欢迎您访问 最编程 本站为您分享编程语言代码,编程技术文章!
您现在的位置是: 首页

激光雷达基础入门笔记1:理解点云生成 - 激光雷达的种类划分

最编程 2024-07-20 15:56:43
...

在这里插入图片描述
目前激光雷达的分类标准有很多种,常见的一种是按照内部有无旋转部件来划分,可以分为机械旋转激光雷达、混合式激光雷达以及固态激光雷达。

1)机械式激光雷达:

通过机械旋转实现激光扫描的激光雷达,激光发射部件在竖直方向上排布成激光光源线阵,可通过透镜在竖直面内产生不同指向的激光光束;在步进电机的驱动下持续旋转,竖直面内的激光光束由“线”变成“面”,经旋转扫描形成多个激光“面”,从而实现探测区域内的3D扫描;

2)混合式激光雷达(MEMS):

将微机电系统(MEMS)与振镜结合形成MEMS振镜,通过振镜旋转完成激光扫描,驱动电路驱动激光器产生激光脉冲同时驱动MEMS振镜旋转,激光在旋转振镜的反射下实现扫描,经发射光学单元准直后射出;

3)固态激光雷达:

取消了机械扫描结构,水平和垂直方向的激光扫描均通过电子方式来实现,相比于MEMS激光保留“微动”机械结构,其电子化更彻底。
固态激光雷达主要包括光学相控阵(OPA)激光雷达和面阵闪光(Flash)激光雷达两种。

  • a:光学相控阵(OPA)激光雷达,是由若干发射接收单元组成一个矩形阵列,通过改变阵列中不同单元发射光线的相位差,达到调节发射波角度和方向的目的;激光光源经过光分束器后进入光波导阵列,在波导上通过外加控制的方式改变光波的相位,利用波导间的光波相位差来实现光束扫描;
  • b:面阵闪光(Flash)激光雷达:采用类似相机的工作模式,运行时,直接法射出一大片覆盖探测区域的激光,随后由高灵敏度接收器阵列计算每个像素对应的距离信息,记录光子飞行的时间信息,从而完成对周围环境的绘制。

在这里插入图片描述

激光雷达根据安装位置的不同,分类两大类。一类安装在无人车的四周,另一类安装在无人车的车顶。
安装在无人车四周的激光雷达,其激光线束一般小于8,常见的有单线激光雷达和四线激光雷达。
安装在无人车车顶的激光雷达,其激光线束一般不小于16,常见的有16/32/64线激光雷达。

1.1、单线激光雷达

在这里插入图片描述
单线激光雷达是目前成本最低的激光雷达。成本低,意味着量产的可能性大。

前两天朋友圈刷屏的“北京首个自动驾驶测试场启用”新闻中出现的福田自动驾驶汽车就使用了4个单线激光雷达,分别布置于无人车的前后左右,用于车身周围障碍物的检测,如下图。
在这里插入图片描述
单线激光雷达的原理可以通过下图理解。
在这里插入图片描述
单束激光发射器在激光雷达内部进行匀速的旋转,每旋转一个小角度即发射一次激光,轮巡一定的角度后,就生成了一帧完整的数据。因此,单线激光雷达的数据可以看做是同一高度的一排点阵。

单线激光雷达的数据缺少一个维度,只能描述线状信息,无法描述面。如上图,可以知道激光雷达的面前有一块纸板,并且知道这块纸板相对激光雷达的距离,但是这块纸板的高度信息无从得知。

1.2、四线激光雷达

在这里插入图片描述
如上图所示,四线激光雷达基本都像这样。

全新的奥迪A8为了实现Level 3级别的自动驾驶,也在汽车的进气格栅下布置的四线激光雷达ScaLa。
在这里插入图片描述
有了之前单线激光雷达的原理介绍,四线激光雷达的工作原理就很容易理解了。

如下图所示,不同的颜色代表不同的激光发射器。
在这里插入图片描述
四线激光雷达将四个激光发射器进行轮询,一个轮询周期后,得到一帧的激光点云数据。四条点云数据可以组成面状信息,这样就能够获取障碍物的高度信息。

根据单帧的点云坐标可得到障碍物的距离信息。

根据多帧的点云的坐标,对距离信息做微分处理,可得到障碍物的速度信息。

实际应用时,在购买激光雷达的产品后,其供应商也会提供配套的软件开发套件(SDK,Software Development Kit),这些软件开发套件能很方便地让使用者得到精准的点云数据,而且为了方便自动驾驶的开发,甚至会直接输出已经处理好的障碍物结果。

如下图绿的的矩形框即为障碍物相对于自车的位置,矩形框的前端有个小三角,表示障碍物的运动方向。
在这里插入图片描述

1.3、16/32/64线激光雷达

在这里插入图片描述
16/32/64线的激光雷达的感知范围为360°,为了最大化地发挥他们的优势,常被安装在无人车的顶部。

三款激光雷达的技术参数和成本如下图。
在这里插入图片描述
360°的激光数据可视化后,就是大家经常在各种宣传图上看到的效果,如下图。
在这里插入图片描述

图中的每一个圆圈都是一个激光束产生的数据,激光雷达的线束越多,对物体的检测效果越好。比如64线的激光雷达产生的数据,将会更容易检测到路边的马路牙子。

16/32/64线的激光雷达只能提供原始的点云信号,没有对应的SDK直接输出障碍物结果。因此各大自动驾驶公司都在点云数据基础上,自行研究算法完成无人车的感知工作。