汽车进口关税引热议 欧盟“回击”特朗普

激光雷达的测量距离、测量精度、测量速度和角分辨率等参数是决定3D激光雷达性能的几个重要指标。

例如，在无人驾驶汽车的应用领域，需要激光雷达的检测距离。例如，在高速公路上，你应该能够检测到前方的汽车，在十字路口，你应该能观察到马路对面的汽车。有趣的是，准确度越高越好。激光雷达获得的数据可以用于障碍物识别、动态物体检测和定位，如果精度太差，就无法实现上述目标；然而，准确性太高，并且存在问题。高精度激光雷达需要大量的硬件，计算量会非常大，成本也会非常高。所以准确度应该适中。另一个不可忽视的点是角分辨率，它决定了两个激光点在被冲出后的距离。在达到单点测距精度后，如果两个点之间的距离（点）碰到物体表面太远，测距精度就会失去意义。激光雷达的机遇与挑战激光雷达在智能机器生态系统中有许多机遇。与二维图像相比，点云更容易被计算机用来构建物理环境的三维图像。二维图像是人类大脑最容易理解的数据，而点云是计算机最能理解的数据。二维激光雷达扫描仪可以在户外使用，专为移动和低功耗应用而设计。它只需要竞争对手近四分之一的成本，这将为这种传感器带来新的应用（我们在许多其他类型的传感器中看到了这种现象）。二维激光雷达也可以安装在另一个旋转部件上，在环境中生成完整的三维点云。

其他公司正在寻找其他策略来降低系统成本，例如Quantergy的固态激光雷达。该系统基本上与上述系统相同。然而，与旋转光学设备来移动光束不同，它们使用“相控阵光学系统”来引导激光脉冲的方向，可以在某个方向上释放一个激光脉冲，并将下一个脉冲（1微秒后）对准视场中的其他地方。它可以实时关注视野中看似移动的物体，这是对人类驾驶员的模仿，人类驾驶员可以及时注意到即将进入汽车行驶道路的障碍物。Quantergy系统的设计目的是在没有机械运动的情况下做到这一点，每秒采样约100万个数据点，这相当于64线旋转激光雷达的速度，但它可以显著降低成本。它的另一个优点是更容易集成到其他汽车部件中，如后视镜和保险杠。此外，一个更大、更强大的系统也在开发中，该系统可以从30000英尺高空飞行的飞机上对地面进行成像，其分辨率足以看到地面上的车辆。尽管这些系统的市场需求较小，成本较高，但它们的开发将继续降低传感器技术的总体成本。挑战1。材料由于激光雷达是基于测量激光脉冲返回传感器所需的时间，因此反射率高的表面会带来问题。大多数材料在微观层面上具有粗糙的表面，并将光散射到各个方向；

该散射光的一小部分返回到传感器，并且足以生成距离数据。然而，如果表面反射率非常高，则光将从传感器散射开，并且该区域中的点云将不完整。2.环境空气中的环境也会影响激光雷达的读数。记录显示，大雾和暴雨会削弱发射的激光脉冲，并影响激光雷达。为了解决这些问题，人们开始使用更高功率的激光器，但对于较小、移动或功率敏感的应用来说，这不是一个好的解决方案。3.驱动速度激光雷达系统面临的另一个挑战是旋转时的刷新率相对较慢。系统的刷新率受到复杂光学器件的旋转速度的限制。激光雷达系统的最快转速约为10Hz，这限制了数据流的刷新率。当传感器旋转时，一辆以60英里/小时的速度行驶的汽车在1/10秒内行驶8.8英尺，因此在汽车经过8.8英尺范围内发生的变化基本上看不到传感器。更重要的是，激光雷达的覆盖范围（在完美条件下）为100-120米，这仅相当于一辆以60英里/小时的速度行驶的汽车不到4.5秒。4.成本也许对于激光雷达来说，高昂的设备成本是它需要克服的最大挑战。尽管这项技术自应用以来已大大降低了成本，但它仍然是其广泛采用的重要障碍。对于主流汽车行业来说，价值2万美元的传感器不会被市场接受。埃隆·马斯克说：“我认为这对汽车的发展没有意义。我认为这没有必要。”。属性识别尽管我们将激光雷达视为计算机视觉的一个组成部分，但点云完全是基于几何来呈现的。相反，人眼可以识别物体除了形状之外的其他物理财产，例如颜色和纹理。目前的激光雷达系统无法区分纸袋和岩石之间的区别，这在传感器理解并试图避开障碍物时应该考虑。6.攻击激光雷达的黑客发送的激光本身没有编码。因此，接收器本身无法识别这束光束是由隔壁的发射器发射的还是干扰信号。黑客攻击是指模拟车辆和行人的信号，并将其反馈给激光雷达，以产生周围有障碍物的错觉的攻击方法。最终，汽车将被迫减速或刹车。对于激光雷达制造商来说，我们可以从两个角度抵御黑客的攻击：例如，如果提高激光发射频率，而高速激光发射频率在几微秒内，黑客将很难选择何时发射干扰信号供接收器接收。此外，通过算法做出了一些错误的判断，并通过参考先前的频率数据来过滤干扰数据。

激光雷达只是用于为计算机提供物理环境数据的众多传感器之一，但生成的数据对计算机来说最容易理解，而且也会变得更便宜。Velodyne的销售和营销总监Wolfgang Juchmann表示，激光雷达的成本在过去七年中下降了十倍。由于成本的降低，我们将继续看到新的潜在应用领域。（来源：传感器技术）激光雷达的测量距离、测量精度、测量速度和角分辨率等参数是决定3D激光雷达性能的几个重要指标。

例如，在无人驾驶汽车的应用领域，需要激光雷达的检测距离。例如，在高速公路上，你应该能够检测到前方的汽车，在十字路口，你应该能观察到马路对面的汽车。有趣的是，准确度越高越好。激光雷达获得的数据可以用于障碍物识别、动态物体检测和定位，如果精度太差，就无法实现上述目标；

然而，准确性太高，并且存在问题。高精度激光雷达需要大量的硬件，计算量会非常大，成本也会非常高。所以准确度应该适中。另一个不可忽视的点是角分辨率，它决定了两个激光点在被冲出后的距离。在达到单点测距精度后，如果两个点之间的距离（点）碰到物体表面太远，测距精度就会失去意义。激光雷达的机遇与挑战激光雷达在智能机器生态系统中有许多机遇。与二维图像相比，点云更容易被计算机用来构建物理环境的三维图像。二维图像是人类大脑最容易理解的数据，而点云是计算机最能理解的数据。二维激光雷达扫描仪可以在户外使用，专为移动和低功耗应用而设计。它只需要竞争对手近四分之一的成本，这将为这种传感器带来新的应用（我们在许多其他类型的传感器中看到了这种现象）。二维激光雷达也可以安装在另一个旋转部件上，在环境中生成完整的三维点云。

其他公司正在寻找其他策略来降低系统成本，例如Quantergy的固态激光雷达。该系统基本上与上述系统相同。然而，与旋转光学设备来移动光束不同，它们使用“相控阵光学系统”来引导激光脉冲的方向，可以在某个方向上释放一个激光脉冲，并将下一个脉冲（1微秒后）对准视场中的其他地方。它可以实时关注视野中看似移动的物体，这是对人类驾驶员的模仿，人类驾驶员可以及时注意到即将进入汽车行驶道路的障碍物。Quantergy系统的设计目的是在没有机械运动的情况下做到这一点，每秒采样约100万个数据点，这相当于64线旋转激光雷达的速度，但它可以显著降低成本。它的另一个优点是更容易集成到其他汽车部件中，如后视镜和保险杠。此外，一个更大、更强大的系统也在开发中，该系统可以从30000英尺高空飞行的飞机上对地面进行成像，其分辨率足以看到地面上的车辆。尽管这些系统的市场需求较小，成本较高，但它们的开发将继续降低传感器技术的总体成本。挑战1。材料由于激光雷达是基于测量激光脉冲返回传感器所需的时间，因此反射率高的表面会带来问题。大多数材料在微观层面上具有粗糙的表面，并将光散射到各个方向；

该散射光的一小部分返回到传感器，并且足以生成距离数据。然而，如果表面反射率非常高，则光将从传感器散射开，并且该区域中的点云将不完整。2.环境空气中的环境也会影响激光雷达的读数。记录显示，大雾和暴雨会削弱发射的激光脉冲，并影响激光雷达。为了解决这些问题，人们开始使用更高功率的激光器，但对于较小、移动或功率敏感的应用来说，这不是一个好的解决方案。3.驱动速度激光雷达系统面临的另一个挑战是旋转时的刷新率相对较慢。系统的刷新率受到复杂光学器件的旋转速度的限制。激光雷达系统的最快转速约为10Hz，这限制了数据流的刷新率。当传感器旋转时，一辆以60英里/小时的速度行驶的汽车在1/10秒内行驶8.8英尺，因此在汽车经过8.8英尺范围内发生的变化基本上看不到传感器。更重要的是，激光雷达的覆盖范围（在完美条件下）为100-120米，这仅相当于一辆以60英里/小时的速度行驶的汽车不到4.5秒。4.成本也许对于激光雷达来说，高昂的设备成本是它需要克服的最大挑战。尽管这项技术自应用以来已大大降低了成本，但它仍然是其广泛采用的重要障碍。对于主流汽车行业来说，价值2万美元的传感器不会被市场接受。埃隆·马斯克说：“我认为这对汽车的发展没有意义。我认为这没有必要。”。属性识别尽管我们将激光雷达视为计算机视觉的一个组成部分，但点云完全是基于几何来呈现的。相反，人眼可以识别物体除了形状之外的其他物理财产，例如颜色和纹理。目前的激光雷达系统无法区分纸袋和岩石之间的区别，这在传感器理解并试图避开障碍物时应该考虑。6.攻击激光雷达的黑客发送的激光本身没有编码。因此，接收器本身无法识别这束光束是由隔壁的发射器发射的还是干扰信号。黑客攻击是指模拟车辆和行人的信号，并将其反馈给激光雷达，以产生周围有障碍物的错觉的攻击方法。最终，汽车将被迫减速或刹车。对于激光雷达制造商来说，我们可以从两个角度抵御黑客的攻击：例如，如果提高激光发射频率，而高速激光发射频率在几微秒内，黑客将很难选择何时发射干扰信号供接收器接收。此外，通过算法做出了一些错误的判断，并通过参考先前的频率数据来过滤干扰数据。

激光雷达只是用于为计算机提供物理环境数据的众多传感器之一，但生成的数据对计算机来说最容易理解，而且也会变得更便宜。Velodyne的销售和营销总监Wolfgang Juchmann表示，激光雷达的成本在过去七年中下降了十倍。由于成本的降低，我们将继续看到新的潜在应用领域。（来源：传感器技术）

标签：

汽车资讯热门资讯