基于时分复用的多光谱激光雷达系统，增强目标识别能力

发布时间：

2024-07-15

近年来，自动识别技术取得了重大突破，并在机器人技术、自动驾驶汽车等多个领域得到了广泛应用。自动驾驶技术通常依赖于摄像头和/或激光雷达（LiDAR）系统来捕捉驾驶环境中的关键信息，这些信息对于导航和确保行车安全（如规划行驶路径和避障）至关重要。目前，基于飞行时…

近年来，自动识别技术取得了重大突破，并在机器人技术、自动驾驶汽车等多个领域得到了广泛应用。自动驾驶技术通常依赖于摄像头和/或激光雷达（LiDAR）系统来捕捉驾驶环境中的关键信息，这些信息对于导航和确保行车安全（如规划行驶路径和避障）至关重要。目前，基于飞行时间（ToF）技术的激光雷达能够探测到数米之外的物体，并实现厘米级的精确测量。结合人工智能（AI）技术，自动驾驶激光雷达系统在安全性和准确性方面得到了显著提升。然而，仅依赖形状信息进行物体识别和分类存在一定局限性，例如在路面结冰或区分真人和类似人形的物体（如人体模型、平面图像等）时可能会出现误识别。

为了克服这些局限，行业内提出了多光谱激光雷达系统，这种系统通过提供额外的基于光谱成像的材料信息来增强物体识别能力。特别是短波红外（SWIR）光谱范围（波长900-2500 nm）的反射光谱，相比可见光光谱或简单的颜色成像，能够提供更为丰富的材料属性信息。多光谱激光雷达系统通过同时捕获空间和光谱信息，已经证明其在提升目标识别准确性方面的有效性。然而，传统多光谱激光雷达系统往往采用带通滤波器或色散光学系统来实现光谱分辨检测，这些方法都存在一定的局限性。随着所需采样的波长数量增加，不仅光学损耗变得不可避免，而且需要多个光电探测器以及反射光光谱分离技术，这导致系统复杂度增加且成本上升。

基于时分复用技术的多光谱激光雷达目标分类系统示意图

据麦姆斯咨询报道，韩国釜山大学的科研团队开发了一种创新的多光谱激光雷达系统，该系统利用时分复用（TDM）技术，能够同时获取空间和光谱信息，从而实现对物体的语义推断。TDM技术通过在时域中对不同波长的脉冲进行采样来进行光谱分析，这种方式不仅减少了色散光谱学中的光学损耗，而且还提供了一种简单、紧凑且成本效益高的系统解决方案。通过最大限度地减少TDM脉冲串中不同波长脉冲之间的时间延迟，确保所有脉冲在扫描过程中到达相同位置，从而收集到物体同一点的光谱信息。这种方法简化了物体分类的数据处理，同时保持了激光雷达系统的扫描速率。该系统采用纳秒脉冲激光器，在670 nm的SWIR波段覆盖了五种不同的波长（980 nm、1060 nm、1310 nm、1550 nm和1650 nm），以获得足够的材料相关反射光谱差异，从而提高物体识别的准确性。

TDM多光谱成像与光谱分析

为了实现空间和光谱可视化，以便对物体进行分类，研究人员采用了一种方法，即根据RGB色彩模型，为每个波长的空间强度图分配独特的颜色。这种方法能够将SWIR光谱信息转换成RGB颜色，使得人们可以通过颜色差异直观地识别材料属性。在概念验证实验中，研究人员对比了人手、人手模型、织物手套、丁腈橡胶手套和打印人手的RGB颜色编码图像，尽管这些图像在可见光下颜色相似，但在多光谱图像中由于材料的不同而展现出了显著的差异。此外，研究人员还利用五个波长的多光谱数据集训练了一个卷积神经网络（CNN）框架，以展示其在材料分类方面的性能。验证结果显示，系统能够根据材料对多光谱图像进行清晰分类，准确度很高。研究人员还展示了利用TDM技术的多光谱激光雷达系统进行距离测绘的能力，其测距精度达到了大约10厘米。这些成果表明，该系统在先进的自动驾驶技术领域具有巨大的应用价值。