LiDAR optimizado para la verificación de la precisión de la medición de profundidad

Área de la Ciencia:

• Robótica y Sistemas Autónomos
• Tecnología de Sensores
• Metrología

Sus antecedentes:

• Los vehículos autónomos dependen en gran medida de la Detección y Rango de Luz (LiDAR) para la percepción 3D y la medición de profundidad.
• La verificación de la precisión de la profundidad del LiDAR es crucial para una conducción autónoma segura, sin embargo, la optimización de los objetivos de referencia sigue estando poco explorada.
• Los métodos existentes carecen de suficiente explicabilidad y optimización para una evaluación robusta del rendimiento del LiDAR.

Objetivo del estudio:

• Proponer y validar un objetivo LiDAR optimizado para mejorar la verificación de la precisión de la medición de profundidad.
• Mejorar la distinguibilidad de la calidad de la señal de retorno para los LiDAR en prueba.
• Proporcionar un método cuantificable para evaluar las diferencias en el rendimiento del LiDAR.

Principales métodos:

• Se utilizó un simulador LiDAR para modelar los errores de escaneo en relación con la calidad de la señal.
• Se desarrolló una "función de disparidad" para cuantificar las diferencias en los errores de medición de profundidad.
• Se diseñó y fabricó una forma de objetivo optimizada mediante impresión 3D basada en los resultados de la simulación.

Principales resultados:

• El objetivo optimizado aumentó significativamente la diferencia en los errores de medición de profundidad entre dos sensores LiDAR (más de siete veces en comparación con un objetivo planar).
• El objetivo propuesto evitó eficazmente que las fuentes de error confusas enmascararan las diferencias de rendimiento.
• Se demostró una mejora en la fiabilidad para distinguir el rendimiento del LiDAR a través de métricas de calidad de la señal.

Conclusiones:

• El objetivo LiDAR optimizado proporciona un método más eficaz y fiable para verificar la precisión de la medición de profundidad en los sensores de vehículos autónomos.
• La "función de disparidad" ofrece una herramienta valiosa para cuantificar el rendimiento del LiDAR y guiar la optimización del objetivo.
• Esta investigación contribuye al desarrollo de pruebas de referencia más sólidas para sistemas de conducción autónoma.