Considerations on Lidar Design

双基地还是单基地?

双轴还是同轴?

几何重叠

向上还是向下看?

关心分散还是只关心时间?

发射器和接收器的波长

是否可调?

发射器和接收器的带宽

功率/能量考虑

bit宽度-脉冲持续时间,重复率

夜间还是全天工作?

体积、质量、成本、可靠性、稳健性、操作性等?

Configuration & Arrangement

大多数现代激光雷达采用单站结构,双轴或同轴布置。

通常选择双轴或同轴布局。

由探测范围决定。如果近场范围是理想的。同轴布置是首选的,因为它提供完整的接收器视场与激光束的重叠。如果近场双轴排列有助于防止探测器因强近场散射而饱和。

扫描能力也可以发挥作用,以选择双轴或同轴。

地面激光雷达通常是向上的,而星载的激光雷达通常是俯视的。机载激光雷达可以是向上或向下看,取决于应用程序的需要。

Bandwidth Consideration

发射机和接收机的可能组合

Wavelength Consideration

决定波长选择的三个主要因素:

第一,检测对象-是否需要特定波长,例如Na或Fe原子跃迁波长,或H2差分吸收波长。

第二,太阳光谱强度-低太阳辐射是有益的在白天安装信号音调比(SNR)。通常紫外太阳辐射低于可见光和红外。

第三,激光通过介质(如大气或水)的传输。此外,可用的硬件往往是主要的限制。

太阳辐射中的Fraunhofer线是由若干条线组成的

在连续太阳光谱的明亮背景下出现的上百条黑线,是由太阳外层大气中较冷的气体以与这些气体的原子跃迁频率相对应的频率吸收光而产生的,如原子H、Fe、Na、K、Ca、Mg、Li等,或地球大气中的氧。

Fraunhofer Lines

夫琅和费线是以这位德国物理学家的名字命名的Joseph von Fraunhofer(1787-1826)。

在Fraunhofer深部工作的激光雷达线路得益于较低的太阳背景。

Nighttime-Only & Full Diurnal

这主要是对背景抑制的考虑。

即使只在夜间工作,干扰滤光片也是必要的,以抑制背景(如月亮、星星或城市光)并确保光电探测器的安全运行。

与仅在夜间运行相比,白天运行需要在强得多的太阳背景下进行额外的抑制。不仅需要带宽非常窄的额外频谱滤波器,还需要空间滤波器或最小化滤波器。

视场对于很大程度上抑制太阳背景是必要的。当然,这也受到层饱和或几何重叠问题的限制。

两种主要的窄带光谱滤波器:F-P标准具和原子/分子光谱过滤器(如法拉第过滤器或碘过滤器)。

Lidar Types & Hardware

传统的Mie、Rayleigh、Raman激光雷达:

宽带谐振

荧光激光雷达:

窄带共振

荧光激光雷达:

宽带差分吸收激光雷达:

窄带差分吸收激光雷达:

相干多普勒激光雷达:

直接探测测风激光雷达:

瑞利多普勒:

高光谱分辨率激光雷达:

Transmitter & Receiver

根据应用需求和激光雷达类型,可能有几种可能的发射器和接收器组合,以满足相同的目标。根据科学需要、技术可行性、成本、性能、可靠性等选择最佳方案。

可调谐激光器的选择取决于应用的需要,例如共振荧光和拨号激光雷达需要可调谐,而传统的Mie、Rayleigh和Raman散射激光雷达只需要固定的波长。

脉冲能量、重复频率和持续时间的选择,主要考虑信噪比、测量分辨率以及整个系统的成本、体积、质量等。

选择远程的面积、类型、结构;探测器类型、尺寸、量子效率、最大计数率;

滤波器的类型、尺寸、带宽、传输,主要关系到信噪比、测量分辨率以及整个系统的成本、体积、质量等。

Further Considerations

是否记录每个脉冲?

bit宽度或分辨率

是否记录系统参数?

定时控制

移动还是不移动?

是否需要精确的光束点控制?

是否需要实时数据缩减?

眼睛安全与否?

Summary

激光雷达体系结构是激光雷达设备的一门技术结构,涉及到激光雷达的硬件和软件、激光雷达的配置和布局等。

激光雷达的基本结构包括激光雷达发射器、接收器和数据采集和控制系统。有的合并了收发机。基本的激光雷达配置是双基地和单基地配置。基本的激光雷达布置是双轴和同轴布置。

设计基于对所涉及的物理相互作用和过程的理解、激光雷达模拟以及激光雷达类型、配置、布局以及硬件和软件的选择,以设计满足测量目标(主题、准确的、精度、分辨率、可靠性等)的激光雷达。

除了基本结构、配置和布局外,还应更多考虑波长(具体要求和太阳光谱强度)、发射器和接收器的带宽(应用需求-光谱是否解决,仅夜间或全日循环)、激光功率/能量、重复率,脉冲持续时间、接收面积、探测器效率和性能、数据采集软件、系统定时和协调控制。成本、体积、质量、可靠性等也将成为现实。

激光雷达Lidar Architecture and Lidar Design(下)的更多相关文章

  1. 激光雷达Lidar Architecture and Lidar Design(上)

    激光雷达Lidar Architecture and Lidar Design(上) 介绍 激光雷达结构: 基本条件 构型和基本布置 激光雷达设计: 基本思想和基本原则 总结 介绍 激光雷达结构是激光 ...

  2. 固态LiDAR,半固态混合LiDAR,机械LiDAR

    固态LiDAR,半固态混合LiDAR,机械LiDAR 1. APD/SPAD 2轴MEMS扫描镜+ SPAD图像传感器在混合固态LiDAR中的应用 APD的工作模式分为线性模式和盖革模式两种.当APD ...

  3. Building the Unstructured Data Warehouse: Architecture, Analysis, and Design

    Building the Unstructured Data Warehouse: Architecture, Analysis, and Design earn essential techniqu ...

  4. NVIDIA Turing Architecture架构设计(下)

    NVIDIA Turing Architecture架构设计(下) GDDR6 内存子系统 随着显示分辨率不断提高,着色器功能和渲染技术变得更加复杂,内存带宽和大小在 GPU 性能中扮演着更大的角色. ...

  5. libaio under MIPS architecture /在mips架构下使用的libaio

    First, you can find libaio source in http://libaio.sourcearchive.com/ Second,download the libaio_0.3 ...

  6. 自动驾驶传感器比较:激光雷达(LiDAR) vs. 雷达(RADAR)

    自动驾驶传感器比较:激光雷达(LiDAR) vs. 雷达(RADAR) 据麦姆斯咨询报道,2032年全球范围内自动驾驶汽车的产量将高达2310万辆,未来该市场的复合年增长率(CAGR)高达58%.届时 ...

  7. Lidar激光雷达与Radar雷达

    Lidar激光雷达与Radar雷达 自动驾驶技术正迅速成为汽车工业的驱动力.来自全球的汽车制造商正在与Google等顶级高科技巨头以及其他知名初创公司合作,共同开发下一代自动驾驶汽车.中国也开辟了自动 ...

  8. 激光雷达Lidar与毫米波雷达Radar:自动驾驶的利弊

    激光雷达Lidar与毫米波雷达Radar:自动驾驶的利弊 Lidar vs Radar: pros and cons for autonomous driving 新型无人驾驶汽车的数量在缓慢增加,各 ...

  9. 我用MATLAB撸了一个2D LiDAR SLAM

    0 引言 刚刚入门学了近一个月的SLAM,但对理论推导一知半解,因此在matlab上捣鼓了个简单的2D LiDAR SLAM的demo来体会体会SLAM的完整流程. (1)数据来源:德意志博物馆Deu ...

随机推荐

  1. PAT 乙级 -- 1008 -- 数组元素循环右移问题

    题目简述 一个数组A中存有N(N>0)个整数,在不允许使用另外数组的前提下,将每个整数循环向右移M(M>=0)个位置,即将A中的数据由(A0 A1--AN-1)变换为(AN-M -- AN ...

  2. MS06-040漏洞研究(下)【转载】

    课程简介 经过前两次的分析,我们已经对Netapi32.dll文件中所包含的漏洞成功地实现了利用.在系统未打补丁之前,这确实是一个非常严重的漏洞,那么打了补丁之后,这个动态链接库是不是就安全了呢?答案 ...

  3. Python爬虫之 正则表达式和re模块

    什么是正则表达式: 通俗理解:按照一定的规则,从某个字符串中匹配出想要的数据.这个规则就是正则表达式.标准答案:https://baike.baidu.com/item/正则表达式/1700215?f ...

  4. (Py练习)输入某年某月判断天数

    # 输入某年某月,判断这一天是这一年的第几天 year = int(input("year:\n")) month = int(input("month:\n" ...

  5. jupyter中那些神奇的第三方拓展魔术命令

    1 简介 无论是jupyter notebook还是jupyter lab,都可以使用ipython中的众多自带魔术命令来实现丰富的辅助功能,诸如%time之类的. 这些都已经是老生常谈的知识没什么好 ...

  6. GDOI2021 游记

    蹭了个名额去参加 \(\text{GDOI}\) \(\text{tg}\),体验了一下大佬的生活/kk (以下试题皆为 \(\text A\) 卷 DAY -1 不知道要复习什么.本来没有机会来参加 ...

  7. PHP 读取文件夹(比如某共享文件夹)中的图片并显示

    1.获取文件夹下图片public function albumList(){ $share_url = input('path'); $files = getImgList($share_url); ...

  8. layui中的多图上传

    效果展示: 1.html部分: 注:<input> 作为隐藏域,用于保存多图上传的资源数组,方便后期进行 form 表单的提交 <input type="hidden&qu ...

  9. HDU - 3347 Calculate the expression — 模拟 + map存变量

    传送门 题意:从输入开始,1.输入样例数:2.然后输入一组样例中的行数n:3.前n-1行为定义变量(之间使用空格隔开),只需要map存进去就可以了(这里有覆盖的情况,故使用mp["s&quo ...

  10. Base64文件上传(Use C#)

    Base64是网络上最常见的用于传输8Bit字节码的编码方式之一,它是一种基于64个可打印字符来表示二进制数据的方法. 使用base64进行文件上传的具体流程是:前台使用js将文件转换为base64格 ...