使用跟踪的激光雷达看得更远
技术一直是将我们从最无聊的任务中解放出来的工具。对于现代世界中的许多人来说，没有什么比在早上通勤时堵车，或者连续数小时处理高速公路催眠和长周末交通更令人厌烦的事情了。虽然这引发了人们对自动驾驶汽车（av）的极大兴奋，但2吨重的金属片在无人看管的情况下四处乱窜的前景也导致人们重新关注技术，以实现其安全运行。
为了实现超人的安全1，各种动态物体（如其他汽车、行人和自行车）的详细 3d 地图通常被认为是自动驾驶汽车必不可少的。 光探测和测距 （lidar） 传感器通常被认为是船上最有用的系统之一，因为它们能够形成如此详细的地图。
自动驾驶汽车能够可靠地检测到道路上物体的存在越远，规避操作就越容易。analog garage（adi公司的技术中心）的研究人员研究了扩大激光雷达系统的检测范围，并开发了一种利用物体移动的物理约束来扩展范围的方法。为了理解这一点，我们首先解释激光雷达的工作原理。
激光雷达的工作原理
激光雷达系统向物体发射激光脉冲，并测量光从物体反射并返回传感器所需的时间，如图2所示。通过沿水平和垂直方向扫描激光，激光雷达系统形成其前方场景的完整3d地图。每个这样的地图都称为框架。现代激光雷达系统的帧速率通常在每秒 10 到 30 帧 （fps） 之间。
图2.激光雷达的工作原理。
一旦激光向特定方向发射，传感器就会记录来自该方向的光，将其转换为电信号，并使用称为匹配滤波器的技术在该信号中搜索激光脉冲形状的位置。将匹配滤波器的输出与阈值进行比较，如果信号超过阈值，则声明检测。
检测限
当然，现实世界中没有什么是理想的。激光雷达中的检测过程引入了噪声，包括来自接收器各个组件的电噪声和来自探测器本身的光噪声。因此，只有从物体接收到足够的光，使匹配的滤波器能够将该信号与噪声区分开来，才能检测到物体。
物理学告诉我们，光的强度下降是它从源头行进的距离的平方。实际上，这意味着激光雷达系统从200米外的物体接收的反射激光量仅为100米外同一物体接收的光量的四分之一。
因此，我们的匹配滤波器将更难看到更远的物体，并且在极端情况下，当物体足够远时，激光雷达系统将不可见它。图3显示，我们成像的汽车的返回信号幅度随着距离的流逝而急剧下降，在220米外，信号与噪声基本无法区分，并且被设置的检测阈值所遗漏。
图3.距离对激光雷达回波信号的影响。
我们可以通过设置一个非常低的检测阈值来解决这个问题，这样图 3 中 220 m 处的汽车就可见了。显然，考虑到snr水平，我们也会检测到很多噪声。现在，一个完整的3d数据帧中有许多闪光灯 - 其中一些对应于对象，其中一些只是噪声。例如，图 4 显示了 lidar 帧的一个垂直切片（即固定垂直角度）中的所有检测（阈值后）。大多数检测只是噪声，但有些确实对应于真实对象。我们怎么知道哪个是哪个？虽然仅用一帧很难做到这一点，但在我们看到几帧数据后，它变得更加可行。
图4.激光雷达框架的单个垂直切片。
萤火虫工艺
为了理解原因，我们可以像这样模拟闪光灯：假设有一只萤火虫在一个盒子周围嗡嗡作响，我们每隔一段时间就会看到萤火虫的闪光。不幸的是，我们也看到来自环境的随机闪光，这些闪光可能发生在任何地方。更糟糕的是，我们有时会错过萤火虫的闪光，我们测量萤火虫的位置通常不是很完美。
我们问的基本问题是“给定一个闪光序列，其中每个闪光都是来自单个帧的闪光，我们能判断整个序列是否来自萤火虫吗？给这些问题的技术术语是假设检验。我们必须做出决定的信息是帧每秒到达 10 次（帧速率为 10 fps），并且萤火虫只能在这段时间内以物理上合理的方式移动。例如，萤火虫不能在框架中穿过盒子的长度，因为那在物理上是不切实际的速度;而且它不能在 2 帧内反转方向，因为那将是物理上不切实际的加速。
换句话说，我们可以使用的信息是，萤火虫所遵循的轨迹必须是物理对象确实可以采取的轨迹。应用这些基于轨道的约束可以让我们将它们与噪声产生的轨道区分开来。假设检验的语言使我们能够确定并应用给定任意长度轨迹的约束的数学形式。给定来自连续两帧和三帧的闪光，约束只是对轨道速度和加速度的限制。对于较长的轨道，约束没有那么简单的解释，但应用起来非常简单。
结果
图 5 演示了该技术在两个简单场景中的有效性。左边的图像是框架中内容的真实地图，为了简单起见，道路等物体被剥离了。中间的图像显示了我们从具有合理阈值的传统处理中得到的结果，右侧显示了我们在萤火虫处理后得到的结果。萤火虫过程可检测近300米外的物体。最先进的激光雷达系统的范围约为150米。
图5.通过使用萤火虫过程进行跟踪进行检测的示例。
表1显示了从萤火虫处理和常规处理中获得的检测（%）和误报数量（每帧）（mf代表匹配滤波器）。设置检测阈值，以便我们根据预先收集的统计数据具有 99.9% 的置信度，即特定峰值对应于某个对象。但是，检出率非常低。使用轨道约束有很大帮助。
群集大小 长度 检测 % 假位置。
萤火虫 3
4
5
6
7
8
9
10 67.7 65.6
61.5 58.8 55.1
51.6 46.9
40.6 3.14 0.12 0.04 0.02 0.03 0.02 0.00
0.00
中频峰值 99.9% 1
10
20
50 19.1 18.0
13.1
6.7 52.00
14.34 0.00
0.00
结论
萤火虫过程描述了物体如何移动的边界，也就是说，它详细说明了约束，不是针对探测器或信号链，而是针对它们正在测量的物体。我们认为，它提高检测率的能力有一个重要的教训：通过利用我们设计的系统外部的约束和想法，通常可以大大改善传统的检测和信号链问题。我们希望继续利用这些见解来设计更智能、更复杂的信号链，并尽可能继续从利用非常规约束中获得优势。
硬蛋创新助力 Newtouch验证平台实现四次迭代 加速芯片应用市场持续升级
二极管在逆变器中的应用
相变存储器(PCM)单元中储存多个位元的方法
索尼SRS-XB30无线扬声器评测 值不值得买
机器学习中梯度下降法的过程
使用跟踪的激光雷达看得更远
嵌入式Linux设计:文件系统和引导加载程序
福清首座5G智能垃圾分类屋能通过5G系统连接，实现数据可视化
MediaTek发布天玑8000 系列轻旗舰5G移动平台
为什么大家都喜欢用C语言编写操作系统
曝史上最富艺术的DIY电脑主机，价值1万1千美金“壕”无人性！
需求与政策助力救援机器人行业的爆发
自动控制原理是什么
区块链50指数正式发布
广州市新能源汽车地方补贴申领信息登记工作启动会在CVC威凯成功举办
超级电容器技术与其主要电池技术的对比
意法半导体推出身份证微控制器ST23YR80
RF-DG-52PAS Zigbee3.0协调器Home Assistant上手指南
示波器探头接口整理汇总
5.5英寸小米MIX曝光，2999元起年底推出？
为了实现超人的安全1，各种动态物体（如其他汽车、行人和自行车）的详细 3d 地图通常被认为是自动驾驶汽车必不可少的。 光探测和测距 （lidar） 传感器通常被认为是船上最有用的系统之一，因为它们能够形成如此详细的地图。
自动驾驶汽车能够可靠地检测到道路上物体的存在越远，规避操作就越容易。analog garage（adi公司的技术中心）的研究人员研究了扩大激光雷达系统的检测范围，并开发了一种利用物体移动的物理约束来扩展范围的方法。为了理解这一点，我们首先解释激光雷达的工作原理。
激光雷达的工作原理
激光雷达系统向物体发射激光脉冲，并测量光从物体反射并返回传感器所需的时间，如图2所示。通过沿水平和垂直方向扫描激光，激光雷达系统形成其前方场景的完整3d地图。每个这样的地图都称为框架。现代激光雷达系统的帧速率通常在每秒 10 到 30 帧 （fps） 之间。
图2.激光雷达的工作原理。
一旦激光向特定方向发射，传感器就会记录来自该方向的光，将其转换为电信号，并使用称为匹配滤波器的技术在该信号中搜索激光脉冲形状的位置。将匹配滤波器的输出与阈值进行比较，如果信号超过阈值，则声明检测。
检测限
当然，现实世界中没有什么是理想的。激光雷达中的检测过程引入了噪声，包括来自接收器各个组件的电噪声和来自探测器本身的光噪声。因此，只有从物体接收到足够的光，使匹配的滤波器能够将该信号与噪声区分开来，才能检测到物体。
物理学告诉我们，光的强度下降是它从源头行进的距离的平方。实际上，这意味着激光雷达系统从200米外的物体接收的反射激光量仅为100米外同一物体接收的光量的四分之一。
因此，我们的匹配滤波器将更难看到更远的物体，并且在极端情况下，当物体足够远时，激光雷达系统将不可见它。图3显示，我们成像的汽车的返回信号幅度随着距离的流逝而急剧下降，在220米外，信号与噪声基本无法区分，并且被设置的检测阈值所遗漏。
图3.距离对激光雷达回波信号的影响。
我们可以通过设置一个非常低的检测阈值来解决这个问题，这样图 3 中 220 m 处的汽车就可见了。显然，考虑到snr水平，我们也会检测到很多噪声。现在，一个完整的3d数据帧中有许多闪光灯 - 其中一些对应于对象，其中一些只是噪声。例如，图 4 显示了 lidar 帧的一个垂直切片（即固定垂直角度）中的所有检测（阈值后）。大多数检测只是噪声，但有些确实对应于真实对象。我们怎么知道哪个是哪个？虽然仅用一帧很难做到这一点，但在我们看到几帧数据后，它变得更加可行。
图4.激光雷达框架的单个垂直切片。
萤火虫工艺
为了理解原因，我们可以像这样模拟闪光灯：假设有一只萤火虫在一个盒子周围嗡嗡作响，我们每隔一段时间就会看到萤火虫的闪光。不幸的是，我们也看到来自环境的随机闪光，这些闪光可能发生在任何地方。更糟糕的是，我们有时会错过萤火虫的闪光，我们测量萤火虫的位置通常不是很完美。
我们问的基本问题是“给定一个闪光序列，其中每个闪光都是来自单个帧的闪光，我们能判断整个序列是否来自萤火虫吗？给这些问题的技术术语是假设检验。我们必须做出决定的信息是帧每秒到达 10 次（帧速率为 10 fps），并且萤火虫只能在这段时间内以物理上合理的方式移动。例如，萤火虫不能在框架中穿过盒子的长度，因为那在物理上是不切实际的速度;而且它不能在 2 帧内反转方向，因为那将是物理上不切实际的加速。
换句话说，我们可以使用的信息是，萤火虫所遵循的轨迹必须是物理对象确实可以采取的轨迹。应用这些基于轨道的约束可以让我们将它们与噪声产生的轨道区分开来。假设检验的语言使我们能够确定并应用给定任意长度轨迹的约束的数学形式。给定来自连续两帧和三帧的闪光，约束只是对轨道速度和加速度的限制。对于较长的轨道，约束没有那么简单的解释，但应用起来非常简单。
结果
图 5 演示了该技术在两个简单场景中的有效性。左边的图像是框架中内容的真实地图，为了简单起见，道路等物体被剥离了。中间的图像显示了我们从具有合理阈值的传统处理中得到的结果，右侧显示了我们在萤火虫处理后得到的结果。萤火虫过程可检测近300米外的物体。最先进的激光雷达系统的范围约为150米。
图5.通过使用萤火虫过程进行跟踪进行检测的示例。
表1显示了从萤火虫处理和常规处理中获得的检测（%）和误报数量（每帧）（mf代表匹配滤波器）。设置检测阈值，以便我们根据预先收集的统计数据具有 99.9% 的置信度，即特定峰值对应于某个对象。但是，检出率非常低。使用轨道约束有很大帮助。
群集大小 长度 检测 % 假位置。
萤火虫 3
4
5
6
7
8
9
10 67.7 65.6
61.5 58.8 55.1
51.6 46.9
40.6 3.14 0.12 0.04 0.02 0.03 0.02 0.00
0.00
中频峰值 99.9% 1
10
20
50 19.1 18.0
13.1
6.7 52.00
14.34 0.00
0.00
结论
萤火虫过程描述了物体如何移动的边界，也就是说，它详细说明了约束，不是针对探测器或信号链，而是针对它们正在测量的物体。我们认为，它提高检测率的能力有一个重要的教训：通过利用我们设计的系统外部的约束和想法，通常可以大大改善传统的检测和信号链问题。我们希望继续利用这些见解来设计更智能、更复杂的信号链，并尽可能继续从利用非常规约束中获得优势。
硬蛋创新助力 Newtouch验证平台实现四次迭代 加速芯片应用市场持续升级
二极管在逆变器中的应用
相变存储器(PCM)单元中储存多个位元的方法
索尼SRS-XB30无线扬声器评测 值不值得买
机器学习中梯度下降法的过程
使用跟踪的激光雷达看得更远
嵌入式Linux设计:文件系统和引导加载程序
福清首座5G智能垃圾分类屋能通过5G系统连接，实现数据可视化
MediaTek发布天玑8000 系列轻旗舰5G移动平台
为什么大家都喜欢用C语言编写操作系统
曝史上最富艺术的DIY电脑主机，价值1万1千美金“壕”无人性！
需求与政策助力救援机器人行业的爆发
自动控制原理是什么
区块链50指数正式发布
广州市新能源汽车地方补贴申领信息登记工作启动会在CVC威凯成功举办
超级电容器技术与其主要电池技术的对比
意法半导体推出身份证微控制器ST23YR80
RF-DG-52PAS Zigbee3.0协调器Home Assistant上手指南
示波器探头接口整理汇总
5.5英寸小米MIX曝光，2999元起年底推出？