北京物流車激光雷達

當我們用當前幀和整個點云地圖進行匹配的時候，我們便能得到傳感器在整個地圖中的位姿，從而實現(xiàn)在地圖中的定位。傳感器車規(guī)化，固態(tài)激光雷達取消了機械結構，能夠擊中目前機械旋轉式的成本和可靠性的痛點，是激光雷達的發(fā)展方向。除了這兩大迫切解決的痛點外，目前量產(chǎn)的激光雷達探測距離不足，只能滿足低速場景（如廠區(qū)內、校園內等）的應用。日常駕駛、高速駕駛的場景仍在測試過程中。當前機械式激光雷達的價格十分昂貴，Velodyne 在售的 64/32/16 線產(chǎn)品的官方定價分別為 8 萬/4 萬/8 千美元。一方面，機械式激光雷達由發(fā)射光源、轉鏡、接收器、微控馬達等精密零部件構成，制造難度大、物料成本較高；另一方面，激光雷達仍未大規(guī)模進入量產(chǎn)車、需求量小，研發(fā)費用等固定成本難以攤薄。 量產(chǎn) 100 萬臺 VLP-32后，那么其售價將會降至 400 美元左右。激光雷達在環(huán)境監(jiān)測中用于監(jiān)測大氣污染物的濃度。北京物流車激光雷達

激光雷達的應用：1測量測繪，1、地形測繪，激光雷達通過揭示地面細微的高程變化來展示地貌。它較大的優(yōu)勢在于它是一個高速“采樣工具”，激光雷達每秒從空中向地面發(fā)出數(shù)十萬甚至上百萬個脈沖，正是這種密集的點云使我們能夠獲取真實地貌。2、建筑質量控制，使用LiDAR進行建筑掃描可以確保建筑與建筑信息模型(BIM)相匹配。將來自地面掃描的點云與BIM設計對比可保證施工質量并按計劃進行，LiDAR較大的優(yōu)勢是實時掃描，能在項目早期發(fā)現(xiàn)缺陷，否則，任何有缺陷的結構返工都會浪費時間和金錢。遼寧機械式激光雷達憑借超廣 FOV，覽沃 Mid - 360 讓移動機器人對復雜 3D 環(huán)境了如指掌。

光學相控陣激光雷達（OPA），很多特殊的Lidar使用OPA（OpticalPhasedArray）光學相控陣技術。OPA運用相干原理，采用多個光源組成陣列，通過調節(jié)發(fā)射陣列中每個發(fā)射單元的相位差，來控制輸出的激光束的方向。OPA激光雷達完全是由電信號控制掃描方向，能夠動態(tài)地調節(jié)掃描角度范圍，對目標區(qū)域進行全局掃描或者某一區(qū)域的局部精細化掃描，一個激光雷達就可能覆蓋近/中/遠距離的目標探測。優(yōu)點：純固態(tài)Lidar，體積小，易于車規(guī)；掃描速度快（一般可達到MHz量級以上）；精度高（可以做到μrad量級以上）；可控性好（可以在感興趣的目標區(qū)域進行高密度掃描），缺點：易形成旁瓣，影響光束作用距離和角分辨率，使激光能量被分散；加工難度高：光學相控陣要求陣列單元尺寸必須不大于半個波長；探測距離很難做到很遠。

多傳感器融合，在環(huán)境監(jiān)測傳感器中，超聲波雷達主要用于倒車雷達以及自動泊車中的近距離障礙監(jiān)測，攝像頭、毫米波雷達和激光雷達則普遍應用于各項 ADAS 功能中。四類傳感器的探測距離、分辨率、角分辨率等探測參數(shù)各異，對應于物體探測能力、識別分類能力、三維建模、抗惡劣天氣等特性優(yōu)劣勢分明。各種傳感器能形成良好的優(yōu)勢互補，融合傳感器的方案已成為主流的選擇。激光雷達LiDAR的全稱為Light Detection and Ranging激光探測和測距，又稱光學雷達。Mid - 360 獨特混合固態(tài)技術，造就 360° 全向超大視場角優(yōu)勢。

二維掃描振鏡激光雷達，這類激光雷達的主要元件是兩個掃描器——多邊形棱鏡和垂直掃描振鏡，分別負責水平和垂直方向上的掃描。特點是掃描速度快，精度高。比如：一個四面多邊形，只移動八條激光器光束（相當于傳統(tǒng)的8線激光雷達），以5000rpm速度掃描，垂直分辨率為2667條/秒，120度水平掃描，在10Hz非隔行掃描下，垂直分辨率達267線。優(yōu)點：轉速越高，掃描精度越高；可以控制掃描區(qū)域，提高關鍵區(qū)域的掃描密度；多邊形可提供超寬FOV，一般可做到水平120度。MEMSLidar一般不超過80度；通光孔徑大，信噪比和有效距離要遠高于MEMSLidar；價格低廉，MEMS振鏡貴的要上千美元，多邊形激光掃描已經(jīng)非常成熟，價格只要幾十美元；激光雷達間抗干擾性強缺點：與MEMS技術比，其缺點是功耗高，有電機轉動部件。覽沃 Mid - 360 探測距離可為 10cm，小盲區(qū)配合小巧體積，輕松實現(xiàn)無盲區(qū)覆蓋。江西FOV激光雷達

覽沃 Mid - 360 憑借 360°x59° 超廣 FOV，感知三維空間信息。北京物流車激光雷達

在三維模型重建方面，較初的研究集中于鄰接關系和初始姿態(tài)均已知時的點云精配準、點云融合以及三維表面重建。在此，鄰接關系用以指明哪些點云與給定的某幅點云之間具有一定的重疊區(qū)域，該關系通常通過記錄每幅點云的掃描順序得到。而初始姿態(tài)則依賴于轉臺標定、物體表面標記點或者人工選取對應點等方式實現(xiàn)。這類算法需要較多的人工干預，因而自動化程度不高。接著，研究人員轉向點云鄰接關系已知但初始姿態(tài)未知情況下的三維模型重建，常見方法有基于關鍵點匹配、基于線匹配、以及基于面匹配 等三類算法。北京物流車激光雷達