Automotive Sensor Technology: LiDAR Vs. Radar vs. kamerák

több tucat startup törekszik a LiDAR-ra, mint az autonóm járműtechnológia jövőjére, de egyre több vállalat keres alternatívákat, amelyek magukban foglalják a kamerákat és a radarokat. Melyik a végleges technológia az AVs számára? Melyik jön ki a tetején? Erre a kérdésre még nem kell válaszolni, de van néhány egyedi vállalat, amely megpróbálja újragondolni az autóipari érzékelő technológiát. Alkotásaik adhatnak néhány nyomot arra, hogy mit tartogat a jövő.

“másfél évvel ezelőtt volt egy standunk a CES-en, és a leggyakoribb megjegyzés az volt, hogy” hol van a Lidarod? Ti nem vagytok LiDAR cég” – mondta Paul Banks, a TetraVue alapítója és vezérigazgatója, a 4D LiDAR videokamerák induló épülete. “Bizonyos értelemben ez igaz. Mi egy fényképezőgép cég, és a kamera képes, hogy a távolság mérése minden egyes pixel és minden képkocka.”A TetraVue technológiája technikailag nem LiDAR, de Banks szerint cége” ugyanazokat az alapvető fizikai méréseket használja.”

“van egy úgynevezett” optikai repülési idő ” – magyarázta Banks. “Van egy optikai modulátorunk, amit egy normál kamera szenzor elé helyezünk, csakúgy, mint a mobiltelefonunkban, és ez a modulátor minden egyes pixeltől méri a távolságot ugyanahhoz a képhez. 64 pont helyett HD kamerákat készítettünk, így egyszerre 2 millió távolságmérést kapunk.”Ez egy olyan érzékelőt eredményez, amely egyértelműen képes megjeleníteni a részletek széles skáláját – nemcsak más autókat, hanem potenciális akadályokat, gyalogosokat vagy egy triciklit lovagló gyereket is.

a TetraVue nem az egyetlen vállalat, amely kamerákat próbál használni a LiDAR hiányosságainak leküzdésére. Az Outsight egy másik ilyen vállalkozás, egy olyan 3D szemantikai kamera kifejlesztése, amely gépi tanulás nélkül képes felismerni a tárgyak méretét, helyzetét és kémiai összetételét – beleértve a bőrt, a műanyagot, a fémet és a havat. Raul Bravo társalapító szerint ez a kamera fejlesztésének fontos része.

“van egy tendencia gépi tanulás,” mondta Bravo. “Ellentétes megközelítésünk az, hogy a gépi tanulás nem ezüst golyó. Ez nem valami, amit minden helyzetben használni kell.”A Bravo egy olyan világot képzel el, amelyben a járművek képesek felismerni, hogy van valami – egy személy vagy tárgy, amely nem tartozik hozzá – anélkül, hogy feltétlenül aggódnának a sajátosságok miatt.

“ha előtted van, a sávodban, és nem kellene ott lennie, néha csak reagálnod kell” – mondta Bravo. Attól tart, hogy ha egy autó a gépi tanulásra támaszkodik, akkor túl sok időt pazarolhat a forgatókönyv értékelésére ahelyett, hogy reagálna. Az Outsight segítségével reméli, hogy az autók nagyobb fokú szituációs tudatosságot fognak elérni.

“ez nem csak a környezet érzését jelenti, hanem a környezet megértését is” – tette hozzá. “Egyetlen érzékelőben egyesítjük azt az érzékelést és megértést, amelyre az intelligens gépek működéséhez szükség van.”John Xin, a lunewave társalapítója és vezérigazgatója, egy startup, amely nagy teljesítményű, nagy értékű autóipari radarérzékelő rendszert fejleszt az AVs számára, értéket lát az összes technológiában. De felismeri a gyengeségeiket is.

” úgy gondolom, hogy a kamerák a jelek értelmezésének egyértelmű előnye, ezért rendkívül fontosak ” -mondta Xin, akinek cége egyedi méretű Luneburg objektívantennákat kínál. “Az ultrahang többnyire parkolásra szolgál – a trükkös rész az, hogy nagyon közel van, nem igazán képes észlelni néhány lábnál többet.”A LiDAR viszont nagyon finom szögfelbontással rendelkezik, ami ideálissá teszi az objektumok megkülönböztetését. De amikor köd vagy hóvihar sújtotta, mind a LiDAR, mind a kamerák küzdenek a teljes kapacitással.

“ezért tudja az ipar, hogy a radar itt marad” – mondta Xin. “Ez az egyetlen, amely jól működik rossz időjárási körülmények között.