Automotive Sensor Technology: LiDAR Vs. Radar Vs. Cameras

há dezenas de startups empurrando LiDAR como o futuro da tecnologia de veículos autônomos, mas um número crescente de empresas estão procurando alternativas que incluem câmeras e radar. Qual é a tecnologia definitiva para AVs? Que vai sair por cima? Essa questão ainda não foi respondida, mas há algumas empresas únicas tentando repensar a tecnologia de sensores automotivos. Suas criações podem fornecer algumas pistas para o que o futuro reserva.

“tivemos uma cabine na CES há um ano e meio, e o comentário mais comum que tivemos foi,’ Onde está o seu LiDAR? Vocês não são uma empresa do LiDAR”, disse Paul Banks, fundador e CEO da TetraVue, um prédio de câmeras 4D LiDAR. “De certa forma, isso é verdade. Somos uma empresa de câmeras e a câmera é capaz de fazer uma medição de distância para cada pixel e cada frame. A tecnologia de TetraVue não é tecnicamente LiDAR, mas Banks disse que sua empresa usa “as mesmas medidas básicas de física”.”

” we have what we call ‘optical time of flight,’ ” Banks explained. “Nós temos este modulador óptico que colocamos na frente de um sensor de câmera normal, assim como o que está em seu celular, e esse modulador nos dá uma medição de distância de cada pixel para a mesma imagem. Em vez de 64 pontos, temos feito câmeras que são HD, então você recebe 2 milhões de medições de distância ao mesmo tempo.”Isso resulta em um sensor que pode claramente visualizar uma ampla gama de detalhes – não apenas Outros carros, mas também potenciais obstáculos, pedestres ou uma criança andando de triciclo.

TetraVue não é a única empresa tentando usar câmeras para superar as deficiências de LiDAR. A prospectiva é outro desses empreendimentos, desenvolvendo uma câmera semântica 3D que pode detectar o tamanho, posição e composição química de objetos – incluindo pele, plástico, metal e neve – sem aprendizagem de máquinas. O co-fundador Raul Bravo acha que esta é uma parte importante do desenvolvimento da Câmara.

“há uma tendência de aprendizagem da máquina”, disse Bravo. “A nossa abordagem contrária é que aprender com máquinas não é uma bala de prata. Não é algo que deva ser usado em todas as situações.”Bravo visualiza um mundo em que os veículos são capazes de reconhecer que algo está lá – uma pessoa ou objeto que não pertence – sem necessariamente se preocupar com os detalhes.

“se ele está na sua frente, na sua faixa e não deveria estar lá, às vezes você só tem que reagir”, disse Bravo. Ele se preocupa que se um carro está contando com o aprendizado de máquina, ele pode perder muito tempo avaliando o cenário em vez de reagir. Com perspicácia, ele espera que os carros vão alcançar um maior grau de consciência situacional.

“significa não só sentir o ambiente, mas também compreender o ambiente”, acrescentou. “Estamos fundindo, em um sensor, a percepção e compreensão de que você precisa para que as máquinas inteligentes funcionem. John Xin, co-fundador e CEO da Lunewave, uma startup desenvolvendo um sistema de sensor de radar automotivo de alto valor para AVs, vê valor em todas as tecnologias. Mas ele também reconhece suas fraquezas.

“eu acho que as câmeras uma vantagem distinta de interpretar sinais, por isso são extremamente importantes”, disse Xin, cuja empresa oferece antenas de lentes Luneburg personalizadas em vários tamanhos. “O ultra-som é principalmente para estacionamento – a parte difícil é que é de muito curto alcance, ele realmente não pode detectar mais do que alguns metros.”LiDAR, por outro lado, tem uma resolução angular muito fina, o que o torna ideal para diferenciar entre objetos. Mas quando o nevoeiro ou uma tempestade de neve atinge, tanto o LiDAR como as câmaras lutam para actuar a toda a velocidade.

“é por isso que a indústria sabe que o radar está aqui para ficar”, disse Xin. “É o único que funciona bem durante as más condições climáticas.