سه پیاده سازی صنعتی LiDAR

یک جهش عظیم در تحرک در حال وقوع است. این موضوع چه در بخش خودرو، جایی که راه حل های رانندگی خودران در حال توسعه است، چه در کاربردهای صنعتی با استفاده از روباتیک و وسایل نقلیه هدایت شونده خودکار صادق است. اجزای مختلف در کل سیستم باید با یکدیگر همکاری کرده و مکمل یکدیگر باشند. هدف اصلی ایجاد یک نمای سه بعدی بدون درز در اطراف وسیله نقلیه است، از این تصویر برای محاسبه فاصله اجسام و شروع حرکت بعدی وسیله نقلیه با کمک الگوریتم های خاص استفاده کنید. در واقع، سه فناوری حسگر به طور همزمان در اینجا استفاده می شود: LiDAR (LiDAR)، رادار، و دوربین. بسته به سناریوی کاربردی خاص، این سه سنسور مزایای خاص خود را دارند. ترکیب این مزایا با داده های اضافی می تواند امنیت را تا حد زیادی بهبود بخشد. هرچه این جنبه‌ها بهتر هماهنگ شوند، خودروی خودران بهتر می‌تواند در محیط خود حرکت کند.

1. زمان مستقیم پرواز (dToF):

در رویکرد زمان پرواز، سازندگان سیستم از سرعت نور برای تولید اطلاعات عمق استفاده می کنند. به طور خلاصه، پالس های نور هدایت شده به محیط شلیک می شوند و هنگامی که پالس نور به یک جسم برخورد می کند، توسط یک آشکارساز در نزدیکی منبع نور منعکس و ثبت می شود. با اندازه گیری زمان رسیدن پرتو به جسم و بازگشت، می توان فاصله جسم را تعیین کرد، در حالی که در روش dToF می توان فاصله یک پیکسل را تعیین کرد. سیگنال های دریافتی در نهایت پردازش می شوند تا اقدامات مربوطه مانند مانورهای فرار وسیله نقلیه برای جلوگیری از برخورد با عابران پیاده یا موانع را آغاز کنند. این روش زمان پرواز مستقیم (dToF) نامیده می شود، زیرا مربوط به "زمان پرواز" دقیق پرتو است. سیستم های LiDAR برای وسایل نقلیه خودران نمونه ای معمولی از کاربردهای dToF هستند.

2. زمان غیر مستقیم پرواز (iToF):
رویکرد غیرمستقیم زمان پرواز (iToF) مشابه است، اما با یک تفاوت قابل توجه. روشنایی از یک منبع نور (معمولاً یک VCSEL مادون قرمز) توسط یک صفحه جاخالی تقویت می شود و پالس ها (50٪ چرخه کاری) در یک میدان دید مشخص منتشر می شوند.

در سیستم پایین دست، اگر نور با مانعی برخورد نکند، یک "سیگنال استاندارد" ذخیره شده، آشکارساز را برای مدتی فعال می کند. اگر جسمی این سیگنال استاندارد را قطع کند، سیستم می تواند اطلاعات عمق هر پیکسل تعریف شده آشکارساز را بر اساس تغییر فاز حاصل و تاخیر زمانی قطار پالس تعیین کند.

3. Active Stereo Vision (ASV)

در روش «دید استریو فعال»، یک منبع نور مادون قرمز (معمولاً VCSEL یا IRED) صحنه را با الگویی روشن می کند و دو دوربین مادون قرمز تصویر را به صورت استریو ضبط می کنند.
نرم افزار downstream با مقایسه دو تصویر می تواند اطلاعات عمق مورد نیاز را محاسبه کند. نورها از محاسبات عمق با نمایش یک الگو پشتیبانی می کنند، حتی بر روی اجسام با بافت کمی مانند دیوارها، کف ها و میزها. این رویکرد برای سنجش سه بعدی برد نزدیک و با وضوح بالا روی ربات ها و وسایل نقلیه هدایت شونده خودکار (AGV) برای جلوگیری از موانع ایده آل است.