Yleisiä myyttejä LiDAR-antureista – Osa 1

Maailman tieteen ja teknologian kehittyessä kohti älykkyyttä ja korkeaa tehokkuutta,Lidar-lasermoduulija sen sovellukset ovat myös saaneet yhä enemmän huomiota. Ihmisillä on kuitenkin myös väärinkäsityksiä lidar-tekniikasta ja suorituskyvystä. Tämä artikkeli paljastaa viisi yleistä väärinkäsitystä lidarista.

1. Lidar-sovellustekniikka on monimutkainen
Vaikka lidar on monimutkainen anturi, joka koostuu eri laitteistoista, sen perustoimintaperiaate on itse asiassa melko yksinkertainen. Anturi käyttää lentoaikamenetelmää, joka on samanlainen kuin lepakoiden ääniaaltoja tai mikroaaltoja käyttävä tutka.
Jos jaamme anturin komponentteihinsa, nimittäin laseriin, ilmaisimeen ja säteenpoikkeutusyksikköön, lidar ei ole enää pelottava tekniikka. Laserlähde lähettää ensin laserpulsseja. Nämä pulssit ohjataan paikalle mikrogalvanometrien kautta. Ilmaisin havaitsee heijastuneen Q-valon ja laskee etäisyyden tarkasti laserpulssin emissioajan ja paluuajan perusteella.
Tämä prosessi toistetaan tuhansia tai jopa miljoonia kertoja sekunnissa tarkkojen 3D-ympäristöpistepilvien luomiseksi reaaliajassa. Nämä 3D-pistepilvitiedot on helppo analysoida ja hyödyntää esimerkiksi autonomiseen ajopäätösten tekoon.
Tekniikka kehitettiin sen jälkeen, kun 1960-luvun alussa keksittiin pulssilaserit, jotka lähettävät toistuvia valopulsseja jatkuvien aaltojen sijaan.

⒉. Itseajavien autojen sovelluksissa lidar on tarpeeton
Elon Musk jätti huomioimatta lidarin käytön itseajavissa autoissa konferenssissa vuonna 2019, mikä on synnyttänyt monia myyttejä lidarista tähän mennessä. Hän väittää, että kameroiden ja älykkäiden algoritmien tukema lidar on tarpeeton ja pysyy aina paikallaan.
Kamerat käyttävät erilaisia ​​kuvantunnistustekniikoita värillisten visuaalisten kuvien keräämiseen, mutta vain yhdellä kameralla voidaan kaapata vain 2D-dataa, mikä voi helposti johtaa visuaalisiin illuusioihin ja etäisyysvirheisiin. On traagisia esimerkkejä siitä, että nämä puutteet ovat vaarallisia ja joskus kohtalokkaita.
Sitä vastoin lidar voi siepata luotettavasti 3D-tietoja ja tunnistaa tarkasti etäisyydet ja objektien koot.
Tarkkojen 3D-lidar-tietojen integrointi auttaa kameraa havaitsemaan ympäröivän ympäristön, vaikka kamera olisi "sokea". Esimerkiksi kamera tarvitsee jonkin aikaa sopeutuakseen valon muutoksiin tunnelista poistumisen jälkeen.
Lisäksi kameroiden luomat 2D-kuvat voivat näyttää riittävän tarkoilta itseajavien autojen algoritmien opettamiseen. Mutta niissä on edelleen monia epätarkkuuksia, jotka heikentävät koneoppimismallien tarkkuutta ja siten ajoneuvon kykyä havaita, ennustaa ja tehdä päätöksiä. Autonomista ajamista helpottavien koneoppimisominaisuuksien on oltava skaalautuvia ja ratkaistava "long tail -ongelma". Tämä tarkoittaa, että se ei riitä kattamaan 95 prosenttia niistä skenaarioista, joita ajoneuvot kohtaavat tiellä. Koneoppimiseen perustuvan autonomisen ajokyvyn on myös tähdättävä 5 prosenttiin. Hankalissa tilanteissa harjoitteleminen ja suorituskyvyn jatkuva parantaminen vaatii harjoittelua varten suuren määrän puhdasta kamerajärjestelmädataa.
Sitä vastoin lidar voi tarjota enemmän koneoppimisen ennustemalleja samalla kun se tuottaa tarkempaa koulutusdataa. Siksi lidar on välttämätön anturi luotettavammille ja vankemmille autonomisille ajojärjestelmille.

3. Lidar voidaan korvata kokonaan muilla antureilla
Yksi yleisimmistä väärinkäsityksistä lidarista on, että se voidaan korvata kamera- tai tutka-anturilla. Tämä väärinkäsitys johtuu siitä, että ei ymmärretä, kuinka nämä anturitekniikat luokittelevat esineitä eri tavoin. Kun ymmärrämme näiden antureiden erilaiset ominaisuudet ja niiden tuottaman datan tyypit, näemme kuinka ne täydentävät toisiaan toiminnallisuudessa. Kamera ottaa 2D-kuvan, joka tarjoaa harmaasävy- tai väritietoja, tekstuuria ja kontrastia. Näiden tietojen analysointia varten tarvitaan kuvantunnistusohjelmisto. Koska kamera käyttää passiivista mittausperiaatetta, kohteet täytyy valaista havaitsemista varten. Lisäksi 3D-kuvien luomiseen tarvitaan kaksi tai useampi kamera sekä suuri laskentateho.
Tutkatähtimittauksen kolmiulotteisella tiedolla on erittäin suuri tarkkuus määritettäessä esineiden etäisyyttä ja nopeutta. Tarkkuus on kuitenkin alhainen eivätkä ne pysty havaitsemaan tarkasti (senttimittakaavassa) tai luokittelemaan kohteita.
LiDAR luo pistepilven kerätystä kolmiulotteisesta tiedosta. Pistepilven muodon ja koon perusteella se voi havaita tarkasti esineitä ja luokitella ne eri luokkiin, kuten ihmisiin, autoihin, rakennuksiin jne.
LiDAR täyttää muiden anturitekniikoiden aukot keräämällä erittäin yksityiskohtaista ja luotettavaa kolmiulotteista tietoa. Se voi havaita ja luokitella tarkasti kohteet eri ympäristöissä, mikä tekee siitä erottuvan erityyppisten antureiden joukosta. Kameroiden tietoja voidaan käyttää syvempään analysointiin, ja tutkan keräämät etäisyys- ja nopeustiedot voidaan todentaa LiDARilla tarkkuuden lisäämiseksi. Tämä tarkoittaa, että tulevaisuudessa kaikki anturipohjaiset sovellukset integroivat kamerat, tutkajärjestelmät, lidarin ja muut sensorit.

4. Lidar ei voi toimia ankarissa ympäristöolosuhteissa
Kamerat eivät voi toimia ilman riittävää ympäristön valaistusta, kuten autosovelluksissa, joissa kameran tunnistusalue voi saavuttaa vain ajovalojen kantaman. Sitä vastoin lidarin tunnistusalue on satoja metrejä riippumatta valon intensiteetistä, koska se luottaa infrapunalasersäteisiin näkyvän valon sijaan. Toisin sanoen itseajava auto, jossa on lidar-anturi, voi ajaa yhtä sujuvasti pimeässä kuin päivällä, vaikka ajovalot olisi sammutettu.
Mitä tulee ankariin olosuhteisiin, kuten sumu, sade tai lumi, LiDAR osoittaa jälleen selkeän suorituskyvyn edun ja voi korvata havaintojärjestelmän muiden antureiden (kuten kameroiden) puutteet.
Lidarit toimivat usein paremmin kuin kamerat sateessa, koska niiden säteet ovat suuret. Tämä sallii säteen ohittaa anturipeilillä olevat esteet (kuten sadepisarat), joten lidarin kantama ei vaikuta tietyssä määrin. Vertailun vuoksi kameran pikselikoko on paljon pienempi kuin sadepisaran koko, joten sen näkymä on hämärtynyt.
Suuren säteen ansiosta lidar havaitsee myös useita kaikuja eri alueilta ja käsittelee vain voimakkaimman signaalin. Tästä voi olla hyötyä myös huonoissa sääolosuhteissa, kuten lunta, koska lidar voi jättää huomioimatta lumihiutaleiden heijastusten vaikutuksen. Kamera, jossa ei ole koneoppimisalgoritmeja, ei pysty erottamaan lumihiutaleita, märkiä linssejä tai kovia esineitä ja palauttaa lopulta vääristyneen kuvan.
LiDARissa on myös lyhyemmät valotusajat ja suljinajat (sekunnin miljoonasosia) kuin kameroilla (sekunnin tuhannesosia), mikä tarkoittaa, että sadepisaroita ei havaita useiden pikseleiden ylittävinä juovina, vaan raakamuotoina.
Koska lidar on optinen laite, sen suorituskyky voi myös heikentyä olosuhteissa, kuten kovassa sumussa, mutta se pystyy silti tarjoamaan arvokkaampaa tietoa kuin anturit, kuten kamerat, ja pystyy havaitsemaan pitemmiltä etäisyyksiltä.

5. Lidar-anturit ovat kalliita
Oli aika, jolloin ainoat markkinoilla olevat lidarit olivat pyörivät lidarit, jotka olivat erittäin kalliita ja tilaa vieviä ja joita ei voitu valmistaa suuria määriä. Joten on luonnollista, että ihmisillä on edelleen vääriä käsityksiä lidarista ja sen korkeasta hinnasta. Mutta MEMS-lidarin (mikroelektromekaaniset järjestelmät) tulon jälkeen tämä lausunto on muuttunut täysin. MEMS-komponentit on valmistettu piistä ja ovat helposti skaalattavissa tuotantoa varten, mikä tekee niistä erittäin kustannustehokkaita.
Solid-state LiDAR käyttää vakiokomponentteja eikä vaadi säännöllistä huoltoa, mikä vähentää kustannuksia. Viime vuosina näiden lidar-anturien kustannukset ovat pudonneet tuhansista dollareista satoihin dollareihin, mikä jatkuu myös tulevaisuudessa. Itse asiassa keskitason antureita voidaan myydä jopa kolminumeroisin hinnoin, kun niitä valmistetaan suuria määriä.

Nämä ovat joitain yleisiä väärinkäsityksiä lidar-tekniikasta ja sen sovelluksista. Tämän sarjan toisessa osassa paljastamme lisää lidaria koskevia väärinkäsityksiä, jotka ihmiset eivät huomaa.

Yhteystiedot:

Jos sinulla on ideoita, ota rohkeasti yhteyttä. Riippumatta siitä, missä asiakkaamme ovat ja mitkä ovat vaatimuksemme, noudatamme tavoitettamme tarjota asiakkaillemme korkeaa laatua, edullisia hintoja ja parasta palvelua.