CES上的激光雷达

图片

尽管CES是消费电子产品的展览,但激光雷达和机器人汽车的其他组件已成为其展示的重要组成部分。至少有43家公司在CES上展示了其激光雷达,一些消息人士称,目前在这一领域有大约150家不同的公司在工作。如果您查看这些公司的产品,您会发现他们的设计很少会意外地重复进行-几乎每种设备都是以自己的方式制造的,每个公司都认为他们的方法有机会为他们带来胜利。

此次CES的主要新闻是博世(Bosch)机器人机器的激光雷达的参加,生产率的增长,多家公司的廉价激光雷达以及一些展示其设计选择的新参与者。

激光雷达公司寻求在以下一种或多种类别中获胜:

  1. 该公司的主要成功是将其激光雷达用于成熟的机器人汽车
  2. 其他公司正在努力为“自动驾驶”创建激光雷达,这对驾驶员有帮助,尽管其中一些系统(例如,在Tesla中)不使用激光雷达。
  3. 范围更短,更便宜的设备可以为低速航行提供可视性,并可以观察从主激光雷达的视野中消失的靠近汽车的物体。
  4. 一些公司在其他领域依靠良好的业务。例如低速机器人技术,智能城市识别和安全性。

激光雷达目标


特别是在前两类中,有许多重要的区分方法,所有这些方法均旨在实现以下目标:

  1. 价格:出租车可以负担得起昂贵的传感器,但对于私家车,可能无法使用。如果有这样的机会,每个人都想保存。
  2. 范围:在高速公路上行驶时,需要200米或更大的范围。对于波长为1550 nm的激光雷达来说,这不是问题,并且仍然需要进一步开发905 nm的激光雷达。特别令人关注的是黑暗且难以检测的物体,例如沥青上的轮胎。
  3. 可靠性:每个人都希望该设备能够在恶劣的汽车环境中(带有大量振动)继续工作并保持校准状态。许多早期的激光雷达对此都有问题。
  4. : , , .
  5. : 360 . , . , .
  6. : , 10 , , , 20-30. .
  7. 特殊功能:测量目标的速度,防止干扰,一次闪光捕获整个场景-所有这些都是激光雷达的附加功能。
  8. 尺寸:较小的尺寸和易于集成到汽车中是激光雷达的优势,尽管首次使用者可能更喜欢更清晰易懂的传感器,例如安装在车顶上的360度设备。
  9. 解码:这包括解码返回信号的最佳硬件,以及与有助于解释生成的点云的特殊软件的连接。

技术差异


为了实现上述所有目标,需要各种激光雷达。它们的波长,发射器和检测器的类型,光学器件以及它们如何引导射线(如果将它们定向)以及如何处理信号都可以变化。

激光波长非常重要。在1550 nm(远红外线)下工作,可以安全地使用更多的能量来扩大工作范围。而且,由于我们不能使用廉价的硅微电路,因此该技术非常昂贵。以下关系适用于短红外光谱:波越短,硅微电路的效率越高,但周围的阳光越多。在这些范围内,很难远距离识别复杂的暗目标,但是许多制造商声称他们可以应对。识别诸如后向反射器(可以在交通标志和车道标记上看到的反射器)之类的物体很容易,但是黑色汽车,衣服和轮胎则是另一回事。

此外,设备的光束控制方法也不同。一些激光雷达,尤其是老式和360度激光雷达,会简单地将整个激光雷达旋转一圈。您会看到许多带有小型镜子的设备,这些镜子可以振动(通常为二维)来引导光线。另一种流行的方法是使用可以嵌入芯片中的微机电系统(它们通常被称为固定的,但它们的移动部件很小)。

这些固态电路方法包括相控阵控制(通常在雷达中发现)和基于频率的控制(使用频率可以快速改变的激光器,以及根据其频率设置光改变方向的棱镜)。

市场上的新参与者Bajara使用此方法来控制一个方向。也有传言说克鲁斯购买的闪光灯是使用这种方法。

闪光灯激光雷达不会扫描。相反,它们安装了大量的传感器(可能还有发射器)以一次捕获整个场景。这是非常昂贵的,并且由于闪光灯需要巨大的功率,因此也很难获得较高的观看范围。得益于廉价的垂直辐射激光器阵列,像Sense Photonics这样的新公司希望以此方法取胜,尽管目前它们无法提供足以在高速公路上行驶的可视范围。

这些固态方法是必需的,因为据信它们将在恶劣的汽车条件下是最可靠的。大型运动部件更难以维护和校准。但是,您可以猜到,每个供应商现在都坚持认为其产品可靠,并且不需要经常更换或维护,而这正是汽车制造商的要求。每晚返回机队的自动驾驶出租车只有在提供其他显着好处的情况下,才能接受可靠性较差的设备。

博世


最受关注的新秀是博世。尽管他们表示将在CES上推出其新的激光雷达,但搁置并没有透露任何细节,只是他们的激光雷达射程高且其价格适合驾驶员辅助技术市场。 (通常,在驾驶员辅助市场中,需要的传感器成本将大大低于1000美元,因为没有人愿意为出售的汽车增加数千美元的价格。更昂贵的传感器也适用于出租车市场,因为此价格在乘客中间分配-几美分每英里)。

人们关注博世,因为该公司是全球顶级汽车零部件的领先供应商之一。没有人能更好地进入汽车制造商市场,每个人都对这家公司非常了解并信任它。相对于鲜为人知的小型创业公司,这是一个重大优势。如果博世创造出像样的激光雷达,它的性能可能会超过小公司的激光雷达。据博世员工称,他们研究了市场上所有的激光雷达供应商,希望找到他们可以购买或达成合作协议的激光雷达供应商。他们发现所有方法都缺少某些东西,因此决定自己创建激光雷达。他们声称,即使考虑到所有多样性,他们的设计也不与已经介绍的任何设计相同。他们声称没有找到一家公司,之所以能够被收购,可能是由于公司在机器人汽车领域提出了很高的要求。

我们将不得不等待,以找到有关博世正在制造的设备的更多信息。

专注于驾驶员协助


展会的另一个主题是所谓的“机器人汽车的冬天”-一些公司表示,他们将重新致力于驾驶员辅助技术。尽管最早的热情涉及在全自动机器人汽车和出租车中使用激光雷达,但大多数公司认为,更简单,更便宜的激光雷达市场将有更多的销售,目的是为特斯拉自动驾驶仪(不使用激光雷达但会落入某些本可以避免的事故)。

实际上,汽车制造商会在向最终用户销售功能齐全的自动驾驶汽车之前出售许多驾驶员辅助系统。后者特别困难,因为用户不喜欢只能在某些地方使用的汽车,而且他们不会每天将汽车带回商店进行改进(即机器人的工作方式)。诸如特斯拉自动驾驶仪之类的产品已成为高端汽车的必备功能(特斯拉仅销售这些产品)。激光雷达可以使这种产品更安全,并使其更快(如果它们落在价格范围内)。并非每个OEM都准备好创建没有激光雷达的系统(或更先进的系统,使驾驶员在高速公路上行驶时可以忽略道路)。

较低的价钱


几乎所有公司都预测,在开始大规模生产后,其激光雷达的价格将不到1000美元。 1550 nm的激光雷达的平均价格从500美元到1,000美元不等。 905 nm-200至300 nm。中国供应商正在提倡低廉的生产成本,因为他们将率先制定这些价格。最令人印象深刻的播放器之一是Livox-他们提供的激光雷达的价格从600美元到1200美元不等。

尽管事实上所有公司都需要承诺低价,但许多公司似乎对他们的估计充满信心,这意味着我们可以确定,供应商之一的低成本激光雷达将在几年内面市-有关机器人机器的大多数预测就这样这对于相机和激光雷达之间的争议非常重要,因为支持相机的主要论据之一是激光雷达的高成本。仅使用相机的玩家(例如Tesla)依靠计算机视觉才能很好地工作。带激光雷达的玩家将赌注押在传感器的廉价上。最有可能打赌激光雷达。整个讨论远非简单,但成本是重要的组成部分。像埃隆·马斯克(Elon Musk)这样的人认为,不需要任何价格的激光雷达,就称它们为拐杖。与此同时,到目前为止,计算机视觉只有一条腿。

速度回归


一些公司提供使用激光雷达测量移动目标速度的方法。这通常使用多普勒效应完成,该效应可以在使用具有频率调制的连续波的设备中进行计算-这就是大多数汽车雷达的工作原理。

去年,从事连续调频雷达的公司Blackmore被Aurora收购。其他几家独立公司(例如Aeva和其他公司)也在推广相同的方法。

知道目标移动的速度非常有帮助。如果使用传统的激光雷达,则需要研究几帧来确定物体的速度。这可能导致每帧延迟100到200 ms,然后进行相同数量的处理。这可以在紧急情况下有所作为(例如道路上意外的障碍)。

Luminar是1550 nm激光雷达领域的领先者,已经开发出了另一种方法。它们每隔几毫秒就会向感兴趣的对象发送几个激光脉冲。如果您精确地执行此操作,那么这足以确定对象的速度。使用这项技术(或使用调频连续波雷达),您无需任何计算即可在几毫秒内识别出站立的物体,而无需花费400毫秒使用计算机视觉或传统的激光雷达。特斯拉最近的撞车事故涉及停在左车道上的汽车相撞,这表明了这种识别技术的重要性。

谁赢了?


每个公司都有自己的故事,讲述如何走向胜利。以下是决定获胜者的因素:

  1. 1550 , .
  2. ( ) .
  3. , , .
  4. OEM- ( Bosch) .
  5. , . , , , .
  6. ( ) , 360 , .
  7. . , .

在接下来的几个月中,将会有新话题谈论激光雷达。其中包括诸如创建包含有关激光雷达所有主要供应商的信息的数据库之类的问题,以及对激光雷达与纯计算机视觉之间对抗的更深入研究。

图片关于作者: 布拉德·邓普顿Brad Templeton)是一名软件工程师,自2007年以来一直是机器人的传播者,并在Google的早期工作。ClariNet的创始人,电子前沿基金会名誉主席远见研究所所长奇点大学的创始人



图片

关于ITELMA
- automotive . 2500 , 650 .

, , . ( 30, ), -, -, - (DSP-) .

, . , , , . , automotive. , , .

阅读更多有用的文章:


All Articles