中国电子技术网

设为首页 网站地图 加入收藏

 
 

TOF车载激光雷达:一份非常实用的开发指南,快来看!

关键词:TOF 激光雷达

时间:2023-02-27 11:10:20      来源:Digi-Key

车载雷达是智能驾驶汽车的核心赋能技术之一。本文比较了智能汽车三种周围环境的检测方式,然后和大家分享TOF车载激光雷达系统的设计思路,希望可以抛砖引玉。

作者:Alan Yang

车载雷达是智能驾驶汽车的核心赋能技术之一。本文比较了智能汽车三种周围环境的检测方式,然后和大家分享TOF车载激光雷达系统的设计思路,希望可以抛砖引玉。

自动驾驶汽车检测周边环境的三种方式

自动驾驶车辆需要有效的感知周边环境,一般会利用视觉系统、毫米波雷达和激光雷达等方式获取环境信息。每种检测方式都有其优点和缺点。


图1:自动驾驶汽车检测周边环境的主要三种方式(图片来源:ADI)

一个好的车载雷达系统,往往会采用多种类型的传感器,取长补短,达到符合实际应用的要求。

TOF车载激光雷达系统的设计思路

要实现激光雷达系统,可以有多种选择。例如扫描与闪光、直接飞行时间(ToF)与波形数字化等。下面我们以飞行时间(ToF)方式为例进行说明。

飞行时间ToF的工作原理,就是一束激光从激光发射器出发达到目标检测物,然后反射回来,被激光接收器捕获到。我们可以计算出这束激光发射和接受的时间延迟Δt,即激光飞行的时间。


图2:飞行时间ToF原理(图片来源:ADI)

如需了解更多关于ToF的技术信息, 可以参考以下这篇技术文章——《3D ToF很火,两种技术方案孰优孰劣?最详尽的分析来了~》。

设计一个TOF车载激光雷达系统,首先要确定系统需要探测的最小目标、该目标的反射率,以及该目标的距离,视场角。上述这些因素会定义系统的角分辨率。同时,在该基础上计算最小信噪比(SNR),这也是后续软件判定检测对象真/假的重要检测标准。

1. 检测距离

我们以自动驾驶汽车,防撞的应用来举例。

· 最小目标为:小轿车4.8m × 1.8 m的外形尺寸。
· 目标的反射率:取决于物体本身的性质(表面状况)。这里不详细讨论,假设目标可以很好的反射。

以汽车100公里/小时的速度来计算,不仅考虑以100 km/h速度行驶的车辆,还要考虑以相同速度反向行驶的另一辆车辆。因此,雷达系统需要能够检测到200公里/小时的物体,也就是每秒相对运动至少50m。

当然,还要考虑,如非线性速度、停车距离、规避动作等复杂情况。所以一般说来,高速应用需要激光雷达系统检测更远的距离。

2. 视场角(FOV)

对于不同的应用,不同的环境,视场角的选择也不一样。


图3:自动驾驶车辆和自动地面车辆的对象检测和防撞等应用 (图片来源:ADI)

如上图:对于自动驾驶车辆和自动地面车辆的对象检测和防撞等应用,可以使用16像素FOV。在大客车应用中,可以用4 × 4网格矩阵,以检测系统周围的物体,作为车辆的安全器件。

3. 角度分辨率

确定FOV之后, 我们可以计算相应的分辨率。FOV可以分为垂直FOV(VFOV)和水平FOV(HFOV)。

当激光二极管阵列选定之后,比如下图,一行16个激光二极管组成一个阵列,每个像素尺寸2mm × 0.8mm,20mm焦距的镜头。


图4:激光二极管阵列 (图片来源:ADI)

于是,可以利用三角函数计算每个像素对应的VFOV与HFOV。


图5:VFOV与HFOV的计算 (图片来源:ADI)

因此,根据三角函数我们可以得出每个像素,VFOV=5.7°,HFOV=2.292°。有了VFOV/HFOV, 我们就可以得知在某一特定距离,实物尺寸与相素的关系。

换一个场景,假设FOV=1°,即1°角度分辨率,在200 m距离时,一个像素点对应于2 × Tan(0.5°)× 200m = 3.5m长的物体。即1°角分辨率会转换成每侧3.5米像素。对于4.8m×1.8 m小轿车来说,很难检测。

当FOV=0.1°,即0.1°角度分辨率,在200 m距离时,一个像素点对应于2 × Tan(0.05°)×200m = 0.35m长的物体。

对于一个4.8m × 1.8m长的小轿车,在200m距离时,至少可以有5个像素宽度的成像。

精细的角度分辨率使车载雷达系统能够从单一对象接收多个像素的返回信号。因此,在这个系统下,甚至有可能区分汽车和摩托车。

4. 距离精度与最小信噪比(SNR)

距离(或深度)、精度都与ADC采样速率相关。距离精度允许系统准确地知道一个物体有多远。对于移动的应用来说,非常重要。

假设ADC采样周期Δt为1ns采样时段,我们可以计算距离d=(c×Δt)/2 = 15cm。其中,c是光速,即使用1GSPS ADC的距离精度可达到15cm。

可以采用更复杂的技术(例如过采样插值)来改善范围测量精度。相关方案,可参考《ADI应用笔记:过采样插值DAC》,这里就不扩展介绍了。

据估计,大约可以将范围测量精度提升SNR的平方根。匹配滤波器是用于处理数据的性能最高的算法之一,它可以在插入之后最大化SNR,以得出最高的范围测量精度。

激光雷达系统拓扑结构

以ADI的方案为例,激光雷达系统的拓扑结构如下:


图6:ADI激光雷达系统拓扑结构 (图片来源:ADI)

如需为激光雷达系统选择所需的物料,Digi-Key网站上丰富的3D ToF产品和解决方案,会让研发工作更为快捷。

· TOF图像传感器

可以在Digi-Key网站中的“图像传感器、镜头、摄像头”产品分类下查找,在“类型栏”中,请选择3D 飞行时间。Digi-Key TOF图像传感器相关页面,点击这里访问>>>

· CCD TOF信号处理器

比如,ADI ADDI9036带可编程时序和V驱动器的CCD TOF信号处理器就是不错的产品。

在Digi-Key网站中,你可以找到以下两款ADDI9036开发板。

AD-FXTOF1-EBZ         AD-96TOF1-EBZ

· 激光二极管驱动器

这个产品门类中的代表产品包括ADI的ADP3634, 这是一颗高速、双通道、4A MOSFET驱动器。

最后的话

最后要特别提醒大家:不是所有的应用程序都需要0.1°的角度分辨率和200米的检测范围。这就需要开发者从实际应用要求出发,明确关键参数,如检测距离、FOV、精度等;在此基础上,选择合适的电子元器件,平衡性能和成本,提高设计成功的可能性。

  • 分享到:

 

猜你喜欢

  • 主 题:英飞凌XMC4000支持EtherCAT®通讯的伺服/IO控制方案介绍
  • 时 间:2024.04.25
  • 公 司:英飞凌&骏龙科技

  • 主 题:安森美数字助听芯片的创新
  • 时 间:2024.05.09
  • 公 司:安森美

  • 主 题:IO-Link 技术介绍及相关设计解决方案
  • 时 间:2024.05.22
  • 公 司:ADI & Arrow