超声波、毫米波、ToF激光雷达——在低功耗场景的应用选型

这篇具有很好参考价值的文章主要介绍了超声波、毫米波、ToF激光雷达——在低功耗场景的应用选型。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

前言:

目前主要的测距方式有:光学测距,超声波和微波雷达测距。

光学测距又可以分为:双目,结构光,ToF。微波雷达,在消费类产品中,常见的是波长在毫米级别的毫米波雷达。超声波应用比较多的是在车载倒车雷达上。

它们各有优缺点,本章内容只针对在户外低功耗场景的应用做分析。

(一)需求分析

市场需求

  1. 户外场景(比如路边,路面或是公园)
  2. 低功耗产品,最短半年换一次电池
  3. 探测近距离范围内的车辆,动物等
  4. 全国范围内可以使用

市面上已有的类似方案:视频桩,路牙机

需求分析

对市场需求进行进一步分析,可以梳理出下面几个比较具体的产品需求:

  1. 光照强度范围:0.2lx ~ 10万lx (月光级~太阳直射)
  2. 气候条件:雨天,雾霾,以及少量尘埃覆盖条件下均可使用
  3. 温度范围:-40~80°C
  4. 环境干扰: 存在路边花草覆盖,垃圾遮挡,震动,无线等干扰情况
  5. 功耗要求:1Hz 检测周期下,平均功耗低于5mW/s

(二)光学测距

光学测距类型

光学测距,主要有双目,结构光和ToF三个技术方向。

结构光和双目都属于3D视觉技术,不但可以检测出距离,还可以输出速度,形状等信息。

ToF模块也有3D的,但如果只要检测距离,不用测量速度和判断物体形状,1D ToF就可以满足需求了。

ToF基本原理

ToF测距基本原理: ToF模块发射端将调制后的红外光发送出去,接收端接收到反射回来的光,通过发送与反射回来光束的时间差或是相位差得到光飞行的时间。根据光的传播速度,结合检测到的飞行时间,可以计算出光传播的距离,从而知道模块距离被测试物体的距离。

ToF 细分之下,又分两种类型,iToFdToF

iToF 原理

将调制后的光发送出去,接收端接收到后,解析出接收到光束的相位,将它与发送时的相位进行对比,间接计算出光的传播时间,从而得到距离值。

TIOPT3101 采用的就是iToF方式。

超声波、毫米波、ToF激光雷达——在低功耗场景的应用选型
超声波、毫米波、ToF激光雷达——在低功耗场景的应用选型

dToF 原理:

相比于 iToF 通过相位间接得到飞行时间,dToF 是通过发送时刻与接收时刻的时间差直接得到飞行时间,汐映微 用在扫地机器人上的CS10-S2A 就是使用的dToF技术。系统框图如下:

超声波、毫米波、ToF激光雷达——在低功耗场景的应用选型

优点:

  1. 模块结构较小
  2. 探测角度较小
  3. 功耗小

缺点:

  1. 适用温度范围小(-10~60°C)
  2. 需要保持模块表面清洁
  3. 对光的干扰敏感

适用场景

  1. 适用于冬季温度在-20°C以上地区,因为低温环境下, ToF模块的时钟精度会下降,导致测量距离不准。另外光学器件灵敏度下降,会导致一些非线性的错误结果,还有可能出现启动不了的情况。

  2. 适用于安装在距离地面比较高的位置,并且模块上方有遮雨的结构设计。镜头有水,或者是镜头沾污,会影响模块性能。

  3. 适用于没有阳光直射或是其它光干扰环境。目前使用比较多的ToF模块,激光波长在800~950nm 的范围。太阳光直射,容易导致感光元器件过曝。如果有波长为800~950nm的其它光源,比如车灯,路灯,会对模块造成干扰。

(三)超声波测距

超声波测距,目前应用得最多的是在倒车雷达上,在近距离测距上使用非常多。一般人能听到的声波频率范围是20Hz~20Khz,低于20hz的我们叫次声波,高于20Khz,我们叫超声波。

测距原理

超声波测距的基本原理是:将固定频率的声波发射出去,然后再检测是否有该频率的声波被反射回来,通过计算发送和接收的时间,可以知道声波的传输时间,再乘以声波的速度,就可以得到距离。

目前成熟度比较高的是 elmosE524.09/08

超声波、毫米波、ToF激光雷达——在低功耗场景的应用选型

优点

  1. 对环境光不敏感
  2. 雨天雾天或是表面有灰尘不影响使用
  3. 温度范围广(-40~80°C)

缺点

  1. 准确度与探测物表面材质关系大
  2. 对湿度、风力和气压敏感
  3. 难以达到较小的探测角度
  4. 功耗较大
  5. 相应速度较慢

适用场景

  1. 适用于探测硬度较大物体。超声波属于机械波,如果被探测物表面非常软,如海绵,会导致声波被吸收,影响探测结果
  2. 适用于探测范围比较大的场景。声波是呈圆锥形发射,它的探测范围会比较大,一般探头的角度为40 * 80,或者是30 * 60;
  3. 适用于震动较小场景。由于近距离测距的超声波模块,一般使用的是52KHz,或是58Khz,如果周围有噪音,或是有处于同频率的震动,会影响到检测结果。
  4. 适用于-40°C ~ 80°C 的环境温度,基本上可以覆盖全国的户外场景。
  5. 不适用于实时性要求高的场景。声波在空气中的传播速度是340m/s,其检测速度没有光学测距快。

(四)微波雷达

微波雷达目前应用比较广的是汽车上的自适应巡航、前向碰撞、盲区监测、自动泊车等系统。它们的探测距离会比较远,可以到200米的距离,属于中距离和远距离探测器。

车载上使用的微波雷达,功耗很高,并不适用于普通消费级的低功耗设备上。

目前在普通消费级设备上,使用比较多的是频率在24GHz的毫米波雷达,比如汐杰微的RKB1125FD 模块,它在1Hz 检测周期下,平均功耗可以做到3.5mW/s

测距原理

测距原理和方式,跟ToF模块相类似,分为两种:一种是通过相位间接得到时间(调频式连续毫米波雷达),一种是直接得到时间(脉冲式毫米波雷达),目前使用的基本上是调频式连续毫米波雷达。

超声波、毫米波、ToF激光雷达——在低功耗场景的应用选型

优点

  1. 雨雾天气不影响使用
  2. 功耗较低
  3. 抗干扰能力强
  4. 温度范围较大(-30~80°C)

缺点

  1. 天线角度较大
  2. 距离精确度不是很高

适用场景

  1. 适用于模块结构比较大的设备。在微波雷达中,尺寸最大的部分是微波雷达的天线,天线尺寸与探测角度是成反比,如果要小角度探测范围,那么天线的尺寸会相应的变大。
  2. 适用温度范围较大,比ToF范围广,但比不上超声波。
  3. 适用于响应速度较快场景,其速度接近ToF模块,远高于超声波。
  4. 适用于准确度要求不太高的场景。就目前有测试到的模块,在近距离应用环境中,它的准确度并不这么高。
  5. 适用于低功耗场景。它与超声波相比,在同样使用条件下,功耗可以低2倍左右。

总结

回到文章最开始市场的需求,就目前已经已接触到的模块,并没有哪种类型模块可以满足全部的需求。激光,超声波,毫米波它们都有适合的应用场景,同时也都有各种局限性。

我们需要根据自己的实际使用场景选择合适的模块,也可以多种探测器组合使用。

在市场的驱动下,也许在不久的将来,会有新的技术出来,能够解决上面所有应用场景的限制。文章来源地址https://www.toymoban.com/news/detail-431625.html

---------------------------End---------------------------
长按识别二维码
关注 liwen01 公众号
超声波、毫米波、ToF激光雷达——在低功耗场景的应用选型

到了这里,关于超声波、毫米波、ToF激光雷达——在低功耗场景的应用选型的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 毫米波雷达:从 3D 走向 4D

    2024年01月02日
    浏览(58)
  • 车载毫米波雷达的校准问题(1)

        任何精密的传感器都需要进行校准,校准的目的在于使测量的结果更加准确。车载毫米波雷达作为一个车规级的可能关系到生命安全的传感器,其测量结果的准确性显得尤为重要。 但是车载毫米波雷达(或者说任何传感器)的校准这个话题很大,涉及的东西有很多,想要详

    2023年04月21日
    浏览(64)
  • 【Apollo】自动驾驶感知——毫米波雷达

    作者简介: 辭七七,目前大一,正在学习C/C++,Java,Python等 作者主页: 七七的个人主页 文章收录专栏: 七七的闲谈 欢迎大家点赞 👍 收藏 ⭐ 加关注哦!💖💖 本文用于投稿于星火培训:报名链接 毫米波雷达分类毫米波雷达的信号频段毫米波雷达工作原理车载毫米波雷达

    2024年02月12日
    浏览(47)
  • 毫米波雷达的硬件架构与射频前端

        本篇博文梳理(车载)毫米波雷达的系统构成,特别地,对其射频前端各部件做细节性的原理说明。本篇博文会基于对这方面知识理解的加深以及读者的反馈长期更新内容和所附资料,有不当之处或有其它有益的参考资料可以在评论区给出,我们一起维护,我会定期完善。

    2024年02月05日
    浏览(39)
  • 综述:自动驾驶中的 4D 毫米波雷达

    论文链接:《4D Millimeter-Wave Radar in Autonomous Driving: A Survey》 4D 毫米波 (mmWave) 雷达能够测量目标的距离、方位角、仰角和速度,引起了自动驾驶领域的极大兴趣。这归因于其在极端环境下的稳健性以及出色的速度和高度测量能力。 然而,尽管与其传感理论和应用相关的研究迅

    2024年01月18日
    浏览(46)
  • 毫米波雷达点云 DBSCAN聚类算法

    聚类的目的是将一组数据点划分为具有相似特征或属性的组或簇。通过聚类分析,我们可以识别出数据中的内在模式、结构和关联关系,从而获得对数据的更深入理解。 具体来说,聚类的目的可以分为以下三部分: 发现数据的内在结构: 聚类可以将数据分成簇,这些簇可能

    2024年02月06日
    浏览(45)
  • 毫米波雷达系列 | 传统CFAR检测(均值类)

    CFAR检测器主要用于检测背景杂波环境中的雷达目标,常见的均值类CFAR检测器包括单元平均检测器(CA-CFAR)、选择最大检测器(GO-CFAR)、选择最小检测器(SO-CFAR)。 CFAR检测器的性能取决于窗口的大小和形状,以及阈值的设置。通常,选择合适的窗口和阈值需要进行大量的实验和测试

    2024年02月08日
    浏览(39)
  • 1.毫米波雷达心率、呼吸原理实现(一)实例

    本项目分两到三篇文章写完,第一阶段借鉴TI开源项目以及根据自己的见解适当更改信号处理链通过AWR1843汽车雷达传感器和DCA1000采集卡采集数据完成人体呼吸和心跳检测算法的实现。第二阶段将仿真成功的代码搬移TIAWR1843传感器并通过串口数据实现生命体征的实时处理。本文

    2023年04月08日
    浏览(40)
  • 毫米波雷达-2D-CFAR算法

    目录 前言 一、什么是CFAR算法? 二、CFAR算法的基本原理 三、实现2D-CFAR算法的示例 四、MATLAB仿真结果 雷达技术在军事、航空、气象等领域扮演着至关重要的角色,而在雷达信号处理中,恒虚警率(CFAR)算法被视为一种重要的工具,用于检测信号中的目标并过滤掉噪声。本文

    2024年04月13日
    浏览(49)
  • 雷达初学者必读 | 毫米波雷达信号处理入门教程

    本文编辑:调皮哥的小助理 本文来源:X. Li, X. Wang, Q. Yang and S. Fu, “Signal Processing for TDM MIMO FMCW Millimeter-Wave Radar Sensors,” inIEEE Access, vol. 9, pp. 167959-167971, 2021, doi: 10.1109/ACCESS.2021.3137387.(有删改) 本教程系统地介绍了用于TDM-MIMO FMCW 毫米波 (mmWave) 汽车雷达的基于离散傅里叶变

    2023年04月26日
    浏览(97)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包