استفاده از تکنولوژی رادار جهت تشخیص مسیر در دود و مه 01
حسگرهای رادار جدید می توانند به دقت از میان دود، گرد و غبار و مه ببینند
حسگرهای رادار می توانند جایگزین حسگرهای لیزری در خودروهایی شوند که در دید کم کار می کنند.
با عضویت، با شرایط استفاده و خطمشیهای ما موافقت میکنید، میتوانید در هر زمان اشتراک خود را لغو کنید.
بر اساس یک مطالعه، محققان دانشگاه Örebro اکنون موفق شده اند دقت حسگرهای رادار برای ناوبری را تا حدی افزایش دهند که حسگرها ممکن است در خودروهای خودران مورد استفاده قرار گیرند و رانندگی ایمن را در هر شرایطی امکان پذیر می کنند.
وسایل نقلیه خودران از انواع حسگرها و فناوریها برای «دیدن» محیط اطراف خود و جهتیابی ایمن استفاده میکنند، از جمله دوربینها، LIDAR (تشخیص نور و محدوده)، رادار (تشخیص و تشخیص رادیویی) و سنسورهای اولتراسونیک.
همه این حسگرها دادهها را در اختیار سیستم کامپیوتری خودروی خودران قرار میدهند که از الگوریتمهای یادگیری ماشینی و سایر فناوریها برای پردازش دادهها و تصمیمگیری در مورد ناوبری محیط استفاده میکند. ترکیب دادههای این حسگرهای مختلف به خودروهای خودران اجازه میدهد تا به طور جامع محیط اطراف خود را مشاهده کنند و تصمیمگیری در زمان واقعی برای اجتناب از موانع، ماندن در خطوط و پیروی از قوانین راهنمایی و رانندگی اتخاذ کنند.
دانیل آدولفسون، دانشجوی دکترای علوم کامپیوتر در دانشگاه اوربرو میگوید: «مزیت رادار این است که در همه شرایط آبوهوایی کار میکند و میتواند از میان دود و غبار «دیدن» کند.
با این روش جدید، یک وسیله نقلیه خودمختار می تواند پس از طی مسافت 100 متری (328 فوت) مکان خود را با دقت 1 متر (3.28 فوت) مشخص کند. این سیستم موقعیت یابی حسگرهای رادار را 1 متر (3.28 فوت) افزایش می دهد.
کاهش حاشیه خطا از 2 به 1 درصد گام بزرگی به جلو است. دانیل آدولفسون میگوید: این روش هم بسیار سریع و هم دقیق است، که تنها راه حلی است که رباتهای خودمختار با انسانها و دیگر رباتها ارتباط برقرار کنند.
کار ما با بهبود دقت سنسورهای رادار می تواند منجر به این شود که خودروهای خودران بدون توجه به شرایط آب و هوایی، ایمن رانندگی کنند. آدولفسون افزود: این می تواند در صنایع ساختمانی و معدنی که ماشین آلات سنگین مستقل باید بتوانند در محیط هایی با گرد و غبار زیاد کار کنند مفید باشد.
با استفاده از این روش جدید، مکان یابی لیزری در مقایسه با موقعیت یابی رادار دقیق تر می شود. حسگرهای رادار می توانند از میان دود، گرد و غبار و مه ببینند، بنابراین می توانند حسگرهای لیزری را در وسایل نقلیه ای که در دید کم کار می کنند جایگزین کنند.
به نظر می رسد خودروهای خودران با هر توسعه ایمن تر و ایمن تر می شوند و در دید عموم رایج تر می شوند.
استفاده از تکنولوژی رادار جهت تشخیص مسیر در دود و مه ۰۱
خلاصه:
این مقاله روشی دقیق، بسیار کارآمد و بدون یادگیری را برای تخمین کیلومتر شماری در مقیاس بزرگ با استفاده از رادار چرخان ارائه میکند، که به طور تجربی به خوبی در محیطهای بسیار متنوع تعمیم مییابد – در فضای باز، از شهری تا جنگلی، و داخل ساختمان در انبارها و معادن – بدون تغییر. مولفه های. روش ما جبران حرکت را در یک جارو با ثبت اسکن یک به چند ادغام میکند که فاصله بین نقاط سطحی نزدیک را به حداقل میرساند و نقاط پرت را با عملکرد تلفات قوی کاهش میدهد.
با گسترش رویکرد قبلی خود، فیلتر محافظه کارانه برای کیلومتر شماری راداری کارآمد و دقیق (CFEAR)، ما یک بررسی عمیق در طیف وسیع تری از مجموعه داده ها ارائه می کنیم، که اهمیت فیلتر، وضوح، هزینه ثبت نام و توابع تلفات، تاریخچه فریم کلیدی و حرکت را تعیین می کند. جبران خسارت. ما یک استراتژی حل جدید و پیکربندی ارائه میدهیم که بر مشکلات قبلی با پراکندگی و تعصب غلبه میکند و پیشرفتهترین فناوری ما را تا 38 درصد بهبود میبخشد،
بنابراین، بهطور شگفتآوری، بهتر از مکانسازی و نقشهبرداری همزمان راداری (SLAM) و نزدیک شدن به lidar SLAM عمل میکند. دقیقترین پیکربندی در معیار آکسفورد به 1.09 درصد خطا در فرکانس 5 هرتز و سریعترین آن 1.79 درصد خطا در 160 هرتز میرسد.
حسگرهای جدید رادار محققان قادر است در شرایط دید کم به خودروها کمک کند تا از میان دود، گرد و غبار و مه بتوانند براحتی مسیر خود را ببینند. این را از می تواند جایگزین مناسبی برای حسگرهای لیزری باشد.
محققان با افزایش دقت حسگرهای رادار توانستند از آنها برای خودروهای خودران استفاده کنند. این حسگرها می توانند شرایط برای رانندگی ایمن را فراهم کنند.
در خودروهای خودران فناوری ها و حسگرهای مختلف، لیدار، رادار و حسگرهای فراصوت وجود دارند. سیستم رایانه ای خودرو داده های جمع آوری شده توسط حسگرها و رادارها را با کمک فناوری های مربوط به الگوریتم یادگیری ماشینی پردازش کرده و در مورد مسیریابی محیط تصمیم گیری می کند.
دانیل ادولفسون، دانشجوی دکترای کامپیوتر در دانشگاه اوربرو در مورد این فناوری می گوید: مهمترین قابلیت رادارهای جدید عملکرد مناسب در تمامی شرایط آب و هوایی است. بطوری که در میان دود، گردو غبار و مه می تواند بخوبی مسیر را ببیند.
رادار جدید به خودروی خودران کمک می کند تا مسیر صد متری را با دقت یک متر مشخص کند. این بدین معنی است که این رادار دقت سیستم موقعیت یابی را افزایش می دهد. در روش جدید دقت مکان یابی راداری بسیار بیشتر از موقعیت یابی لیزری خواهد بود. این رادارها می توانند در خودروهای با دید کم جایگزین حسگرهای لیزری شده و به خوبی ببیند.
آب چگونه بر لیدار تأثیر می گذارد؟
برخی از رایج ترین شرایط سخت رانندگی، باران شدید یا مه غلیظ است. بنابراین، من از اطرافیان پرسیدم تا بهتر بفهمم که آنها چگونه LiDAR را تحت تأثیر قرار می دهند.
الکس کونی، فیزیکدان نوری در تیم رانندگی خودمختار TTP توضیح داد: «سه مکانیسم کلیدی وجود دارد که بر عملکرد سیستم LiDAR در شرایط مرطوب تأثیر میگذارد. اینها جذب، پراکندگی و کاهش بازتاب سطوح هستند.
جذب، پراکندگی و بازتاب
نمودار جذب، پراکندگی و بازتاب برای LiDAR خودرو.
برای مثالی از تغییر در بازتاب خیس، به ماسه فکر کنید. ماسه مرطوب به دلیل افزایش پراکندگی و انعکاس کلی درونی در ماده، به وضوح تیرهتر از ماسه خشک است. اگر این مکانیسم ها را برای مدل سازی اثرات شرایط آب و هوایی مختلف نامطلوب به کار ببرید، می توانید با بدتر شدن آب و هوا، محدوده موثر یک سیستم LiDAR را کاهش دهید.
شبیه سازی TTP بر اساس نتایج مقالات بررسی شده (Wojtanowski et al. and Fersch et al.). در این شبیه سازی از انرژی پالس خروجی 300 nJ در 905 نانومتر و آشکارساز Hamamatsu S11519 APD استفاده شد.
همانطور که می بینید، رطوبت نسبی تاثیر کمی روی محدوده دارد. این به این دلیل است که حتی در رطوبت 100 درصد، محتوای آب در جو در مقایسه با باران یا مه بسیار کم است. سپس تصور کنید که باران شروع به باریدن می کند. اکنون آب کافی در هوا برای جذب وجود دارد که نقش مهمی ایفا می کند. و بدتر شدن اوضاع، با مرطوبتر شدن همه چیز، معمولاً نور کمتری را نیز منعکس میکند. همانطور که انتظار دارید، باران شدیدتر به معنای جذب بیشتر به معنای برد کمتر است. شبیهسازی ما نشان میدهد که باران شدید با سرعت 25 میلیمتر در ساعت، محدوده موثر LiDAR را 15 تا 20 درصد کاهش میدهد.
اندازه یک قطره باران حدود 1000 برابر بیشتر از طول موج لیزر است، بنابراین پراکندگی نقشی ندارد. با این حال، پراکندگی در شرایط مه آلود که قطرات ریز معلق در هوا قابل مقایسه با طول موج نور هستند، مهم می شود. همانطور که می بینید، مه منجر به کاهش چشمگیر 50 درصدی برد LiDAR می شود، که درست مانند یک راننده انسانی، به این معنی است که یک وسیله نقلیه برای ایمنی باید سرعت خود را کاهش دهد.
کدام سیستم LiDAR در باران بهتر کار می کند؟
حسگرهای LiDAR بسته به طول موج نوری که استفاده می کنند را می توان به طور کلی به دو کمپ تقسیم کرد. دو سیستم متداول 905 نانومتر و 1550 نانومتر هستند و بحث های زیادی در مورد اینکه کدام یک بهینه است وجود دارد. کونی گفت: 905 نانومتر از قطعات ارزانتر استفاده میکند، اما برد آن به دلیل ایمنی چشم محدود است. 1550 نانومتر به تقویتکنندههای نوری و آشکارسازهای گرانتری نیاز دارد، اما میتوان آن را با توان بالاتر اجرا کرد زیرا نور کمتری میتواند به شبکیه ظریف چشم شما برسد.
شبیهسازی TTP از انرژی پالس 20 برابری بالاتر برای سیستم 1550 نانومتری (6 µJ) و Hamamatsu G8931-20 APD استفاده کرد تا افزایش 2-2.5 برابری برد عرضه شده توسط سیستمهای تجاری 1550 نانومتری را تکرار کند.
در شرایط ایده آل، افزایش توان یک سیستم LiDAR 1550 نانومتری منجر به برد موثر طولانی تری می شود. با این حال، تاثیر جذب، پراکندگی و انعکاس در شرایط مرطوب همه در طول موجهای بلندتر جدیتر است. شبیه سازی بالا نشان می دهد که مزیت برد سیستم 1550 نانومتری گران تر را می توان با بدتر شدن آب و هوا حذف کرد.
فناوری جدید می تواند کمک کند
آیا یک وسیله نقلیه خودران باید در مه شدید و بارندگی های شدید شبیه به رانندگان انسان، سرعت خود را کاهش دهد یا متوقف کند؟ شاید، اما می توان از برخی تکنیک های هوشمندانه برای به حداقل رساندن کاهش عملکرد استفاده کرد.
موج پیوسته مدولهشده با فرکانس (FMCW) شکل بسیار حساسی از LiDAR است که میتواند در شرایطی که فوتونهای کمی شناسایی میشوند، عملکرد خوبی داشته باشد، که به روشی کاملاً متفاوت با سیستمهای آشناتر زمان پرواز (ToF) کار میکند. این تکنیک از لیزر پیچیدهتری با قابلیت تنظیم فرکانس استفاده میکند که برخلاف ToF LiDARهای پالسی، نور را به طور پیوسته تولید میکند، اما فرکانس (طول موج) نور مدوله میشود. مقداری از نور برای اندازهگیری به سمت بیرون پرتاب میشود، در حالی که مقداری در درون حسگر به عنوان مرجعی که به عنوان نوسانگر محلی شناخته میشود، نگهداری میشود.
سیگنال بازگشت با نوسانگر محلی مخلوط می شود تا موقعیت اجسام و فاصله سرعت آنها و سرعت جسمی که پالس را برمی گرداند تعیین کند. از آنجایی که نور بسیار بیشتری در حالت اندازه گیری پیوسته به آشکارساز راه پیدا می کند، این روش تشخیص سیگنال های بسیار بزرگتری نسبت به ToF برای اندازه گیری دارد.
FMCW می تواند تضعیف محیطی بسیار بیشتری را تحمل کند و برد را در شرایط بد افزایش دهد. پتانسیل این فناوری بسیار زیاد است، همانطور که توسط ارزیابی های اخیر استارت آپ های FMCW LiDAR مانند Silc و Aeva مشهود است.
در حالی که FMCW مزایای زیادی ارائه می دهد، بدون چالش نیست. لیزرهای قابل تنظیم مورد نیاز FMCW LiDARها در ابتدا برای opti ساخته شدند
نظرات