这里对当前Lidar中的一些常见问题进行专项论述。首先以禾赛Lidar为例,列出相关参数,以备论述。

图1 禾赛AT128参数
图2 禾赛AT360参数
图3 禾赛AT1440参数
图4 禾赛AT128可靠性验证项
图5 禾赛AT128产品证书

1、Lidar的线束是什么,由什么决定?

图6 AT128分辨率图示

以AT128为例,该型号中的128即指128线,将垂直视场角(VFOV)进行128线划分,对应于垂直向分辨率:

  • 从图1中的禾赛AT128参数可以看到,其VFOV为25.4°,垂直分辨率为0.2°,25.4/0.2=127,等同于对应128线;

  • 从图1中的禾赛AT360参数可以看到,其VFOV为18°,垂直分辨率为0.05°,18/0.05=360,等同于对应360线;

  • 从图1中的禾赛AT1440参数可以看到,其VFOV为18°,垂直分辨率为0.0125°,25.4/0.2=1440,等同于对应1440线;

AT128内部设计如下:128个发射通道对应128个接受通道,从而形成了VFOV上的128线分辨率。

图7 AT128内部结构
图8 AT128VCSEL阵列
图9 AT128SiPM阵列

速腾M1采样的是另外一种方式,所以速腾M1是等效128线。通过振镜垂直向的可控摆动,实现了等效的128个垂直向的分割扫描,从而实现了等效128线。

图10 速腾M1发射通道
图11 速腾M1接收通道
图12 速腾M1技术参数

如上图所示,水平测角通过振镜水平向的摆动,由于振镜水平向摆动角度有限,所以用5组反射镜,进行拼接,实现水平120°的覆盖,垂直测角通过振镜垂直向的摆动完成,实现垂直向25°的覆盖。

M1的水平和垂直角分辨率均为0.2°,点频为每秒78.7万。垂直方案差不多等同于128线的AT128。

2、Lidar的量程是什么,由什么决定, 最大量程以及10%反射率量程是什么?

图13 禾赛AT128量产图示

激光扫描中的“10%反射率”是指激光扫描测距产品在特定条件下能够测量的最大距离的一个参数。

定义:反射率是指物体表面反射光线的能力,而“10%反射率”则是指物体表面反射的激光能量占入射激光能量的10%。 这是一个标准化的测试条件,用于衡量激光扫描测距产品的性能。

应用场景:在激光扫描测距中,当被测物体的反射率为10%时,该激光扫描测距产品能够测量的最大距离为30米。 这意味着,如果被测物体的反射率高于10%,那么该产品可能能够测量更远的距离;反之,如果反射率低于10%,则测量距离可能会缩短。

重要性:了解激光扫描测距产品的反射率参数对于正确使用和评估产品性能至关重要。

图14 Lidar校准专用漫反射板

Lidar校准专用漫反射板技术要求:

  • 使用宽200-2500nm的波长,可以在850nm、905nm、940nm、1550nm的普通激光器中应用。

  • 反射率为2-99%可选,光谱图平坦。

  • 具有接近完美的朗伯特性。

  • 具有良好的漫射性测试效果。

图15 光谱图
图16 反射率光谱

光谱反射率的补充:

图17 NIR漫反射光谱可用于区分丙烯酸、聚丙烯和尼龙这三种共聚物
图18 不同颜色的光亮丙烯酸数值的光谱数据
图19 深色对聚丙烯漫反射光谱的作用。吸收NIR光的黑色或深色样品导致反射强度变低,光谱特征丢失
图20 不同材料的反射率

反射率汇总表可以参考下文

Ref:https://www.jstage.jst.go.jp/article/jieij1917/27/10/27_10_449/_pdf/-char/ja

以AT128为例,探测距离210m@10%反射率,即探测10%反射率的标准目标板可以达到210m,

在自动驾驶中还存在以下研究:为自动驾驶设计具有高近红外反射率的 LiDAR 可检测暗色调材料

自动驾驶依赖于使用LiDAR技术对物体的精确识别,该技术在 905 nm 的特定波长下运行。黑色物体,例如用于车辆涂层的炭黑,往往会显着吸收这种特定波长,这限制了 LiDAR 传感器的性能。为了解决这个问题,研究人员探索了创造可以被 LiDAR 检测到的暗色调材料,具有高 NIR 反射率,同时保持真正的黑色(基于 CIE 颜色坐标的L* < 20)。这些材料分为两类:有机颜料和无机颜料。有机颜料可以通过操纵其官能团进行合成调整以实现真正的黑色,但实现高 NIR 反射率仍然具有挑战性,通常需要具有 NIR 反射白色基底的双层结构和上层有机黑色颜料。此外,对疏水添加剂的需求和对阳光降解的抵抗性进一步限制了它们的使用。对于无机颜料,可以通过仔细控制其成分、结构和形态来获得所需的 LiDAR 可检测特性,从而允许具有适当设计的单层涂层。

图21 为自动驾驶设计具有高近红外反射率的 LiDAR 可检测暗色调材料
图22 部分车型Lidar的探测距离
图23 Lidar的探测距离对比

10%的反射率下,以蔚来ET7为例,搭载了来自Innovusion的超远距高精度激光雷达,最远探测距离可达500米,10%反射率标准下的探测距离可达250米,留给车辆预判制动的时间非常长。一般的车型在10%的反射率的条件下,只能做到100-200米的探测距离,留给行车电脑的预判时间很紧张。

以上就说明了Lidar量程的重要性,工作在dToF模式下的Lidar,其量程和Tx功率以及Rx的接受灵敏度强相关

图24 dToF的发射信号和检测信号

下面的公式是采用不同的光子检测器得到的最大探测距离计算公式。

图25 dToF Lidar探测距离计算公式

显然,提高量子效率𝜂(qe)或光子探测效率𝜂(PDE)(当前行业水平下𝜂(qe)约为80%,𝜂(PDE)约为20%)、增加接收孔径𝐴(𝜃r)、提高目标反射率𝜌、减少太阳辐射𝐸(sun)、降低APD的过量噪声因子𝑥,都可以增强DToF激光雷达的最大范围。因此,在调整设计参数时,可以使用上述方程计算𝑅(max)相对于这些设计参数的偏导数,以更好地平衡成本和性能收益,并选择最佳设计方案。降低阈值-噪声比(TNR)的设定值也可以增加探测范围,但代价是增加误报率和点云中的噪声点。可以根据场景中实际的点云效果进行具体调整。增加发射光的峰值功率𝑃ₜ并减少接收视场角 𝑟(pd)/𝑓 也可以改善最大范围,前提是遵守激光安全法规(人眼安全)。然而,重要的是要注意到,增加峰值功率将由于激光安全法规而减少脉冲宽度。这就需要增加接收电路的带宽 𝐵w,进而导致噪声和成本的增加。因此,激光峰值功率、发散角、接收视场角和电路带宽的设计需要基于最大范围公式、安全法规、设备特性和成本进行全面考虑。

下文是对Ranging Performance Analysis in Automotive DToF Lidars进行论述的,有兴趣可以参考:

Ref:https://arxiv.org/pdf/2501.17884

图26 dToF Lidar常用SPAD

下图是禾赛的ETX Lidar的自研芯片提出探测距离。

图27 ETX Lidar的自研芯片提出探测距离

3、Lidar的人眼安全等级说明

人眼安全的要求如下

中国要求:目前激光人眼安全在国内没有强制性认证要求,但有强制性标准GB 7247.1,国内上市激光产品需满足激光人眼安全要求。需要注意的是GB 7247.1采标IEC 60825-1。

美国要求:激光产品进入美国需要满足FDA辐射放射的要求。除了限值激光产品的设计和结构上满足人眼激光安全要求。制造商还要能保证良好生产规范使得批量产品持续满足要求。FDA通过产品型式试验+企业质量控制系统要求的方式,要求制造商进行首次报告和年度报告。测试标准可以为21 CFR 1040.10,也可以为IEC 60825-1+Notice 56差异。

其他国家:国际上包括欧洲和其他主要地区均可采用IEC 60825-1(但须注意欧盟EN 60825-1有A11增补,以及需要考虑消费类激光要求EN 50689)。

共同要求:由于激光雷达大多采用905nm和1550nm,均为不可见红外激光,发射过程中不易被用户察觉,并工作场景均为需向外界发射激光辐射,所以均需满足一类激光(Class 1)激光人眼安全要求。

Ref:激光雷达人眼安全认证

图28 905nm vs 1550nm的最大允许暴露

由于905nm 更接近可见光,视网膜对其更敏感,同时液态水对其吸收也更少,因此这种光线更容易直达视网膜。相比而言,1550nm 容易被水吸收,因此在抵达视网膜之前已经被玻璃体等前部结构进行一轮吸收,抵达视网膜的较少。同时1550nm 光折射率更大,即便是抵达视网膜,也不容易聚焦成很小的光点,能量相对分散,进一步减小了损伤。

基于以上原因,在连续波情况下,1550nm 激光的人眼安全功率达到905nm 的10 倍,如果是瞬间发光则倍数更多,如果发光控制在纳秒级别(激光雷达通常一个脉冲只有几个纳秒),那么1550nm 激光人眼允许的强度可以更高。

下文对激光危害等级进行了详细的罗列

Ref:Laser Hazard Classes and Eye Safety

图29 Laser Hazard Classes
图30 Laser Safety Classes Chart

4、Lidar的点频是什么,和什么相关?

图31 禾赛AT128点频图示
图32 禾赛AT1440点频图示

上图给出了禾赛Lidar的点频效果,可以看到点频越高,点云对外部场景的还原度越高,越有利于后端对Lidar点云进行处理的算法。

点频是按照秒计的,计1秒内输出的点云数量,以AT128架构为例,其每秒产生的点云数据点数(即回波数)为1536000点/秒(单回波),计算如下:

  • HFOV=120°,水平角分辨率=0.1°,通道数128(即线数),扫描帧率=10Hz

  • 10Hz下,单线每帧产生120/0.1=1200数据点,全通道每帧产生1200*128=153600个数据点;每秒10帧,即1536000个数据点;

  • 双回波模式下,有效点频是单回波的两倍。

  • 点云传输的工作周期约为50%,因此,峰值传输率约为平均值的两倍左右。

其和Lidar的扫描频率(10Hz帧率)相关的是其中的转镜转速,即每秒转10圈,每圈保障激光束在水平120°范围内完成一次扫描,扫描的步长为0.1°。

图33 转镜控制激光速的水平扫描
图34 转镜控制激光速的水平扫描
图35 AT128水平角度值的计算
图36 AT128垂直角度值的计算
图37 图35 AT128数据点方位的计算

对应速腾M1参考图12,水平测角通过振镜水平向的摆动,由于振镜水平向摆动角度有限,所以用5组反射镜,进行拼接,实现水平120°的覆盖,垂直测角通过振镜垂直向的摆动完成,实现垂直向25°的覆盖。

M1的水平和垂直角分辨率均为0.2°,点频为每秒78.7万。

5、Lidar的测量精度问题

图38 dToF原理

dToF测距技术的核心为生成光子计数的直方图,而直方图的粗细程度则直接决定了测距的精度。当激光脉冲功率较大的时候,产生的直方图需要少量的激光脉冲即可,但是直方图与原始的光强度包络相差较大。而当激光脉冲功率较小的时候,虽然产生一张直方图所需要的激光脉冲数量较多,但是直方图描绘的包络与光强本身的包络曲线符合度较好。

图39 The histogram data distribution at different distances

采用不同的脉冲宽度以及不同的Profile Matched Filter可以得到不同的测距精度效果。

图40 The processing of the different types of matched filters.
图41 The results of 200 measurements with different profile-matched filters: (a) Mean distance. (b) Standard deviation.
图42 Different laser pulse widths: (a) Laser pulse width of 1 ns. (b) Laser pulse width of 2 ns.
图43 The results of 200 measurements with different laser pulse widths: (a) Mean distance. (b) Standard deviation.

Ref:https://www.mdpi.com/1424-8220/23/6/3011

除了脉冲宽度和匹配滤波器,测量精度还受到目标物的反射率以及外部光强度影响。

6、对以上几点的小结

dTOF激光雷达关键指标

1、量程:所能测量的距离远近。

2、采样率:每秒所能收集的点数据数量。

3、精度:测量准确程度。

4、角度分辨率:由采样率和扫描频率决定的,在2D识别中,角度分辨率的大小决定了所能扫描物体的范围大小。

5、盲区:当距离近到一定程度时雷达会识别不到光,这块无法识别的区域被称为盲区。

6、抗光强度:雷达受光线影响的程度,程度越小抗光强度越大。

7、扫描频率:旋转结构的转速。

以上基本将Lidar的关键指标问题都以及说清楚了。盲区的说明如下:

图44 Lidar布置导致的盲区
图45 Lidar本身设计导致的近距盲区

7、对SPAD的补充说明(为什么长距高分辨Lidar采用SPAD)

以下参考了SONY官网的几篇文章:

Ref:SPAD ToF式距离传感器 1/2.9英寸 约10万像素 IMX560 | 产业用图像传感器 [概述] | 图像传感器 | 产品・解决方案 | Sony Semiconductor Solutions Group

Ref:索尼发布堆叠式SPAD深度传感器IMX479,助力车载激光雷达实现高精度高速测距

Ref:以领先的光子探测率实现高精度、低功耗测距 索尼发布用于智能手机的SPAD距离传感器

SPAD(Single Photon Avalanche Diode)像素的特点是利用具有“雪崩倍增效应”的像素结构,将单个入射光子的电子放大,从而形成雪崩式叠加,因此能检测到微弱的光。SPAD ToF式距离传感器(以下简称SPAD距离传感器)利用SPAD方式的受光元件检测光的飞行时间,从而实现了长距离、高精度的距离测量。

SPAD距离传感器会在捕获到光子时,以雪崩倍增效应增强电子,从而放大检测到的光子并将其转换为强信号,因此能高精度地检测到从远处返回的微弱光信号。它可以测量数十米以上的距离,相比indirect ToF方式(iToF),能够捕捉大范围的3D信息。

图46 SPAD适用场合

下图中IMX479对像素的光入射面和底面进行了不规则设计,并优化了透镜形状。通过折射入射光来提高吸收率,使车载激光雷达光源常用的940纳米波长达到了37%的光子探测效率。因此,即使在100,000lux以上的强光背景光环境下,也可以高精度地探测和识别最远300米外的目标物体。

图47 SPAD提高PDE的设计

SPAD距离传感器在芯片上搭载了Time-to-Digital转换器,因此可输出数字信号。它采用堆栈结构,并列配置多个Time-to-Digital转换器,从而能够同时对多个点进行测距,实现高分辨率,并以此提升物体的识别精度。

图48 SPAD有助于高分辨实现
图49 SPAD在垂直方向上实现了相当于0.05度的角分辨率,可以准确识别250米外、仅25厘米高的物体(如掉落在道路上的轮胎)。

为了准确测量距离,相对于从相机光源发出后、被被摄体反射一次就到达传感器的信号,那些在非预期路径上反射回来的信号需要尽可能被排除。特别是像房间角落这类凹陷的形状,很可能在非预期路径上产生信号光,导致测量值出现偏差。而SPAD ToF的测距方式会多次测量与对象物之间的距离,对获取的各点的测量结果进行统计处理。因此能够稳定获取高精度、低噪点的数据,对角落也能精准测量。由此,可提升测量的可靠性,有望在各种用途上确保精度。

图50 SPAD抗多径干扰测距
图51 基于SPAD搭建的Lidar系统
图52 SPAD规格参数
图53 SPAD ToF式距离传感器的堆栈结构示意图(顶部:SPAD像素 底部:测距处理电路)
图54 SPAD ToF式距离传感器的成像示例
图55 禾赛产品芯片化规划中的SPAD
图56 SPAD在FLash Lidar中应用
图57 SPAD在FLash Lidar中应用

Ref:https://www.mdpi.com/1424-8220/23/15/6927

Ref:https://www.mdpi.com/1424-8220/21/11/3839

Ref:https://imagesensors.org/wp-content/uploads/2018/05/Salvatore_Gnecchi.pdf

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/bicheng/95321.shtml
繁体地址,请注明出处:http://hk.pswp.cn/bicheng/95321.shtml
英文地址,请注明出处:http://en.pswp.cn/bicheng/95321.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Meteor主题友链页面自研

发布于&#xff1a;Eucalyptus-Blog Meteor主题虽然设计简约现代&#xff0c;但由于缺乏原生的友情链接管理功能&#xff0c;许多博主只能将友情链接勉强添加在网站底部&#xff0c;这不仅影响页面美观&#xff0c;也不便于访客查找和互动&#xff1b;为了解决这一痛点&#xf…

QT控件QPlainTextEdit、QTextEdit与QTextBrowser的区别

一.主要功能对比二.关键功能差异1.文本类型支持QPlainTextEdit&#xff1a;仅支持纯文本&#xff08;Plain Text&#xff09;&#xff0c;不处理任何格式&#xff08;如字体、颜色、链接、图片等&#xff09;。文本以原始字符形式存储&#xff0c;适合处理日志、代码、配置文件…

【思考】WSL是什么

WSL WSL是什么呢&#xff1f; WSL 是 windows subsystem for linux 的简写&#xff0c;指的是 windows10 的一个子系统&#xff0c;这个子系统的作用是在 windows 下运行 linux 操作系统。 有了WSL&#xff0c;就可以在 windows10 中运行linux操作系统了。许多在 linux 种运行的…

基于单片机智能饮水机/智能热水壶

传送门 &#x1f449;&#x1f449;&#x1f449;&#x1f449;其他作品题目速选一览表 &#x1f449;&#x1f449;&#x1f449;&#x1f449;其他作品题目功能速览 概述 基于单片机的智能饮水机系统通过嵌入式技术实现水温控制、水量监测及用户交互功能。系统采用STM3…

Unity游戏打包——iOS打包基础、传包

本文由 NRatel 历史笔记整理而来&#xff0c;如有错误欢迎指正。 相关参考文档 Unity文档 -> 平台开发 -> IOS https://docs.unity3d.com/cn/2021.3/Manual/iphone.html Unity导出的Xcode 项目的结构 Modifying an Xcode project use Xcode.PBXProject. https://doc…

pyside6小项目:进制转换器

from PySide6.QtUiTools import QUiLoader from PySide6.QtWidgets import QApplication,QWidgetclass MyWindow(QWidget):def __init__(self):super().__init__()self.ui QUiLoader().load(trans.ui)self.ui.show()#stor data type dictionaryself.lengthVar {米:100, 千米:…

再见 K8s!3款开源的云原生部署工具

前文&#xff0c;和大家分享了云原生中的核心工具 K8s&#xff1a; 关于 K8s&#xff1a;入门&#xff0c;这篇就够了 K8s是个好东西&#xff0c;就是上手门槛有点高。这不&#xff0c;需求就来了&#xff1f; 有需求&#xff0c;就有工具。 为了解决K8s的配置难题&#xf…

C++ 快速复习指南(上半部分)

1.基础语法基本结构#include <iostream> 头名 using namesapce std ; 统一使用命名空间 int main () { 程序执行门户 主题内容}基本输出 cout << "string " << endl; // 输出 string 变量和数据类型 格式int intger 10 ;常量的引入 需要在变量…

ArcGIS Pro 地图打包与解包

如果需要在ArcGIS Pro 打包某一个地图文档&#xff0c;在 菜单栏中 点击 共享&#xff0c;点击地图。弹出 打包地图 面板&#xff0c;可以打包到Online、打包到地图包&#xff0c;选择将包保存到文件&#xff0c;修改项目详细信息&#xff0c;点击 包&#xff0c;即可实现打包。…

sunset: twilight靶场

sunset: twilight 来自 <sunset: twilight ~ VulnHub> 1&#xff0c;将两台虚拟机网络连接都改为NAT模式 2&#xff0c;攻击机上做namp局域网扫描发现靶机 nmap -sn 192.168.23.0/24 那么攻击机IP为192.168.23.128&#xff0c;靶场IP192.168.23.145 3&#xff0c;对靶机…

【机器学习基础】无监督学习算法的现代演进:从数据探索到智能系统的自主发现能力

1. 引言:无监督学习在人工智能革命中的核心价值 在人工智能技术飞速发展的今天,无监督学习正在成为推动AI系统实现真正智能的关键技术。与需要大量标注数据的监督学习不同,无监督学习能够从原始数据中自主发现隐藏的模式和结构,这种能力使其在现代AI应用中具有不可替代的价…

PetaLinux的JTAG启动

csdn–PetaLinux 使用技巧与缓存配置 xilinx官网–PetaLinux 工具文档参考指南 (ug1144) xilinx官网–设备树配置文档 内核官网–设备树文档 软硬件准备 分类项目说明/用途验证方法示例硬件JTAG 线JTAG 下载、调试—UART 串口线查看 zynq 启动日志—网口线用于 TFTP 下载—…

单片机中的按键防抖

按钮&#xff08;按键&#xff09;抖动是单片机开发中常见的硬件问题&#xff0c;本质是机械触点接触瞬间的物理弹跳导致的电信号不稳定。消除抖动&#xff08;防抖&#xff09;是确保按键状态检测准确的关键&#xff0c;下面从原理到实现详细讲解。 一、按钮抖动的原理&#x…

面经分享--小米Java一面

目录 1.Kafka和RocketMQ的区别 2.反射的作用 3.类加载的具体过程&#xff0c;双亲委派模型的机制 4.TCP的四次挥手 5.多线程的优势 6.死锁产生的原因&#xff0c;怎么解决 7.Java并发的工作原理 8.常用的git命令 9.算法题 1.leetcode 3.无重复字符的最长子串&#xff…

Python在边缘计算与物联网中的创新实践:实时数据处理与设备控制

近年来&#xff0c;Python语言的普及度持续攀升&#xff0c;尤其在人工智能、数据科学等热门领域备受青睐。然而&#xff0c;一个新兴趋势——边缘计算与物联网&#xff08;IoT&#xff09;的结合——正悄然改变技术格局。边缘计算强调在数据源头进行实时处理&#xff0c;减少云…

Spring Cloud Gateway 网关(五)

目录 一 概念引入 二 具体使用 1 首先创建一个网关模块 2 启动类 3 配置类 4 对应方法的修改 5 展示借助81端口进行转发控制 6 断言规则​编辑 三 过滤器 1 将前置的请求参数给过滤掉&#xff0c;降低繁琐程度。 2 默认过滤器 3 全局过滤器 4 自定义过滤器工厂 5…

产品经理操作手册(8)——业务需求文档(BRD)

一、BRD的定义与价值 **业务需求文档(BRD)**是产品开发前期的基础性文档&#xff0c;它将业务诉求转化为结构化的产品需求&#xff0c;是连接业务方与交付团队的桥梁。“BRD不仅是一份文档&#xff0c;而是一个对齐的过程。”BRD核心价值 统一认知&#xff1a;确保各方对业务目…

Excel表格多级下拉选项,如何制作?

之前分享过如何设置下拉选项&#xff0c;但那只是简单的一级下拉菜单&#xff0c;今天再给大家分享多级下拉菜单如何制作。也就是根据前面的下拉选项改变后面的选项。 我们现来复习一级下拉菜单&#xff0c;再接着讲多级下拉菜单 一级下拉选项 首先我们先将表格内容凑填写好…

[Sync_ai_vid] 唇形同步评判器 | 图像与视频处理器 | GPU测试

第4章&#xff1a;SyncNet唇形同步评判器 在前几章中&#xff0c;我们了解了唇形同步推理流程如何协调生成唇形同步视频&#xff0c;以及音频特征提取器(Whisper)如何为LatentSync UNet提供关键音频线索。 UNet利用这些线索巧妙调整唇部动作。但我们如何判断UNet的生成效果&a…

算法:插入排序

插入排序&#xff08;直接插入排序&#xff09; 是一种基于“插入”的排序 思路 它的核心思想是把数组分成两部分&#xff1a;一部分是有序区&#xff0c;另一部分是乱序区也就是待排序区。 每次从未排序部分“取出”一个元素&#xff0c;插入到前半部分合适的位置&#xff0c;…