激光雷達
關注創建者：老干部 創建時間：2019-11-28
激光雷達的視頻教程
仿真技術之自動駕駛感知視界-ANSYS傳感器仿真（攝像頭和激光雷達）
ANSYS自動駕駛系列Webinar，結合自動駕駛系統的研發講述ANSYS工具如何助力自動駕駛的開發驗證，本期重點為ANSYS自動駕駛解決方案之傳感器仿真（攝像頭和激光雷達）。
免費 1小時24分鐘 423播放
查看
Ansys面向感知系統的仿真驗證技術
Ansys 基于物理的傳感器仿真可以實現高精度攝像頭，激光雷達和毫米波雷達實時仿真，幫助用戶加速高等級自動駕駛功能開發需求。 講師簡介： 周錚，Ansys系統事業部光學產品高級應用工程師，熟悉自動駕駛行業攝像頭和激光雷達的系統性應用。目前負責Ansys自動駕駛業務開發和仿真技術咨詢工作，對Ansys自動駕駛平臺產品和方案應用有全面的了解。
免費 47分鐘 149播放
查看
高分辨率像素大燈的解決方案
周錚，Ansys系統事業部光學產品高級應用工程師，熟悉自動駕駛行業攝像頭和激光雷達的系統性應用。目前負責Ansys自動駕駛業務開發和仿真技術咨詢工作，對Ansys自動駕駛平臺產品和方案應用有全面的了解。
免費 34分鐘 165播放
查看
激光雷達的實例教程
類似的把無線電波替換為激光就得到了相控陣激光雷達。
Flash面陣式激光雷達和相控陣激光雷達兩種雷達都是一部到位地解決了旋轉掃描問題的純固態激光雷達，是車載激光雷達的最終方案。不過目前受限于技術和成本，這種雷達的普及還需要時間。
混合固態雷達
混合雷達是機械雷達和純固態雷達方案的妥協方案。與機械式激光雷達相比，只掃描前方一定角度內的范圍;同純固態激光雷達相比，仍然有一些較小的活動部件。不過混合固態激光雷達在成本、體積等方面更容易得到控制，是目前階段量產裝車的主流產品。混合固態激光雷達有多種技術路線方案，主要包括MEMS振鏡、轉鏡、棱鏡等。
MEMS振鏡
MEMS（微機電系統）是利用半導體工藝生產的，其結構也很簡單：把所有的機械部件集成到單個芯片上，相當于把外部的大鏡子縮小到芯片的級別，只有一束激光和一塊反光鏡。工作原理方面，通過電控來控制光束激光射向類似陀螺一樣旋轉的反光鏡，實現對激光方向的控制。這樣一來就使得MEMS擁有微鏡振動幅度小、頻率高、成本低、技術成熟、可靠性高等眾多優勢。
轉鏡
轉鏡是指反射鏡的鏡面圍繞圓心不斷旋轉掃描激光的方法。2017年，奧迪發布的全球首款量產的L3級自動駕駛汽車A8上搭載的激光雷達，就是使用的轉鏡結構。左上角激光器向右發出激光至旋轉掃描鏡，并被偏轉向前發射，然后車外物體的反射光經光學系統被左下方的探測器接收。這種結構在功耗、散熱等方面有著明顯優勢。
棱鏡
棱鏡式激光掃描是利用兩個棱鏡完成激光掃描的。
展開 把激光雷達配置在前方位置在外觀設計和散熱方面的難度會低很多。但因其位置偏低，存在著容易受到地面沙石、水的飛濺和污染，甚至破壞的風險。一旦發生碰撞和損壞，更換成本會很高（激光雷達數量越多，硬件成本也會越高）。
▲圖4激光雷達的3個布置
激光雷達還可以像小鵬P5安裝方式是在前方左右兩側，兩顆激光雷達裝于前側左右保險杠處，還需要注意兩邊激光雷達的角度布置，解決近距離盲區和十字路口AEB工況的問題。激光雷達的安裝位置需要考慮到以下幾個方面：
●外觀：牛角確實不太好看
●散熱
●碰撞保護
●表面防污
●設備干涉
●盡可能小的盲區
●成本
從我們來看，一款好的產品需要考慮車身ID設計、車身外觀和功能定義，并兼顧激光雷達的位置選定。而激光雷達的布設方案設計的出發點，應該是是否滿足功能場景的需求與工程落地之間的平衡點。
▲圖5.激光雷達也要卷
小結：隨著激光雷達的成本下降和用量快速上揚，這一波感知方向傳感器的探索還是確定在快速增長的。
展開 作者 | ouster（翻譯:仿佛若有光）
來源 | CV技術指南
前言：
本文源自ouster(一家激光雷達公司)的博客，以往激光雷達和相機都是作為單獨的傳感器，在算法上對各自的數據做融合。這家公司開發了數字激光雷達OS1，在硬件上實現了對相機和激光雷達的融合。
OS1 模糊了激光雷達和相機之間的界限
三年前我們開始開發 OS1 (中距激光雷達)時，很明顯，針對相機的深度學習研究已經超過了激光雷達研究。激光雷達數據具有令人難以置信的優勢——豐富的空間信息和與光照無關的傳感等等——但它缺乏相機圖像的原始分辨率和高效的陣列結構，而且 3D 點云仍然更難以在神經網絡中編碼或使用硬件進行處理加速度。
考慮到兩種傳感模式之間的權衡，我們從一開始就著手將激光雷達和相機的最佳方面整合到一個設備中。今天，我們將發布固件升級和更新我們的開源驅動程序，以實現這一目標。OS1 現在無需攝像頭即可實時輸出固定分辨率的深度圖像、信號圖像和環境圖像。數據層在空間上完全相關，具有零時間不匹配或快門效應，并且具有每像素 16 位和線性照片響應。一探究竟：
從 OS1 輸出的同步實時圖像層。
您從上到下看到的是環境、強度、范圍和點云數據 - 全部來自我們的激光雷達。
請注意，環境圖像捕獲了多云的天空以及樹木和車輛的陰影。
OS1 的光學系統具有比大多數數碼單反相機更大的光圈，而且我們開發的光子計數 ASIC 具有極低的光敏度，因此即使在弱光條件下我們也能夠收集環境圖像。OS1 捕獲近紅外信號和環境數據，因此數據與同一場景的可見光圖像非常相似，這使數據看起來很自然，并且很有可能為相機開發的算法很好地轉化為數據。
展開 汽車自動駕駛系統通常可分為感知層、決策層、執行層，以激光雷達、攝像頭為代表的傳感器是自動駕駛感知層不可或缺的組成部分，但在傳感器整車集成方面，主機廠卻面臨著幾大痛點：
· 固定且外凸的激光雷達會給造型的美觀程度以及整車空氣動力學設計帶來很大的挑戰
· 復雜惡劣天氣環境下，激光雷達鏡面容易因受干擾而無法在最佳狀態下運行
· 激光雷達做為高單價傳感器存在較大的被盜風險
經緯恒潤自主研發的激光雷達集成系統可以為傳感器集成提供智能化的解決方案，是自動駕駛技術的重要組成部分。經緯恒潤激光雷達集成系統包含激光雷達收納機構和激光雷達清洗系統，整套系統可以實現激光雷達自動隱藏、展開，同時具備鏡面自動清洗功能。采用該套系統，可以：
· 提升車輛的整體造型美觀度
· 提升整車空氣動力學性能
· 滿足激光雷達全天候的使用場景要求
· 非工作狀態下有效保護傳感器
激光雷達集成系統
經緯恒潤激光雷達集成系統目前已配套路特斯旗下的多款車型，其中Eletre已開啟預售，將于今年下半年在武漢智能工廠實現投產，首批車型預計2023年開始交付。
路特斯Eletre
經緯恒潤智能駕駛產品線涵蓋環境感知系統、決策規劃系統和控制執行系統，具備向上集成完整智能駕駛方案的軟硬件產品基礎，是目前國內少數能夠實現覆蓋智能駕駛電子產品、研發服務及解決方案、高級別智能駕駛整體解決方案，能夠提供智能駕駛全棧式解決方案的供應商。未來，經緯恒潤將緊跟汽車行業發展大勢，堅持自主創新，努力為國內外客戶提供優質的產品和服務，為汽車行業的發展貢獻自己的一份力量！
展開 隨著激光雷達的裝車，筆者發現，大家在使用激光雷達時，仍然存在諸多問題。那么，如何正確使用激光雷達，已然成為自動駕駛行業值得思考的問題。
首先，筆者歸納整理了一些行業內在激光雷達使用過程中存在的5個方面的問題，包括缺乏統一的車規級標準、場景應用問題、產品的耐久性與可靠性問題、產品售后服務問題、環境安全問題。
其次，筆者提出了5個關于正確使用激光雷達的方法，包括選擇合適的產品和激光雷達廠商、選擇合適的安裝位置與數量、提升設備耐久性、提高不同場景下的數據采集效率、配合使用短距激光雷達。
1. 激光雷達使用過程中存在的問題
筆者按照激光雷達當前存在的主要問題及未來量產后可能存在的問題，依次整理了激光雷達在產品的合規性、應用場景、產品使用、產品售后服務、環境安全5個方面中存在的問題。
1）缺乏統一的車規級標準
目前，市場上的激光雷達廠商基于不同的技術路線，推出了不同參數指標及應用場景的激光雷達產品。根據細分應用場景下差異化的感知功能需求，主機廠及自動駕駛解決方案商等不同類型客戶的需求也存在著差異化。何種激光雷達的技術路線才是今后最理想的技術路線？行業內始終未形成統一的車規級認證標準，市場缺少統一的測試技術、測試流程、測試指標、測試工具等規范標準。
亮道智能CEO劇學銘也曾在公開場合提到，主機廠在做激光雷達硬件評估過程中還存在很多難點，不同企業的測試方法和測試指標存在很大的差異，得出的測試結論也有很大的差別。
展開 
激光雷達的最新內容
衍射勻光器可用于實現光源均勻化，并將較窄的光束傳播到更廣泛的角度范圍內，而不受傳統折射光學元件的限制，其應用包括：機器視覺系統，可提供均勻的照明以實現更好的圖像捕獲；顯示器，可用于改善視角；閃光激光雷達，可用于將激光束均勻分布到廣闊的區域；以及掃描激光雷達，可用于控制激光光束的擴散程度（這也被稱為擴散角）。
自適應前照燈使用攝像頭、雷達、激光雷達和光傳感器，并結合天氣、速度和轉向信息，來主動應對不斷變化的駕駛環境。
特種機器人展區
水下機器人、消防機器人、空間機器人、工程機器人、農業機器人、應急救援機器人等；
工業機器人及應用方案展區
工業機器人本體、多自由度機器人、機械手、面向工業應用領域的工業機器人產品及解決方案；工業機器人功能部件及關鍵零部件、伺服系統、控制器、減速器、傳感器等；
核心零部件與關鍵技術展區
AI算法與語言模型、AI芯片、語言模型LLM、多模態大模型LMM、視覺傳感器、3D相機、激光雷達
點擊立即報名
11/24 | 數模混合電路的EMC正向設計——攝像頭/毫米波/激光雷達的底噪與相噪挑戰
講師簡介：
倪勝 | Ansys 主任應用工程師
主題簡介：在高密度小型化電子系統演進中，電源噪聲已成制約數模混合電路性能的關鍵瓶頸，如ADC、傳感器、毫米波/激光雷達等高敏系統的底噪與相噪。電源噪聲以非線性調制的方式干擾信號鏈路，導致性能劣化。
傳感器：激光雷達、毫米波雷達、超聲波雷達、攝像頭傳感器、高精度定位、組合導航系統。
4. 車載電子與網絡通信(Automotive Electronics & Connectivity)
智能座艙硬件：車載顯示屏、抬頭顯示系統(HUD)、全液晶儀表、艙駕一體化終端。
在 aiSim 5.11.0 中，我們引入了動態落葉效果，落葉會受重力、風力以及路過車輛氣流的影響，實時出現在攝像頭和激光雷達傳感器中，讓秋季道路場景更加逼真。
落葉效果圖
同時，新的色調映射器能夠模擬人眼視覺系統對亮度的感知能力，特別適合分析車輛前照燈的照明表現。
具體來說，激光雷達、相機、IMU各自維護獨立時鐘，數據融合需要統一的時間基準。點云與圖像之間若存在100ms的時間偏差，車速30km/h時對應83cm的空間誤差。在礦山這類復雜環境中，該偏差足以導致融合結果出現可觀測的空間錯位，影響檢測可靠性。
結合實際調研發現，目前時間同步方案的選擇存在兩種常見偏差：一是認為固定偏置補償足以覆蓋所有工況，二是不加區分地追求高精度方案而忽視硬件約束。
（4）激光雷達領域
在自動駕駛與地形測繪中，借助LC-SLM動態改變發射光束的形狀與方向，提升目標探測精度與分辨率。通過優化光束整形系統，探測距離從200m提升至300m，障礙物識別準確率大大提升。
? 其他領域：醫療內窺鏡（聚合物光波導）、激光雷達、工業檢測、汽車 HUD，市場需求持續擴容。
盡管產業快速發展，仍存在四大技術瓶頸：
? 光效 - 視場 - 輕薄 “不可能三角”：提升視場角（>60°）則光效驟降，追求超薄則工藝難度飆升。
? 全彩化難題：光柵色散導致 RGB 三色光耦合效率不均，色偏、彩虹效應難以根除。
數字游戲展區
視覺傳感器、3D相機、激光雷達、多目視覺、傳感器與執行器、減速器、控制器、通信模塊、機器人關節模組、末端執行器、編碼器、電池與電源、能源管理、機械結構件材料、機身、連接件、操作系統與開發平臺等。
