LiDAR センサーに関するよくある誤解 - パート 1

世界の科学技術がインテリジェンスと高効率を目指して発展するにつれて、ライダーレーザーモジュールそしてその応用もますます注目を集めています。 ただし、LIDAR テクノロジーとパフォーマンスについては誤解もあります。 この記事では、LIDAR に関する 5 つのよくある誤解を明らかにします。

1. LIDAR応用技術は複雑である
LIDAR はさまざまなハードウェアで構成される複雑なセンサーですが、その基本的な動作原理は実際には非常に単純です。 このセンサーは飛行時間法を使用しており、音波を使用するコウモリやマイクロ波を使用するレーダーと同様の検出原理です。
センサーをそのコンポーネント、つまりレーザー、検出器、ビーム偏向ユニットに分解すると、LIDAR はもはや困難なテクノロジーではなくなります。 レーザー源は最初にレーザーパルスを放射します。 これらのパルスは、マイクロ検流計を介してシーン内に偏向されます。 検出器は反射したQ光を検出し、レーザーパルスの放射時間と戻り時間に基づいて距離を正確に計算します。
このプロセスは 1 秒あたり数千回、さらには数百万回繰り返され、正確な 3D 環境点群がリアルタイムで生成されます。 これらの 3D 点群データは、自動運転の意思決定などに簡単に分析して活用できます。
この技術は、1960 年代初頭のパルス レーザーの発明後に発展しました。このレーザーは、連続波を使用するのではなく、光のパルスを繰り返し放射します。

⒉。 自動運転車のアプリケーションでは、LIDAR は冗長です
イーロン・マスク氏は2019年のカンファレンスで自動運転車でのライダーの使用を無視したが、この事件は現在に至るまでライダーに関する多くの誤解を生み出している。 同氏は、カメラとスマートアルゴリズムを活用したライダーは冗長であり、今後も常にその地位を維持すると主張する。
カメラはさまざまな画像認識技術を適用してカラー視覚画像を収集しますが、1 つのカメラだけを使用すると 2D データしか取得できないため、視覚的な錯覚や距離の誤判断が発生しやすくなります。 これらの欠陥が危険であり、場合によっては致命的となる悲劇的な例もあります。
対照的に、LIDAR は 3D データを確実にキャプチャし、距離とオブジェクトのサイズを正確に識別できます。
正確な 3D LIDAR データを統合すると、カメラが「ブラインド」の場合でも、カメラが周囲の環境を認識できるようになります。 たとえば、トンネルを出た後、カメラが光の変化に適応するのに時間がかかります。
さらに、カメラによって生成された 2D 画像は、自動運転車のアルゴリズムをトレーニングするのに十分な精度であるように見える可能性があります。 しかし、依然として多くの不正確さがあり、機械学習モデルの精度が低下し、車両の感知、予測、意思決定の能力が低下します。 自動運転を促進する機械学習機能はスケーラブルであり、「ロングテール問題」を解決する必要があります。 これは、道路上の車両が直面するシナリオの 95% に対応するには不十分であることを意味します。 機械学習ベースの自動運転機能も 5% を目標にする必要があります。 継続的にパフォーマンスを向上させながら、困難な状況でトレーニングするには、トレーニング用の純粋なカメラ システム データが大量に必要です。
対照的に、LIDAR は、より高精度のトレーニング データを生成しながら、より多くの機械学習予測モデルを提供できます。 したがって、LiDAR は、より信頼性が高く堅牢な自動運転システムに必要なセンサーです。

3. LiDAR は他のセンサーで完全に置き換えることができます
LIDAR に関する最も一般的な誤解の 1 つは、LIDAR がカメラやレーダー センサーで置き換えられるというものですが、この誤解は、これらのセンサー テクノロジーが物体をさまざまな方法で分類する方法についての理解不足から生じています。 これらのセンサーのさまざまな機能と、センサーが生成するデータの種類を理解した後、それらが機能においてどのように相互に補完するかを見ていきます。 カメラがキャプチャするのは 2D 画像であり、グレースケールまたはカラー情報、テクスチャ、コントラストが提供されます。 このデータをさらに分析するには、画像認識ソフトウェアが必要です。 カメラは受動的測定原理を使用しているため、検出するには物体を照明する必要があります。 さらに、3D 画像を作成するには 2 台以上のカメラと高い計算能力が必要です。
レーダースター測定の 3 次元情報は、物体の距離と速度を決定する上で非常に高い精度を持っています。 ただし、解像度は低く、物体を（センチメートルスケールで）正確に検出したり分類したりすることはできません。
LiDAR は、収集した 3 次元データから点群を作成します。 点群の形状とサイズに基づいて、オブジェクトを正確に検出し、人、車、建物などのさまざまなカテゴリに分類できます。
LiDAR は、非常に詳細で信頼性の高い 3 次元情報を収集することで、他のセンサー技術のギャップを埋めます。 さまざまな環境でターゲットを検出して正確に分類できるため、さまざまな種類のセンサーの中でも際立っています。 カメラからのデータはより詳細な分析に使用でき、レーダーによって収集された距離と速度のデータは、LiDAR でより正確に検証できます。 これは、将来的にはすべてのセンサーベースのアプリケーションがカメラ、レーダー システム、LIDAR、その他のセンサーを統合することを意味します。

4. ライダーは過酷な環境条件では機能できません
カメラの検出範囲がヘッドライトの範囲までしか到達できない自動車用途など、十分な周囲照明がないとカメラは動作できません。 対照的に、LIDAR は可視光ではなく赤外線レーザー光線に依存するため、光強度条件に関係なく数百メートルの検出範囲を備えています。 つまり、LiDARセンサーを搭載した自動運転車は、ヘッドライトが消えていても、暗闇でも昼間と同じようにスムーズに走行できるということだ。
霧、雨、雪などの過酷な状況になると、LiDAR はパフォーマンスにおいて明らかな優位性を示し、認識システム内の他のセンサー (カメラなど) の欠点を補うことができます。
LiDAR はビームが大きいため、雨の中でカメラよりも優れたパフォーマンスを発揮することがよくあります。 これにより、ビームはセンサーミラー上の障害物（雨滴など）を回避できるため、LIDAR の範囲はある程度影響を受けません。 それに比べて、カメラのピクセル サイズは雨滴のサイズよりもはるかに小さいため、視界が遮られます。
また、ビームが大きいため、ライダーはさまざまな範囲からの複数のエコーを検出し、最も強い信号を持つエコーだけを処理することもできます。 LIDAR は雪の結晶からの反射の影響を無視できるため、降雪時などの悪天候時にも役立ちます。 機械学習アルゴリズムを備えていないカメラは、雪の結晶、濡れたレンズ、硬い物体を区別できず、最終的に歪んだ画像を返します。
また、LiDAR はカメラ (1000 分の 1 秒) よりも露光時間とシャッター速度 (100 万分の 1 秒) が短いため、雨滴は複数のピクセルにまたがる縞としてではなく、生の形状として検出されます。
LIDAR は光学デバイスであるため、濃霧などの状況ではパフォーマンスに悪影響を及ぼす可能性もありますが、それでもカメラなどのセンサーよりも貴重なデータを提供でき、長距離でも検出できます。

5. LiDARセンサーは高価です
かつて市場で入手可能なライダーは回転ライダーのみでしたが、非常に高価でかさばり、大量生産できませんでした。 したがって、人々が依然として LIDAR とその高額な価格について誤解を持っているのは当然のことです。 しかし、MEMS (微小電気機械システム) LIDAR の出現以来、この意見は完全に変わりました。 MEMS コンポーネントはシリコンでできており、生産のために簡単に拡張できるため、非常にコスト効率が高くなります。
ソリッドステート LiDAR は標準コンポーネントを使用するため、定期的なメンテナンスが不要なため、コストが削減されます。 近年、これらの LIDAR センサーのコストは数千ドルから数百ドルに下がり、この傾向は今後も続くでしょう。 実際、ミッドレンジのセンサーは、大量生産された場合には 3 桁の価格で販売されることもあります。

これらは、LIDAR テクノロジーとそのアプリケーションに関するよくある誤解です。 このシリーズのパート 2 では、人々が見落としている LIDAR に関する誤解をさらに明らかにします。

連絡先：

何かアイデアがございましたら、お気軽にご相談ください。 お客様がどこにいても、また当社の要件が何であっても、当社はお客様に高品質、低価格、最高のサービスを提供するという目標に従います。