1. 首页
  2. 自习室
  3. 【自动驾驶技术解析】激光雷达(二)工作原理及特点

【自动驾驶技术解析】激光雷达(二)工作原理及特点

KITTCAMP,与新科技共成

3.gif

POINT

新年到,祝各位小伙伴猪年大吉。在上篇文章中,我们介绍了激光雷达的应用历程,从早期的激光雷达功能到后期的激光雷达商业落地都举了详细的案例【传送门→【自动驾驶技术解析】激光雷达(一)】。本次文章,我们将围绕激光雷达的工作原理及特点展开。(PS:辛苦了一年,假期要多陪陪家人哟。


1.jpg

(图片源于网络)

激光雷达的工作原理


激光雷达=激光发射器+激光接收器+信息处理系统+伺服控制系统+操控显示终端


2.jpg

激光雷达组成示意图(简化版)


激光雷达的工作原理,是通过激励源周期性的驱动激光器发射激光脉冲,激光调制器通过光束控制器控制发射激光的方向、线数等,通过发射光学系统将激光发射出去,同时光电探测器负责接收激光束经过目标反射后的回波,产生接收信号,利用一个稳定的石英时钟对发射时间与接收时间做差,经由信息处理模块计算并输出测量距离、角度、发射强度等信息。利用信号处理软件系统对这些属性信息进行综合处理,从而获取目标的表面形态、物理属性等特性,进行各种数据分析或建立物体模型。


1.gif


3.jpg

(图片源于网络)
激光雷达测距原理公式

7.jpg

 R ——传感器到被测采样点之间的距离

 C ——光速

 T ——激光脉冲从激光器到被测采样点的往返传输时间。(ps:测量时间差又有3种不同的方法,分别是脉冲检测法相干检测法相移检测法。)


测量时间差的3种方法


 脉冲检测法 ——建立辆个寄存器,形成二级寄存器。在时钟触发中,首先把被测数据送入第一个寄存器中,然后在下一个时钟上沿到来时,将第1个寄存器中的数据存入第2个寄存器,也就是说第2个寄存器中的数据始终比第1个寄存器晚1个周期,即晚1个数据,然后再将第1个寄存器中的数据取反与第2个寄存器的数据相与,产生的数存入一个新的寄存器里,这样产生的结果是当第1个寄存器中的数据(注意:不是被测数据)由1变为0时(即下降沿),就会在新的寄存器里产生一个高电平,并维持1个周期;如果是检测上升沿,则是将第2个寄存器取反,然后与第1个寄存器值相与,结果存入新的寄存器中,这样将会在被测数据的上升沿时,新的寄存器里产生一个高电平。


 相干检测法 ——利用光的相干性对光载波所携带的信息信号进行检测和处理。只有采用相干性好的激光器作为激光源才能实现相关处理。


 相移检测法 ——设立两个缓存器,一个用于储存数据阵列中每一行的电荷总量累加值,一个用于数据阵列中每一列的电荷总量累加值。通过公式对两个值进行计算,将处理后的输出信号与原有光信号位置进行对比得出相位差。



4.jpg

(图片源于网络)

激光发射光源


目前激光发射光源主要有半导体激光器、半导体泵浦的固体激光器和气体激光器等。


 半导体激光器 ——以半导体材料如砷化镓、砷化铟、锑化铟等为工作物质的激光器,其激励方式主要有电注入式、光泵式和高能电子束激励式。


 半导体泵浦固体激光器 ——综合了半导体激光器和固体激光器的优点,通过泵浦激光工作物质,输出光束质量好、时间相干性和空间相干性好的泵浦光,具有体积小、重量轻等特点。


 气体激光器 ——输出波长范围较宽,气体的光学均匀性好,因此光束稳定性好。


激光雷达接受单元


激光雷达的接收单元由接收光学系统、光电探测器、放大器和信息处理模块等组成,完成信号脉冲接收、光电转变、信号放大和信息处理功能。对激光接收器的基本要求是高灵敏度、高探测率和低虚警率。
提高激光接收器性能的主要方法是探测方式和探测器的选择。目前常用基于内光电效应的雪崩光电二极管作为光电探测器,具有体积小、可靠性高等优点。


1.gif

5.jpg

(图片源于网络)

激光雷达的划分


按照扫描线数进行划分,激光雷达可分为单线激光雷达和多线激光雷达。


按照成像方式进行划分,激光雷达可分为一维、二维、三维。

 一维激光雷达 ——主要用于测距。


 二维激光雷达 ——主要用于轮廓检测、区域监控等。


 三维激光雷达——主要用于三维建模,可用于高精度地图、移动机器人、无人驾驶等。


按照发射的波形和数据的处理方式划分,激光雷达可分为脉冲激光雷达和连续波激光雷达、脉冲压缩激光雷达和成像激光雷达等。


按照扫描方式划分,激光雷达可分为扫描和非扫描。

 扫描 ——有机械扫描、电学扫描和二元光学扫描几种选择(ps:机械扫描能够进行大视场扫描,也可以达到很高的扫描速率,是目前应用最多的一种方式。)


 非扫描 ——采用多元探测器,作用距离较远。


激光雷达技术特点
A)
不能穿透云层、雨滴或者稠密的烟雾,对天气环境有要求。
B)
覆盖范围广、精度高、频率快、环境适应性好。
C)
获得信息丰富。
D)
与立体视觉相比,可直接返回被侧物体到激光雷达的距离,测量距离更加直接且准确。
E)
数据量大,离不开后续处理。
F)
能够识别周围环境中障碍物的各种属性,如可跨越的(植被)、不可跨越的(岩石、树木等)、潜在的负障碍(悬崖、山涧等)。
G)
抗干扰能力强,隐蔽性好,不受无线电波干扰。

下期预告:激光雷达关键技术解析

参考文献:

1、DAI Yongjiang. Principles of laser radar[M]. Beijing: National Defence Industry Press,2002. ( in Chinese)戴永江. 激光雷达原理[M]. 北京: 国防工业出版社,2002.

2、Nitzan D,Brain A,Duda R. The measurement and use of registered reflectance and range data in scene analysis[J]. Proceedings of the IEEE,1977,65( 2) : 206 - 220.

3、YANG Fei,ZHU Zhu,G0NG Xiaojin. Real-time dynamic obstacle detection and tracking using 3D LIDAR[J].Journal of Zhejiang University: Engineering Science,2012,46( 9) : 1565 - 1571. ( in Chinese)杨飞,朱株,龚小谨. 基于三维激光雷达的动态障碍实时检测与跟踪[J]. 浙江大学学报: 工学版,2012,46( 9) : 1565 - 1571.

4、Himmelsbach M,Muller A,Luttel T. LIDAR-based 3D object perception[C]/ / Proceedings of 1st International Workshop on Cognition for Technical Systems,Munich,Germany,2008.

5、Xin Y,Liang H,Mei T,et al. A new occupancy grid of the dynamic environment for autonomous vehicles[C]/ /Intelligent Vehicles Symposium Proceedings,2014 : 787 - 792.

6、Moosmann F,Pink O,Stiller C. Segmentation of 3-D LIDAR data in non - flat urban environments using a local convexity criterion[C]/ /2009 IEEE Intelligent Vehicles Symposium,Xi'an,China,2009: 215 - 220.

7、Klasing K,W Ollherr D,Buss M. A clustering method for efficient segmentation of 3-D laser data[C]/ /2008 IEEE Internationa1 Conference on Robotics and Automation,Pasadena,CA,USA,2008: 4043 - 4048.

8、Savant S. A Review on edge detection techniques for image segmentation[J]. International Journal of Computer Science & Information Technology,2014,5 ( 4 ) :5898 - 5900.

9、Wassenberg J,Middelmann W,Sanders P. An efficient parallel algorithm for graph-based image segmentation[J ]. Springer Berlin Heidelberg, 2009, 5702:1003 - 1010.

10、 Felzenszwalb P F,Huttenlocher D P. Efficient graphbased image segmentation[J]. International Journal of Computer Vision,2004,59( 2) : 167 - 181.

 更 多 精 彩 

4.gif

小车公号广告.jpg




kittcamp,与新科技共成长



作者:puppy

微信关注“KITTCAMP自动驾驶学院”获取更多学习资料

文章系KITTCAMP自动驾驶学院原创,转载需表明出处

相关推荐
发表评论
访客的头像
请先 登录 再评论,若不是会员请先 注册
留言列表

    还没有留言,还不快点抢沙发?