Che cos’è LIDAR?
3 cose da sapere
I sensori LIDAR (acronimo di Light Detection and Ranging) sono sensori di misurazione della distanza come i radar e i sonar. I sensori 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 la distanza dagli oggetti e creare una rappresentazione 2D o 3D dell’ambiente circostante. I LIDAR stanno diventando tra i sensori principali utilizzati per sviluppare sistemi di percezione in settori diversi. Consentono workflow di percezione 3D come il rilevamento oggetti, la segmentazione semantica e i workflow di navigazione compresa la mappatura, la mappatura e localizzazione simultanea (SLAM) e la pianificazione di percorsi.
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 di nuvole di punti di uno scenario di guida con alcune automobili.](https://it.mathworks.com/discovery/lidar/_jcr_content/mainParsys3/discoverysubsection__241067823/mainParsys3/image.adapt.full.medium.jpg/1709789867077.jpg)
Nuvola di punti LIDAR di una scena stradale.
L’adozione dei LIDAR da parte del mercato è determinata da tre fattori chiave:
- LIDAR low cost
L’introduzione di LIDAR low cost, con caratteristiche migliorate in termini di distanza, dimensioni e robustezza, hanno aumentato la disponibilità della tecnologia per applicazioni industriali a rendimento relativamente basso.
- 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 che misurano la distanza come i radar e i sonar. Ciò migliora a sua volta la precisione della ricostruzione 3D.
- 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 al settore di aggiungere i LIDAR nei loro workflow di sviluppo. È possibile utilizzare strumenti come MATLAB per sviluppare e applicare algoritmi di elaborazione LIDAR.
I LIDAR vengono utilizzati in svariati settori, dalla guida autonoma alle geoscienze. Queste applicazioni possono essere classificate in linea generale in tre gruppi, in base alla piattaforma su cui vengono montati i sensori.
- LIDAR aerei
- LIDAR terrestri
- 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.
![Immagine di un drone che vola con un LIDAR montato al di sopra.](https://it.mathworks.com/discovery/lidar/_jcr_content/mainParsys3/discoverysubsection_/mainParsys3/columns/6c41c98a-7e25-47ba-98fc-2d4dda293985/image_copy.adapt.full.medium.jpg/1709789867280.jpg)
Sensore LIDAR aereo.
![Dati di una nuvola di punti aerea con edifici e alberi.](https://it.mathworks.com/discovery/lidar/_jcr_content/mainParsys3/discoverysubsection_/mainParsys3/columns/de854ad3-6973-4019-a055-551aa79dfa6f/image_copy.adapt.full.medium.jpg/1709789867307.jpg)
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, utili 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.
Guarda degli esempi su come utilizzare MATLAB® per l’elaborazione di LIDAR aerei:
- SLAM di LIDAR aerei
- Classificazione dei terreni
- Navigazione aerea e pianificazione del percorso:
LIDAR terrestri
Esistono due tipi di LIDAR terrestri: quelli terrestri stazionari e quelli mobili.
![Più LIDAR montati su un’automobile.](https://it.mathworks.com/discovery/lidar/_jcr_content/mainParsys3/discoverysubsection_/mainParsys3/columns_copy/6c41c98a-7e25-47ba-98fc-2d4dda293985/image_copy.adapt.full.medium.jpg/1709789867416.jpg)
Sensore LIDAR mobile.
![Dati di una nuvola di punti di uno scenario stradale con un’automobile e un albero.](https://it.mathworks.com/discovery/lidar/_jcr_content/mainParsys3/discoverysubsection_/mainParsys3/columns_copy/de854ad3-6973-4019-a055-551aa79dfa6f/image_copy.adapt.full.medium.jpg/1709789867444.jpg)
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. Sono particolarmente adatti ad applicazioni in cui è necessaria l’acquisizione di dati dettagliati e più da vicino.
- I LIDAR mobili sono LIDAR terrestri fissati su una piattaforma mobile come un’automobile o un autocarro. L’applicazione di LIDAR mobili più importante 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. Questi workflow saranno descritti nel dettaglio nella prossima sezione.
Guarda degli esempi su come utilizzare MATLAB per l’elaborazione di LIDAR terrestri:
- Tracking dei veicoli con LiDAR: Dalla nuvola di punti alla tracklist
- Costruzione di una mappa con odometria e mappatura LIDAR (LOAM) usando la simulazione Unreal Engine
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 sull’ambiente e le informazioni di profondità vengono poi ulteriormente elaborate in base ai casi d’uso..
![Sensore LIDAR interno.](https://it.mathworks.com/discovery/lidar/_jcr_content/mainParsys3/discoverysubsection_/mainParsys3/columns_copy_copy/6c41c98a-7e25-47ba-98fc-2d4dda293985/image_copy.adapt.full.medium.jpg/1709789867553.jpg)
Sensore LIDAR interno.
![Screenshot di dati di un LIDAR interno.](https://it.mathworks.com/discovery/lidar/_jcr_content/mainParsys3/discoverysubsection_/mainParsys3/columns_copy_copy/de854ad3-6973-4019-a055-551aa79dfa6f/image_copy.adapt.full.medium.jpg/1709789867581.jpg)
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.
Guarda degli esempi su come utilizzare MATLAB per l’elaborazione di LIDAR terrestri:
- Allarme di collisione con LIDAR 2D
- Creazione di una mappa interna a partire da scansioni LIDAR con SLAM
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 per l’elaborazione di nuvole di punti LIDAR sono descritte nelle sezioni che seguono.
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 con il pacchetto di supporto hardware per LIDAR Velodyne e da sensori Ouster con il pacchetto di supporto hardware per LIDAR Ouster.
- Leggere le nuvole di punti archiviate in diversi formati di file come PCD, PLY, PCAP (Velodyne, Ouster e Hesai Pandar), Ibeo data container, LAS e LAZ.
- Scrivere nuvole di punti in diversi formati file come PCD, PLY, LAS e LAZ.
- Simulare dati LIDAR, per poter testare i propri algoritmi e workflow prima della distribuzione su un sistema nel mondo reale. In MATLAB è possibile sintetizzare dati LIDAR 3D o 2D in ambienti di simulazione definendo i parametri dei sensori per testare gli algoritmi di elaborazione. Lidar Toolbox, UAV Toolbox e Automated Driving Toolbox forniscono modelli di sensori LIDAR per simulare nuvole di punti LIDAR.
![Modello di sensore LIDAR.](https://it.mathworks.com/discovery/lidar/_jcr_content/mainParsys3/discoverysubsection/mainParsys3/image.adapt.full.medium.jpg/1709789867793.jpg)
Esecuzione dello streaming di dati LIDAR in tempo reale da sensori LIDAR Velodyne®.
Simulazione di dati LIDAR 3D.
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.
![Screenshot dell’app Lidar Camera Calibrator.](https://it.mathworks.com/discovery/lidar/_jcr_content/mainParsys3/discoverysubsection/mainParsys3/image_373863517.adapt.full.medium.jpg/1709789867888.jpg)
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, sui 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 e ComplexYolo-V4. È possibile rilevare ed eseguire il fitting di riquadri di delimitazione orientati attorno agli oggetti nelle nuvole di punti LIDAR.
- La app Lidar Labeler in Lidar Toolbox semplifica le attività di etichettatura delle nuvole di punti. È possibile etichettare manualmente le nuvole di punti per il rilevamento oggetti e la segmentazione semantica, applicare algoritmi integrati o personalizzati per automatizzare l’etichettatura delle nuvole di punti LIDAR e valutare le prestazioni degli algoritmi autonomi.
![Vista in prima persona di una nuvola di punti con un autocarro e un’automobile etichettati.](https://it.mathworks.com/discovery/lidar/_jcr_content/mainParsys3/discoverysubsection/mainParsys3/image_373863517_copy.adapt.full.medium.jpg/1709789867917.jpg)
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.
![Screenshot di veicoli sottoposti a tracking da dati sequenziali di nuvole di punti.](https://it.mathworks.com/discovery/lidar/_jcr_content/mainParsys3/discoverysubsection/mainParsys3/image_373863517_copy_216385454.adapt.full.medium.jpg/1709789867944.jpg)
Rilevamento e tracking di oggetti.
Registrazione di nuvole di punti e SLAM
MATLAB offre funzioni per registrare nuvole di punti LIDAR e realizzare mappe 3D a partire da dati di LIDAR aerei e terrestri utilizzando algoritmi SLAM. Ciò include:
Creazione di una mappa a partire da dati sequenziali di nuvole di punti LIDAR.
Per ulteriori informazioni sull’elaborazione LIDAR, vedi Lidar Toolbox e Computer Vision Toolbox™.