四川轨道交通激光雷达产品

自动驾驶感知方案分为轻硬件重算法的视觉方案和以激光雷达为主的 多传感器融合方案。当前汽车制造商正在为车配备各种先进的控制和传 感功能，例如碰撞警告、避让系统、盲点监视器、车道保持辅助、车道 偏离警告、自适应巡航控制等等是一些成熟的驾驶辅助案例，使驾驶体 验更安全、更轻松。对于自动驾驶通常有纯视觉和多传感器融合两种路 径：特斯拉坚持纯视觉方案，采用来自多个摄像头的图像通过神经网络 进行分析，利用海量数据来做出关于加速、制动和转向的决定，特点为 轻传感器重算法。其他厂商均采用激光雷达、相机、毫米波雷达多传感器融合方案提升安全性能，特点是重硬件轻软件。激光雷达、毫米波雷 达、超声波传感器和摄像头各有优缺点。高度自动驾驶和完全自动驾驶 的车辆需要多传感器融合，能在各种天气和照明条件下创建精确的车辆 周围环境感知以及长短距离地图。激光雷达在船舶货物装卸的应用。四川轨道交通激光雷达产品

不同传感器各有优缺点。超声波在几米以外的空气中会出现强烈的衰减， 因此主要用于短距离物体检测。毫末波雷达有不同距离范围选择，环境 干扰能力强，可以满足车辆对全天气候的适应性的要求，但由于分辨率 较差无法识别物体。相机性价比高且易于使用，尽管能够通过算法感知深度，但是强烈取决于周围光照条件和需要大量数据处理以提取有用信 息。相机是能看到颜色的技术，并且可以应用在车道保持辅助功能。 激光雷达通过发射激光来测量物体与传感器之间精确距离并在没有大 量后端处理的情况下获取周围物体的精确距离及 3D 信息，以实现避障 功能。结合预先采集的高精地图，机器人在环境中通过激光雷达的定位 精度可达厘米量级，以实现自主导航。四川无人机激光雷达电机又要对接收机送出的信号进行处理，获取目标的距离信息。

经过处理便可得到具有坐标信息的影像数据。利用激光进行三维建筑建模的技术。首先，进行数据预处理。就是结合IMUU记录的姿势参数、机载GPS数据、地面基站GPS观察数据、GPS偏心分量、扫描仪和数码相机各自的偏心分量，进行GPS/IMU联合解算，得到扫描仪及相机曝光坐标下的轨迹文件，进而得到外方为元素。其次，使用LIDAR数据商业处理软件将地面数据与非地面数据分离，生成DEM，在利用纯地表数据对影像外方位元素通过寻找同名像点的方式进行校正快速生成DOM。

TOF 是目前为成熟和广泛应用的测距方式，根据光反射回的时间测距 离。具体来说是通过用脉冲激光照亮目标并测量反射返回信号的特性来工作。脉冲光的宽度范围可以从几纳秒到几微秒。TOF 激光雷达主要部 件有激光器、放大器、光电转换器等。TOF 激光源目前有 905nm 和 1550nm 两种，通常情况下 905nm 探测距离为 100-200m，由于靠近可见光对人眼有影响，因此难以通过加大功率增加探测距离，导致探测 距离有限。1550nm 探测距离能达到 250m，且有更好的安全性，但由 于 1550nm 接收器需要采用铟镓砷光电探测器芯片，导致当前成本较高。低仰角工作时，对地面多路径效率不敏感。

棱镜扫描采用2-3块棱镜控制激光雷达扫描非重复性的方向，典型特征是输出的图像中间会比周边的扫描密度大一些。在时间充裕下可扫描整个视场。棱镜主要优点是透光性较好，不需要太多激光器、收发器，能够降低成本。同时组件可以固定，可靠性更高。棱镜方案劣势在于中心和四周的扫描区域均匀性存在差异，且成像范围不一致会导致激光雷达在高速移动过程中出现成像不连续的情况，需要后期算法补偿。基于以上特征，棱镜方案更适合扫描精度要求高、时效要求低的应用场景。激光雷达在船舶桥梁防撞的应用。云南lidar激光雷达产品

多普勒频移大，可以探测从低速到高速的目标。四川轨道交通激光雷达产品

激光雷达技术是根据激光光束在大气中传输时，大气中尘埃微粒和各种气体分子对激光产生弥散射，瑞利散射、拉曼散射和共振荧光以及共振吸收等现象，然后利用激光雷达接收系统收集和记录上述现象过程中所产生的背向散射光谱，以达到探测大气成份和浓度的目的。烃类气体是油气田油气微渗漏的主要指示性气体，而近地表的烃类气体从成分上看，主要是由早期的成岩作用、细菌作用和地下热作用等共同作用的结果。共振吸收激光雷达在探测气体分子含量时一般都采用各种可调谐激光器激光雷达探测气体的探测灵敏度，四川轨道交通激光雷达产品

成都慧视光电技术有限公司汇集了大量的优秀人才，集企业奇思，创经济奇迹，一群有梦想有朝气的团队不断在前进的道路上开创新天地，绘画新蓝图，在四川省等地区的通信产品中始终保持良好的信誉，信奉着“争取每一个客户不容易，失去每一个用户很简单”的理念，市场是企业的方向，质量是企业的生命，在公司有效方针的领导下，全体上下，团结一致，共同进退，**协力把各方面工作做得更好，努力开创工作的新局面，公司的新高度，未来成都慧视光电供应和您一起奔向更美好的未来，即使现在有一点小小的成绩，也不足以骄傲，过去的种种都已成为昨日我们只有总结经验，才能继续上路，让我们一起点燃新的希望，放飞新的梦想！