)源:Deborah Herbert ? 作者:Deborah Herbert ? 2021-04-06 12:00 ? 次閱讀

我們可通過(guò)傳感技術(shù)來(lái)獲取有關(guān)周?chē)h(huán)境的信息,從而使我們的日常生活受益:提高任務(wù)效率,增強(qiáng)安全性,或純粹出于娛樂(lè)目的。LiDAR是這樣一種傳感技術(shù),使用激光來(lái)測(cè)量到物體的距離,并可用于創(chuàng)建周?chē)h(huán)境的3D模型。LiDAR 系統(tǒng)捕獲的圖像中的每個(gè)像素都將具有與之關(guān)聯(lián)的深度。這樣可以更好地識(shí)別物體,并消除僅采用圖像傳感器獲得的2D圖像中可能存在的模糊。

LiDAR如何構(gòu)建3D點(diǎn)云?

LiDAR 通常使用直接飛行時(shí)間(dToF)技術(shù)來(lái)測(cè)量到物體的距離。短的激光脈沖發(fā)出后,其中的一些光被場(chǎng)景中的對(duì)象反射回并被傳感器如ArrayRDM-0112A20-QFN探測(cè)到,以準(zhǔn)確記錄激光脈沖往返所用時(shí)間(見(jiàn)圖1)。使用已知的光速,基于此dToF測(cè)量可計(jì)算出距離。這是視場(chǎng)內(nèi)的單距離測(cè)量。

為了構(gòu)建周?chē)h(huán)境的完整圖片,需要在場(chǎng)景中的許多不同位置重復(fù)進(jìn)行此點(diǎn)測(cè)量。這可通過(guò)安裝固定的傳感器和讓激光在整個(gè)場(chǎng)景中旋轉(zhuǎn)和掃描,或使用光束操控(beam steering)技術(shù)如微機(jī)電系統(tǒng) (MEMS) 鏡來(lái)實(shí)現(xiàn)。

o4YBAGBr2tWAC7B6AAFgM6Dzqkw220.png

圖1:dToF技術(shù)示意圖

LiDAR系統(tǒng)通常依賴于以下關(guān)鍵組件:照明源,傳感器,光學(xué)器件,光束操控,信號(hào)處理和電源管理(圖2)。在性能方面,最關(guān)鍵的要素是照明源和傳感器。照明通常受用眼安全考量的限制,因此對(duì)系統(tǒng)性能的最大影響通常取決于傳感器。

pIYBAGBr2vaAGooiAAOjmmpZEbA241.png

圖2:剖析含傳感器的dToF LiDAR系統(tǒng)

在許多場(chǎng)景下,系統(tǒng)運(yùn)行只有有限的信號(hào)返回,從遠(yuǎn)處或低反射率物體返回的信號(hào)可能只包含少量的光子。因此,傳感器應(yīng)盡可能靈敏。

LiDAR傳感器的靈敏度受不同因素綜合影響。首先,最重要的是探測(cè)效率,即入射光子將產(chǎn)生信號(hào)的概率。然后是對(duì)低入射通量或最小可檢測(cè)信號(hào)的靈敏度。某些傳感器如PIN二極管沒(méi)有內(nèi)部增益,因此單個(gè)探測(cè)到的光子將不會(huì)記錄傳感器固有噪聲以上的信息。

雪崩光電二極管(APD)具有一定的內(nèi)部增益(?100x),但是,由少量光子組成的入射信號(hào)不會(huì)記錄噪聲以上的信息,這要求它在一定的持續(xù)時(shí)間內(nèi)對(duì)返回的信號(hào)進(jìn)行整合。工作在蓋革(Geiger)模式下的傳感器,如硅光電倍增管(SiPM) 和單光子雪崩二極管(SPAD)的內(nèi)部增益約百萬(wàn)級(jí)(1,000,000x),因此,單個(gè)光子也會(huì)產(chǎn)生信號(hào),即使在內(nèi)部傳感器噪聲以上的信息也能可靠地探測(cè)到。這允許設(shè)置一個(gè)低閾值來(lái)探測(cè)最微弱的返回信號(hào)。

雖然SiPM和SPAD由于高增益而克服了許多噪音問(wèn)題,但在實(shí)際的LiDAR應(yīng)用中還需考慮到另一個(gè)噪聲源-環(huán)境太陽(yáng)光或處于陽(yáng)光下。我們常力求探測(cè)非常微弱的LiDAR返回信號(hào),同時(shí)受到不想要的太陽(yáng)光照射。因此,問(wèn)題變成了最大化其中的一個(gè)信號(hào)(返回的激光),同時(shí)忽略或最小化噪聲(陽(yáng)光)。一種方法是利用傳感器的單光子靈敏度,并尋找時(shí)間相關(guān)的光子。

這種多次dToF測(cè)量的方法是通過(guò)多次重復(fù)該過(guò)程(每次通過(guò)多個(gè)激光脈沖得出一個(gè)dToF測(cè)量值)來(lái)實(shí)現(xiàn)的。無(wú)需為每次測(cè)量計(jì)算距離,而是將每個(gè)飛行時(shí)間(ToF)值添加到直方圖或分布圖。結(jié)果是一個(gè)如圖3所示的曲線圖。

背景計(jì)數(shù)在時(shí)間上不相關(guān)-也就是說(shuō),相對(duì)于脈沖發(fā)射時(shí)間,它們?cè)跁r(shí)間上隨機(jī)到達(dá)。這些計(jì)數(shù)可以忽略不計(jì),因?yàn)樗鼈兪怯捎陉?yáng)光引起的噪聲。峰值代表時(shí)間相關(guān)的計(jì)數(shù)-大量計(jì)數(shù)都以相同的時(shí)間值到達(dá),表明是來(lái)自目標(biāo)的信號(hào)。該峰值可以轉(zhuǎn)換為特定幀的距離,且該過(guò)程可再次開(kāi)始。即使每幀每像素有幾十個(gè)激光周期,也可以實(shí)現(xiàn)30 fps的幀速率。

pIYBAGBr2xWAXG-NAAIKAe7V-0k040.png

圖3:LiDARToF直方圖例

盡管SiPM 或SPAD傳感器可通過(guò)結(jié)合單光子靈敏度與時(shí)間相關(guān)技術(shù)來(lái)查看微弱的返回信號(hào),但PIN二極管或APD傳感器會(huì)丟失在太陽(yáng)背景中丟失的計(jì)數(shù)。因此,用這些其他傳感器類型進(jìn)行測(cè)距根本無(wú)法達(dá)到那么遠(yuǎn)或那么高效。

現(xiàn)實(shí)世界中如何利用深度信息?LiDAR如何提供幫助?

迄今為止,消費(fèi)者移動(dòng)應(yīng)用程序僅通過(guò)圖像傳感器技術(shù)如使用結(jié)構(gòu)光就已啟用了許多功能。飛行時(shí)間(ToF)技術(shù)已在某種程度上被整合到手機(jī)中數(shù)年,以添加深度感知并賦能攝影功能,如快速自動(dòng)對(duì)焦和“散景”人像效果。

最近,dToF成像LiDAR傳感器已集成到最新的消費(fèi)類移動(dòng)設(shè)備中,它比以前的技術(shù)提供更好的深度信息,且無(wú)疑將大大增加利用此數(shù)據(jù)的移動(dòng)應(yīng)用程序數(shù)。3D信息可用于實(shí)現(xiàn)3D繪圖應(yīng)用程序和改進(jìn)的擴(kuò)增實(shí)境和虛擬實(shí)境(AR / VR)體驗(yàn)。

在汽車(chē)和工業(yè)應(yīng)用中,安全性很重要,僅用圖像傳感器識(shí)別物體然后進(jìn)行自動(dòng)決策和導(dǎo)航有局限性,這凸顯了需要通過(guò)融合不同的傳感模式來(lái)獲取更多信息。LiDAR結(jié)合其他傳感技術(shù)如相機(jī)、超聲波和雷達(dá),可提供更多的冗余,從而提高負(fù)責(zé)導(dǎo)航或與環(huán)境交互的決策算法的置信度。這些技術(shù)中的每一種都有獨(dú)特的特性,可提供不同層面的信息,在不同情形下各有利弊。

o4YBAGBr2zKAAqPFAANsGItK134641.png

圖4:對(duì)比不同的傳感器技術(shù)

要在汽車(chē)中啟用高性能LiDAR系統(tǒng),高度靈敏的傳感器如SiPM是最高效的接收器。安森美半導(dǎo)體的SiPM提供了無(wú)與倫比的性能和工作參數(shù):高光子探測(cè)效率,低噪聲和暗計(jì)數(shù)率結(jié)合低工作電壓,感溫性和工藝一致性。

ArrayRDM-0112A20-QFN是12像素線陣SiPM,解決市場(chǎng)對(duì)LiDAR的需求。它在905 nm處具有領(lǐng)先業(yè)界的18%光子探測(cè)效率,905 nm是高性價(jià)比的廣泛LiDAR系統(tǒng)市場(chǎng)的典型波長(zhǎng)。此外,它是市場(chǎng)上首個(gè)商用現(xiàn)貨線陣SiPM和首個(gè)符合車(chē)規(guī)的 SiPM。

編輯:hfy

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2545

    文章

    50445

    瀏覽量

    751053
  • mems
    +關(guān)注

    關(guān)注

    129

    文章

    3885

    瀏覽量

    190220
  • 激光脈沖
    +關(guān)注

    關(guān)注

    0

    文章

    83

    瀏覽量

    10254
  • LIDAR
    +關(guān)注

    關(guān)注

    10

    文章

    319

    瀏覽量

    29332
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    LIDAR激光雷達(dá)逆向建模能用到revit當(dāng)中嗎

    信息模型(BIM)軟件,可以用于建筑設(shè)計(jì)、施工和運(yùn)營(yíng)管理。那么,LIDAR激光雷達(dá)逆向建模能否用到Revit中呢? LIDAR激光雷達(dá)技術(shù)簡(jiǎn)介 LIDAR(Light Detectio
    的頭像 發(fā)表于 08-29 17:23 ?401次閱讀

    LiDAR激光點(diǎn)數(shù)據(jù)處理軟件處理流程

    、形狀等信息。LiDAR技術(shù)在地形測(cè)繪、城市規(guī)劃、林業(yè)、交通、考古等領(lǐng)域有著廣泛的應(yīng)用。本文將介紹LiDAR激光點(diǎn)數(shù)據(jù)處理軟件的處理流程。
    的頭像 發(fā)表于 08-29 17:05 ?676次閱讀

    Hokuyo Automatic發(fā)布新款3D激光雷達(dá)(LiDAR)傳感器YLM-10LX

    據(jù)麥姆斯咨詢報(bào)道,光學(xué)半導(dǎo)體技術(shù)先驅(qū)Lumotive近日攜手傳感器和自動(dòng)化領(lǐng)域的全球領(lǐng)先企業(yè)Hokuyo Automatic發(fā)布新款3D激光雷達(dá)(LiDAR)傳感器YLM-10LX。
    的頭像 發(fā)表于 05-29 09:14 ?1128次閱讀

    康謀分享|aiSim5激光雷達(dá)LiDAR模型驗(yàn)證方法(二)

    aiSim中的LiDAR是一種基于光線追蹤的傳感器,能夠模擬真實(shí)LiDAR發(fā)射的激光束,將會(huì)生成LASv1.4標(biāo)準(zhǔn)格式的3D點(diǎn),包含了方位
    的頭像 發(fā)表于 04-24 14:58 ?875次閱讀
    康謀分享|aiSim5激光雷達(dá)<b class='flag-5'>LiDAR</b>模型驗(yàn)證方法(二)

    LiDAR4D:基于時(shí)空新穎的LiDAR視角合成框架

    NeRF-LiDAR將圖像和點(diǎn)模態(tài)整合到激光雷達(dá)合成中,而諸如LiDAR-NeRF和NFL之類的僅激光雷達(dá)的方法探索了在沒(méi)有RGB圖像的情況下進(jìn)行激光雷達(dá)重建和生成的可能性。
    發(fā)表于 04-10 12:34 ?1139次閱讀
    <b class='flag-5'>LiDAR4D</b>:基于時(shí)空新穎的<b class='flag-5'>LiDAR</b>視角合成框架

    包含具有多種類型信息3D模型

    、安全和高效的建筑系統(tǒng),讓居住者能夠擁有可持續(xù)、彈性舒適且符合人體工程學(xué)的建筑。建筑信息模型 (BIM) 是建筑工程師在建筑物和其他結(jié)構(gòu)設(shè)計(jì)中使用的一種3D建模過(guò)程。BIM軟件提供了一個(gè)基于模型
    發(fā)表于 03-28 17:18

    基于深度學(xué)習(xí)的方法在處理3D點(diǎn)進(jìn)行缺陷分類應(yīng)用

    背景部分介紹了3D點(diǎn)應(yīng)用領(lǐng)域中公開(kāi)可訪問(wèn)的數(shù)據(jù)集的重要性,這些數(shù)據(jù)集對(duì)于分析和比較各種模型至關(guān)重要。研究人員專門(mén)設(shè)計(jì)了各種數(shù)據(jù)集,包括用于3D形狀分類、
    的頭像 發(fā)表于 02-22 16:16 ?957次閱讀
    基于<b class='flag-5'>深度</b>學(xué)習(xí)的方法在處理<b class='flag-5'>3D</b><b class='flag-5'>點(diǎn)</b><b class='flag-5'>云</b>進(jìn)行缺陷分類應(yīng)用

    Valeo為何堅(jiān)守著LiDAR

    在車(chē)輛的所有傳感器中,LiDAR經(jīng)歷的動(dòng)蕩最大,甚至連領(lǐng)先的LiDAR公司都始料未及。即使是像Valeo這樣的LiDAR先驅(qū),也無(wú)法保證能跟上瞬息萬(wàn)變的市場(chǎng)格局。
    的頭像 發(fā)表于 02-21 09:11 ?847次閱讀
    Valeo為何堅(jiān)守著<b class='flag-5'>LiDAR</b>?

    基于LiDAR點(diǎn)流的運(yùn)動(dòng)事件檢測(cè)

    在動(dòng)態(tài)環(huán)境中,機(jī)器人需要對(duì)具有微秒級(jí)延遲的運(yùn)動(dòng)事件進(jìn)行瞬時(shí)檢測(cè)。這個(gè)任務(wù),稱為移動(dòng)事件檢測(cè),通常是使用事件相機(jī)來(lái)實(shí)現(xiàn)的。盡管激光雷達(dá)( Light Detection and Ranging,LiDAR )傳感器因其密集和精確的深度測(cè)量而對(duì)機(jī)器人至關(guān)重要,但其在事件檢測(cè)中
    發(fā)表于 01-21 10:11 ?916次閱讀
    基于<b class='flag-5'>LiDAR</b><b class='flag-5'>點(diǎn)</b>流的運(yùn)動(dòng)事件檢測(cè)

    基于3D點(diǎn)的多任務(wù)模型在板端實(shí)現(xiàn)高效部署

    對(duì)于自動(dòng)駕駛應(yīng)用來(lái)說(shuō),3D 場(chǎng)景感知至關(guān)重要。3D點(diǎn)數(shù)據(jù)就是具有3D特征的數(shù)據(jù)。一方面,3D
    的頭像 發(fā)表于 12-28 16:35 ?1337次閱讀
    基于<b class='flag-5'>3D</b><b class='flag-5'>點(diǎn)</b><b class='flag-5'>云</b>的多任務(wù)模型在板端實(shí)現(xiàn)高效部署

    2D圖像和LiDAR3D點(diǎn)之間的配準(zhǔn)方法

    建立2D-3D的對(duì)應(yīng)關(guān)系首先通過(guò)交叉區(qū)域檢測(cè),在兩個(gè)模態(tài)中去除離群區(qū)域,然后利用交叉模態(tài)潛在空間的最近鄰原則進(jìn)行2D-3D特征匹配。
    發(fā)表于 12-22 11:29 ?1877次閱讀
    2<b class='flag-5'>D</b>圖像和<b class='flag-5'>LiDAR</b>的<b class='flag-5'>3D</b><b class='flag-5'>點(diǎn)</b><b class='flag-5'>云</b>之間的配準(zhǔn)方法

    通過(guò)將異步獲取的圖像與LiDAR點(diǎn)對(duì)準(zhǔn)的方案

    實(shí)現(xiàn)圖像與其重建對(duì)象之間的精確2D-3D對(duì)應(yīng)關(guān)系對(duì)于準(zhǔn)確的圖像定位至關(guān)重要,一種有前景的方法涉及在圖像和激光雷達(dá)平面之間建立對(duì)應(yīng)關(guān)系,激光雷達(dá)平面可以被視為來(lái)自激光雷達(dá)點(diǎn)地圖的重建對(duì)象的替代
    發(fā)表于 12-12 14:46 ?685次閱讀

    基于LiDAR的行人重識(shí)別的研究分析

    基于激光雷達(dá)(LiDAR)的行人重識(shí)別。我們利用低成本的LiDAR設(shè)備解決了人員再識(shí)別中的挑戰(zhàn),構(gòu)建了名為L(zhǎng)ReID的LiDAR數(shù)據(jù)集,并提
    發(fā)表于 12-11 10:41 ?641次閱讀
    基于<b class='flag-5'>LiDAR</b>的行人重識(shí)別的研究分析

    如何利用LiDAR實(shí)現(xiàn)深度感測(cè)

    如何利用LiDAR實(shí)現(xiàn)深度感測(cè)
    的頭像 發(fā)表于 12-06 16:19 ?551次閱讀
    如何<b class='flag-5'>利用</b><b class='flag-5'>LiDAR</b>實(shí)現(xiàn)<b class='flag-5'>深度</b>感測(cè)

    基于深度學(xué)習(xí)的3D點(diǎn)實(shí)例分割方法

    3D實(shí)例分割(3DIS)是3D領(lǐng)域深度學(xué)習(xí)的核心問(wèn)題。給定由點(diǎn)云表示的 3D 場(chǎng)景,我們尋求為每
    發(fā)表于 11-13 10:34 ?2106次閱讀
    基于<b class='flag-5'>深度</b>學(xué)習(xí)的<b class='flag-5'>3D</b><b class='flag-5'>點(diǎn)</b><b class='flag-5'>云</b>實(shí)例分割方法