您當前的位置:業界 >  >> 
TOF車載激光雷達:一份非常實用的開發指南,快來看!

時間:2023-02-20 11:01:53    來源:電子工程網

來源:Digi-Key
作者:Alan Yang


(資料圖)

車載雷達是智能駕駛汽車的核心賦能技術之一。本文比較了智能汽車三種周圍環境的檢測方式,然后和大家分享TOF車載激光雷達系統的設計思路,希望可以拋磚引玉。

自動駕駛汽車檢測周邊環境的三種方式

自動駕駛車輛需要有效的感知周邊環境,一般會利用視覺系統、毫米波雷達和激光雷達等方式獲取環境信息。每種檢測方式都有其優點和缺點。

1.jpg


圖1:自動駕駛汽車檢測周邊環境的主要三種方式(圖片來源:ADI)

t.jpg

一個好的車載雷達系統,往往會采用多種類型的傳感器,取長補短,達到符合實際應用的要求。

TOF車載激光雷達系統的設計思路

要實現激光雷達系統,可以有多種選擇。例如掃描與閃光、直接飛行時間(ToF)與波形數字化等。下面我們以飛行時間(ToF)方式為例進行說明。

飛行時間ToF的工作原理,就是一束激光從激光發射器出發達到目標檢測物,然后反射回來,被激光接收器捕獲到。我們可以計算出這束激光發射和接受的時間延遲Δt,即激光飛行的時間。

2.jpg


圖2:飛行時間ToF原理(圖片來源:ADI)

如需了解更多關于ToF的技術信息, 可以參考以下這篇技術文章——《3D ToF很火,兩種技術方案孰優孰劣?最詳盡的分析來了~》。

設計一個TOF車載激光雷達系統,首先要確定系統需要探測的最小目標、該目標的反射率,以及該目標的距離,視場角。上述這些因素會定義系統的角分辨率。同時,在該基礎上計算最小信噪比(SNR),這也是后續軟件判定檢測對象真/假的重要檢測標準。

1. 檢測距離

我們以自動駕駛汽車,防撞的應用來舉例。

· 最小目標為:小轎車4.8m × 1.8 m的外形尺寸。
· 目標的反射率:取決于物體本身的性質(表面狀況)。這里不詳細討論,假設目標可以很好的反射。

以汽車100公里/小時的速度來計算,不僅考慮以100 km/h速度行駛的車輛,還要考慮以相同速度反向行駛的另一輛車輛。因此,雷達系統需要能夠檢測到200公里/小時的物體,也就是每秒相對運動至少50m。

當然,還要考慮,如非線性速度、停車距離、規避動作等復雜情況。所以一般說來,高速應用需要激光雷達系統檢測更遠的距離。

2. 視場角(FOV)

對于不同的應用,不同的環境,視場角的選擇也不一樣。

3.jpg


圖3:自動駕駛車輛和自動地面車輛的對象檢測和防撞等應用 (圖片來源:ADI)

如上圖:對于自動駕駛車輛和自動地面車輛的對象檢測和防撞等應用,可以使用16像素FOV。在大客車應用中,可以用4 × 4網格矩陣,以檢測系統周圍的物體,作為車輛的安全器件。

3. 角度分辨率

確定FOV之后, 我們可以計算相應的分辨率。FOV可以分為垂直FOV(VFOV)和水平FOV(HFOV)。

當激光二極管陣列選定之后,比如下圖,一行16個激光二極管組成一個陣列,每個像素尺寸2mm × 0.8mm,20mm焦距的鏡頭。

4.jpg


圖4:激光二極管陣列 (圖片來源:ADI)

于是,可以利用三角函數計算每個像素對應的VFOV與HFOV。

5.jpg


圖5:VFOV與HFOV的計算 (圖片來源:ADI)

因此,根據三角函數我們可以得出每個像素,VFOV=5.7°,HFOV=2.292°。有了VFOV/HFOV, 我們就可以得知在某一特定距離,實物尺寸與相素的關系。

換一個場景,假設FOV=1°,即1°角度分辨率,在200 m距離時,一個像素點對應于2 × Tan(0.5°)× 200m = 3.5m長的物體。即1°角分辨率會轉換成每側3.5米像素。對于4.8m×1.8 m小轎車來說,很難檢測。

當FOV=0.1°,即0.1°角度分辨率,在200 m距離時,一個像素點對應于2 × Tan(0.05°)×200m = 0.35m長的物體。

對于一個4.8m × 1.8m長的小轎車,在200m距離時,至少可以有5個像素寬度的成像。

精細的角度分辨率使車載雷達系統能夠從單一對象接收多個像素的返回信號。因此,在這個系統下,甚至有可能區分汽車和摩托車。

4. 距離精度與最小信噪比(SNR)

距離(或深度)、精度都與ADC采樣速率相關。距離精度允許系統準確地知道一個物體有多遠。對于移動的應用來說,非常重要。

假設ADC采樣周期Δt為1ns采樣時段,我們可以計算距離d=(c×Δt)/2 = 15cm。其中,c是光速,即使用1GSPS ADC的距離精度可達到15cm。

可以采用更復雜的技術(例如過采樣插值)來改善范圍測量精度。相關方案,可參考《ADI應用筆記:過采樣插值DAC》,這里就不擴展介紹了。

據估計,大約可以將范圍測量精度提升SNR的平方根。匹配濾波器是用于處理數據的性能最高的算法之一,它可以在插入之后最大化SNR,以得出最高的范圍測量精度。

激光雷達系統拓撲結構

以ADI的方案為例,激光雷達系統的拓撲結構如下:

6.jpg


圖6:ADI激光雷達系統拓撲結構 (圖片來源:ADI)

如需為激光雷達系統選擇所需的物料,Digi-Key網站上豐富的3D ToF產品和解決方案,會讓研發工作更為快捷。

· TOF圖像傳感器

可以在Digi-Key網站中的“圖像傳感器、鏡頭、攝像頭”產品分類下查找,在“類型欄”中,請選擇3D 飛行時間。Digi-Key TOF圖像傳感器相關頁面,點擊這里訪問>>>

· CCD TOF信號處理器

比如,ADI ADDI9036帶可編程時序和V驅動器的CCD TOF信號處理器就是不錯的產品。

在Digi-Key網站中,你可以找到以下兩款ADDI9036開發板。

AD-FXTOF1-EBZ AD-96TOF1-EBZ

· 激光二極管驅動器

這個產品門類中的代表產品包括ADI的ADP3634, 這是一顆高速、雙通道、4A MOSFET驅動器。

最后的話

最后要特別提醒大家:不是所有的應用程序都需要0.1°的角度分辨率和200米的檢測范圍。這就需要開發者從實際應用要求出發,明確關鍵參數,如檢測距離、FOV、精度等;在此基礎上,選擇合適的電子元器件,平衡性能和成本,提高設計成功的可能性。

關鍵詞: 激光雷達 飛行時間 自動駕駛汽車 雷達系統 圖像傳感器

X 關閉

X 關閉