基于时间划分多重复合的 LiDAR 应用的多光谱语义摄像头

科学领域:

• 机器人技术和自主系统
• 光学工程是指光学工程.
• 人工智能的人工智能

背景情况:

• 基于飞行时间 (TOF) 的光检测和测距 (LiDAR) 系统对于自主识别至关重要,可以高精度地绘制环境.
• 当前的LiDAR系统在对象错误识别方面扎,需要改进识别能力.
• 多光谱LiDAR,特别是短波红外 (SWIR) 范围,提供了增强的材料信息,但面临复杂性和成本挑战.

研究的目的:

• 开发一种新的,紧的多光谱LiDAR系统,用于语义对象推理.
• 使用单个光探测器,同时获取空间,光谱和TOF距离数据.
• 提高自主系统中对象识别的准确性和可靠性.

主要方法:

• 提出了一个基于时间分割多重复制 (TDM) 的多光谱LiDAR系统.
• 用五种不同的SWIR波长的纳秒脉冲来同时获取数据.
• 使用RGB颜色编码的多光谱图像和用卷积神经网络 (CNN) 进行分类来证明识别.

主要成果:

• 成功获得了同时的空间,光谱和TOF距离信息,使光学损失最小化.
• 视觉化了各种手工材料 (人,人形,手套,打印) 的光谱差异,以不同的RGB颜色.
• 使用CNN模型实现了多光谱数据的有效分类.

结论:

• 基于TDM的多光谱LiDAR系统为增强的对象识别提供了一个紧且具有成本效益的解决方案.
• 这项技术显著改善了物质信息的获取,解决了传统LiDAR的局限性.
• 该系统具有很大的潜力,可以提高自动驾驶和机器人技术的安全性和可靠性.