激光雷达(LiDAR)是联网汽车与智慧城市应用的关键
近日，美国交通部下属的国家公路交通安全管理局公布了2020年度交通事故数据，显示2020年是2007年以来死亡人数最多的一年。 在 45% 的致命事故中，乘用车司机至少有以下一种危险行为：超速、酗酒或未系安全带。 这些活动取决于驾驶员的行为——喝酒、不系安全带或猛踩油门。如果您想要一个加快引入自动驾驶汽车的充分理由，这就是。 然而，在现实中创造自动驾驶汽车比概念要复杂得多。他们需要一系列先进技术来理解周围的世界，包括传感器、摄像头和雷达。什么是激光雷达？
激光雷达（英文：Laser Radar），是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测信号（激光束）,然后将接收到的从目标反射回来的信号（目标回波）与发射信号进行比较,作适当处理后,就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、甚至形状等参数。NASA 最初在 1970 年代开发了用于太空的激光雷达。使用激光束为汽车的计算机和机械师创建 3D 视觉，以做出安全的驾驶决策。 该过程每秒重复数百万次，并为车辆提供高分辨率 3D 视图和周围环境地图，以实现安全导航。这使其能够在不同的照明和天气条件下识别和导航 300 米（980 英尺）范围内的物体。 激光雷达广泛用于汽车、电动自行车、卡车、送货机器人以及全自动驾驶汽车的高级驾驶辅助系统 (ADAS) 。它有助于自适应巡航控制、盲点监控、车道保持、紧急制动和行人检测等功能活动。Knightscope 的安全机器人配备了 Velodyne LiDAR 图片来源：Knightscope但是，与任何技术一样，激光雷达也在不断发展。为了了解这一点，我们与Velodyne的首席产品官Sinclair Vass 进行了交谈。Velodyne 生产用于 自动驾驶汽车、ADAS、地图、机器人和智能城市的测试和商业用途的传感器。 Velodyne 诞生于 2005 年DARPA 大挑战中进入汽车领域的一对兄弟。他们意识到现有摄像头和 LiDAR 的缺点，并开发了一种新的感知检测系统作为回应。该系统使用了一个旋转球，它可以发射 64 束激光，最远可达 90 米（300 英尺），并计算出光线反弹所需的时间，以每小时 48 公里（30 英里）或更高的速度绘制出前方道路的轮廓.激光雷达创建智能响应交通流
Velodyne LiDAR 正在运行。图片：Velodyne
激光雷达不仅可以帮助车辆实时感受和体验道路，还可以帮助车辆与交通监控等其他基础设施之间的通信。 Vass 解释说，激光雷达目前“位于十字路口的电线杆上”，并监控交通以改善“十字路口的流量”。具体来说，基于激光雷达的交通监控可以实时识别接近红绿灯的行人、自行车和其他道路使用者。最重要的是，它可以测量不同车道和红绿灯处的汽车速度和数量。有了这些数据，监控软件可以改变交通灯间隔，以减少行人等待时间并改善整体交通流量。Vass解释说：我们走一个糟糕的十字路口。让车辆移动也是为了安全，因为当你追踪擦肩而过的物体时，软件会确切地知道这辆车是否在1秒、5秒或10秒内超过了这辆车。你可以看到哪里可能发生事故。
激光雷达还可以通过减少空转车辆的数量来减少污染，从而提高城市的可持续性。了解周围环境的车辆还可以通过超速行驶等行动减少其碳足迹，这是一种节省燃料的特定驾驶技术（或者，对于电动汽车，电池寿命）。例如，可以实时了解其环境的卡车较少依赖硬制动或硬加速。因此，节省燃料。随着车辆自动化的发展，环境影响也在不断发展
传感器本身所消耗的能量非常小，但随着使用量的增加，它们对环境的影响可能会引起人们的关注。 Velodyne 的 Velarray H800 传感器。图片：VelodyneVelodyne 通过创建Velarray H800传感器减少了其碳足迹，该传感器比同类中的其他 LiDAR 传感器消耗更少的功率，扩展了系统工作范围并减少了热负荷。 该公司指出，嵌入较低功率单元的汽车可以节省大量能源。 Velarray H800 通常消耗 13 W 的能量，而 Luminar LiDAR（通常消耗 25 W 并与 30 W 后端单元相结合）需要高达 55 W。 对于单个传感器配置，每辆车的差异高达 0.042 kW。 美国交通部沃尔佩中心指出，2015 年美国人花费了 840 亿小时的驾驶时间。如果当年运营的车辆中只有一半配备了单个 LiDAR 传感器，则使用较低功率单元将节省 17.6 亿千瓦时。 这种能源可以为超过165,000 个美国普通家庭供电一年。我们距离大量自动驾驶汽车、送货机器人或与道路使用者和其他城市基础设施无缝通信的完全连接的智能城市还有很长的路要走。但它来了，激光雷达在确保我们成功安全到达那里方面发挥着关键作用。
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
