你能想象吗?激光雷达还能用于太空碎片测绘( 二 )


图2比较了典型汽车场景下的2D和3D成像:
图2:矩形vs长方体 ▼
如图2所示 , 对于2D和3D成像 , 数据以不同的方式构造 。 考虑到机器学习所需的人类数据标注和标注的成本 , Seoul Robotics公司将自动标注功能作为其对象库和算法的一部分 。
除了汽车项目外 , Seoul Robotics还与一家主要汽车制造商合作 , 开展工厂自动化和物流项目 。 他们的软件集成了来自不同供应商的数百个短程和远程激光雷达的3D图像 , 以便在工厂环境中使数千辆汽车和卡车的移动实现自动化 。
该系统通过连接5G网络的基于基础设施的3D感知来实现这一点 。 这是首个大规模商用部署的此类系统 。 最初使用的是2D摄像机 , 但产生了大量误报 , 降低了系统效率 。 也部署了简单的单波束激光雷达 , 但没有提供足够的安全边际和性能 。 立体摄相机的拍摄范围受到严重限制 。
Seoul Robotics公司的软件将高点密度短距离激光雷达和长距离激光雷达结合在一起 , 解决了所有这些问题 。 该系统正在与其他技术供应商积极合作开发 , 并计划在其他工厂实施 。
Han Bin Lee说:“我们期待3D视觉技术的重大实施 , 并期待它在高安全水平上提供大规模自动化效益 。 在这种规模的项目中获得的经验对其他智慧城市和智慧基础设施应用将是无价的 。 ”
Digantara
工厂自动化令人兴奋 , 但太空碎片测绘呢?这听起来有点怪异 , 但考虑到我们从20世纪60年代就开始把人和设备送入太空 , 这确实是个问题 。 据估计 , 太空中大约有一百万块人为碎片 , 大小从1厘米到几米不等 。
随着碰撞的发生 , 这些物质会不断增加 , 这就产生了所谓的凯斯勒综合症(Kessler Syndrome) , 该综合症假设“由于空间污染 , 近地轨道(LEO)上的物体密度足够高 , 物体之间的碰撞可能会导致级联 , 每次碰撞都会产生空间碎片 , 增加进一步碰撞的可能性 。 ”
目前 , 这一百万块碎片物体中只有约5%会被绘制和跟踪 。 这一结论的影响是巨大的 , 因为它限制了未来各种太空探索工具的发射 。
Digantara是一家专注于太空碎片测绘的印度公司 。 该公司成立于2018年 , 由一组工程师/企业家创建 , 旨在为空间碎片测绘问题提供解决方案 。
他们应邀在华盛顿举行的2019年国际宇航联合会(IAF)创业推介活动上展示他们的商业计划 。 这为他们赢得了荣誉 , 更重要的是获得了资金 。
Digantara的数据产品将被证明在未来太空发射的轨道规划、预测碰撞可能发生的时间、更新碎片地图以及为解决太空碎片清除问题的公司提供信息方面是无价的 。 印度空间研究组织(ISRO)是一家领先的全球空间机构 , 为该公司提供赠款、咨询和技术支持 。
目前的空间碎片测绘方法是基于地面的 , 并结合使用雷达和2D光学望远镜 。 绘制地图受到天气条件和照明条件的限制(白天由于太阳射电噪声、夜晚由于缺乏照明而不能绘制地图) 。
雷达可以进行短距离测绘 , 而望远镜由于涉及较长的积分时间 , 只能在很远的距离上成像 。 轨道力学原理和模型用于从2D图像中提取3D数据 , 尽管这些外推存在保真度和精度问题 。 大气畸变使问题更加复杂 , 导致地球系统无法可靠而准确地绘制直径小于10厘米的物体 。
Digantara的首席技术官坦维尔·阿麦德(Tanveer Ahmed)表示:“Digantara通过安装在立方体卫星(小卫星 , 大约鞋盒大小 , 承载能力10公斤)集群上的激光雷达解决了这个问题 。 ”
“除了x-y位置之外 , 还必须使用主动3D成像来获取距离信息 , 因为近距离快速移动物体的被动成像需要非常大的积分时间 , 使得测量毫无用处 。 ”
“此外 , 激光雷达使我们能够控制照明周期和波长 , 使绘图系统的占空比显著提高 。 由于不存在大气损失和非线性信号失真 , 空间3D成像可显著提高信噪比(SNR)性能 。 ”
激光雷达能够对>1厘米大小的物体进行成像 , 这些物体在100千米范围内以高达10千米/秒的速度移动 。 在基于射频的下行链路到地球进行进一步处理之前 , 数据在立方体卫星上进行压缩 。
Digantara系统的原理图如图3所示:
图3:SCOT(空间气候和目标跟踪)卫星概念图 ▼
pmdtechnologies
回到地球 , 智能手机和智能眼镜正在召唤我们 。
苹果公司在前几代iPhone上率先使用基于结构光的3D成像技术开发了FaceID应用 。 紧随其后的是在最近的一代iPad和iPhone上 , 面向世界的VCSEL-SPAD(VCSEL =垂直腔面发射激光器 , SPAD =单光子雪崩探测器)激光雷达 。

推荐阅读