Главная / Без рубрики / Лидары (LiDAR): принцип работы, типы, применение в автономном транспорте

Лидары (LiDAR): принцип работы, типы, применение в автономном транспорте

Введение

LiDAR (Light Detection and Ranging) — технология дистанционного зондирования, использующая лазерное излучение для измерения расстояний до объектов, построения 3D‑карт пространства и распознавания сцен. В эпоху развития автономного транспорта LiDAR стал критически важным сенсором, обеспечивающим:

  • высокоточное картирование окружения (до сантиметра);
  • обнаружение и классификацию объектов (автомобили, пешеходы, препятствия);
  • работу в условиях низкой освещённости и сложных погодных условий;
  • формирование данных для алгоритмов локализации и планирования пути.

В статье рассмотрены:

  • физический принцип работы LiDAR;
  • ключевые компоненты и параметры;
  • типы лидаров (механические, твердотельные, флеш‑лидары);
  • алгоритмы обработки данных;
  • применение в автономном транспорте (уровни автоматизации, сценарии);
  • вызовы и перспективы.

1. Принцип работы LiDAR

1.1. Базовый принцип измерения расстояния

LiDAR излучает короткие импульсы лазерного света и измеряет время возврата отражённого сигнала:

D=2c⋅t​,

где:

  • D — расстояние до объекта (м);
  • c — скорость света в воздухе (~3·10⁸ м/с);
  • t — время полёта импульса (с).

Разрешение по расстоянию зависит от точности измерения t (типично 1–5 см).

1.2. Формирование 3D‑данных

Для построения облака точек (point cloud) лидар:

  1. Сканирует пространство по азимуту (горизонталь) и углу места (вертикаль).
  2. Для каждого импульса фиксирует:
    • расстояние D;
    • азимут φ;
    • угол места θ;
    • интенсивность отражения (зависит от материала и угла падения).
  3. Преобразует полярные координаты в декартовы (X, Y, Z).

Результат — плотное облако точек, описывающее геометрию сцены.

1.3. Длина волны лазера

  • 905 нм (кремниевые детекторы):
    • дешевле;
    • потенциально опасен для глаз (класс 1M).
  • 1550 нм (InGaAs‑детекторы):
    • безопасен для глаз (класс 1);
    • лучше проникает сквозь туман/дым;
    • дороже.

2. Ключевые компоненты LiDAR

2.1. Источник излучения

  • Полупроводниковые лазерные диоды (Pulsed Laser Diode, PLD):
    • длина волны: 905 нм или 1550 нм;
    • длительность импульса: 1–10 нс;
    • частота повторения: 10 кГц – 1 МГц.
  • Волоконные лазеры — для дальних дистанций и высокой энергии.

2.2. Система сканирования

  • Механические зеркала/призмы (в механических лидарах).
  • Микроэлектромеханические системы (MEMS‑зеркала).
  • Оптические фазированные решётки (OPA — Optical Phased Array) в твердотельных лидарах.
  • Флеш‑излучение (широкий пучок без сканирования).

2.3. Приёмная система

  • Фотодиоды (APD, SPAD) — высокая чувствительность.
  • Линзы/объективы — сбор отражённого света.
  • Фильтры — подавление фонового света.

2.4. Электроника и обработка

  • Таймеры (Time‑to‑Digital Converter, TDC) — измерение t с пикосекундной точностью.
  • FPGA/ASIC — реальная обработка импульсов.
  • Интерфейсы (Ethernet, CAN, ROS) — передача данных.

2.5. Калибровка и синхронизация

  • Коррекция искажений сканирования.
  • Синхронизация с IMU/GNSS для геопривязки.

3. Типы лидаров

3.1. Механические лидары

  • Конструкция: вращающаяся платформа с лазерным модулем и зеркалами.
  • Покрытие: 360° по азимуту, 20–40° по вертикали.
  • Частота кадров: 5–20 Гц.
  • Плотность точек: 600 тыс. – 2 млн точек/с.
  • Примеры: Velodyne HDL‑64, Ouster OS2.
  • Плюсы:
    • полное круговое покрытие;
    • высокая дальность (200–300 м).
  • Минусы:
    • движущиеся части (износ, вибрация);
    • большие размеры и вес;
    • высокая стоимость.

3.2. Твердотельные лидары (Solid‑State LiDAR, SSL)

  • MEMS‑лидары:
    • микрозеркала сканируют луч;
    • поле зрения: 120×25°;
    • частота: до 30 Гц;
    • примеры: Innoviz One, Ibeo Scala.
  • OPA‑лидары (Optical Phased Array):
    • электронное управление лучом без движущихся частей;
    • быстрое перенацеливание;
    • пока ограниченная дальность и угол обзора.
  • Плюсы:
    • надёжность (нет механики);
    • компактность;
    • низкая стоимость в массовом производстве.
  • Минусы:
    • ограниченное поле зрения;
    • меньшая дальность.

3.3. Флеш‑лидары (Flash LiDAR)

  • Принцип: однократный импульс освещает всю сцену (как вспышка фотоаппарата).
  • Детектор: матрица SPAD/APD (например, 512×512 пикселей).
  • Плюсы:
    • отсутствие сканирования (высокая скорость);
    • устойчивость к вибрации.
  • Минусы:
    • малая дальность (до 50 м);
    • низкая угловая разрешающая способность.
  • Применение: ближняя зона, парковка, безопасность пешеходов.

3.4. Гибридные системы

  • Сочетание механического и твердотельного модулей для баланса покрытия и надёжности.
  • Многоуровневые лидары (например, дальний + ближний).

4. Параметры и характеристики LiDAR

4.1. Дальность обнаружения

  • Номинальная (90 % отражения): 100–300 м.
  • Максимальная (низкий контраст): 50–100 м.
  • Зависит от:
    • мощности лазера;
    • чувствительности приёмника;
    • отражательной способности объекта.

4.2. Угловое разрешение

  • Горизонтальное: 0,1°–0,5° (механические); 0,5°–2° (твердотельные).
  • Вертикальное: аналогично.
  • Определяет детализацию объектов.

4.3. Частота кадров

  • 5–30 Гц — достаточна для движения до 120 км/ч.
  • Для высокоскоростных сценариев — > 20 Гц.

4.4. Точность измерения расстояния

  • ±1–5 см (зависит от TDC и алгоритма обработки).

4.5. Поле зрения (FOV)

  • Горизонтальное: 360° (механические) или 90–180° (твердотельные).
  • Вертикальное: 20–40°.

4.6. Динамический диапазон

  • Способность различать объекты с разной отражательной способностью (асфальт vs. знак).

4.7. Помехозащищённость

  • Фильтрация солнечного света и других лидаров.

5. Алгоритмы обработки данных

5.1. Предварительная обработка

  • Удаление «шумовых» точек (ложных отражений).
  • Калибровка по IMU (угловые и линейные смещения).
  • Геометрическая коррекция (дисторсия сканирования).

5.2. Сегментация и кластеризация

  • Выделение объектов из облака точек (DBSCAN, Euclidean Clustering).
  • Разделение на: автомобили, пешеходов, велосипедистов, статичные препятствия.

5.3. Классификация и распознавание

  • Признаки: форма, размер, интенсивность отражения, динамика.
  • Машинное обучение (PointNet, PointPillars) для семантической разметки.

5.4. Локализация и

Оставить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *