4D LiDAR 与 4D RADARS

LiDAR 是检测距离最精确的传感器，摄像头对于场景理解是必不可少的，RADAR 可以透过物体看到并允许直接测量速度。

LiDAR （光检测和测距）是一种利用激光测量距离并创建物体和环境的详细 3D 地图的技术。LiDAR系统通过发射激光脉冲来运行，并计算光击中物体后返回所需的时间。

LiDAR 广泛应用于各种应用，包括自动驾驶汽车（它有助于物体检测和导航）以及测绘（它提供精确的地形数据）。该技术能够提供精确的距离测量和详细的环境测绘，使其成为现代传感技术中不可或缺的一部分。

在 2010 年代，当我们谈论 LiDAR 时，人们指的是 TOF LiDAR 系统（飞行时间 LiDAR）。这些传感器会向环境发送激光脉冲，并测量波返回所需的时间。通过测量返回所需的时间，我们使用“飞行时间”激光雷达原理来测量任何物体的距离。以下是一个例子：

TOF LiDAR 的工作原理

根据 LiDAR 的垂直层数，就可以拥有 2D 或 3D LiDAR，以创建环境的点云。下面是比较：

2D 与 3D LiDAR 点云

这些的优点在于测量的准确性，我们拥有类似激光的精度。激光雷达利用激光脉冲发出激光束，测量距离并创建详细的 3D 地图。许多计算机视觉系统确实是使用 ToF LiDAR 标签进行训练的。但缺点是，如果你想测量速度，你需要计算 2 个连续时间戳之间的差异。

RADAR 代表无线电探测和测距。它的工作原理是发射电磁波 (EM)，当遇到障碍物时会反射。与摄像头或激光雷达不同，它可以在任何天气条件下工作，甚至可以在障碍物下方看到。得益于多普勒效应，我们可以测量每个障碍物：

• XYZ 位置（某种程度上）

• 速度

这已经很好了，对吧？我们有 3D 位置，加上速度，所以我们有一个不错的 4D 输出。

这项技术非常成熟（已有 100 多年历史），并用于航空等各个行业，对空中交通管制、汽车、导弹探测甚至天气预报都至关重要。雷达能够在各种天气条件下有效运行，并且能够熟练地探测远距离物体，这使它成为一种可靠且用途广泛的传感技术。

雷达系统的输出，下图展示雷达传感器的真实输出：

很糟糕，对吧？首先，它写成 3D，但实际上是 2D 输出。我们没有每个点的准确高度。之所以称之为 3D，是因为第三维是障碍物的速度，通过多普勒效应直接估算。

当然，我们可以对这些“点云”进行处理， 应用深度学习，经过雷达/相机融合后，可以得到这样的结果：

摄像机在场景理解方面具有许多优势，RADAR 在成熟度、天气条件和速度测量方面具有许多优势，而 LiDAR 有一个关键优势：距离估计。

现在的问题是：我们如何避免使用所有 3 个传感器？例如，在自动驾驶汽车中，我们使用的传感器越多，汽车就越昂贵。埃隆·马斯克和特斯拉移除雷达，不使用激光雷达的做法，是他们直接向消费者销售汽车的最佳经济决策。如今可以使用新的 LiDAR 和 RADAR 系统：4D LiDAR 和 4D RADAR。它们都可以返回出色的深度估计、清晰的点云并直接测量速度。将激光雷达数据与先进的处理技术相结合可提高工作流程的效率和准确性

自动驾驶汽车的新型 RADAR 和 LiDAR 传感器， 主要想谈谈两项技术。从技术上讲，它们并不“新”，但在使用和市场采用方面却是新的。它们是 FMCW LiDAR 和成像雷达。您会发现，如果以前将 LiDAR 与 RADAR 进行比较没有太大意义（因为它们是互补的），那么现在就很有意义了，因为它们可以具有竞争力。

FMCW LiDAR（或 4D LiDAR 或多普勒 LiDAR）是一种可以返回深度信息的 LiDAR，但也可以直接测量物体的速度。如果他们窃取 RADAR 多普勒技术并将其适配到光传感器上，会发生什么？

以下是初创公司Aurora在 LiDAR 方面所做的事情，请注意移动的物体是有颜色的，而其他物体则没有：

可以估算速度并预测轨迹的 4D LiDAR —蓝色：接近 | 红色：后退（来源：Blackmore / Aurora）

为了产生这种效果，LiDAR 使用多普勒效应，从该图可以看出主要思想，我们利用返回波的频率来测量速度。