固态激光雷达传感器技术及无人机载测深应用

无人机搭载固态激光雷达传感器施测水深和水下地形技术是近年来新发展的一种测量手段。本文综述和介绍固态激光雷达传感器技术,以及在近海、岛礁和内陆江河湖库的水深测量及水下-陆地一体化地形测绘的应用现状和发展前景。首先介绍水体中光波传播特性、水面光波反射特性,介绍无人机载双频激光雷达测深原理;然后,综述目前典型的机载海洋测深ALB系统和无人机挂载固态激光雷达测深系统及其应用情况;最后,总结分析无人机挂载激光雷达测深系统在施测应用中的技术难点问题,并结合固态激光雷达测深技术和应用现状对其发展前景进行了展望。

激光雷达传感器功能仿真方法研究

针对分布交互式光电对抗仿真应用,研究了激光雷达传感器功能级仿真模型建立方法。建立了激光雷达传感器参数描述模型,建立了激光雷达目标信号门限计算模型、目标像素计算模型,以及目标捕获概率计算模型,通过多次仿真运行和分析,得出了目标捕获概率计算一般规律。该激光雷达传感器仿真模型成功应用于光电对抗分布交互式仿真系统。

基于激光雷达传感器的RBPF-SLAM系统优化设计

针对传统Rao-Blackwellized粒子滤波(RBPF)方法的同步定位和建图(SLAM)问题,提出了一种基于激光雷达的RBPF-SLAM系统优化方法,利用高精度激光雷达数据,修正了基于里程计读数的建议分布函数,减少了滤波过程所需的粒子数目;引入了自适应重采样机制,缓解由于重采样带来的粒子消耗问题。为验证改进算法性能,在搭建的差速型移动机器人平台上,进行了验证试验,结果表明:改进后的RBPF-SLAM方法,能够实时构建栅格地图,在建图效率和精度上均有明显的提升。

激光雷达传感器在选煤厂重介质自动添加系统中的应用

重介质分选是神东洗选中心各选煤厂普遍采用的生产工艺,也是我国选煤生产中主要的分选方式,是选煤发展的主要方向。目前,重介质分选过程中重介质添加仍采用人工投料方式,制约了选煤的生产自动化。笔者结合选煤厂重介选煤过程的智能化改造,研究了选煤厂重介质自动添加系统中激光雷达传感器的有效应用,实现了在重介质分选过程中能够自动添加重介质。

西电dToF SPAD激光雷达传感器芯片取得突破进展

针对国家重大工程、航空航天、无人系统、消费电子等应用对远距离三维感知的需求,西安电子科技大学的朱樟明、杨银堂教授研究团队设计了dToF SPAD激光雷达传感器芯片,在单芯片上集成了核心感光器件SPAD整理及精准测距电路,具有多种测距精度优化和抗背景光干扰算法等功能,其分辨率为32×32×4,超30fps的刷新率,在200mW功耗下可以实现12~15m的远距离高精度探测。

激光雷达传感器观察森林和树木

对于研究全球变暖现象的科学家来说,一定面积内的生物量,即有生命的物质总量,例如植被,是重要的信息。生长中的森林从大气中吸收碳,因此能减缓变暖现象,而砍伐森林则会把碳放回到空气中。一种最新的遥感仪器现在已能以前所未有的精度和覆盖范围向研究人员提供有关生物量的信息。

Velabit^(TM)激光雷达传感器Velodyne激光雷达有限公司

Velodyne推出了下一代Velabit^(TM)传感器,该传感器解决了自主解决方案的成本、安全性和设计挑战,同时提供了先进的性能。固态Velabit传感器现在可同时实现90°的最大水平FoV和70°的最大垂直FoV,每秒点数大约是之前型号的3倍。这款轻便、多功能的Velabit传感器具有小巧、低功耗的外形,可最大限度地延长电池寿命和车辆行驶里程。

Ouster推出低成本、高分辨率32通道激光雷达传感器

近日,Ouster推出32通道激光雷达传感器OS1-32。OS1-32激光雷达传感器通过广为接受的成本价格,为研究人员、机器人专家和其它商业应用提供Ouster高分辨率数字激光雷达技术,从而加速感知系统的开发和部署。

激光雷达和视觉传感器组合系统的在线校准方法

针对激光雷达和视觉传感器在车辆行驶过程中因振动发生漂移的问题,提出一种组合系统的在线校准方法。基于激光点云和图像的边缘匹配原理进行数据实时检测,检测到融合的传感器数据不准确时对其采取紧急措施,以提高车辆行驶安全性。针对未检测出错误的校准参数,采用梯度下降法优化成本函数,获取新的校准参数,实现传感器数据校正。通过数据集KITTI进行多次参数偏差实验,测试表明,算法可以检测较大的错误校准且能校正较小范围内的平移和旋转误差。

智能网联汽车激光雷达传感器常见故障诊断

激光雷达传感器是智能网联汽车重要的感知元件,激光雷达传感器主要用于探测远距离障碍物,通过扫描障碍物信息生成点云图,然后通过网线最终将障碍物信息传输至智能网联汽车自动驾驶处理器中,配合智能网联汽车其他传感器实现汽车智能驾驶功能。激光雷达传感器被认为是智能网联汽车的“眼睛”,是一种远距离传感器,由1个圆柱形接口连接至激光雷达传感器接线盒,激光雷达传感器如图1所示。

激光雷达动态障碍物检测

为了解决在未知环境情况下障碍物运动状态的检测问题,提出一种基于激光雷达自主动态障碍物的检测方法.通过近邻域法和规则分类器算法对激光雷达检测的数据进行聚类;在此基础上分析了聚类障碍物的特征参数,利用聚类障碍物数据的置信区间关联性分析确定了障碍物的类型,对同一类型障碍物进行相对坐标转化分析确定了障碍物的速度、航向.实验结果表明;该方法能够在25ms内实现对车辆通行区域内的障碍物进行有效的聚类,从而实现对同一障碍物速度和航向的检测.

激光雷达机器人车辆地头转向路径规划

对差速转向机器人车辆进行果园行尾地头转向路径规划研究,通过车辆运动分析,建立车辆运动学模型;进行U型地头转向和K型地头转向的路径生成与分析;采用层次分析法对生成路径优化选择,确定行尾地头转向路径;针对U型地头转向和K型地头转向进行实验验证。对于最佳生成路径对应的实测路径,U型地头转向时方向偏角与横向偏移均值为15.0°,13.7 cm,K型地头转向时方向偏角与横向偏移均值为13.7°,13.9 cm。

基于下肢康复机器人的激光雷达步态测量系统

时间和空间的步态参数为步态疾病的患者在进行康复训练时,提供了重要的信息。步态测量通常使用光学动作捕捉系统和压力板等进行。然而,这些系统因其高昂的价格,较大的占地面积和需要穿戴的要求难以应用于下肢康复机器人。该研究提出了一种基于下肢康复机器人使用激光雷达传感器的步态测量系统。首先将激光的原始数据采用聚类算法将其划分为左右两腿,利用最小二乘法拟合成腿圆。然后通过找寻到的脚跟着地和脚尖离地的时间和位置来计算步态参数。最后通过光学动捕系统来验证该测量系统的有效性。结果表明,基于激光雷达的步态测量系统的测量误差较小,该系统是步态测量的有效工具手段。

激光雷达在智能网联汽车上的应用

激光雷达是搭载智能网联汽车上的一种较为先进的传感器,通过介绍激光雷达传感器结构及工作原理,对激光雷达传感器的安装、标定方法及应用进行探讨分析。

博世为自动驾驶量产首个车用级激光雷达系统

自动驾驶车辆具有三要素——摄像头、雷达和激光雷达传感器,德国博世集团在推出摄像头和雷达之后,正在准备量产首个车用级激光雷达系统——长距离激光雷达传感器。对于国际自动机工程师学会(SAE)定义的L3~L5自动驾驶功能来说,激光测距技术必不可少。新型博世传感器同时覆盖长距离和短距离,适用于高速公路和城市道路的自动驾驶场景。

基于改进D3QN算法的泊车机器人路径规划

针对城市泊车问题,泊车机器人应运而生,其路径规划是重要的研究方向。由于A*算法的局限性,本文引入深度强化学习思想,并对由此发展起来的D3QN算法进行改进,将残差网络取代卷积网络,引入注意力机制,从而提出SE-RD3QN算法,以改善网络退化现象和提高收敛速度,并提升模型的精准率。在算法训练过程中,改进奖惩机制,以实现最优方案的快速收敛。通过与D3QN算法、增加残差层的RD3QN算法的对比实验,结果表明本文提出的SE-RD3QN算法在模型训练时可实现更快的收敛速度。与目前常用的A*+TEB算法的对比实验,结果表明本文算法在路径规划时可获得更短的路径长度与规划时间。最后通过模拟小车的实物实验,进一步验证了算法的有效性。这为停车路径规划提供了新的解决方案。

基于多源感知的智能巡检机器人系统设计

为了提高智能巡检机器人巡检效果,保障电力系统稳定运行,设计基于多源感知的智能巡检机器人系统。依据多源感知原理设计,系统的硬件单元包括传感器选型单元、控制器选型单元及其边缘设备通信单元;软件模块包括多传感器模型构建模块、多传感器获取特征融合模块与巡检机器人导航控制模块。通过设计与开发,实现了智能巡检机器人系统的运行。实验数据表明,应用所设计系统获得的巡检机器人响应时延更短,巡检机器人导航距离、角度偏差数据较小,充分证实了所设计系统提高了巡检机器人巡检效果,具有较好的应用性能,能够保障电力系统稳定运行。

欧盟研究项目为无人机和太空导航开发光子传感器

欧盟正在推进一项名为Inphomir的研究项目,该项目旨在利用中红外激光器和光子集成电路,为无人机和卫星开发超精密导航传感器,以提升卫星导航的精确性,提高太空任务的效率和经济性。该项目计划研制两个超低功耗传感器:一个光学陀螺仪和一个专门的激光雷达传感器,并将所有关键光学组件集成到一个芯片上。

基于相位相关滤波与点云特征的激光点云配准方法

文中针对激光点云配准效率低和处理时间长的问题,提出一种基于相位相关滤波结合特征的扫描配准方法。扫描配准算法被解耦为旋转匹配与平移匹配两个步骤。在旋转匹配中,霍夫描述符提取的线段特征结合相位相关滤波得到具体的旋转量。平移匹配主要基于点云的边界特征,使用相位相关滤波处理提取到的特征,得到准确的x和y方向的平移量。与传统的迭代最近点(ICP)相比,提出的配准策略在处理静态数据时错误率降低了89.2%,处理时间降低了91.6%。同时,动态数据实验表明提出的方法具有较低的中位数和更好地一致性。

智慧矿山挡墙状态检测方法

无人驾驶车辆在矿山行驶过程中,如果矿区挡墙出现破损而没有被及时发现并修复,车辆在行驶或卸载时超出挡墙安全范围,易造成安全事故。现有的挡墙状态检测方法多是基于车端、无人机传感设备采集的点云数据,视野有限,稀疏性较大,稳定性差,且缺乏针对挡墙状态完整性检测的方法。针对上述问题,提出了一种基于路侧激光雷达传感器的挡墙状态完整性检测方法。采用分辨率较高的路侧激光雷达传感器采集车辆行驶区域的挡墙点云数据,采用多边形区域滤波及体素栅格化获得完整的挡墙点云数据。采用滑动寻迹搜索技术,沿着挡墙延伸方向将其划分成子单元,以适应不同形状挡墙。针对矿区场地不平整及远处点云数据稀疏带来的误检问题,采用高度差阈值和密度阈值双阈值法,通过检测子单元的缺陷情况得到整个挡墙状态的完整性检测。采集了内蒙古某矿区“L”型、“S”型挡墙的点云数据,并在有遮挡和无遮挡的场景下进行现场试验,结果表明,该检测方法对不同形状挡墙的缺陷均具有较强的检测能力,能够实时识别并标记出点云数据的破损部位。