Kuvaile lyhyesti LiDARin tunnistustekniikkaa

Kuvaile lyhyesti LiDARin tunnistustekniikkaa
Lidar (Light Detection and Ranging) käyttää kohdepistepilvien/pikselien etäisyysarvoja kohteiden kolmiulotteisen (3D) muodon arvioimiseen, ja se on kehittynyt nopeasti strukturoimattomien ympäristöjen havainnoinnissa, kuten autonomisessa ajamisessa, robottinavigoinnissa, maastokartoituksessa ja kaukokartoituksessa.
Toisin kuin passiivinen 3D-kuvantamistekniikka, joka pystyy palauttamaan vain ympäristön valaistuskohtausten 3D-tiedot, LiDAR voi aktiivisesti hankkia 3D-tietoja ympäröivästä ympäristöstä ja yhdistää algoritmeja, kuten pistepilvien luomista, kohinan suodatusta, koordinaattien rekisteröintiä ja ominaisuuksien kuvausta, kohtauksen ymmärtämiseksi. Erilaisten valontunnistusmenetelmien perusteella olemassa olevat LiDAR-menetelmät voidaan yleensä jakaa suoraan havaitsemiseen ja koherenttiin havaitsemiseen.
Suora havaitseminen pulssivalolla ja kohteen kaiun intensiteetin havaitseminen fotodetektorilla. Tyypillinen inkoherentti LiDAR on aikavalon mittaustekniikka (TOF), joka hallitsee monia sovelluksia kypsän laitteistokokoonpanonsa ja signaalinkäsittelymenetelmiensä ansiosta. TOF-LiDARin havaitsemisaluetta ja resoluutiota rajoittavat kuitenkin laitteen suorituskyky.valoilmaisinja huipputehopulssilaser, ja sen kaikusignaaliin voivat vaikuttaa myös auringonvalo tai muut tutkajärjestelmätlaserpalkit.
Sitä vastoin koherentti havaitseminen optisen sekoitustekniikan avulla kaiku- ja paikallisoskillaattorisäteen välillä voi tehokkaasti vastustaa ympäristön valon häiriöitä ja parantaa järjestelmän signaali-kohinasuhdetta. Perinteinen LiDAR perustuu pääasiassa intensiteettiin, 3D-koordinaatteihin tai nopeuteen kuvantamisessa, ja riittämätön informaatioulottuvuus johtaa näiden LiDAR-laitteiden rajallisiin tunnistus- ja luokitteluominaisuuksiin. Erityisesti kohteiden, joilla on erilaisia ​​rakenteita, pistepilven määrittämisessä kohteessa on epäselvyyttä, mikä johtaa epävarmuuteen kohteen 3D-muodon tunnistamisessa.
Yksi mahdollinen menetelmä on käyttää valon polarisaatiokomponenttia, mikä voi tehokkaasti parantaa kohdepistepilvien/pikselien luotettavuutta. Analysoimalla polarisoidun valon ja materiaalien välistä vuorovaikutusta voidaan päätellä kohteen rakenne- ja koostumustiedot. Polarisaatiokoherentti LiDAR yhdistää huippusuuntia useilta tieteenaloilta, kuten optiikasta, mekaniikasta, säädöstä ja elektronisesta informaatiosta, kattaen ydinteorioita, kuten informaation havaitsemisen, säteen skannauksen ja polarisaatiokuvantamisen.