Распространенные мифы о датчиках LiDAR – Часть 1

Поскольку мировая наука и технологии развиваются в направлении интеллекта и высокой эффективности,Лазерный модуль лидараи его приложения также привлекают все больше и больше внимания. Однако у людей также есть некоторые недопонимания относительно технологии и производительности лидара. Эта статья раскроет пять распространенных заблуждений о лидаре.

1. Технология применения лидара сложна.
Хотя лидар — это сложный датчик, состоящий из различного оборудования, его основной принцип работы на самом деле довольно прост. Датчик использует метод времени полета, принцип обнаружения, аналогичный тому, как летучие мыши используют звуковые волны или радар, использующий микроволны.
Если мы разберем датчик на его компоненты, а именно: лазер, детектор и блок отклонения луча, лидар перестанет быть сложной технологией. Лазерный источник сначала излучает лазерные импульсы. Эти импульсы отражаются на сцену с помощью микрогальванометров. Детектор обнаруживает отраженный Q-свет и точно рассчитывает расстояние на основе времени излучения и времени возврата лазерного импульса.
Этот процесс повторяется тысячи или даже миллионы раз в секунду для создания точных трехмерных облаков точек окружающей среды в реальном времени. Эти трехмерные данные облака точек легко анализировать и использовать, например, для принятия решений по автономному вождению.
Технология, разработанная после изобретения импульсных лазеров в начале 1960-х годов, которые излучают повторяющиеся импульсы света, а не используют непрерывные волны.

⒉. В приложениях для беспилотных автомобилей лидар излишен
Илон Маск проигнорировал использование лидара в беспилотных автомобилях на конференции в 2019 году, и этот инцидент на сегодняшний день породил множество мифов о лидаре. Он утверждает, что лидар, поддерживаемый камерами и интеллектуальными алгоритмами, является избыточным и всегда будет стоять на своем.
Камеры применяют разные технологии распознавания изображений для сбора цветных визуальных изображений, но использование только одной камеры может захватывать только 2D-данные, что может легко привести к зрительным иллюзиям и неправильным оценкам расстояния. Есть трагические примеры того, как эти недостатки опасны, а иногда и фатальны.
Напротив, лидар может надежно захватывать трехмерные данные и точно определять расстояния и размеры объектов.
Интеграция точных 3D-лидарных данных помогает камере воспринимать окружающую среду, даже когда она «слепа». Например, камере нужно некоторое время, чтобы адаптироваться к изменениям освещения после выхода из туннеля.
Более того, 2D-изображения, генерируемые камерами, могут оказаться достаточно точными для обучения алгоритмам беспилотных автомобилей. Но в них все еще есть много неточностей, которые снижают точность моделей машинного обучения и, следовательно, способность автомобиля воспринимать, прогнозировать и принимать решения. Возможности машинного обучения, которые облегчают автономное вождение, должны быть масштабируемыми и решать «проблему длинного хвоста». Это означает, что этого недостаточно для удовлетворения 95 процентов сценариев, с которыми сталкиваются транспортные средства на дороге. Возможности автономного вождения на основе машинного обучения также должны быть нацелены на 5 процентов. Обучение работе в сложных ситуациях с постоянным улучшением производительности требует для обучения большого количества чистых данных системы камеры.
Напротив, лидар может предоставить больше моделей прогнозирования машинного обучения, генерируя при этом обучающие данные более высокой точности. Таким образом, лидар является необходимым датчиком для более надежных и надежных систем автономного вождения.

3. Лидар можно полностью заменить другими датчиками
Одно из наиболее распространенных заблуждений о лидаре заключается в том, что его можно заменить камерой или радарным датчиком. Это заблуждение связано с непониманием того, как эти сенсорные технологии по-разному классифицируют объекты. Поняв различные возможности этих датчиков и типы данных, которые они производят, мы увидим, как они дополняют друг друга по функциональности. Камера захватывает 2D-изображение, предоставляющее информацию о оттенках серого или цвете, текстуру и контрастность. Для дальнейшего анализа этих данных требуется программное обеспечение для распознавания изображений. Поскольку камера использует пассивный принцип измерения, для обнаружения объекты необходимо освещать. Кроме того, для создания 3D-изображений необходимы две или более камеры, а также высокая вычислительная мощность.
Трехмерная информация радиолокационного измерения звезд имеет чрезвычайно высокую точность определения расстояния и скорости объектов. Однако разрешение низкое, и они не могут точно обнаружить (в сантиметровом масштабе) или классифицировать объекты.
LiDAR создает облако точек из собранных трехмерных данных. Основываясь на форме и размере облака точек, он может точно обнаруживать объекты и классифицировать их по различным категориям, например людям, автомобилям, зданиям и т. д.
LiDAR заполняет пробелы других сенсорных технологий, собирая очень подробную и надежную трехмерную информацию. Он может обнаруживать и точно классифицировать цели в различных средах, выделяя его среди датчиков различных типов. Данные с камер можно использовать для более глубокого анализа, а данные о дальности и скорости, собранные радаром, можно проверить с помощью LiDAR для большей точности. Это означает, что в будущем все сенсорные приложения будут интегрировать камеры, радары, лидары и другие датчики.

4. Лидар не может работать в суровых условиях окружающей среды.
Камеры не могут работать без достаточного окружающего освещения, например, в автомобилях, где дальность обнаружения камеры может достигать только дальности света фар. Напротив, лидар имеет дальность обнаружения в сотни метров независимо от условий интенсивности освещения, поскольку он основан на инфракрасных лазерных лучах, а не на видимом свете. Другими словами, беспилотный автомобиль, оснащенный лидарным датчиком, может двигаться в темноте так же плавно, как и днем, даже если фары выключены.
Когда дело доходит до суровых условий, таких как туман, дождь или снег, LiDAR снова показывает явное преимущество в производительности и может компенсировать недостатки других датчиков (например, камер) в системе восприятия.
Лидары часто работают лучше, чем камеры под дождем, потому что их лучи большие. Это позволяет лучу обходить препятствия (например, капли дождя) на зеркале датчика, поэтому на дальность действия лидара в определенной степени не влияет. Для сравнения, размер пикселя камеры намного меньше размера капли дождя, поэтому ее обзор будет закрыт.
Большой луч также позволяет лидару обнаруживать несколько эхо-сигналов из разных диапазонов и обрабатывать только тот, который имеет самый сильный сигнал. Это также может быть полезно в плохих погодных условиях, например, когда идет снег, поскольку лидар может игнорировать влияние отражений от снежинок. Камера без каких-либо алгоритмов машинного обучения не может различить снежинки, мокрые линзы или твердые предметы и в конечном итоге возвращает искаженное изображение.
LiDAR также имеет более короткое время экспозиции и выдержку (миллионные доли секунды), чем камеры (тысячные доли секунды), что означает, что капли дождя обнаруживаются не как полосы, охватывающие несколько пикселей, а как необработанные формы.
Поскольку лидар является оптическим устройством, на его производительность также могут негативно повлиять такие условия, как сильный туман, но он по-прежнему способен предоставлять более ценные данные, чем такие датчики, как камеры, и может обнаруживать объекты на больших расстояниях.

5. Лидарные датчики дорогие.
Было время, когда единственными лидарами, доступными на рынке, были вращающиеся лидары, которые были очень дорогими и громоздкими и не могли производиться в больших количествах. Поэтому вполне естественно, что у людей до сих пор существуют неверные представления о лидаре и его высокой цене. Но с появлением лидара МЭМС (микроэлектромеханических систем) это утверждение полностью изменилось. Компоненты MEMS изготовлены из кремния и легко масштабируются для производства, что делает их очень экономичными.
Твердотельный LiDAR использует стандартные компоненты и не требует регулярного обслуживания, что снижает затраты. В последние годы стоимость этих лидарных датчиков упала с тысяч до сотен долларов, и эта тенденция сохранится и в будущем. Фактически, датчики среднего класса могут продаваться даже по трехзначной цене, если они производятся в больших объемах.

Это некоторые распространенные заблуждения о лидарной технологии и ее применении. Во второй части этой серии мы раскроем еще больше недоразумений в отношении лидара, которые люди упускают из виду.

Контактная информация:

Если у вас есть какие-либо идеи, не стесняйтесь говорить с нами. Независимо от того, где находятся наши клиенты и каковы наши требования, мы будем следовать нашей цели, чтобы предоставить нашим клиентам высокое качество, низкие цены и лучший сервис.