当前位置: 首页 > news >正文

自动驾驶中的传感器技术34——Lidar(9)

补盲lidar设计:机械式和半固态这里不再讨论,这里主要针对全固态补盲Lidar进行讨论

1、系统架构设计

采用Flash方案, 设计目标10m@10%,实现30m距离的点云覆盖,同时可以验证不同FOV镜头的设计下,组合为多款产品。

图1 Flash Lidar内部结构

具体架构参考设计如下

图2 Flash Lidar方案架构

以上工作可以有基于如下信息展开:

  • BOM成本参考如下,但是该成本参考比较老,为2021年左右的成本报价,另外该设计比较激进,感知距离为300m,核心器件方面采用了来自AMS的VCSEL面阵阵列以及Onsemi的SPAD面阵;

图3 Flash Lidar BOM成本参考
  • Lidar的光学镜头部件厂家有:舜宇光学、蓝特光学、福晶科技、永新光学、福特科光电、水晶光电、富兰光学、炬光科技、腾景科技等,炬光科技进行了发射模组+光学元器件双布局。

  • VCSEL芯片,国外主要是 Lumentum 和 AMS,国内主要是长光华芯、纵慧芯光、柠檬光子(HCSEL)。;

  • SPAD芯片,国外主要是索尼、佳能,国内主要是阜时科技、宇称电子、飞芯电子、灵明光子、芯视界、奥比中光;其中阜时科技刚在极氪X9的补盲Lidar获得定点;奥比中光预计明年发布SPAD并搭载至自研Flash激光雷达中。

  • Lidar端的信号处理这块主要是FPGA(赛灵思)。另外LeddarTech:核心产品是 Flash 激光雷达信号处理 SoC 和信号处理软件,定位更偏 Tier2,其次是 Tier1,核心在于其自研的 Flash 激光雷达数据采集和信号处理 SoC(LeddarCore)及信号处理算法(LeddarSP);中国台湾的公司瀚昱能源也和 LeddarTech 定位相同,于 2018 年推出了 Flash 激光雷达 SoC 芯片 HYCA2 的首款 A样。LeddarTech 分别于2018 年和2019 年推出LCA2 和LCA3 两款Flash激光雷达 SoC,其中 LCA2 主要用于中短距离探测、LCA3 主要用于中长距离探测。公司在 2019 年 9 月发布基于 LCA2 的 Flash 激光雷达 Leddar Pixell。

  • 另外Ouste号称是第一家将高性能SPAD和VCSEL方案商业化的公司,其VCSEL和SPAD以及SOC均为定制开发;

  • Xenomatix提供两款Flash版Lidar,分别为近距和远距。

2、补盲Lidar技术指标设计

以上Lidar的水平FOV和垂直FOV都会依据具体的应用场景以及车身布置位置进行调整,该调整通过Lidar的Lens进行设计配置。 速度和速度分辨率,这两个指标需要通过FMCW技术完成,如果是常规的TOF技术,速度是通过Kalman滤波进行估算(不在Lidar端完成,在域控端完成),不是直接测量值。

3、Lens设计:

Lens主要是Lidar方提出Lens的设计要求,具体设计Lens供应商负责;

Lens作为Lidar部件,最终组合装配以及Lidar性能测试由Lidar方负责。

4、主板以及收发板设计:

参见图2,主板上主要包括

  • 驱动控制以及信号采集处理板;、

  • VCSEL发射阵列板;

  • SPAD接收板;

以上三块板是单板设计还是分板设计需要讨论,从图1可以看到,里面涉及到模块散热,需要具体讨论。

5、数据接口设计

图4 数据接口为上图ADC采样以后的部分需要进行相关设计
  • 如果不在Lidar端进行信号处理,则数据(Raw Data)输出端口采用CSI2接口,后续接Serdes芯片,直接输出到域控端处理;

  • 若果在Lidar端进行信号处理,则数据(Point Cloud)输出端采用1000BaseT1或者100BaseT1;

6、后端算法设计

Lidar Flash版:无速度信息,主要基于3D稀疏阵的特征提取,最终进行语义分割,从而类似于视觉感知方案,进行目标识别与跟踪,以及环境感知刻画,后续送给不同Head模块。需要进行算法有效作用距离的实验,包括对汽车、VRU以及小目标等。

在目标目标跟踪以及环境刻画完成输出,会分别和Camera/Radar的动态目标以及静态环境进行融合;

L2以上需要感知融合链路的多样性,尽量减少共因失效;

融合方案上看前融合、中融合、后融合对原始信息的保留量依次递减,但是对噪声干扰的滤除也是依次递增,所以需要最大化最优化利用Lidar输出数据进行处理;

单纯的Lidar传感器硬件层面是这些数据融合的共因来源,硬件上无法避免共因失效,但是算法层面上,前融合、中融合、后融合的交叉使用,可以提升环境感知算法和目标跟踪算法的置信度;

7、Flash Lidar整体技术路线图

具体如下: 长距Lidar(Flash版)、短距Lidar(Flash版)。其中长距Lidar(Flash版)需要依据收发芯片的迭代演进,如果收发芯片有比较大的提升,可以考虑进行长距Lidar(Flash版)相关设计。

目前主流的长距Lidar技术指标为FOV120°,探测距离150m @10%,但是该产品是基于半固态Lidar方案(VCSEL+SiPM/SPAD+一维转镜),该方案的技术指标应该是以禾赛AT128为蓝本。

如果长距Lidar(Flash版)可以参考上述进行相关技术路线图整理。

如果短距补盲Lidar(Flash版),其探测距离一般会控制在10m@10%,或者更高,但是其FOV一般会做的比较大,甚至HFOV达到了140°以上(VFOV也会在90°左右),以确保补盲效果。

图5 补盲Lidar FOV需求
图6 补盲Lidar FOV需求
图7 补盲Lidar FOV需求
图8 补盲Lidar FOV需求

8、整体技术可行性和风险分析

  • 从以上1-7点的分析可以看到,技术具有可行性,行业在不断迭代,逐步走向成熟,后续固态Lidar的市场将迎来成熟期或者说是爆发期;

  • 从行业发展,Flash版相应的芯片和模块推出,并且也有相关方案的Lidar推出,这些都在不断迭代成熟中;

  • 同时全固态Lidar的发展方向是行业的一个共识;

  • 域控算力集中化,Lidar传感器低成本化,是整体行业趋势;

  • 接口后续从车载以太网向高速Serdes网络迭代;

风险如下

固态Lidar所存在的技术瓶颈,Flash主要是面光源(MEMS 等扫描方式为点光源),因此能量相比点光源较为发散,难以到达远距离探测。影响Flash激光雷达性能的部件主要是发射模块的垂直腔面 发射激光(VCSEL)及接收模块中的单光子雪崩二极管(SPAD)。VCSEL方面,目前商用VCSEL发射功率不断提升,同时VCSEL阵列实现相同峰值功率下对车辆前方更远距离的探测。SPAD 方面,其发展目前同样沿着摩尔定律式的性能曲线移动,随着SPAD的快速发展FLASH 激光雷达有望率先成为商用于中距离探测的固态式激光雷达。

成本问题,从成本构成看,收发模组占据着分立式激光雷达60%的成本,人工调试占据25%的成本,机械、控制模组等其它零部件仅占据15%的成本;对于半固态激光雷达,收发器件(激光器、探测器)及芯片占据70%以上的成本,而光学等其他部件占比不足30%。后续切换到全固态Lidar后,机械结构成本去除,人工调成成本几乎可以忽略,但是全固态Lidar初期,收发芯片成本会高于半固体Lidar,这个需要量产规模来促使收发芯片成本的不断降低,另外可以通过收发芯片模块的通用化涉及,以及更换收发Lens来适配各种应用需求,进一步促使全固态Lidar成本的降低。

http://www.dtcms.com/a/335844.html

相关文章:

  • 前端项目练习-王者荣耀竞赛可视化大屏 -Vue纯前端静态页面项目
  • Springboot项目3种视图(JSP、Thymeleaf、Freemarker)演示
  • 图解直接插入排序C语言实现
  • 3.逻辑回归:从分类到正则化
  • pyecharts可视化图表组合组件_Grid:打造专业数据仪表盘
  • 矿物分类案列 (一)六种方法对数据的填充
  • C#WPF实战出真汁13--【营业查询】
  • 《设计模式》工厂方法模式
  • 数据结构与算法之 leetcode 98. 验证二叉搜索树 (前序,中序,后序遍历)
  • 影刀 RAP 迁移华为云备忘录数据到得到笔记
  • GitHub Copilot:AI编程助手的架构演进与真实世界影响
  • mac电脑开发嵌入式基于Clion(stm32CubeMX)
  • 深入了解linux系统—— 线程控制
  • IDE/去读懂STM32CubeMX 时钟配置图(有源/无源晶振、旁路/晶振模式、倍频/分频)
  • 三、k8s 1.29 之 安装2
  • 重温k8s基础概念知识系列三(工作负载)
  • 什么是GD库?PHP中7大类64个GD库函数用法详解
  • Kafka 面试题及详细答案100道(23-35)-- 核心机制2
  • 基础IO_系统文件IO | 重定向【Linux】
  • 《程序员修炼之道》第三四章读书笔记
  • 《算法导论》第 27 章 - 多线程算法
  • scikit-learn/sklearn学习|套索回归Lasso解读
  • Ansible 核心功能进阶:自动化任务的灵活控制与管理
  • 自由职业数据科学:从细分定位到规模化的实战路线
  • 记忆翻牌游戏 greenfoot 开发
  • 机器人经验学习1 杂记
  • 电子电气架构 --- 自动驾驶汽车的下一步发展是什么?
  • Python自学10-常用数据结构之字符串
  • 机器学习算法篇(十三)------词向量转化的算法思想详解与基于词向量转换的文本数据处理的好评差评分类实战(NPL基础实战)
  • 深度解析 Tomcat ProtocolHandler 工作原理