Scansowanie LiDAR: Przekształcanie eco laserowych w mapę

Harmonizacja sygnału światła

LiDAR (Lekcja Detekcji i Odrzucania Słonecznego Oświetlenia) pomierza odległość mierząc czas przepływu pociągu laserowego do powierzchni i z powrotem. Ponieważ światło podróżuje około 3×10⁸ m/s, elektroniki harmonizujące muszą mieć precyzję w skali pikosekund, aby rozwiązać odległości w centymetrach – przebieg pociągu do ściany o odległości 15 metrów trwa tylko około 100 nanosekund. Jeden obrot 2D wykonuje to system zasięgu ciągle, strzelając tysiące impulsów na sekundę pod nieco innych kątów, a każda powrotna odległość przyporządkowana do jej kąta strzału tworzy jeden punkt w 360° skanie.

distance = c · t_roundtrip / 2

c = speed of light ≈ 3×10⁸ m/s
t_roundtrip = time between pulse emission and detected return

Ray marching i chmura punktów

W symulacji lub modelu oprogramowania LiDAR zastępuje się fizyczne pomiar czasu geometrią: każda strzałka jest przesuwana (lub analitycznie przecinana) od czujnika w kierunku najbliższego obstaculu, dokładnie powtarzając to, co zreperowałaby rzeczywista strzałka. Koniec każdej strzałki — przekonwertowany z lokalnych współrzędnych biegunowych czujnika (kąt, odległość) na globalne współrzędne kartezjańskie przy użyciu pozycji i kierunku czujnika — staje się jednym punktem w chmurze punktów. Jest to niewyraźna, niestruktowana zbiórka próbek powierzchniowych bez jasnej połączenia między nimi.

Z punktów do siatki: mapa zajączystości

Wektor punktowy jest szumowaty i rzadszy — rzeczywiste czujniki się mylą, odbijają od szyb lub łapią przesuwające się przeszkody. Zamiast tego roboty akumulują skany w siatkę zajęczystości: środowisku podzielonym na małe komórki, każda z której przechowuje przekonanie o tym, czy jest wolna lub zajęta. Jedna strzałka dostarcza jednocześnie dwa rodzaje dowodów — jej końcówka prawdopodobnie jest zajęta, a każdą komórkę, którą przebyła na trasie do tego miejsca, definiuje jako wolną przestrzeń, ponieważ przez definicję strzałka dotarła tam tylko wtedy, gdy przechodzące obiekty nie blokowały jej drogi.

Log-oddy: łączenie dowodów ekonomicznie

Zagregowanie powtarzających się, niezależnych i szumowych obserwacji tego samego komórki za pomocą zasady Bayesa oznacza mnożenie prawdopodobieństw — co jest numerycznie trudne i wolne. Standardowa technika, używana w prawie każdej systemie mapowania od pracy Elfes'a z grupą zajmującą się siatką zajętości (1989) do dziś, polega na śledzeniu log-oddy każdego komórki, ponieważ aktualizacje Bayesa w przestrzeni log-oddy redukują się do prostej dodawania:

l(komórka) = log( p(zajęta) / (1 − p(zajęta)) ) na promieniu przechodzącym przez wolną komórkę: l += l_wolna (l_wolna < 0) on promieniu kończącego się (zderzającym się) w końcowej komórce: l += l_zderzenie (l_zderzenie > 0) odzyskaj prawdopodobieństwo kiedykolwiek: p = 1 / (1 + e^(−l)) Każda nowa skanowanie dodaje małą dodatnią lub ujemną wartość do całkowitej bieżącej wartości każdej zarafiowanej komórki. Komórki, które powtarzają się widzą dowody wolnych przestrzeni, odrażają się ku silnie ujemnym log-oddy (konfidencjalnie wolne); komórki, które są wielokrotnie zderzane końcami promieni, odrażają się dodatnio (konfidencjalnie zajęte); komórki rzadko obserwowane pozostają blisko zera (niewiadome). Ponieważ jest dodawalne i odwracalne, ta sama schemat naturalnie pozwala komórkom na odwrót od zajętego do wolnego, jeśli środowisko zmienia się — krzesło się przesuwa, drzwi otwierają się — bez żadnej logiki przypadkowej.

l(cell) = log( p(occupied) / (1 − p(occupied)) )

on a ray passing through a free cell:      l += l_free    (l_free < 0)
on a ray ending (hit) at the endpoint cell: l += l_hit     (l_hit > 0)

recover probability any time: p = 1 / (1 + e^(−l))

Często zadawane pytania

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz LiDAR Scanning i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.