激光匹配的案例
基于激光+視覺+IMU+RTK的三維重建
三維重建技術分類如下圖所示
三維重建技術分類
目前三維重建方法較多，但主要聚焦在激光和視覺，因為二者能輸出較出色的重建效果，激光和視覺重建的效果又有一些差異：
激光重建精度較高，不受光線影響，但是不具有顏色屬性。
視覺重建精度一般，具有顏色屬性，但效果易受光線影響。
無論是激光和是視覺做三維重建都需要做特征匹配，但是匹配都不能保證精度足夠，在一些特征不好的時候，建圖的效果較差，所以一般會加入IMU做匹配約
束，IMU傳感器能智能地融合多軸陀螺儀和加速度計，即只用內部傳感器就可以得到測量數據，而不需要任何外界幫助，提供可靠的位置和運動識別。
IMU在三維重建中采用的方法一般是通過卡爾曼濾波器或者優化的預積分模型進行對匹配進行相對約束，能大大提升匹配的精度和魯棒性。
基于濾波的IMU融合框架如下圖所示
基于濾波的IMU融合
基于優化的IMU融合如下圖所示
基于優化的IMU融合
兩種融合方式都有其應用的優點，基于濾波的計算量小，基于優化的計算兩較大，精度一般高于濾波方法。
激光三維重建的匹配原理如下圖所示
激光三維重建過程
激光匹配的本質就是對應點關聯，做剛體變換完成，典型算法是ICP,NDT。
激光匹配的對應點關聯
視覺三維重建的匹配原理如下圖所示
視覺三維重建過程
視覺匹配的本質就是利用多幀圖像的共視關系恢復目標的三維結構，典型方法就是BA。
展開 專訪大族半導體莊昌輝：引領激光巨量轉移技術創新，加速Micro LED商業化應用進程
莊昌輝指出，高精度高效率的自動化對位加工、光斑調制以及與激光相匹配的材料研發是激光巨量轉移技術研發中的三大瓶頸。
為克服這些技術挑戰，大族半導體通過自主研發與全球最優解決方案相結合的方式，與膠材供應商和終端客戶緊密合作，共同商討目標和實現方案。通過分析方案的合理性和經濟性，形成協同效應，不斷迭代技術，推動了激光巨量轉移技術的不斷進步。
“激光巨量轉移技術加持下的Micro LED已經越來越接近量產，正在加速Micro LED的商業化。”莊昌輝告訴CINNO。
緊抓Micro LED應用崛起機遇
目前大族半導體已經基本完成包括激光巨量轉移技術、激光剝離技術、激光鍵合技術、激光修復技術等全制程激光加工設備的布局，覆蓋了COG、MIP封裝制程，并在大屏商顯、車載、AR等多個應用場景中不但有相關設備出貨，而且能夠與客戶緊密配合，提供創新性的解決方案。
根據CINNO Research的預測數據，Micro LED市場在未來幾年將迎來快速增長。2024年，全球Micro LED顯示的出貨量預計將達到96萬臺，其中XR市場將成為重要的起始市場，預計出貨70萬臺。至2030年，全球Micro LED顯示的出貨量有望達到1.3億臺。這一數據充分表明了Micro LED技術在多個應用領域的廣闊前景和市場潛力。
現階段Micro LED相對清晰的應用領域是MIP封裝技術對傳統Mini LED商顯的取代，COG在大屏顯示、車載市場的導入，以及AR市場的逐步擴張。莊昌輝認為：“隨著這幾個應用領域的打開，Micro LED的成本將快速下降，帶來產品競爭力的提升，進而對其他應用領域逐步滲透。”
隨著Micro LED的應用機遇襲來，莊昌輝告訴CINNO：“大族半導體將繼續在技術研發、設備優化和市場布局方面持續投入，保持創新和競爭力。
展開 專訪易加三維：從預研到批產，金屬3D打印正走向直接制造
“軍工訂單的爆發主要跟激光增材設備的預研到批產有關系，現在陸續有一些型號的設備已經開始批產了（批產指生產幾千件的量級），所以客觀上他們需要有一定的生產能力去滿足型號的任務。而模具實際上有比軍工更為宏偉的一些訂單，也是因為整個技術的發展被行業所接受。技術以及成本在逐步的優化，導致需求端開始爆發。” 郭天文補充道。
△易加三維3D打印的金屬鞋底模具
實際上，本次展會上易加三維除了發布兩臺金屬3D打印機之外，還發布了一款SLS激光燒結設備—P420，這款設備和之前的設備比有什么不一樣的地方？
△易加三維新發布的SLS選擇性激光燒結設備EP-P420
郭天文表示：“易加三維嫁接了很多金屬機的技術和經驗到這個非金屬打印裝備上。
●首先對整個溫控的系統做了優化，現在P420可以做到全幅面整體波動在1度以內。
●然后設備的溫度的上限也提高了，能夠達到260℃，所以市面上大多數的高分子材料都可以做。
●在打印速度方面，P420可以匹配光纖激光器，也可以匹配常規激光器，可以在精度和速度上做優化。我們也開發了相應的工藝，可以顯著地提升打印效率。”
△易加三維杭州中心大樓建設規劃圖
在公司發展層面，南極熊了解到，易加三維正在杭州建設自己的新大樓。郭天文表示：“易加三維將來的規劃是北京和杭州雙中心模式，北京打造成研發中心和國內銷售中心，杭州的規劃是裝備生產和國際市場中心。在這樣的規劃下，易加三維會按照今后5年裝備生產的需求，設計好廠房。預計第一期可以滿足我們未來至少5年的場地需要，大概是在2萬平米左右。一期正式投入使用預計在明年的6月。”
【2000張高清照片】5月26日-28日TCT 3D打印大會，技術、設備、材料、軟件、應用全面報道，請進入微信小程序2021TCT 3D打印大會現場報道·南極熊 。
展開 VirtualLab Fusion鏡頭設計及衍射分析案例—柱透鏡仿真
像散是激光束的一種固有光學特性，表現為光束在 X、Y 兩個正交方向上的聚焦點不重合，而模式像散轉換器通過精密設計的光學結構（如特殊柱面鏡組、相位調制元件、光纖光柵等），可定量調控激光的像散量與像散方向：既能校正激光自身的像散缺陷，也能主動引入可控像散，讓激光束從 “非對稱形態” 轉化為 “對稱形態”，或從單一模式切換為目標模式。如果把激光束比作一條 “水流”，普通激光的像散就像水流在左右和前后方向的流速、寬度不一致，而模式像散轉換器就像一套精密的 “河道整形器”—— 既能把歪歪扭扭的水流調得筆直均勻，也能按需求把水流塑造成特定形狀，讓激光精準匹配后續的使用場景。
利用模式像散轉換器件可以將光纖激光輸出的橢圓光斑（帶固有像散）轉化為圓形高斯光斑，解決高功率激光加工中光斑能量分布不均的問題；它還可以消除超快激光、半導體激光在傳輸過程中產生的像散，保證激光聚焦精度，提升光刻、激光切割的加工質量；利用模式像散轉換器根據需求生成特定像散的激光模式，滿足光通信、量子光學、激光雷達等前沿領域的特殊光路要求。
像散轉換器的核心組件是柱透鏡，它是只有一個方向有曲率，在另一個方向完全平直的鏡片--就像把圓柱形玻璃切了一片，只在 “母線方向” 具備聚焦 / 發散能力，另一方向對光線 “視而不見”。柱透鏡可以進行非對稱聚焦：只改變光線在單一方向的傳播路徑，比如把發散的激光束 “壓成” 一條線，或把平行光聚焦成直線光斑；焦距從幾毫米到幾百毫米可定制，比如 70mm 焦距的平凸柱面鏡，是激光劃線、條碼掃描的常用款；常用材質為 N-BK7、石英、藍寶石等，可耐受高功率激光，適配不同波長（1064nm、532nm 等）。它常常被用于比如工業生產中在板材上投射精準直線；或者用于激光掃描，配合振鏡實現一維方向的光束壓縮；如眼科儀器中矯正光線，或生化分析儀的光路塑形也有它的身影。
展開 
高功率激光擴束難控像差？OAS軟件搞定系統性能優化
簡介
激光擴束準直系統是激光傳輸、激光加工、激光雷達及天文觀測等領域的核心光學組件，可按指定倍率擴大光束直徑、壓縮發散角，保障長距離傳輸時的高平行度與高能量密度。本案例依托 OAS 光學軟件，完成激光擴束準直系統的全流程建模、仿真、優化與性能驗證，精準量化光束傳播特性、像差水平與準直性能，為工程化設計提供可靠數據支撐與優化方向。
案例設置與操作
模型構建
采用 OAS 軟件序列光線追跡模式，構建擴束準直結構，由負透鏡與正透鏡組合而成，無內部實焦點，適配高功率激光應用場景。透鏡材料選用熔融石英，匹配紅外波段低吸收與高激光損傷閾值需求；表面鍍制寬帶增透膜，控制反射率，提升光能利用率。
光源與探測器設置
在軟件光源模塊中創建高斯光束光源，精準匹配實際激光器輸出模式，設定束腰半徑、光軸方向與能量分布。于系統出射端設置近場光斑探測器、遠場發散角探測器與波前探測器，同步采集光束直徑、發散角、能量分布及波前畸變數據，排除環境噪聲與無效信號干擾，保障結果準確性。
分析優化
執行序列光線追跡，生成三維光路追跡圖與光束傳播動畫，直觀呈現擴束、準直全過程。以發散角最小化、波前誤差最優化為目標，啟用軟件內置優化算法，將透鏡曲率半徑、厚度、空氣間隙設為變量，自動校正球差、彗差等初級像差，完成多目標迭代優化。通過公差分析模塊，評估元件加工與裝調誤差對系統性能的影響，給出工程容錯范圍。
總結
本案例借助 OAS 光學軟件完成激光擴束準直系統全流程設計與仿真，實現從概念建模到性能驗證的一體化閉環，高效解決擴束倍率、發散角控制、像差校正等關鍵問題。軟件跨尺度仿真、智能優化與多維度分析能力，可縮短設計周期、降低實物試制成本，提升系統可靠性與工程適配性，為激光應用領域光學系統研發提供高效、精準的國產工具支撐。
展開 ET5的使命：讓蔚來從理想到現實
而在智能化方面，目前ET7所搭載的第二代智能座艙，以及匹配激光雷達的全套感知系統，相信在ET5身上同樣不會缺席。并且得益于繼續維持高端新能源的品牌定位，預計在全系車型中，上述智能化相關硬件，都將會是標配。
動力方面，ET7前180kW永磁同步電機+后300kW異步感應電機的組合，大概率也將沿用。只不過，礙于在李斌看來，蔚來旗下的任何產品，都將堅持雙電機的發展策略，所以ET5推出后驅單電機版車型的可能性微乎其微，那么是否會出現電機功率更弱的低配版車型，則成為變數之一。
而續航能力，則成為最沒懸念的板塊。75kwh三元鐵鋰電池、100kwh三元鋰電池以及目前仍為“期貨”狀態的150kwh半固態電池，相信在ET5身上均會搭載。得益于比ET7更小的車身尺寸與整備質量，大概率其綜合工況下續航里程將會進一步提升，平均能耗表現更為優異。
至于終端用戶最為關心的售價，參考目前ET7在未加任何選裝，采用75kwh標準續航電池包，以及未使用BaaS車電分離狀態下44.8萬元的總價。相同狀態下，大膽預測ET5的價格或將維持在35萬元左右。
選擇使用BaaS后，減去7萬元后，售價將維持在28萬元左右。由此殺入30萬元區間以內，與小鵬P7、特斯拉Model 3開始短兵相接。
另外，需要說明的是，從現有信息來看，ET5將會是合肥新橋智能電動汽車產業園（NeoPark）落成后，首款下線的車型，而其正式投產的日期被定在明年9月。也就是說，ET5大批量交車日期，最早也要到明年Q4以后。因此，還是希望對它有所期待的意向用戶，提前做好心理預期。
展開 剎車門已是如此，城市自動駕駛和自動泊車AVP會怎么樣？
阿爾法S，從硬件配置上全車配置五大類35個傳感器，阿爾法S配置了3個激光雷達，6個毫米波雷達和4個魚眼環視攝像頭數量，通過遠距高清攝像頭和激光雷達，匹配高精地圖準確提取車道級紅綠燈信息。
備注：這些硬件把價格拉得非常高
圖3 阿爾法S的自動駕駛傳感器配置
在這里面，首先還是要提及激光雷達的重要性，在中國城市道路由于場景復雜，特別是無保護路口轉彎、Uturn、NN路口、車輛隨意并線和插入等場景下，對于自動駕駛系統來說側向視野與前向視野同等重要，所以除了前激光，還需要側邊2個激光來實現整體的效果。
02
阿波羅和威馬
第二個有趣的地方，是威馬和阿波羅想做的面向L4的低速停車AVP，具體細分了兩種不同的情景，面向用戶個體私密場景的停車路徑，主要面向的區域是車主所在的住宅區、公司停車場等固定車位，這個定位HAVP無人自主學習泊車。在這種使用的場景下，可簡單理解為使用固定路線進行無人駕駛泊車。如下圖所示，用戶根據自己的確定的停車位置，在停車場入口和泊車位置設置進入和泊出兩條路線，紅線進入，黃線泊出。
展開 汽車大觀｜百度Apollo的三大商業模式，劍指何方？
華為HI版搭載了3顆96線程車規級激光雷達、6個毫米波雷達、12個攝像頭、13個超聲波雷達，遠距高清攝像頭和激光雷達可匹配高精地圖，能夠準確提取車道及紅綠燈信息，并且能夠持續迭代。
阿爾法S華為HI版的激光雷達方案無疑是自動駕駛解決方案中的高配版，但40萬元的定價能否被市場認可，還有待時間驗證。
業界有聲音認為，百度和華為的技術路線都只是結合不同客戶需求，采取的不同技術方案而已，孰優孰劣暫時還不好下結論。
百度集團副總裁、智能駕駛事業群組總經理李震宇在采訪中也表示：“如果要做到無人駕駛的話，按照目前的技術水平，激光雷達還去不掉，推出純視覺的自動駕駛方案，是要滿足客戶低成本的純視覺方案需求”。
“提供自動駕駛解決方案，最終面向的客戶是汽車廠商，誰的合作伙伴多，誰贏的可能性就越大。在如今官宣的合作廠家中，華為的號召力似乎要更強一些。此外，華為具有軟硬件一體解決方案經驗，并且具有自研硬件平臺，這相較于其他自動駕駛解決方案供應商而言，更具優勢。”有業內人士表示。
與“手機玩家”較高下？
目前，國內主流互聯網企業似乎都想搭上“造車”的東風。
如果將時間撥回到10年前，這或許并不現實。但在“軟件定義汽車”的當下，互聯網企業顯然具有“先天的優勢”，而這也就給了它們跨界造車的底氣。
百度方面表示：“百度在軟件生態上面具備完整的鏈條生態技術，可以更好地發揮技術優勢和軟件優勢。”而雷軍認為，小米擁有業內最豐富的軟硬件融合經驗、大量的關鍵技術積累和業內規模最大、連接最活躍的成熟智能生態以及充足的現金儲備。
今年1月11日，百度宣布與吉利合資成立電動汽車公司。2月18日，百度公司董事長兼CEO李彥宏透露，雙方合作進展正常，目前已選好了品牌名稱、任命了CEO。
展開 高精地圖構建與SLAM感知優化建圖策略
TOF 測距原理比較簡單，通過記錄激光從發射出去到被接收所經歷的時間可以計算出激光所走過的距離，從而得到激光雷達周圍環境的距離信息。
針對激光雷達和相機，目前都已經有很多非常知名的開源算法的實現。在激光 SLAM 領域目前的很多開源算法都是使用 2D 激光雷達實現 SLAM。如谷歌公司在 2016 年開源的Cartographer SLAM 算法是一個跨平臺的激光 SLAM 方案，能夠同時實現 2D 激光和 3D 激光的實時 SLAM。在視覺 SLAM 領域也出現了許多優秀的開源方案。如Davison 等人在 2007 年提出的單目視覺 SLAM 系統 MonoSLAM 是第一個實時的單目 SLAM，它以擴展卡爾曼濾波為基礎，把相機的當前狀態和所有路標的信息作為狀態量來更新均值和協方差信息。SLAM 的理論在國外發展的比較早，理論比較成熟，國內在這方面起步比較晚，大部分研究都集中在 SLAM 的工程應用上，重點解決工程應用中的一些實際問題。SLAM 的前端算法包括了特征提取和數據關聯兩部分。特征不但可以用來確定機器人的位置，而且可以用來進行閉環檢測，從而構建具有全局一致性的環境地圖。因此特征提取是 SLAM 研究中非常重要的一個環節。
激光雷達掃描后會獲得一組由環境中的物體反射回來的點云，對于激光雷達的掃描點云，常用的特征有點、線段、平面等。點特征是日常環境中常見的一種特征，通常會從環境中提取角點、交叉點或墻的端點等一些特殊的點作為特征點。線段特征是室內移動機器人定位、導航時廣泛使用的一種特征，它在結構化環境中容易獲取，特征之間也容易建立約束，對激光雷達的數據關聯和閉環檢測來說都是一種非常好的特征。面特征主要應用于室外環境中 3D 激光雷達掃描匹配，如無人車行駛在城市環境中可以利用 3D 激光雷達提取到大量的曲面和平面特征來定位。
展開 自動駕駛汽車是如何利用高精度地圖和高精度定位來進行“導航”的
類似的，自動駕駛汽車通過高清攝像頭、激光雷達等感知設備獲取周圍場景內物體的圖像或反射信號，將其與事先采集的高精度地圖數據進行匹配，從而獲得車輛當前位置的精確估計。
相對位置定位可以分為（激光雷達）點云匹配和視覺定位兩大技術路線。點云匹配以激光雷達為核心；激光雷達向外發射激光脈沖，從地面或者物體表面發射形成多個回波返回進行匹配，實現汽車當前場景的高精度定位。目前主流的匹配算法包括概率地圖與NDT（正太分布變換）算法兩種，代表玩家如google、HERE、TomTom。
視覺定位以攝像頭為核心，分為兩種路徑：視覺匹配和視覺里程定位，視覺匹配通過提取圖像中的道路標識、車道線等參照物體與高精度地圖進行匹配，實現精準定位，代表玩家如特斯拉、Mobileye、英偉達。基于視覺里程算法的定位技術以雙目攝像頭為主，通過圖像識別以及前后兩幀圖像之間的特征關系來計算車輛當前的位置，但該方案依賴攝像頭的成像質量，在光線不佳、視線遮擋等環境下定位可靠性有待考量，一般不會單獨使用。
如何利用高精度地圖和高精度定位來進行“導航”
當前自動駕駛導航過程可以簡要分為三個階段：路線級規劃、車道級規劃、自動駕駛控制。路線級規劃通過導航地圖確定具體行駛路線，考慮交通方式、路線距離、交通狀況、途徑地點等，是點到點的粗略規劃。車道級規劃依靠高精度地圖，根據給定的路線確定具體的形式方案，包括車輛起步和停止、速度限制、車道保持與變道、車道坡度等。在自動駕駛控制階段，系統依據具體的行駛方案控制汽車，實現自動駕駛。
具體到自動駕駛的控制，我們可以將自動駕駛流程分為“感知層-決策層-執行層”，高精地圖橫跨“感知層”和“決策層”。
展開 高精地圖構建與SLAM感知優化建圖策略
針對激光雷達和相機，目前都已經有很多非常知名的開源算法的實現。
在激光 SLAM 領域目前的很多開源算法都是使用 2D 激光雷達實現 SLAM。如谷歌公司在 2016 年開源的Cartographer SLAM 算法是一個跨平臺的激光 SLAM 方案，能夠同時實現 2D 激光和 3D 激光的實時 SLAM。在視覺 SLAM 領域也出現了許多優秀的開源方案。如Davison 等人在 2007 年提出的單目視覺 SLAM 系統 MonoSLAM 是第一個實時的單目 SLAM，它以擴展卡爾曼濾波為基礎，把相機的當前狀態和所有路標的信息作為狀態量來更新均值和協方差信息。SLAM 的理論在國外發展的比較早，理論比較成熟，國內在這方面起步比較晚，大部分研究都集中在 SLAM 的工程應用上，重點解決工程應用中的一些實際問題。
SLAM 的前端算法包括了特征提取和數據關聯兩部分
。特征不但可以用來確定機器人的位置，而且可以用來進行閉環檢測，從而構建具有全局一致性的環境地圖。因此特征提取是 SLAM 研究中非常重要的一個環節。
激光雷達掃描后會獲得一組由環境中的物體反射回來的點云，對于激光雷達的掃描點云，常用的特征有點、線段、平面等。點特征是日常環境中常見的一種特征，通常會從環境中提取角點、交叉點或墻的端點等一些特殊的點作為特征點。線段特征是室內移動機器人定位、導航時廣泛使用的一種特征，它在結構化環境中容易獲取，特征之間也容易建立約束，對激光雷達的數據關聯和閉環檢測來說都是一種非常好的特征。面特征主要應用于室外環境中 3D 激光雷達掃描匹配，如無人車行駛在城市環境中可以利用 3D 激光雷達提取到大量的曲面和平面特征來定位。由于線段特征具有容易識別、魯棒性好等優點，在 2D 激光 SLAM 中應用比較廣泛。
展開 
