激光雷达是一种采用非接触激光测距技术的扫描式传感器,其工作原理与一般的雷达系统类似,通过发射激光光束来探测目标,并通过搜集反射回来的光束来形成点云和获取数据,这些数据经光电处理后可生成为精确的三维立体图像。采用这项技术,可以准确的获取高精度的物理空间环境信息,测距精度可达厘米级,因此,该项技术成为汽车自动驾驶、无人驾驶、定位导航、空间测绘、安保安防等领域最为核心的传感器设备。
激光雷达
激光雷达的分类
从技术原理来看,激光雷达的类型主要有两种:
旋转式激光雷达:通过多束激光竖列而排,绕轴进行360°旋转,每一束激光扫描一个平面,纵向叠加后呈现出三维立体图形。多线束激光雷达可分为16线、32线、64线,线束越高,可扫描的平面越多,获取目标的信息也就越详细,线束低的激光雷达由于点云密度较低,容易带来分辨率不高的问题;
http://hiphotos.baidu.com/feed/pic/item/5fdf8db1cb134954afce33f05a4e9258d0094a56.jpg
固态激光雷达:摒弃了原有的机械扫描方式,采用相控阵原理,有许多个固定的细小光束组层,通过每个阵元点产生光束的相位与幅度,以此强化光束在指定方向上的强度,并压抑其他方向的强度,从而实现让光束的方向发生改变。
http://hiphotos.baidu.com/feed/pic/item/21a4462309f79052dbf59caa00f3d7ca7acbd5b8.jpg
由于固态式激光雷达,不具备旋转组件,这在一定程度降低了硬件成本和磨损消耗,且在个别光束阵元损坏的前提下,固态式激光雷达整体仍可持续工作,在可靠性上实现了大大提升。
激光雷达的主要应用领域
激光雷达的下游应用领域核心是扫地机器人、AVG小车、汽车自动驾驶、无人驾驶、空间测绘和无人机等领域。从目前全球激光雷达企业的下游应用领域分布来看,居多的仍然是智能汽车和机器人领域。
激光雷达厂商
首先,咱们还是先看前三甲:Velodyne、Quanergy、Waymo。
VLP-16激光雷达是Velodyne公司出品的最小型的3维激光雷达
技术参数:
激光线数:16线
测量范围:高达100m
测量精度:±3cm
支持两次回波
垂直测量角度范围:30°(﹢15°到﹣15°)
垂直方向角度分辨率:2°
水平方向测量角度范围:360°
水平方向角度分辨率:0.1°到0.4°
测量频率:5到20Hz
可以通过网络浏览器监测和改变电机的转速
激光安全等级:1级(人眼安全)
激光波长:905nm
传感器功率:8W(典型值)
工作电压:9-32V
重量:830g
外形尺寸:103mmX72mm
振动测试:500m/sec² 振幅,持续时间11msec
振动:5 Hz to 2000 Hz, 3G rms
防护等级:IP67
工作温度:﹣10℃到﹢60℃
储存温度:-40℃到﹢105℃
输出:
每秒高达30万个测量点输出
100M快速以太网连接
数据包包含:距离值、物体反射率、旋转角度、同步时间
支持外接GPS
激光雷达市场
毫米波雷达
毫米波雷达指工作在毫米波波段的雷达。通常毫米波是指30~300GHz频域(波长为1~10mm)的电磁波,毫米波的波长介于厘米波和光波之间,因此毫米波兼有微波制导和光电制导的优点。
毫米波在5G通信、卫星遥感、导弹制导、电子对抗等领域有着广泛的应用,而近年来随着元器件水平的不断提升,电路设计、天线技术等相关技术日益发展和不断成熟,毫米波雷达的在汽车方面的应用也获得了很大的发展。
毫米波雷达分为远距离雷达(LRR)和近距离雷达(SRR),由于毫米波在大气中衰减弱,所以可以探测感知到更远的距离,其中远距离雷达可以实现超过200m的感知与探测。毫米波雷达的多项优势,使其目前在汽车防撞传感器中占比较大,根据IHS的数据,毫米波/微波雷达+摄像头在汽车防撞传感器中占比达到了70%。
同超声波雷达相比,毫米波雷达具有体积小、质量轻和空间分辨率高的特点。与红外、激光、摄像头等光学传感器相比,毫米波雷达穿透雾、烟、灰尘的能力强,具有全天候全天时的特点。另外,毫米波雷达的抗干扰能力也优于其他车载传感器。
雷达对比
https://wenku.baidu.com/view/eb20add24793daef5ef7ba0d4a7302768e996ffa.html
https://blog.csdn.net/SLAMTEC/article/details/82841699
https://blog.csdn.net/yuelcay/article/details/73161092
http://desktop.arcgis.com/zh-cn/arcmap/10.3/manage-data/las-dataset/what-is-lidar-data-.htm
http://www.cheyun.com/content/22512
https://blog.csdn.net/m0_38087936/article/details/81480455