激光雷达采用多个激光器，形成扫描阵列，在垂直方向形成一个张角，以每分钟600转到1200转的速度旋转扫描，从而可以得到非常详细的实时三维点云数据。这个数据包含目标的三维坐标，距离，方位角，反射激光的强度，激光编码，时间，以及GPS/IMU的数据，以UDP的形式通过以太网实时发送。通过这些数据，我们可以得到环境的三维模型。 万泉河
网上订书激光雷达描绘周围环境几个主要参数，包括线数、点密度、水平垂直视角、检测距离、扫描频率、精度等。除了位置和距离信息，激光雷达还提供返回所扫描物体的密度信息，后续算法据此可以判断扫描物体的反射率再进行下步处理。通过检测目标物体的空间方位和距离，通过点云来描述3D环境模型，提供目标的激光反射强度信息，提供被检测目标的详细形状描述，不仅在光照条件好的环境下表现优秀，而且在黑夜和雨天等极端情况下也有较好表现。总的来说，激光雷达传感器在精度、分辨率、灵敏度、动态范围、传感器视角、主动探测、低误报率、温度适应性、黑暗和不良天气适应性、信号处理能力等指标方面表现优秀。3D激光雷达具有精度高、作业速度快和效率高等优势：激光雷达是一种感知外界环境的视觉传感器，而车用3D激光雷达则将激光扫描仪、全球定位系统（GPS）和惯性测量装置（IMU）相结合，发射激光束探测目标获取点云数据，经成像处理后就可得到精确的三维立
体图像，测距精度可达厘米级，具有精准度高、作业速度快和效率高等优势，是汽车自动驾驶、机器人定位导航、空间环境测绘、安保安防等领域必不可少的核心传感器。 算法是激光雷达的核心和灵魂：激光雷达的核心技术是算法，算法的优劣影响激光雷达测量的精度，首先是底层算法，然后是后端算法。激光雷达扫描后生产带有三维坐标信息和其他反射信息的点云数据需要相关处理软件处理后输出，激光雷达除了在硬件上有着很高
的壁障，它还需要高速数据的处理技术以及点云算法和电机控制的快速协调，这就要求传感器必须承受每秒百万级别点云的计算。其次，出于安全考虑，无人车上搭载的肯定不止激光雷达一种传感器，这就需要毫米波雷达、惯性传感器等来辅助激光雷达。在众多传感器采集的数据堆积后，其计算难度也会加大。像速腾聚创这种能提供成熟的SLAMWARE（同步定位与地图构建）成套解决方案的公司更容易胜出。十六大常委见面会
激光雷达主要输出“点云”，当激光雷达扫到周围物体的时候，会感知到这个点的空间信息XYZ以及激光反射强度I，这些点离散化分布在三维空间里，形成“点云”。
陈君文
杂志社
激光雷达很重要的一块就是生成高精度地图，还有进行定位和障碍物检测、动态物体跟踪和障碍物分类。
在定位方面，现在普遍的定位方式有视觉定位、RTK定位和激光雷达定位。
内蒙古地勘十院
视觉定位用得比较多的是在室内，因为室外的话干扰比较多；RTK定位能达到厘米级，但是其价钱不亚于激光雷达，而且在一些工况下（隧道、高楼）信号会中断或者受干扰，数据不连贯则可能导致危险发生。
技术进步和规模化将解决3D激光雷达成本过高瓶颈：目前无人驾驶汽车使用的3D激光雷达尚处试验阶段，单台汽车需用4个16线3D激光雷达，单价5000美元，加系统全套2.5万美元，过高的成本阻碍了商业化推广，未来降低成本途径包括：1）采用低线束激光雷达配合毫米波雷达、车载摄像头等其他传感系统；2）规模化生产；3）开发固态激光雷达压缩成本。
激光雷达有望在服务机器人领域率先大规模推广，而后无人驾驶将引爆3D激光雷达市场需求：鉴于AGV叉车市场规模有限，3D激光雷达需求不大，而家庭清洁机器人、娱乐及教育机器人等服务机器人市场容量大，现有激光雷达较为成熟且成本低廉，渗透率上升较快，是未来激光雷达最先爆发式增长的需求端，预计2018年移动机器人用激光雷达市场总需求2.39亿元，2030年34.64亿元，CAGR 24.5%。作为实现无人驾驶最佳路径的车用3D激光雷达将直接受益于无人驾驶汽车的销售增长，预计2035年全球无人驾驶汽车渗透率达到10%，有望带来429亿元车用3D激光雷达市场需求。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议