服务热线:
400-6510265
>激光雷达 | >光通讯器 | >机器视觉 | >智能传感器 | >光电仪器 | >机器人相关 |
>二维激光雷达 | >IO型光通讯器 | >面阵工业相机 | >光电传感器 | >激光器 | >编码器 |
>三维激光雷达 | >串口型光通讯器 | >线阵工业相机 | >超声波传感器 | >光功率计 | >惯性传感器 |
>区域防护激光雷达 | >以太网型光通讯器 | >智能相机 | >振动传感器 | >光束质量分析仪 | >舵机 |
>安全激光雷达 | >并行传输型光通讯器 | >3D 深度相机 | >颜色传感器 | >波前传感器 | >机械臂 |
>固态激光雷达 | >长距离型光通讯器 | >镜头配件 | >位移传感器 | >阻抗分析仪 | >机器人平台 |
>激光测距传感器 | | >科研相机 | >热金属传感器 | >任意波发生器 | >工业网关 |
| | | >安全传感器 | >锁相放大器 | |
| | | | | |
>毫米波雷达 | >检测/测量设备 | | | | |
| >拉曼光谱仪 | | | | |
| >超声波仪器 | | | | |
| >光催化仪器 | | | | |
| >恒温制冷设备 | | | | |
| >冷冻干燥仪器 | | | | |
| >立式超低温冰箱 | | | | |
| >培养箱设备 | | | | |
| >生命科学仪器 | | | | |
| >微生物检测设备 | | | | |
| >样品处理设备 | | | | |
激光雷达作为一种重要的传感设备,在自动驾驶、无人机导航等领域有着广泛的应用。然而,激光雷达在实际使用中可能会遇到一些问题,以下是激光雷达的常见问题:
拖尾问题:在ToF(飞行时间)方法中,激光雷达发送端发射一个脉冲,打到物体后返回,接收端接收到回波后计算两者之间接收时间差,并通过乘以光速来实现物体之间距离的测量。理想情况下,脉冲打到物体表面是一个理想的光斑点,但由于实际的脉冲存在一定的发散角,所以打到物体上会是一个面,且随距离增加,这个面会越大。这样就存在一种可能性,当存在前后两个物体,且激光雷达脉冲打到前面物体的边缘时,就有可能出现部分激光脉冲打到后面物体上,这就是激光雷达的拖尾问题。
盲区吸点:激光雷达一般有几到几十纳秒的DeadTime,DeadTime指是接收到一个激光脉冲后到再能接受一个新激光脉冲所需的最短时间。当一束激光脉冲打出去的时候,首先会在激光出射镜头产生一个内反射被探测器接收,如果障碍物距离太近,由于激光接收器还处于DeadTime时间,近距离物体的脉冲回波无法被探测到,从而导致近距离物体测距不准。激光雷达探测近距离物体时出现的测距不准问题被称为吸点,这个是困扰整个行业的难题,是需要底层探测器硬件不断进化。测距不准的近距离区域通常会被设定为盲区,这个盲区的大小通常在0.1~1m之间。
鬼影:对于高反射率物体,进入到激光雷达视场及测距范围后,输出的点云除了在真实位置有成像以外,还容易在其它位置形成一个形状、大小类似的成像,而这个虚假的成像被称为鬼影。不同类型的激光雷达产生鬼影的行踪各不相同。鬼影的形成是由于激光雷达对高反射率物体反射回来的高强度回波非常敏感,在实际驾驶场景中,常见的高反射率物体包括交通指示牌、锥桶、三角指示牌、汽车牌照、尾灯等。
高反膨胀:对于高反射率物体,另外一个异常现象就是膨胀。膨胀是指激光扫描高反射率物体后,输出的点云会向四周扩散,看起来就像膨胀了一样,因此称为高反膨胀。
空洞:对于近处低矮障碍物,激光雷达由远及近靠近过程中,出现的点云时有时无的丢失现象被称为空洞。障碍物原始点云的时有时无会让感知软件难以连续跟踪,从而没法准确判断是不是一个固定障碍物,容易导致危险的急刹车或频繁的减速加速现象。
阳光干扰:当车辆面向太阳方向行驶的时候且激光雷达视窗也朝向阳光方向,如果没有良好设计的处理系统,很容易导致激光雷达点云中出现明显噪点。
对射干扰:不同激光雷达之间如果靠得太近,不同雷达发射和接受脉冲容易被混淆,导致点云出现噪点。
当多辆配备激光雷达的车辆在道路上行驶时,存在相互干扰的可能性,这可能来自于其他车辆的激光雷达发射的激光束,也可能来自环境中的其他光源。为了减少这种干扰,车辆制造商通常会调整激光雷达的位置和视角,并积极探索新方法以区分自身激光雷达发出的信号和其他雷达的信号。
无人驾驶技术面临的常见问题主要包括:
高精度环境重建:无人驾驶技术需要高精度地重建现实环境,为车辆提供准确的定位信息,以实现更精准的导航。这需要先进的传感器技术和高精度地图数据,将需要大量高精度传感器、高性能计算设备等硬件的支持。
智能决策:自动驾驶技术需要在复杂的道路环境中做出智能决策,这需要强大的人工智能算法和深度学习模型。目前存在的问题包括如何应对各种复杂的道路情况和如何避免与其他车辆和行人的碰撞。
法律和道德挑战:无人驾驶技术还面临着法律和道德等方面的挑战。例如,谁将对发生的事故负责、非人类驾驶员如何符合交通法规等等。
传感器局限性:虽然无人驾驶汽车配备了多种传感器,如无线雷达、激光雷达、摄像头和超声波雷达等,但这些传感器各有其局限性。例如,雷达不能捕获到物体的细节,激光雷达造价昂贵且在多雾多尘的天气中无法正常工作,摄像头受天气影响大。
GPS定位不足:GPS是最常用的定位技术,在无人驾驶汽车中会通过其进行定位。但由于GPS民用版的误差能达到好几米,所以完全靠GPS进行定位导航非常容易导致交通事故。
高精地图的重要性:高精地图是无人驾驶汽车重要的支撑,它包含了大量的行车辅助信息,除了能提供精确的定位外,它还能做智能避让、智能调速等等。然而,高精地图的制作和更新需要大量的资源和成本。
综上所述,尽管无人驾驶技术在不断发展,但仍有许多技术难题需要解决。随着研究的深入和技术的进步,这些问题有望在未来得到克服。