Anwendung von Lidar im Bereich der atmosphärischen Erkennung und Zielerfassung

Energieeinsparung und Umweltschutz, Fahrzeuge mit neuer Energie und intelligente Fahrzeuge sind zur Richtung der Automobilentwicklung in China geworden. Bei intelligenten Fahrzeugen handelt es sich hauptsächlich um die Entwicklung autonomer intelligenter Fahrzeuge und vernetzter intelligenter Fahrzeuge. Um die oben genannten Funktionen zu erreichen, können autonome intelligente Fahrzeuge und vernetzte intelligente Fahrzeuge nicht nur durch den Zusammenbau gewöhnlicher Mikrowellenradare realisiert werden. Um die oben genannten Funktionen zu erreichen, ist LiDAR eine wesentliche Komponente im Steuerungssystem des elektrischen Systems autonomer intelligenter Fahrzeuge und des Netzwerks -vernetzte intelligente Fahrzeuge.

Lidar hat die Eigenschaften eines schmalen Strahls, einer geringen Größe, einer berührungslosen Messung usw. Es kann Wolken, Aerosole, Luftwindfelder, Luftschadstoffe, Temperatur- und Feuchtigkeitsänderungen und andere Parameter erkennen. Zur Erkennung wird ein optisches Frequenzband verwendet, das mehrere Größenordnungen höher ist als die Millimeterwelle, und die Erkennungsgenauigkeit ist vorteilhafter als bei Mikrowellenradar. Daher hat LiDAR eine breitere Anwendungsperspektive im Bereich der atmosphärischen Erkennung und Zielerfassung.

Derzeit sind die scannenden LIDARs, die in intelligenten Fahrzeugen verwendet werden können, mechanisch rotierende LIDARs, mikroelektromechanische System-Scanning-Radare und Phased-Array-LIDARs. Der mechanisch rotierende LiDAR (LiDAR, der sendet, empfängt und sich um eine gemeinsame Achse dreht) ist derzeit relativ ausgereift, und es gibt bereits unbemannte Konzeptautos, die mechanisch rotierende LiDAR-Geräte ausprobieren. Auf mikroelektromechanischen Systemen (MEMS) basierende Abtastradare gehören derzeit zum Stand der Forschung, die auf dem Prinzip der Änderung des optischen Pfades durch MEMS-Abtastspiegel basieren. Phased-Array-Lidar wird durch punktuelles Scannen realisiert, d. h. durch Ändern des optischen Pfads durch die Emissionsphase des zwischen mehreren kleinen Antennen emittierten Laserlichts. Ein Oberflächenarray-LIDAR sendet ein Oberflächenarray aus Licht aus, und das Hauptproblem ist die kurze Erfassungsreichweite.

Beim Flugzeit-ToFLiDAR sendet der Laser Lichtimpulse der Dauer τ aus, die zum Zeitpunkt der Emission die interne Uhr des Zeitschaltkreises aktivieren. Der vom Ziel reflektierte Lichtimpuls erreicht den Fotodetektor mit einem elektrischen Ausgangssignal, das die Uhr deaktiviert. Dieser elektronische Messumlauf ToFΔt berechnet den Abstand vom Ziel zum Reflexionspunkt R. Befinden sich Laser und Fotodetektor in Wirklichkeit an derselben Position, wird der Abstand R von zwei Faktoren beeinflusst: c ist die Lichtgeschwindigkeit in ein Vakuum und n ist der Brechungsindex des Ausbreitungsmediums (der in Luft nahe bei 1 liegt). Diese beiden Faktoren beeinflussen die Entfernungsauflösung ΔR: Ist der Durchmesser des Laserpunkts größer als die Größe des aufzulösenden Ziels, sind die Messunsicherheit Δt und die räumliche Breite des Impulses w (w=cτ ) ist ΔΔt. In einem typischen Automobil-LiDAR-System erzeugt der Laser Impulse mit einer Dauer von etwa 4 ns, weshalb ein minimaler Strahldivergenzwinkel erforderlich ist.

Der kritischste Aspekt für den Entwickler eines Automotive-LiDAR-Systems ist die Auswahl der Wellenlänge des Lichts. Die beiden beliebtesten Wellenlängen sind 905 nm und 1550 nm, was aufgrund der zahlreichen Wetterbedingungen und Möglichkeiten der reflektierenden Oberflächentypen ein komplexes Thema für Automobil-LiDAR darstellt. In realen Umgebungen gibt es bei 905 nm aufgrund der stärkeren Absorption bei 1550 nm tatsächlich weniger Lichtverlust als bei 905 nm.

Algorithmen im Zusammenhang mit Lidar-Technologie in traditionellen Schlüsselmodulen müssen immer noch eine bessere Leichtgewichtigkeit, Genauigkeit, Robustheit und Verallgemeinerung erreichen. Semantische Karten und die Integration von Deep Learning sind zu einem Trend geworden, und andere Sensoren können eine autonome Lokalisierung der Quelle erreichen, wie z B. Tiefenkamera, Millimeterwellenradar usw., Multi-Source-Fusion ist ebenfalls ein Brennpunkt der aktuellen Forschung, und Lidar-bezogene Technologien für unbemannte Plattformen zur Erzielung der Entwicklung autonomer Intelligenz werden zwangsläufig über eine LIDAR-bezogene Technologie verfügen haben weitreichende Auswirkungen auf die Entwicklung unbemannter Plattformen zur Realisierung autonomer Intelligenz.