广东车载激光雷达正规

相关缩写：dToF：direct Time-of-Flight直接测量光的飞行时间；iToF：indirect Time-of-Flight通过测量相位偏移来间接测量光的飞行时间；PLD：脉冲激光二极管，一种激光雷达发光元件；APD：雪崩光二极管，一种激光雷达感光元件；SPAD：Single Photon Avalanche Diode单光子雪崩二极管，一种激光雷达感光元件；SiPM：Silicon photomultiplier硅光电倍增管，一种激光雷达感光元件；CMOS：Compound metal Oxided Semiconductor 复合金属氧化物半导体，一种摄像头感光元件；CCD：Charge Coupled Device电荷耦合器件，一种摄像头感光元件；CIS：CMOS image sensor互补金属氧化物半导体图像传感器；OPA：Optical Phased Arrays 光学相控阵；FPA：Focal Plane Array焦平面阵列；WD：Wavelength Disperion波长色散；MEMS：Micro-Electro-Mechanical System 微机电系统。激光雷达的高精度三维成像为地质勘探提供了有力支持。广东车载激光雷达正规

我们可以根据 LiDAR 能描绘出稀疏的三维世界的特点，而扫描得到的障碍物点云通常又比背景更密集，通过分类聚类的方法可以利用其进行感知障碍物。而随着深度学习带来的检测和分割技术上的突破，LiDAR 已经能做到高效的检测行人和车辆，输出检测框，即 3D bounding box，或者对点云中的每一个点输出 label，更有甚者在尝试使用 LiDAR 检测地面上的车道线。在三维目标识别的对象方面，较初研究主要针对立方体、柱体、锥体以及二次曲面等简单形体构成的三维目标。安徽觅道Mid-360激光雷达制造Mid - 360 小巧体积，安装布置灵活，满足移动机器人多样安装需求。

激光雷达（Lidar）光束范围很窄，所以需要更多的纵向光束，以覆盖大的面积，所以线束决定着画面大小，扫描再通过返回的时间测量距离，并精确、快速构建模型，相比目前的其他雷达强太多，所以更适合自动驾驶系统，但也同样易受天气影像，成本较高。转镜：转镜分为一维转镜和二维转镜。一维转镜通过旋转的多面体反射镜，将激光反射到不同的方向；二维转镜顾名思义内部集成了两个转镜，一个多边棱镜负责横向旋转，一个负责纵向翻转，实现一束激光包揽横纵双向扫描。转镜激光雷达体积小、成本低，与机械式激光雷达效果一致，但机械频率也很高，在寿命上不够理想。

线数，线数越高，表示单位时间内采样的点就越多，分辨率也就越高，目前无人驾驶车一般采用32线或64线的激光雷达。分辨率，分辨率和激光光束之间的夹角有关，夹角越小，分辨率越高。固态激光雷达的垂直分辨率和水平分辨率大概相当，约为0.1°，旋转式激光雷达的水平角分辨率为0.08°，垂直角分辨率约为0.4°。探测距离，激光雷达的较大测量距离。在自动驾驶领域应用的激光雷达的测距范围普遍在100~200m左右。测量精度，激光雷达的数据手册中的测量精度(Accuracy)常表示为，例如±2cm的形式。精度表示设备测量位置与实际位置偏差的范围。工业生产里激光雷达检测产品缺陷，高效保证产品质量。

激光雷达的市场概况：全球市场概况，激光雷达过去用于工业测绘、气象监测等领域，未来车载领域将成为较重要细分。气象监测、地形测绘与车载、机器人领域对激光雷达的技术要求不同，分属不同细分市场。下游需求刺激行业快速发展，激光雷达市场规模有望达百亿美元。受益于无人驾驶、高级辅助驾驶（ADAS）和服务机器人领域的需求，有望迎来高速增长期。据Velodyne预测，2022年智能驾驶将占总市场规模的60.5%，成为激光雷达产业较大的增长极，工业、无人机、机器人领域各占比24.4%、8.4%、4.2%。览沃 Mid - 360 实现感知升维，助力移动机器人自主完成复杂环境建图。障碍物入侵监测激光雷达行价

从 2D 升至 3D 感知，Mid - 360 提升移动机器人室内感知与运维效率。广东车载激光雷达正规

激光雷达能够准确输出障碍物的大小和距离，通过算法对点云数据的处理可以输出障碍物的3D框，如：3D行人检测、3D车辆检测等；亦可进行车道线检测、场景分割等任务。除了障碍物感知，激光雷达还可以用来制作高精度地图。地图采集过程中，激光雷达每隔一小段时间输出一帧点云数据，这些点云数据包含环境的准确三维信息，通过把这些点云数据做拼接，就可以得到该区域的高精度地图。在定位方面，智能车在行驶过程中利用当前激光雷达采集的点云数据帧和高精度地图做匹配，可以获取智能车的位置。广东车载激光雷达正规