激光雷达

2023-05-16

激光雷达(简称:LiDAR – Light Detection And Ranging)是激光主动探测传感器设备的一种统称。对于测量成像激光雷达,其主要工作原理是通过高频测距和扫描测角实现对目标轮廓三维扫描测量(成像)。测量成像激光雷达主要包括测量型LiDAR和导航型LiDAR两个大类。测量型LiDAR主要用于高精度测图;导航型LiDAR主要用于智能车、机器人和飞行设备的导航避障。两类产品的测量原理和技术基础相近,主要区别在于作业方式、探测距离和测量精度的差异。表1.所示为两类激光雷达产品的主要技术及应用差异说明。从表中可以看出,导航型LiDAR产品以探测距离、测距/测角量精度和探测成像灰度为代价,换取了设备尺寸重量降低和激光扫描线数增加。另外,导航型LiDAR通过多条扫描线实现对目标三维轮廓测量。相比摄像头、超声波雷达和毫米波雷达等的辅助驾驶传感器,激光雷达是真正具备空间三维分辨能力的“智能车之眼”。

激光雷达的分类:

表1、测量型激光雷达 v.s. 导航型激光雷达

主要差异

测量型激光雷达

导航型激光雷达

备注

应用场景

专业测量设备

移动平台导航传感器

 

最大测距

100m – 3500m

6m – 200m

平台、配置产生差异

测距精度

1mm-5mm

5 cm – 10 cm

导航型LiDAR测量精度低

视场范围

60°/70°/360°

100°/270°/360°

产品细分差异

指向分辨率/精度

0.001°/0.005°

0.8 – 2°/NA

导航型LiDAR测量精度低

探测成像灰度

> 10 bits

2-4 bits

导航型LiDAR基本不具备目标表面的灰度探测能力

激光发射单及探测单元(线)数

1/2, 16-32线

或Flash LiDAR

1, 2, 4, 8, 16, 32 …

相对来说导航LiDAR更注重探测单元数量即扫描线数

设备尺寸、重量

4kg – 80 kg

0.6 kg – 15 kg

导航LiDAR以牺牲测距及精度为代价换取尺寸重量降低

作业要求

高精度,高可靠,实时或事后处理

高可靠,实时响应,即时处理

 

代表厂商

Riegl,Optech,Leica,Faro

北科天绘

Velodyne,IBEO,Quanergy,

北科天绘,上海**,深圳**

国内只有北科天绘推出16线高端导航型LiDAR,其它厂商只有1线短距低端产品

 

——智能车用激光雷达基本情况  

 

智能车用激光雷达属于导航型激光雷达产品(以下简称激光雷达或LiDAR),其主要技术特点是多通道(线)扫描。如图1.所示,导航LiDAR可以按照激光束(线)分为1线、4线、8线、16 线、32线或64线激光雷达传感器,多个激光束在竖直方向沿不同角度发出,经水平方向扫描实现对目标区域三维轮廓探测。多个测量通道(线)相当于多个倾角的扫描平面,因此垂直视场内激光线越多其竖直方向的角分辨率就越高,激光点云密度就越大。1-4线短测距的激光雷达主要作为移动机器人的三维环境探测传感器——“眼睛”,具备高度机动能力的智能车辆的“眼睛”则需要更长测程、更多线数(8线、16线甚至更多)。因此,导航型激光雷达的一个主要技术发展方向就是增加扫描线的数量,保证探测距离,同时希望压缩尺寸,降低重量…


 

图 1 导航型激光雷达图例

—— 自动驾驶的主流路径

 

从国内外整车厂发布的激光雷达技术路线分析,Google和百度等IT企业以直接实现完全自主驾驶为目标,其激光雷达一般采用360°视扫描成像技术;宝马、通用、福特、沃尔沃和特斯拉等车企希望通过递进方式实现辅助驾驶到全智能车过渡,其激光雷达一般选用嵌入车身方案,通过安装多个LiDAR传感器实现整车360°无死角探测。

 

国内发展现状


导航LiDAR研发和生产方面,目前国内外的主要厂商包括Velodyne、Quanergy、IBEO、SICK、Hokuyo(北洋)。北京北科天绘是国内最早从事激光雷达研制的企业,产品已经被国家测绘系统、国家电网等高端用户采购。近年来宣布进军激光雷达的国内如雨后春笋,包括江苏**,上海**,深圳**…

 

Velodyne、Quanergy和北科天绘R-Fans激光雷达主要用于自动驾驶汽车导航;IBEO的激光雷达受限于线型和精度,主要应用于ADAS系统; SICK、Hokuyo的激光雷达主要用于工业领域和安全防护领域;上海**和深圳**目前的产品主要用于特定用途(如扫地)的机器人,并希望进军自动驾驶。

 

3.1 美国Velodyne


美国Velodyne公司是智能车用激光雷达兴起的最大受益者。从2005年推出的64线激光雷达(HDL-64E)开始,Velodyne先后推出了32线小型LiDAR(HDL-32E)和16线超小型LiDAR(VLP-16),其最新发布的Ultra Puck VLP-32A原型机已经实现32线360°全景扫描。

 

从Velodyne产品的演进可以看出导航型LiDAR的技术发展趋势,即在保证探测距离的同时,器部件效能“越来越高”,产品“越做越小”,同时体现了产品技术高度集成和批量化及低成本化趋势。

 

目前,Velodyne已经和一些车企建立了合作关系,并且谷歌、百度和一些自动驾驶汽车研究团队都在使用 Velodyne的LiDAR产品。

 

3.2 德国IBEO


IBEO是德国SICK的子公司,专注于导航型激光雷达研制。IBEO的主要产品是110°视场4-8线扫描的激光雷达产品。该产品的技术特点是可以嵌入到汽车车身内部,从而有利于整车厂在汽车外形轮廓的设计。但主要问题是扫描线数少,激光测量点密度低。目前,IBEO已与汽车电子系统TIER 1供应商法雷奥建立了合作关系。

3.3 美国Quanergy


把Quanergy放在后面是因为该公司尚无满足其宣传概念(全固态激光扫描)的LIDAR产品在应用中发威。Quanergy公司的主要产品包括M8-1、S3两个型号。其中M8-1是一款360°扫描型激光雷达产品,S3宣称是一款全固态激光雷达产品,2016年5月,Quanergy又发布S3-Qi产品,其产品尺寸仅为1英寸×1.5英寸。

 

Quanergy率先提出的全固态激光雷达概念已经成为导航激光雷达未来发展的技术方向。从其M8-1和S3产品的发布策略来看,未来导航型LiDAR必将是小范围全固态 + 360°机械扫描的技术发展趋势。

 

目前,Quanergy已经和汽车电子系统TIER 1供应商德尔福展开合作;

 

3.4 其它LiDAR厂商


由于智能车技术迅速发展的需求,国内外对导航型激光雷达的研究热度迅速提高。目前,宣称具有激光雷达技术和发展计划的中外企业已经超过20家,这些企业都得大型车企的青睐(中国特色是地方政府开始关注和扶持,效果如何有待观察)。

 

上海**的主要产品是模块化自主定位导航解决方案,包括低成本2D激光雷达和通用机器人移动平台,瞄准的是低端激光雷达产品。

 

深圳**于2015年5月成立,其投入市场的产品与上海**的产品类似,其宣布研发的三款产品尚未展示给公众。该公司宣布将在2016年底研发出一款16线360度扫描激光雷达产品,看官请耐心等待。

 

另外,国内科研机构也参与了智能车用激光雷达的概念推广和项目研发工作。

 

3.5 小结:国内外发展现状分析


从以上介绍分析可以看出,国外厂商是智能车用激光雷达的市场和技术概念的领导者。国内只有极少数单位在激光雷达研发方面具有与国外厂商一争长短的技术实力,其中具有扎实研究基础的企业(例如“北科天绘”,自恋一下)是推动行业发展并对抗国外产品谋取暴利的主力。

 

从国内外主流厂商的市场行为报道和产品发布计划分析,其在智能车用激光雷达方面的技术发展方向主要表现如下:

 

1) 激光雷达的测程、视场覆盖和测量网格密度是评价激光雷达技术能力的主要技术参数,也是激光雷达的主要应用技术指标,激光雷达技术及产品的发展必然伴随着上述技术指标的不断提高。目前,高端激光雷达的典型技术指标如表3所示:

 

表 3 典型高端激光雷达技术指标

 

360°视场LiDAR

局部视场LiDAR

备注

典型视场覆盖

360°

110°

 

最远测量距离

~100 m

100 – 200 m

 

典型扫描线数

16/32

4/8/16

不断提高

传感器轮廓尺寸

φ100 x 80 mm

200×100×100 mm

 

主流厂家

Velodyne,北科天绘,Quanergy

IBEO,北科天绘

 

2) 全固态扫描是智能车用激光雷达的技术发展趋势,全固态扫描的目标就是提高激光雷达可靠性、环境适应性,并降低激光雷达成本价格。例如,HDL-32E和HDL-64DE在5-10年前推出是风靡一时,但产品尚属LiDAR传感器初级阶段。由于其机械扫描结构外置,尺寸重量大,不能适应广泛装车应用,尽管在前期评估测试起到很大作用,却难以进入智能车用激光雷达后续产品阶段测试。

 

3) 紧凑轻小是激光雷达设备的发展趋势。未来的智能车用激光雷达可能像车灯一样分布在汽车四周——共同实现汽车周边监控或探测。业内分析,对于360°LiDAR,截面直径100mm、高度70mm左右的激光雷达相对合适;对于局部视场LiDAR,200mm宽、100mm截面的LiDAR尺寸合适。另外,LiDAR单机的重量不应该超过1kg,对于多线短测距LiDAR应限制在300g-500g。

 

4) 360°视场,16、32甚至更多扫描线LiDAR将成为后装市场的主体,同时对服务型车辆和特种车辆有很大吸引力;

 

5) 局部视场(如110°),8、16或32线LiDAR有利于嵌入汽车车身,有利于主机厂整车设计,将在前装市场受到高度重视;

 

6) 环境适应能力是未来激光雷达技术发展需要克服的瓶颈。LiDAR可以做到全天时工作,但雨雾天气会严重影响LiDAR的探测能力。另外,由于器件的原因LiDAR系统尚难以承受严酷的环境温度以及温湿度变化。这是LiDAR器件发展需要面临的重要问题。

 

激光雷达关键技术及产品发展


智能车用激光雷达的应用技术指标是:设备轻小,测量指标高、测量网格密、传感器可靠并适应于载车环境,体现于核心关键技术主要包括以下方面:

 

1. 激光雷达总体设计及汽车平台适应性,包括:适应汽车导航的激光雷达工作体制设计,部件结构设计和技术指标划分,满足装车条件的振动冲击、高低温、湿度及电磁兼容等环境适应性设计,以及激光雷达部组件生产工艺设计。

 

 2. 激光雷达集成光学模组,包括紧凑、高效主动光学测量光路系统设计及阵列激光发射及接收焦平面装调方案设计。

 

3. 全固态激光扫描及激光信号接收,即采用非机械扫描方式实现激光扫描探测,其可能采用的技术方案包括相控阵扫描和微机械电控扫描。

 

4. 激光雷达集成化光电测量模组及微封装,主要包括大阵列多元信号处理及SOC芯片设计和低温煅烧陶瓷工艺,电子元器件微组装工艺设计等。

 

5. 激光雷达测量系统定标,主要包括激光测量坐标系定义,测量精度检校方案设计以及检校软硬件工具研制。

 

尽管各研发单位情况不同,但共同的产品技术及生产瓶颈应该是高集成、高可靠的多元激光测量和激光扫描技术。这些技术没有严格的国外垄断问题,但也只有少数企业掌握。各科研院所由于技术发展从属于项目申报,专业领域单一,缺乏持续投入,因此成果实用风险很大。

 

智能车用激光雷达发展方兴未艾,各企业和科研院所都在积极抢占技术发展高地。实体经济和高端制造产品是 “十年磨一剑”的水磨工夫,这即需要前期坚实的产品技术研发基础,也需要企业发挥“工匠精神”持续性投入。从目前发展事态来看,国内只有2-3家企业有能力在未来技术和产品方面站稳脚跟,并形成高低端搭配。北科天绘的激光雷达最有可能被智能汽车采用,上海**和深圳**更可能在低端机器人应用上获得突破。

 

 

参考:

1.http://www.360doc.com/content/16/0814/18/35684338_583199167.shtml

2.https://blog.csdn.net/qq_42532369/article/details/80789859

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

激光雷达 的相关文章

  • 激光雷达和RTK的标定(无人小车)

    总结一下最近的标定工作 xff0c 标定平台是实验室的无人小车 xff0c 目标是实现激光雷达 lidar 和RTK的标定 xff0c 也就是求解lidar到RTK的位姿变换矩阵 采用的代码是ETH的lidar align https gi
  • 无人驾驶技术——无人车的感官(激光雷达,雷达,摄像机)

    文章目录 激光雷达LIDAR什么是LIDARLIDAR原理LIDAR优点LIDAR缺点Velodyne激光雷达传感器HDL64每秒大约收集多少点 xff1f 雷达 RADARRADAR工作原理RADAR优点RADAR缺点 激光雷达 xff0
  • 激光雷达(lidar)和相机(camera)联合标定调研(基于Autoware的详细步骤)

    简单记录一下使用Autoware对lidar和cam联合标定的步骤和一些注意事项 首先 xff0c 开源的lidar和cam标定方案不多 xff0c 花了一天查资料大概有以下几个 xff1a but velodyne https githu
  • 激光雷达RPLIDAR A1使用教程

    激光雷达RPLIDAR A1使用教程 一 雷达硬件连接 1 A1雷达包含组件 RPLIDAR A1开发套装包含了如下组件 xff1a o RPLIDAR A1模组 xff08 内置 PWM电机驱动器 xff09 o USB适配器 o RPL
  • 激光雷达--看图

    转载于 https www cnblogs com tiandi p 10057244 html
  • 激光雷达(LDS)技术原理解释及实现过程

    一 激光雷达 xff08 LDS xff09 简介 1 激光雷达应用举例 xff1a 现在自主移动机器人领域非常火爆 xff0c 无人车 无人飞机 水下机器人 仓储机器人 扫地机等应用层出不穷 激光雷达传感器是地面移动机器人的标配 xff0
  • 激光雷达 LOAM 论文 解析

    注意 xff1a 本人实验室买的是Velodyne VLP 16激光雷和 LOAM 论文中作者用的不一样 xff0c 在介绍论文之前先介绍一下激光雷达的工作原路 xff0c 这样更容易理解激光雷达的工作过程 xff0c 其实物图如下图1所示
  • 激光雷达

    激光雷达 xff08 简称 xff1a LiDAR Light Detection And Ranging xff09 是激光主动探测传感器设备的一种统称 对于测量成像激光雷达 xff0c 其主要工作原理是通过高频测距和扫描测角实现对目标轮
  • (14)Ubuntu 安装 velodyne 激光雷达的Ros驱动包

    1 安装ROS驱动 xff1a sudo apt get install ros kinetic velodyne 2 创建ROS工程 xff1a mkdir p catkin velodyne src cd catkin velodyne
  • 激光雷达Velodyne16配置及录制rosbag

    激光雷达Velodyne16配置 一 配置IP二 安装ROS依赖三 创建工作空间四 录制bag数据包 硬件准备 xff1a 连接电源线及网线 一 配置IP 1 设置有线的IP地址 设置 gt 网络 gt 有线连接 gt IPV4 gt 手动
  • ROS中显示inf问题(激光雷达laserscan rviz)

    需要改动两处代码 xff1a robot sim demo urdf sick tim urdf xacro 文件 xff1a 将带有 xff02 gpu xff02 的那一行注释掉 xff0c 使用非 xff02 gpu xff02 那一
  • 2.1.2 激光雷达

    更多内容 xff0c 请关注 xff1a github xff1a Autopilot Updating Notes gitee Autopilot Updating Notes 激光雷达是自动驾驶领域非常依赖的传感器 xff0c 越来越多
  • 思岚科技RPlidar A3激光雷达ROS源码详解

    思岚科技RPlidar A3激光雷达ROS源码详解 使用 RPLIDARD 的 SDK 其实重点在于看懂client cpp和node cpp两个sample代码 xff0c 因此在这里我们讲从这里入手学习 RPLIDAR A3 的SDK
  • 激光雷达对植被冠层结构和SIF同时探测展望

    前言 陆表植被在全球碳循环中起着不可替代的作用 但现阶段 人们对气候变化与植被生态理化功能的关系的研究还不够完善 为了提高气候预测以及缓解气候恶化的速率 对植被参数比如 叶面积指数 leaf 植被冠层结构 canopy 和生态系统以及区域尺
  • 无人驾驶汽车系统入门(十三)——正态分布变换(NDT)配准与无人车定位

    无人驾驶汽车系统入门 十三 正态分布变换 NDT 配准与无人车定位 定位即确定无人车在这个世界中的哪个位置 是无人驾驶技术栈中必不可少的一部分 对于无人车而言 对定位的要求极高 一般情况下 我们希望我们的无人车能够达到 厘米级 的定位精度
  • 激光雷达,揭开面具下隐藏的“丑陋”

    没有在激光雷达身上 吃过亏 的自动驾驶公司 就像笔者年代没有痴迷过 龟仙人 的小朋友 童年是遗憾的 纸面上的200m测距能力 在视场角边缘为何只有100m 在烈日当头和夕阳西下时 激光雷达点云的噪点水平怎么和化妆和未化妆的姑娘相差这么大 遇
  • 相机与激光雷达联合标定(二)

    前言 LiDAR Camera Calibration LCC 系列 主要介绍激光雷达相机外参标定相关内容 本文主要介绍相关的开源代码和软件 主要包括target based和targetless两类方法 每个方法对应标题后说明了方法的提出
  • Point-GNN README批注

    Point GNN README批注 Point GNN 1 Getting Started 1 1 Prerequisites 1 2 KITTI Dataset 1 3 Download Point GNN 2 Inference 2
  • 利用ROS采集VLP-16激光雷达数据

    入手VLP 16激光雷达 想用ROS采集雷达数据 按照现有教程总有些小问题 现在把自己成功采集到数据的经过分享一下 希望能对刚入坑的有所帮助 本人使用的Ubuntu16 04 kinetic系统 1 安装驱动 sudo apt get in
  • ADAS的八大系统

    简述 ADAS Advanced Driving Assistant System 即高级驾驶辅助系统 ADAS 是利用安装于车上的各式各样的传感器 在第一时间收集车内外的环境数据 进行静 动态物体的辨识 侦测与追踪等技术上的处理 从而能够

随机推荐