智能网联汽车传感器技术 课件 5.1.4激光雷达的应用

激光雷达的应用2023烟台汽车工程职业学院李晓艳1.激光雷达的应用领域目录CONTENTS2.激光雷达的发展趋势3.激光雷达技术面临的挑战激光雷达的应用领域历经40余年的发展，激光雷达技术已从最初的激光测距技术，逐步发展了激光跟踪、激光测速、激光扫描成像、激光多普勒成像等技术，因此出现了各种不同种类的激光雷达，被广泛应用于各个领域，激光雷达在很多年前，并未被大众所熟知，直至近年来机器人和无人驾驶技术的兴起，激光雷达才逐渐进入人们的视野，在一开始激光雷达不只为机器人（包括无人驾驶）而诞生，它还被广泛应用于VR／AR、智慧交通、海洋探索和渔业资源监测、3D打印等领域。激光雷达的应用领域机器人领域——帮助机器人实现自主定位导航自主定位导航是机器人实现自主行走的必备技术，不管什么类型的机器人，只要涉及到自主移动，就需要在其行走的环境中进行导航定位，但传统的定位导航方法由于智能化水平较低，没有解决定位导航的问题，直至激光雷达的出现，在很大程度上化解了这个难题，机器人采用的定位导航技术是以激光雷达SLAM为基础，增加视觉和惯性导航等多传感器融合的方案帮助机器人实现自主建图，路径规划、自主避障等任务，它是目前性能最稳定、可靠性最强的定位导航方法，且使用寿命长，后期改造成本低。扫地机器人是目前单线激光雷达应用最广泛的领域，激光雷达配合slam算法，可以让扫地机器人在房间里实现智能清扫，清扫的过程中绘制地图，实时传输到手机APP，就算用户不在家，也可以通过手机APP查看清扫情况，以及安排其他地方清扫。激光雷达的应用领域无人机领域——规避障碍物目前，激光雷达在低空飞行直升机障碍物规避方面已进入实用阶段，在其他军事应用研究领域也日趋成熟。直升机在进行低空巡逻飞行时，极易与地面小山或建筑物相撞。为此，研制能规避地面障碍物的直升机机载雷达是人们梦寐以求的愿望。目前，这种雷达已在美国、德国和法国获得了成功。美国研制的直升机超低空飞行障碍规避系统，使用固体激光二极管发射机和旋转全息扫描器可检测直升机前很宽的空域，地面障碍物信息实时显示在机载平视显示器或头盔显示器上，为安全飞行起了很大的保障作用。激光雷达的应用领域

无人车领域——自主感知道路环境及规划路线

在无人车领域，激光雷达主要以多线数为主，作用与机器人

领域相当，主要是帮助汽车自主感知道路环境，自动规划行

车路线，并控制车辆到达预定的目标。激光雷达是怎么帮汽

车识别路口与方向呢？激光雷达使用的技术是飞行时间，

就是根据激光遇到障碍物后的折返时间，计算目标与自己的相对距离。激光光束可以准确测量视场中物体轮廓边沿与设备间的相对距离，这些轮廓信息组成所谓的点云并绘制出3D环境地图，精度可达到厘米级别，从而提高测量精度。激光雷达在智能驾驶中的应用（1）障碍物识别。利用高精度地图限定感兴趣区域（ROI）后，基于全卷积深度神经网络学习点云特征并预测障碍物的相关属性，进行障碍物检测与识别。（2）可通行空间检测。利用高精度地图限定感兴趣区域后，可以对ROI内部（比如可行驶道路和交叉口）的点云的高度及连续性信息进行判断点云处是否可通行。激光雷达在智能驾驶中的应用（3）高精度电子地图与定位。激光雷达在定位中的最主要的作用就是对位置传感器定位的校正。在运动定位中，位置传感器提供了智能网联汽车的大致的定位信息。在此基础上，激光雷达从环境中感知的信息（包含点线面的几何信息等）用来在小范围内和已知地图匹配，实现对位置传感器定位的校正。利用多线激光雷达的点云信息与地图采集车载组合惯导的信息，进行高精地图制作。自动驾驶汽车利用激光点云信息与高精度地图匹配，实现高精度定位。激光雷达在智能驾驶中的应用（4）障碍物轨迹预测。根据激光雷达的感知数据与障碍物所在车道的拓扑关系（道路连接关系）进行障碍物的轨迹预测，以此作为无人车规划（避障、换道、超车等）的判断依据。激光雷达的发展趋势（1）激光雷达固态化。面对即将到来的自动驾驶商业化运营的阶段性市场，低成本车规级的固态激光雷达需要肩负起它的使命,行业对固态激光雷达的真正量产期待已久。激光雷达固态化后，将消除传统机械式激光雷达中存在的物理限制，并且带来高分辨率、长距离、车规级、易量产以及低成本等优势。激光雷达的发展趋势

（2）激光雷达与摄像头底层融合。

两者作为自动驾驶的核心传感器，各自拥有独特的优势，

摄像头可以获取真实世界中丰富的二维彩色信息，激光雷达

能够获取三维高精度空间信息。对于自动驾驶环境感知需求，

一方面，如果仅依靠摄像头获取的二维图像，感知的可靠性

和探测的准确度都难以保证驾驶的安全性。另一方面，仅依靠激光雷达又很难对诸如交通路牌、红绿灯等信息做出有效识别，以及对复杂障碍物进行精细化分类。通过底层深度融合LiDAR和摄像头数据，可以发挥出更强大的感知能力。将二维彩色信息覆盖到三维高精度空间数据上，获得时空同步后的彩色点云数据，极大地提高了AI感知算法对目标物体的分割及分类探测距离、准确度、精细度，从而大幅提升自动驾驶车辆安全性。激光雷达的技术参数

（1）激光雷达智能感知系统。

基于MEMS固态激光雷达、AI环境感知算法、

激光雷达与摄像头融合，多项前沿技术形成闭环

达成了智能化激光雷达感知系统。通过AI算法

对彩色数据进行预处理,有选择性地对感兴趣区域

进行重复探测，能够为自动驾驶带来更远的探测距离与更为准确地感知结果，有效降低中央数据处理单元的数据处理压力，从而确保汽车迅速完成安全可靠的驾驶操作响应。激光雷达面临的挑战（1）技术瓶颈：在激光雷达中，光学系统通常由多个光学元件按照一定的顺序和空间位置排列组成，其排列顺序、元件数量与类型、元件间距都会影响光学系统的性能。受技术发展和加工工艺限制，相控阵激光成像雷达工程应用尚不能满足实际应用的迫切需要，优选光学相控阵器件、光学孔径技术消除栅瓣、系统复杂、成本高等关键技术问题亟待解决。激光雷达面临的挑战(2)材质方面：由于激光雷达基于对激光脉冲返回传感器所需时间的测量，因此高反射率的表面会带来问题。大多数材料从微观水平上看表面粗糙，并且向所有方向散射光；这类散射光的一小部分返回到传感器，并且足以产生距离数据。然而，如果表面反射率非常高，光就会向远离传感器的方向散射，那么这一区域的点云就会不完整。激光雷达面临的挑战(3)环境方面：空气中的环境也可以对激光雷达读数造成影响。空气中的悬浮物会对光速产生影响。因而大雾和雨天均会减弱影响激光雷的精度，并且研究表明，雨滴的半径及其在空中的分布密度直接决定了激光在传播过程中与之相撞的概率。相撞概率越高，激光的传播速度受到的影响越大。为了解决这些问题，较大功率的激光器投入使用，但它对于无人汽车这种较小的、移动的以及对功率敏感型的应用来说并不是一个好的解决方案。激光雷达面临的挑战（4）计算挑战：激光雷达系统面临的另一个挑战是计算量问题。受复杂的光学器件旋转速度的限制，普通LiDAR旋转时的刷新速率相对较