基于近距离的测距感知传感器调研以及扩展介绍
首先想實現的目的是：（有兩個，第一個是距離檢測；第二個是已完成的碼垛箱體邊緣位置檢測。）
1、在碼垛機器人的三面裝上傳感器，實現前、左、右的距離感知。（環境是：機器人需要進入碼頭的大集裝箱里邊，實現在集裝箱內部的碼垛，該集裝箱內部是類似于鋸齒狀的結構，所以左右不能用點激光來進行距離的檢測，至少應該是線激光。前邊要檢測的是距離已完成的碼垛箱體的距離位置。）
2、找到已完成的部分碼垛的箱體的邊緣位置，從而引導下一步碼垛時的位置矯正。
---------------------1針對于第一個問題的調研：
首先與偉景公司進行溝通，他們推薦使用基于tof原理來實現左右距離的感知：
(1)TOF：OF是3D深度攝像頭的其中一種方案，是結構光的同門師弟。TOF是“time-of-flight”的簡稱，也叫“飛行時間測距法“。
原理是通過向目標物體打光，測量光在鏡頭和物體之間傳輸時間來測距，通過這些數據來判斷這個物體距離我們有多遠，進而知道畫面里每一個物體的距離，從而實現深度圖，最后就可以直接繪制出立體圖像達成3D立體深度感應。
(2)基于TOF的光源分類：
不同類型TOF相機會使用不同的光源，有LED的，也有激光的。
(3)介紹：
TOF這個3D模塊中最核心的器件在于TOF芯片，它集眾多功能于一身，包括驅動投射器，接收反射光線，進而生成raw圖，再送給軟件處理成深度信息。
(4)TOF與結構光比較
- TOF的工作距離比結構光要遠很多，所以比較適合用在手機的后置攝像頭中，用于體感游戲。
? ? ?? 結構光的工作距離非常近，所以一般都用在手機的前攝像頭用來進行人臉識別，如：iPhone X 的新款手機。
- TOF技術發射的不是散斑或編碼圖案，而是面光源，在一定距離內光信息不會出現大量的衰減，配合TOF芯片背照式的、大pixel size的設計，大幅提升了光線收集率和測距速度，使遠距離應用成為可能。這也是TOF可以被用作手機后攝，而結構光無法用作后攝的原因之一。
? ? ? ? 3D結構光投射的是散斑或編碼圖案，接收模組需要拍攝到清晰的圖案才能計算出深度。而隨著距離的增加，投出的圖案或出 ? ? ?? 現模糊，或出現亮度能量上的衰減，導致深度圖不完整，出現破洞，甚至于失效，所以3D結構光并不適用于遠距離深度信息 ? ? ?? 采集。
以下表中的?是表示不是很理解原因？
| ? | TOF | 結構光 |
| 基礎原理 | 紅外光反射時間差 | 單相機和投影條紋斑點編碼 |
| 響應時間 | 快 | 慢 |
| 低光環境表現 | 良好（紅外激光） | 良好，取決于光源 |
| 強光環境表現 | 中等 | 弱 |
| 深度精確度 | 低 | 中等 |
| 分辨率 | 低 | 中等 |
| 識別距離 | 中等（1-10m），受光源強度限制 | 短，受光斑圖案影響 |
| 軟件復雜度 | 中等 | 中等 |
| 材料成本 | 中等 | 高 |
| 功耗 | 低 | 中等 |
| 缺點 | 總體性能好，平面分辨率低？ | 容易受光照影響？ |
以下是3D視覺方案對比：
| 3D視覺方案對比 | |||
| 方案 | 3D結構光方案 | TOF方案 | 雙目視覺方案 |
| 基礎原理 | 散斑結構光 | 飛行時間 | 視差算法 |
| 光源 | 15000個散斑 | 均勻面光源 | 無（被動式） |
| 工作距離 | 0.2m到1.2m | 0.4m到5m | |
| 深度精度？ | 高 誤差0.5%-0.1% | 中 誤差0.5%-1% | 差 誤差5%-10% |
| XY發分辨率？ | 高 | 低 | 中 |
| 低光表現 | 高 | 高 | 低 |
| 室外表現（日光） | 低 | 中 | 高 |
| 功耗 | 中 | 中 | 高 |
| 應用范圍 | 人臉識別、人臉支付 | 3D建模、AR應用、體感游戲 | 背景虛化 |
什么是主動式什么是被動式：
首先，不加驗證的給出一個經驗結論（不保證全場景正確），目前我們使用的任何與定位或者避障方案都無可避免的使用了波。擴展一點來說，我們想觀察一個實體實物，如果不準接觸（甚至接觸的也得用，腦電，心電），那似乎也只有波能滿足我們的需求了主動的或者被動的，主動的就是設備主動發出波，并接受反饋回來的波，進行分析（時間，圖案，相位，攜帶信息…）從而得出探測信息或者相對位置信息。被動的就是自己不發射波，但接受自然界本來有的波（相機），來獲取相關信息。
-------擴展-----
我們平時會使用到的應該是有：
- 超聲波測距
- 毫米波雷達
- 激光雷達
- 固態雷達
- RGBD攝像頭
- 雙目攝像頭（上邊已涉及）
- 單目攝像頭
- TOF 飛行時間（上邊已涉及）
- 三角測距
- 結構光（上邊已涉及）
雖然這些詞匯一起出現的頻率很高，但事實上之前在用的時候經常并不能確定某個方案所使用的技術細節究竟是什么樣的，例如，掃地機器人究竟用了哪個雷達，而這個雷達又用了什么技術呢？
我們無論是要避障，還是定位，都離不開獲取測量被測物體與測量裝置之間的相對位置關系，而根據被測物體的任意點的相對位置關系，我們可以獲得被測物體的整體位置信息甚至組成三維結構。
（1）TOF 飛行時間測距法
根據初中物理知識，由于能檢測波的速度是確定的，所以我們可以很容易的根據這個時間確定物體距離。目前使用這種方案測量的設備不在少數，而根據所使用的的波不同（種類不同或者波長不同），即可有超聲波，毫米波雷達，激光雷達等等不同的實現手段。
- 超聲波
超聲波發射器向某一方向發射超聲波，在發射時刻的同時開始計時，超聲波在空氣中傳播，途中碰到障礙物就立即返回來，超聲波接收器收到反射波就立即停止計時。超聲波在空氣中的傳播速度為340m/s，根據計時器記錄的時間t，就可以計算出發射點距障礙物的距離(s)，即：s=340t/2 。
| 技術關鍵點 | 典型值（技術細節不同，值范圍可能會較大） |
|---|---|
| 探測距離 | 10米或100米，大部分實現在10米以內 |
| 精度 | 厘米級，分辨力極低，幾十度 |
| 成本 | 極低，百元以內 |
| 缺陷 | 反射面是平面（適用場景少）？？？ |
| 缺陷 | 速度慢，聲波速度340 m/s |
| 缺陷 | 對灰塵等環境適應性差 |
- 毫米波雷達
毫米波雷達指工作在毫米波波段的雷達。通常毫米波是指30～300GHz頻域(波長為1～10mm)的電磁波，毫米波雷達分為遠距離雷達（LRR）和近距離雷達（SRR），由于毫米波在大氣中衰減弱，所以可以探測感知到更遠的距離，其中遠距離雷達可以實現超過200m的感知與探測。毫米波雷達的多項優勢，使其目前在汽車防撞傳感器中占比較大。目前市場主流使用的車載毫米波雷達按照其頻率的不同，主要可分為兩種：24GHz毫米波雷達和77GHz毫米波雷達。通常24GHz雷達檢測范圍為中短距離，用作實現BSD（BlindSpotDectection，盲點探測系統)，而77GHz長程雷達用作實現ACC（AdaptiveCruiseControl，自適應巡航系統）。
PS：毫米波在雷達中應用的主要限制有：雨、霧和濕雪等高潮濕環境的衰減，以及大功率器件和插損的影響降低了毫米波雷達的探測距離；樹叢穿透能力差，相比微波，對密樹叢穿透力低；元器件成本高，加工精度相對要求高。
| 技術關鍵點 | 典型值（技術細節不同，值范圍可能會較大） |
|---|---|
| 探測距離 | 最大200米，典型10米左右 |
| 頻段 | 24GHZ（民用）；60GHZ；77GHZ（車用） |
| 精度 | 厘米級 |
| 成本 | 低，千元或更低 |
| 優勢 | 不受光線塵埃影響 |
| 缺陷 | 傳播耗損較大，易被人體等吸收 |
| 缺陷 | 分辨率不高，3度以上 |
- 激光雷達（上邊是波，到這里shi）
激光雷達是目前無人駕駛中最重要的傳感器，原理是激光器發射一個激光脈沖，并由計時器記錄下出射的時間，回返光經接收器接收，并由計時器記錄下回返的時間。兩個時間相減即得到了光的“飛行時間”，而光速是一定的，因此在已知速度和時間后很容易就可以計算出距離。
PS：在TOF方案中，距離測量依賴于時間的測量。但是光速太快了，因此要獲得精確的距離，對計時系統的要求也就變得很高。一個數據是，激光雷達要測量1cm的距離，對應的時間跨度約為65ps，導致激光雷達的價格較高。
? ?? 激光雷達的另一個重要的指標是線數。按線數分類的話有常見的有單線，4線，16線，32線,64線等
? ?? 單束激光發射器在激光雷達內部進行勻速的旋轉，每旋轉一個小角度即發射一次激光，輪巡一定的角度后，就生成了一幀完整的數據。因此，單線激光雷達的數據可以看做是同一高度的一排點陣。
? ?? 單線激光雷達的數據缺少一個維度，只能描述線狀信息，無法描述面。也就無法得到物體垂直于激光雷達發射平面的高度信息。
? ?? 多線雷達是目前自動駕駛最主要使用的雷達，但售價極高。見介紹鏈接：https://blog.csdn.net/m0_37957160/article/details/108793973
? ? 另外，目前低成本單線激光雷達（淘寶上幾百塊到幾千塊的）的并不是基于Tof方案，而是采用了三角測距方案。
| 技術關鍵點 | 典型值（技術細節不同，值范圍可能會較大） |
|---|---|
| 探測距離 | 200米 |
| 頻段 | 3.846×10^14 Hz到7.895×10^14 Hz |
| 精度 | 毫米（近距離）-厘米級 |
| 成本 | 高，價格根據線數不等 16線國產 2.8萬 國外4.0萬 |
| 優勢 | 精準，分辨率高，速度快 |
| 缺陷 | 陰雨天，濃霧等天氣無法工作 |
-------3D成像方法總結：以下要介紹的是真正的3D成像，得到物體三維的圖形，是立體的圖像。而不是利用人眼視覺差異的特點，錯誤感知到的假三維信息。
在原理上分為以下幾類：
- 雙目視覺（雙目立體視覺法(Stereo Vision)）
- 激光三角（激光三角法(Laser triangulation)）
- 結構光（結構光3D成像(Structured light 3D imaging)）
- ToF（飛行時間法ToF（Time of flight））
- 光場（光場成像法（Light field of imaging））
- 全息（全息投影技術(Front-projected holographic display)）
而激光雷達不是3D成像原理上的一個分類，而是一種具體方法。
激光雷達的3D成像原理有：三角測距法、飛行時間ToF法等。
激光雷達按照實現方式分類有：機械式、混合固態、基于光學相控陣固態?、基于MEMS式混合固態、基于FLASH式固態等。
（結構光與激光：激光是光源的一種，是由發光機理決定的。 廣義上，可以說任意光源，包括激光、LED發的光、汞燈、熒光甚至太陽光等，經過調制變成具有一定結構的光都可以叫結構光）
?
?
?
?
?
總結
以上是生活随笔為你收集整理的基于近距离的测距感知传感器调研以及扩展介绍的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： C++中的.hpp理解
- 下一篇： 随笔：送给初次使用PCL库的小伙伴