“智能化”驱动下，激光雷达有望迎来放量期

<正>激光雷达从21世纪初引入汽车领域，随着ADAS渗透率的提升而迎来快速发展。激光雷达最先用于地图测绘领域，高精度要求使得激光雷达成本居高不下。随着之后的发展，激光雷达领域企业不断增多，激光雷达的产品性能稳步提升，成本大幅下降，行业也迎来了长足的发展。激光雷达产品成熟度持续提升激光雷达是一种通过脉冲激光照射目标，并用传感器测量反射脉冲返回时间来测量目标距离的测量工具。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，进行适当处理后，可获得有关信息，从而对周围环境进行探测、跟踪和识别。它由激光发射机、光学接收机、转台和信息处理系统等组成。其核心优势在于利用激光的高频特性进行大量、高速的位置及速度信息测量，形成准确清晰的物体3D建模。     

基于LabVIEW和激光雷达的智能车辆障碍物检测

将LabVIEW引入智能车辆研究与应用领域,提出基于LabVIEW和激光雷达的智能车辆障碍物检测系统。该系统采用激光雷达探测智能车辆前方的物体,测到的距离数据经串口传输至计算机（LabVIEW）后,由LabVIEW对数据进行处理和分析,完成智能车辆前方障碍物检测。该系统设计了激光雷达控制、串口VISA操作、数据采集、处理及存储、直角坐标和极坐标图像、障碍物检测等程序。实验结果表明,该方案是可行的,可以作为研究智能车辆技术的一种新的方法。     

法雷奥新一代激光雷达技术让自动驾驶成为现实

<正>作为高级驾驶辅助系统(ADAS)的全球领导者,法雷奥近日展示了其第三代扫描激光雷达(LiDAR),该产品将于2024年投放市场。这项技术能够显著提升驾驶辅助系统的性能,使得自动驾驶成为现实,同时极大地提高了道路安全水平。法雷奥第三代激光雷达在探测距离、分辨率、帧率等方面的性能都超乎寻常。     

基于激光雷达的车辆换道预警系统设计

针对换道过程存在风险性的特点,采用激光雷达与微处理器设计了车辆换道预警系统。换道过程中,车辆前后两个激光雷达对周围其他车辆进行探测,微处理器对自身车辆与周围其他车辆的相对位置关系进行判断,当识别得到存在碰撞风险时利用I/O接口向驾驶员提示危险,从而避免事故的发生。     

激光雷达企业在资本市场有多吃香？

<正>作为自动驾驶的核心传感器,激光雷达具备强大的空间三维分辨能力,在探测距离、精准性等方面颇具优势,被称为无人车的“眼睛”,也是L3+高级别自动驾驶的必备传感器之一。风口之上,诸多激光雷达企业获得大量投资。在此,笔者梳理各大企业的融资情况,观察具有何种特质的企业更具发展潜力和资本青睐。     

德尔福联手Innoviz为自动驾驶汽车提供高性能激光雷达解决方案

正德尔福汽车公司近日宣布与业内领先的以色列Innoviz公司签署商业合作协议。Innoviz公司致力于研发大规模商用自动驾驶汽车的激光雷达技术,这些技术未来将被整合应用于德尔福自动驾驶系统中,为汽车制造商提供一整套自动驾驶技术方案组合。Innoviz激光雷达技术采用固态设计,具备优秀的远程扫描性能,目标探测能力强、精确性高。远程激光雷达对于     

智能网联汽车激光雷达传感器常见故障诊断

<正>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。     

基于三维激光雷达的道路可通行区域分割提取方法

为实现无人驾驶车辆利用车载三维激光雷达提取道路可通行区域,提出了一种基于小波变换结合模糊线段拟合的道路分割提取方法。利用探测倾角聚类的方法分割激光雷达扫描线在地面上的投影,通过小波变换初步确定路沿和障碍物位置,再使用模糊线段的方法精确定位路沿和障碍物。试验结果表明,该方法具有较高的精度与实时性。     

隧道穿越采空区施工技术研究

介绍了隧道穿越采空区的施工方法及控制措施，通过调查和探测采空区分布，有针对性地对不同分布情况采取对应措施，通过超前地质预报、优化施工参数和控制爆破等技术方法及措施，安全顺利地完成了隧道的施工，可为类似工程提供经验和依据。     

凸凹不平道路几何参数识别和模型重构方法研究

自动驾驶汽车的凸凹不平道路和异常路面行驶，不仅要考虑道路曲率等因素，还需要对路面凸起、凹坑等特征和病害进行识别建模，提高车辆通过性、安全性和舒适性。为此，本文提出了一种基于激光雷达的凸凹不平道路几何参数识别和模型重构方法。首先，将局部加权散点平滑方法（Lowess）首次应用于激光雷达点云处理，提高了激光雷达点云数据的平滑性；其次，提出了基于斜率阈值分割的路面几何参数识别方法，通过设置斜率阈值对道路凸起与凹坑进行识别提取；再次，通过识别特征点云边界构建了带约束的分段多项式函数路面连续典型特征拟合数学模型。最后，通过建立的室内路面典型特征沙盘模型及路面实测数据，应用本文提出的方法，对凸凹不平道路的凹坑和凸起等特征进行了识别和模型重构。结果表明，分段多项式拟合方法在拟合次数5～6次时达到拟合效果极限位置，此时各个场景中92%的数据点拟合均方根误差在0～0.015 m范围内，本文提出的方法能准确完成凸凹不平道路几何参数识别，实现路面典型特征三维数学模型重构。     

基于真实事故形态分析的行人探测模型研究

以长沙市汽车碰撞行人事故形态分析为基础,研究在汽车主动避撞系统的响应时间内,行人被感应器及时探测到的概率.具体地,从长沙IVAC数据库的389起车辆碰撞行人事故中,挑选出F1和F2两种最常见的事故形态类型,且能估算其行驶速度的案例分别为65和64起.结合车辆和行人运动轨迹、运动速度等参数,对F1和F2事故案例建立了行人探测模型.针对给定的感应器探测半角(15°、30°和45°),分别计算出了行人的探测概率.结果显示,当探测半角≥30°时,94%以上的行人能被及时探测.     

基于改进DBSCAN算法的激光雷达目标物检测方法

传统的DBSCAN聚类算法是基于密度的聚类算法,原始算法在搜索精度和搜索效率上存在一定的局限性。基于LUX4线激光雷达数据点的点云特点,结合DBSCAN算法存在的不足与路面目标物的实际情况,提出了1种基于改进的DBSCAN聚类算法,选取4个代表点取代对所有点的搜索和改进搜索半径使其随扫描的距离而变化的方法,实现激光雷达目标物的快速、准确检测。通过改进DBSCAN算法对雷达数据进行去噪声和聚类处理,根据检测物在激光雷达探测中的形状特征模型进行形状匹配。实验结果表明该改进算法能较好的识别出目标物,行人检测率由原始算法的61.90%提高到了80.95%,搜索时间较原始算法缩短了44.7%,解决了原始算法精度低、搜索慢的缺点。     

西周岭特长隧道敏感地带多尺度地质判析

对特长隧道穿越的地质突变、岩爆、地下水资源等地质敏感地带,以“多尺度预报、综合判析”为指导原则,根据地质条件、技术条件、施工状况,合理地选采用地质预报方法,采用物探与地质相结合,合理地采取多参数或多种仪器类型组合的多方法结合,长短结合的多尺度(长、短、面、超前)探测,结合洞内外探测成果,进行综合判析地质工程特性,加强对隧道敏感地带地质预报的判读和分析,合理确定设计参数和施工方案;总结了地质判析原则和不同地质预报目标的要素,可作为长大隧道动态控制的参考.     

探地雷达在穿路顶管及路基扰动检测中的应用

探地雷达技术具有整体性、连续性、直观性、快速性、简便性等特点,高速公路的道路结构分层和金属管道性质及其电磁参数差异为探地雷达检测提供了基本物理前提。通过浙江一天然气管道顶管穿越高速公路段的探测实例表明,探地雷达技术可有效地用于顶管穿越高速公路时的顶管及其对路基土体扰动异常范围的检测。     

基于相机与激光雷达融合多目标检测算法研究

准确的多目标感知系统是自动驾驶技术的关键。本文提出了一种基于相机与激光雷达融合的多目标检测算法。针对相机传感器无法获得准确的目标距离等深度信息,激光雷达无法获得准确的目标类别信息的问题,首先采用嵌入自适应特征融合模块的YOLOv7网络处理相机数据,同时对激光雷达数据进行点云预处理以消除无用的噪声点;其次,利用坐标变换将激光点云数据和相机数据转换到像素坐标系中;最后,采用基于ROI感兴趣区域的方法对点云进行聚类处理,以参数加权的方式融合两种传感器的检测结果。实验结果表明,嵌入改进YOLOv7网络的融合算法能够检测出更加准确的目标信息。     

为什么自动驾驶传感器首选毫米波雷达?

本文从自动驾驶的定义和分类入手,首先沿着顶层感知、决策、控制等三个核心概念向下逐层递进;再通过对传感器的分类,聚焦感知系统核心部件激光雷达和毫米波雷达;然后分析各个产品结构、参数等技术资料,结合国际市场ABCD四大公司技术发展趋势,推导出预期的结论。     

非煤地层隧道有毒有害气体施工探测技术研究

目前国内铁路工程行业针对如何探测非煤地层隧道的有毒有害气体暂无规范、标准可循,因此研究非煤地层隧道有毒有害气体探测技术具有十分重要的意义。为了尽可能使探测技术系统化、规范化,文章以大临铁路红豆山隧道探测技术为例,提出了地震波反射法(TSP)、地质雷达法、瞬变电磁法、钻探法(超前钻孔、加深炮孔、径向探孔)、有毒有害气体检测等技术措施相结合的综合探测技术。该技术成功应用于实际工程,较好地解决了探测非煤地层中有毒有害气体分布类型、位置、浓度、压力、涌出量等相关参数,能够为制定有毒有害气体防治技术措施提供依据,使施工安全得到了保障,取得了较好技术经验和经济收益,可为今后类似工程施工提供重要参考,为制定行业的标准和规范提供依据。     

智能车辆安全辅助驾驶技术研究近况

论述了安全辅助驾驶技术的研究现状、研究的必要性以及研究进展。安全辅助驾驶技术包括车道偏离预警与保持、前方车辆探测及安全车距保持、行人检测、驾驶员行为监测、车辆运动控制与通讯等。分析了各种传感器的优缺点及其在实际应用过程中存在的问题,基于单一传感器不能很好地解决安全辅助驾驶技术可靠性和环境适应能力的要求,应结合激光雷达技术解决图像模糊问题,利用红外传感器增强机器视觉识别的可靠性,未来的安全辅助驾驶技术应该采取多种传感器融合的技术,结合毫米波雷达和激光雷达系统具有深度测量精确的特点,将极大的推动汽车安全辅助驾驶系统的应用和推广。     

降雨条件对车载激光雷达性能影响的试验研究

激光雷达是自动驾驶车辆最为关键的传感器之一，被广泛用于车辆定位、目标检测与跟踪等任务。然而，激光雷达的点云数据会受到恶劣天气（如雨、雾、雪等）的严重影响，致使自动驾驶全天候行驶仍然面临着巨大挑战。为了量化评估恶劣天气对激光雷达性能的影响，分析了降雨环境下激光雷达的性能，基于构建的场地降雨模拟系统控制降雨量，通过多视角的静、动态试验定性与定量分析激光雷达测距精度、典型目标点密度、有效检测距离等性能参数与降雨量之间的关系。试验结果表明：车辆作为目标物时，目标物上的激光点云受降雨的影响最大，相较于无雨环境，中雨时打在汽车上的激光点数降低幅度超过了60%，检测距离下降了69%，并且随着降雨量的增大激光雷达对目标的有效检测距离持续下降；试验方法和结果对于测试评价自动驾驶性能及提升降雨环境下的激光感知能力具有重要意义。     

基于手眼模型的自动驾驶毫米波和激光雷达联合标定研究

为了提高自动驾驶汽车传感器的校准质量,增强自动驾驶系统对目标的精准感知能力,提出了基于手眼模型的毫米波和激光雷达联合标定方法。首先,利用毫米波雷达的内在结构特征建立数学模型,对毫米波和激光雷达传感器的外部参数进行精确计算,确保在统一的世界坐标系中。然后利用手眼模型作为融合分析的基础,实现了毫米波和激光雷达的联合标定。最后,在自动驾驶小巴车平台上进行了标定试验,利用该标定系统得到标定结果的三维位姿关系,并验证了自动驾驶小巴车传感器数据的准确性。研究结果表明,该方法测距误差均值为0.01 m左右,传感器旋转角度可以精确到1°左右,可以满足汽车自动驾驶系统中雷达感知精度的要求。