Che cos’è LIDAR?

 

Che cos’è LIDAR?

3 cose da sapere

LIDAR (acronimo di Light Detection and Ranging) è una tecnologia di telerilevamento che utilizza la luce pulsata per raccogliere misure di range dagli oggetti nell’ambiente circostante. I sensori LIDAR emettono impulsi laser che si riflettono sugli oggetti, il che consente loro di percepire la struttura dell’ambiente circostante. I sensori registrano l’energia luminosa riflessa per determinare le distanze da un oggetto e creare una rappresentazione 2D o 3D dell’ambiente circostante.

I sensori LIDAR sono tra i principali sensori per le applicazioni di guida autonoma e di robotica. Consentono la realizzazione di workflow di percezione 3D come il rilevamento di oggetti e la segmentazione semantica, nonché workflow di navigazione come la mappatura, la localizzazione e mappatura simultanea (SLAM) e la pianificazione di percorsi.

Perché LIDAR è importante

I sistemi autonomi utilizzano più sensori come fotocamere, IMU e radar nella loro suite di sensori per la percezione dell’ambiente. I LIDAR sono in grado di ovviare ad alcuni degli svantaggi di altri sensori fornendo informazioni altamente accurate, strutturali e 3D dell’ambiente circostante. Questo vantaggio ha contribuito all’introduzione dei sensori LIDAR nel mercato della percezione tradizionale.

Dati LIDAR raccolti da un sensore LIDAR montato su un veicolo terrestre.

L’adozione dei LIDAR da parte del mercato è determinata da tre fattori chiave:

  1. LIDAR low cost

L’introduzione di LIDAR low cost, con caratteristiche migliorate per il range, le dimensioni e la robustezza, hanno aumentato la disponibilità della tecnologia per applicazioni industriali a rendimento relativamente basso.

  1. Dati 3D accurati

I LIDAR raccolgono informazioni 3D ad alta densità dell’ambiente circostante come nuvole di punti con una maggiore precisione rispetto ad altri sensori di range come radar e sonar. Ciò migliora a sua volta la precisione della ricostruzione 3D.

  1. Algoritmi di elaborazione LIDAR

I recenti sviluppi nei workflow di elaborazione LIDAR, come la segmentazione semantica, il rilevamento e il tracking di oggetti, la fusione dei dati di telecamere LIDAR e la SLAM LIDAR, hanno consentito ai team di ingegneri di aggiungere i LIDAR nei loro workflow di sviluppo. È possibile utilizzare strumenti come MATLAB® per sviluppare e applicare algoritmi di elaborazione LIDAR.

Applicazioni dei LIDAR

I LIDAR sono utilizzati in una vasta gamma di campi, dalla guida autonoma alle scienze della Terra e dell’oceano. Le applicazioni sono raggruppate in base alla piattaforma su cui sono montati i LIDAR.

  1. LIDAR aerei
  2. LIDAR terrestri
  3. LIDAR interni

LIDAR aerei

I LIDAR aerei sono sensori LIDAR montati su velivoli o aeromobili a pilotaggio remoto (APR). I LIDAR aerei acquisiscono dati di nuvole di punti 3D di un ampio terreno, da poter utilizzare per la mappatura LIDAR, l’estrazione delle feature, la classificazione del terreno e altri casi d’uso.

Sensore LIDAR aereo.

 Dati di un LIDAR aereo.

Esempi di applicazioni di LIDAR aerei includono:

  • Agricoltura: la tecnologia LIDAR è ampiamente utilizzata in agricoltura per la mappatura delle aree di vegetazione e per l’identificazione del terreno esatto della coltura e del bacino idrografico.
  • Pianificazione urbana: i LIDAR sono utilizzati nella creazione di modelli digitali di elevazione (DSM) o anche di modelli digitali di città (DCM) di un’area, impiegati per progettare una città o per costruire nuove infrastrutture in una città esistente.
  • Mappatura geologica: i LIDAR possono essere utilizzati per creare mappe 3D della superficie terrestre, che possono essere ulteriormente utilizzate in applicazioni come l’estrazione mineraria, la selvicoltura di precisione e l’esplorazione di petrolio e gas.
  • Navigazione aerea e pianificazione del percorso: i LIDAR sono ora utilizzati negli APR per raccogliere dati 3D in tempo reale per la navigazione autonoma nell’ambiente circostante.

LIDAR terrestri

I LIDAR terrestri possono essere LIDAR terrestri stazionari o LIDAR mobili.

Sensore LIDAR mobile.

Dati di un LIDAR mobile.

  • I LIDAR terrestri stazionari sono LIDAR montati su una piattaforma stazionaria. Sono comunemente utilizzati per rilievi del territorio, rilievi stradali, mappatura topologica, creazione di mappe digitali di elevazione (DEM), agricoltura e altre applicazioni. I LIDAR terrestri stazionari sono adatti per applicazioni che richiedono un’acquisizione di dati dettagliati e ravvicinati.
  • I LIDAR mobili sono LIDAR terrestri fissati su una piattaforma mobile come un’automobile o un autocarro. L’applicazione di LIDAR mobili più diffusa è la guida autonoma. I LIDAR montati sui veicoli acquisiscono dati di nuvole di punti 3D dell’ambiente circostante e sono ulteriormente utilizzati nei workflow di percezione e navigazione.

LIDAR interni

I LIDAR sono ampiamente utilizzati in applicazioni di robotica interna mediante il montaggio su robot mobili. Oltre ai LIDAR 3D, anche i LIDAR 2D o gli scanner laser sono utilizzati in applicazioni di robotica interna come la scansione e la mappatura LIDAR. I LIDAR interni raccolgono informazioni di profondità sull’ambiente circostante che vengono poi ulteriormente elaborate in base ai casi d’uso.

Sensore LIDAR interno.

Dati di un LIDAR interno.

Gli utilizzi più diffusi dei LIDAR interni includono:

  • Mappatura e SLAM LIDAR: è possibile utilizzare LIDAR 2D o 3D per creare rispettivamente SLAM e mappature 2D o 3D.
  • Rilevamento di ostacoli, avviso di collisione ed evitamento: i LIDAR 2D sono ampiamente utilizzati per rilevare ostacoli. Questi dati possono essere ulteriormente impiegati per creare avvisi di collisione o per evitare gli ostacoli.

Elaborazione LIDAR in MATLAB

MATLAB e Lidar Toolbox™ semplificano le attività di elaborazione LIDAR. Grazie a strumenti e funzioni dedicate, MATLAB consente di superare le sfide comuni nell’elaborazione dei dati LIDAR come i tipi di dati 3D, la sparsità dei dati, i punti non validi nei dati e i rumori elevati.

È possibile importare dati LIDAR in tempo reale e registrati in MATLAB, implementare workflow di elaborazione LIDAR e creare codice C/C++ e CUDA da distribuire in produzione.

Alcune delle principali funzionalità che MATLAB fornisce nell’elaborazione di nuvole di punti LIDAR includono:

Streaming, lettura e scrittura di dati LIDAR

Il primo passo nell’elaborazione dei dati di qualsiasi sensore in MATLAB è l’inserimento dei dati nell’area di lavoro MATLAB. Sarà possibile:

  • Eseguire lo streaming dei dati in tempo reale da sensori Velodyne utilizzando il pacchetto di supporto hardware di Velodyne LIDAR.
  • Leggere le nuvole di punti archiviate in diversi formati di file come PCD, PLY, PCAP, Ibeo data container, LAS e LAZ.
  • Sintetizzare i dati LIDAR in ambienti di simulazione per testare gli algoritmi di elaborazione. UAV Toolbox e Automated Driving Toolbox™ forniscono modelli di sensori LIDAR per simulare nuvole di punti LIDAR.

Esecuzione dello streaming di dati in tempo reale da sensori LIDAR Velodyne

Elaborazione dati LIDAR

È possibile pre-elaborare i dati LIDAR per migliorare la qualità dei dati ed estrarne informazioni di base. Lidar Toolbox fornisce funzionalità per il downsampling, il filtraggio mediano, l’allineamento, la trasformazione e l’estrazione delle feature da nuvole di punti.

Calibrazione fotocamera LIDAR

MATLAB consente la calibrazione di fotocamere LIDAR per stimare le trasformazioni fotocamere-LIDAR ed eseguire la fusione dei dati provenienti da fotocamere e LIDAR.  È inoltre possibile eseguire la fusione delle informazioni di colore nelle nuvole di punti LIDAR e stimare i riquadri di delimitazione 3D nel LIDAR utilizzando riquadri di delimitazione 2D da una fotocamera che si trova nello stesso luogo.

App Lidar Camera Calibrator.

Deep Learning per LIDAR

Con MATLAB è possibile applicare algoritmi di Deep Learning per il rilevamento di oggetti e la segmentazione semantica sui dati LIDAR.

  • Con poche righe di codice in MATLAB è possibile importare modelli di segmentazione semantica pre-addestrati, tra cui PointSeg e SqueezeSegV2, per segmentare i dati LIDAR. È inoltre possibile addestrare, valutare e distribuire i propri modelli di Deep Learning.
  • MATLAB consente di progettare, addestrare e valutare rilevatori robusti come le reti PointPillars. È possibile rilevare ed eseguire il fitting di riquadri di delimitazione orientati attorno agli oggetti nelle nuvole di punti LIDAR.
  • L’app Lidar Labeler in Lidar Toolbox semplifica l’etichettatura delle nuvole di punti. È possibile aggiungere manualmente i riquadri di delimitazione attorno agli oggetti e applicare algoritmi integrati o personalizzati per automatizzare l’etichettatura delle nuvole di punti LIDAR e valutare le prestazioni degli algoritmi di automazione.

Segmentazione semantica di nuvole di punti

Tracking di oggetti su nuvole di punti

MATLAB è in grado di unificare più domini in un workflow di tracking di oggetti end-to-end. Ciò consente di leggere e pre-elaborare i dati LIDAR, applicare il Deep Learning per rilevare e tracciare oggetti mediante un tracker predefinito e distribuire lo stesso su un hardware target.

Rilevamento e tracking di oggetti.

Registrazione di nuvole di punti e SLAM

MATLAB offre funzioni per registrare nuvole di punti LIDAR e costruire mappe 3D utilizzando algoritmi SLAM. È possibile estrarre e abbinare descrittori FPFH (Fast Point Feature Histogram) da nuvole di punti LIDAR e successivamente registrare le nuvole di punti in base alle feature corrispondenti.

È inoltre possibile implementare algoritmi SLAM 3D unendo tra loro sequenze di nuvole di punti LIDAR da dati provenienti da LIDAR aerei e terrestri.

Mappa creata da dati sequenziali di nuvole di punti LIDAR.

Per ulteriori informazioni sull’elaborazione LIDAR, vedi Lidar Toolbox  e Computer Vision Toolbox™.


Esempi e consigli pratici


Riferimenti software