又到一年CES。毫無疑問,每年的CES已經成為全球消費電子行業的重大節日。2023年CES展上,一徑科技又一旗艦產品——高性能車規級長距MEMS激光雷達ML-Xs首次亮相海外市場。
很多朋友來問:一徑ML-Xs采用的是什么技術路線?和市場上的其他同類產品相比,ML-Xs有什么核心競爭力?今天這篇,我們就來講一講ML-Xs的硬核實力。
ML-Xs, 追求極致的遠距離感知能力
長距離激光雷達在自動駕駛高速場景和城市中速場景的感知中扮演著至關重要的角色。比如,能否提前足夠的距離將前方危險障礙物的信息提供給感知系統?能否穩定地由近及遠或由遠及近地跟蹤前方移動目標的信息?一徑科技認為,衡量長距激光雷達上述能力的一個關鍵指標是感知距離。激光雷達的感知距離取決于兩個主要的因素:足夠長的探測距離和足夠小的角分辨率。這兩個參數決定了激光雷達是否能在足夠遠的地方對一個小尺寸目標物有足夠數量且穩定的探測點云。一徑科技的長距激光雷達ML-Xs即是以“追求極致的遠距離感知能力”為核心目標進行的設計。我們先來看看這款產品的核心參數:
核心技術路線:1550nm 光源 + MEMS掃描
ML-Xs采用了一徑科技成熟且先進的MEMS激光雷達平臺架構,激光光源則選擇了1550nm的光纖激光器。1550nm光纖激光器具有出光峰值功率高、光束質量好和點頻數高的特點。在人眼安全的范圍內,超高的出光峰值功率可極大地提升激光雷達的探測信噪比,從而實現高達250m@10%的探測距離。由于信噪比的提升,其在遠距離的測量更加穩定,保證了遠距離下對小物體的穩定點云輸出。
掃描方式上,ML-Xs復用了一徑短距激光雷達同款的MEMS微鏡模組,保證核心部件在新產品應用上的成熟度。也正因為如此,ML-Xs在車規級的振動、沖擊等可靠性上也有了豐富的應用驗證。最重要的是,得益于MEMS微鏡的2D快速掃描特性,ML-Xs能夠輕松實現超高的空間分辨率,其縱向等效180掃描線在所有長距激光雷達產品中也屬佼佼者。可以說,高速掃描的MEMS微鏡和高點頻輸出的光纖激光器是完美的結合。
水平視場分區設計
如前所述,長距激光雷達的兩個重要應用場景為高速和城市中速場景。而這兩個場景對于激光雷達的需求是有區別的:高速場景追求看得遠,城市中速場景追求看得廣。ML-Xs基于場景實際需求,推出了特有的水平視場分區設計,將120°水平視場角分成正前方超遠距離探測區域和兩側中遠距離探測區域,完美滿足上述兩個場景的感知需求:
中央正前方(-15°~+15°)擁有超遠的探測距離(250m@10%反射率)和足夠小的水平角分辨率(0.15°),以應對高速場景對正前方超遠感知距離的需求。
兩側視場(-60°~-15°和15°~60°)探測距離為100m@10%反射率,保證在城市工況下大角度的感知探測。
更重要的是,水平分區的模塊設計在未來技術演進上更具靈活性,可以根據不同分區需求的變化而獨立演進,既可以將中央區域感知能力進一步提升,也可以進一步加大側視場的角度覆蓋范圍。
垂直視場ROI設計,關鍵掃描線用在關鍵區域
除了上述所講的水平方向分區設計,垂直方向的掃描線分布也是影響長距激光雷達感知距離的主要因素。ML-Xs將車前方垂直視場角覆蓋的區域分為了三部分:近車身區域、正前方和前上方區域,并分別對三個區域進行了垂直線束分布的優化:
近車身區域:指的是激光雷達垂直視場向下的部分,一般來說這部分視場覆蓋的是車前方的近距離區域(70米范圍內)。此區域對角分辨率要求不高,只要能滿足中短距的成像要求即可。
正前方區域(ROI):指的是激光雷達垂直視場水平線附近的角度范圍。該范圍是覆蓋車正前方遠處的關鍵區域。在此區域,ML-Xs的垂直角分辨率為0.06°,為正前方遠處關鍵物體的檢測提供了足夠的分辨力。
前上方區域:該區域一般是車前上方的空間,ML-Xs同樣采取了與近車身區域類似的策略。
通過分區域優化設計,能夠更好地滿足長距激光雷達在不同場景下的應用需求,將有限的掃描線用在最關鍵的區域。此外,得益于MEMS微鏡靈活的掃描方式,該垂直ROI區域還可以根據不同安裝高度進行靈活調整,從而適配不同車型的要求。
ML-Xs,無與倫比的全視場感知能力
基于上述三點產品設計理念,ML-Xs實現了業界領先的全水平視場感知能力,能夠及時有效地發現和跟蹤多個不同角度的“感興趣目標”。
得益于成熟先進的非同軸MEMS激光雷達架構以及1550nm光源的引入,ML-Xs是一徑科技面向自動駕駛行業推出的又一力作,相信一定能為自動駕駛客戶帶來無與倫比的前向感知體驗。
審核編輯 :李倩
-
激光器
+關注
關注
17文章
2520瀏覽量
60438 -
激光雷達
+關注
關注
968文章
3981瀏覽量
190036 -
一徑科技
+關注
關注
0文章
18瀏覽量
3388
原文標題:一徑科技高性能車規級長距MEMS激光雷達ML-Xs首次亮相海外市場
文章出處:【微信號:MEMSensor,微信公眾號:MEMS】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論