芒果视频下载

網站分類(lei)
登錄 |    

半固態激光雷達的掃描方式是什么 半固態激光雷達有哪些分類

本文章由注冊用戶 淺嘗不止— 上傳提供 2023-11-09 評論 0
摘要:目前,激光雷達通常分為機械式激光雷達、純固態式激光雷達、半固態激光雷達。其中半固態激光雷達的掃描方式有轉鏡式、微振鏡式等,還可以根據照激光光源進行分類,常見的有1550nm和905nm兩種光源,具體的半固態激光雷達的掃描方式是什么以及半固態激光雷達有哪些分類,咱們就到文中仔細看看吧!

一、半固態激光雷達的掃描方式是什么

半固態激光雷達是通過鏡面反射或棱鏡折射,用更少的激光發射和接收器件,以及更少更小的機械運動器件,實現高質量的點云數據。那么具體的半固態激光雷達的掃描方式是什(shen)么(me)呢?

半(ban)固態激(ji)光(guang)雷達可以分(fen)為轉鏡(jing)式(shi)、微振鏡(jing)式(shi)等掃描方式(shi)。

1、轉鏡式(shi)保持(chi)收(shou)發模塊不動(dong),讓電機在帶動(dong)轉鏡運動(dong)的過程中將光束反(fan)射至空間的一定范圍,從而實現掃描探測,其(qi)技術創新方面與機械式(shi)激光雷達類(lei)似。

2、微振(zhen)(zhen)鏡式主要采(cai)用高速振(zhen)(zhen)動的(de)二(er)維振(zhen)(zhen)鏡實現(xian)對空間(jian)一(yi)定范(fan)圍的(de)掃描測(ce)量,技術發(fa)展方面側(ce)重開(kai)發(fa)口徑更(geng)大、頻率(lv)更(geng)高、可靠(kao)性更(geng)好(hao)振(zhen)(zhen)鏡來適用于(yu)(yu)激光雷達。微鏡振(zhen)(zhen)動幅度很小,頻率(lv)高,成本(ben)低,技術成熟(shu),適用于(yu)(yu)量產大規模應用。

該圖片由注冊用戶"淺嘗不止—"提供,版權聲明反饋

二、半固態激光雷達有哪些分類

半固態激光雷達分類方式(shi)非常(chang)多,常(chang)見(jian)的有按照激光光源(yuan)分為1550nm和905nm。

簡單來說,選擇1550nm光源(yuan)可(ke)以(yi)獲得更長的(de)感知距(ju)離,主要目標在于提(ti)升高(gao)速場景的(de)安(an)全性。開高(gao)速大(da)家都知道需要保持安(an)全距(ju)離行駛(shi),一般是(shi)150m以(yi)上,就是(shi)為了在發現危險時能及時響應(ying),發現得越早,反應(ying)越從容。

對應到激光雷達也是,探測距離越遠,就能越早發現障礙物,從而更從容地變道或剎車,不會急剎車影響乘坐體驗。但1550nm也有兩個(ge)問題,首先是太(tai)貴了,相(xiang)較(jiao)于成熟的905nm光源而言(yan),成本高了幾(ji)個(ge)數量級。其(qi)次是1550nm光源容易被(bei)水霧吃掉(diao),無(wu)法很(hen)好(hao)與攝像頭互補,都會(hui)被(bei)極端天氣干擾。

其(qi)次還有落地速(su)度(du),理論上(shang)來說(shuo)使(shi)用(yong)905光源(yuan)的(de)棱鏡式和微轉鏡,是較為簡單的(de)路(lu)線,因此(ci)落地速(su)度(du)上(shang)也會更快一些。

網站提醒和聲明
本(ben)站為注冊(ce)用戶提供信(xin)息存(cun)儲空間(jian)(jian)服務(wu),非“MAIGOO編(bian)輯上傳(chuan)提供”的文章/文字均是注冊(ce)用戶自(zi)主發布(bu)上傳(chuan),不代表本(ben)站觀點,版(ban)權歸原(yuan)作者(zhe)所有(you),如有(you)侵(qin)權、虛假信(xin)息、錯誤信(xin)息或任何問(wen)題,請及時聯系我們,我們將在第一時間(jian)(jian)刪除(chu)或更正。 申請刪除>> 糾錯>> 投訴侵權>> 網頁上相關信(xin)息的(de)知識(shi)產權歸網站方所(suo)有(包括但不(bu)限于文字、圖片、圖表(biao)、著作(zuo)權、商(shang)標權、為用戶提供的(de)商(shang)業信(xin)息等),非經許可不(bu)得抄襲或使用。
提交說明: 快速提交發布>> 查看提交幫助>> 注冊登錄>>
發表評論
您還未登錄,依《網絡安全法》相關要求,請您登錄賬戶后再提交發布信息。點擊登錄>>如您還未注冊,可,感謝您的理解及支持!
最新評論(lun)
暫無評論
淺嘗不止—
注冊用戶-橙心誠意的個人賬號
關注
頁面相關分類
裝修居住/場景空間
生活知識百科分類
地區城市
更多熱門城市 省份地區
人群
季節
TOP熱門知識榜
知識體系榜