الكاميرات أو الليزر

ما هي أجهزة الاستشعار التي ستكون الأكثر أهمية في المركبات غير المأهولة؟ تلك المستشعرات التي تتحكم في نظام الإدراك المزعوم ، وهذا هو أهم شيء في القيادة. تتمثل مهمة نظام الإدراك في اكتشاف جميع الأشياء المهمة على الطريق أو بالقرب منه ، على سبيل المثال ، المركبات الأخرى ، والمشاة ، والقمامة ، وفي بعض الحالات ، كائنات الطريق ، مثل العلامات وعلامات الممر.

(يعتمد تحديد المواقع على الطريق أيضًا على المستشعرات).

يجب أن يكتشف نظام الإدراك جميع العقبات ويحاول التعرف عليها. إنها بحاجة إلى قياس سرعتها واتجاهها ، وكذلك التنبؤ بحركتها. هذه مهمة صعبة للغاية.

هناك خطأان رئيسيان في نظام الإدراك وهما الإيجابيات الخاطئة (العمى) والإيجابيات الخاطئة (الأجسام الشبحية).

الاستجابة السلبية الكاذبة هي موقف لم يتم فيه اكتشاف عائق. قد يؤدي هذا إلى عواقب وخيمة إذا كان النظام يعمل بهذه الطريقة لفترة طويلة بحيث لا يمكنك تجاوز العائق بأمان. إن النظام الجيد لن ينتج عنه أبدًا نتيجة سلبية خاطئة. قد يستغرق الأمر بضع دقائق إضافية للتعرف على عقبة ، وقد يفوتك شيء بسبب الهبات المفاجئة ، ولكن الأخطاء المتكررة قد تؤدي إلى وقوع حادث. بقول "أبدا" ، أعني "أبدا تقريبا" ، من أجل الوحدة لملايين كثيرة.

النتيجة الإيجابية الخاطئة هي نوع آخر من الأخطاء. في حالتها ، يرى النظام شيئًا غير موجود بالفعل ، وهذا يفرض على السيارة الفرامل أو الانهيار. هذا يزعج المسافرين ، وإذا لم يتم تثبيته ، فقد يؤدي إلى إصابات. يمكن أن يؤدي أيضًا إلى وقوع حادث إذا كانت السيارة الأخرى تسير بالقرب جدًا أو مع الفرامل شديدة الانحدار والانحناء. عادة ، مثل هذه الحالات ليست خطيرة ، ولكن إذا حدث هذا كثيرًا ، فسيتخلى المستخدمون عن النظام.

يرتبط التصنيف غير الصحيح أيضًا بالأخطاء المذكورة أعلاه. يعني التصنيف غير الصحيح أن الدراج كان مخطئًا بالنسبة للمشاة أو أن دراجتين ناريتين كانا مخطئين في سيارة واحدة. حتى من دون تحديد دقيق ، فإن الآلة تعرف كيف لا تصطدم بإحدى العقبات ، لكن النظام قد يحدد بشكل غير صحيح أين يتحرك أو أفضل طريقة للاستجابة لها.

فئة أخرى من الأخطاء هي الفشل الكامل. قد يتعطل المستشعر أو برنامجه أو قد لا يعمل بشكل صحيح. والمثير للدهشة أن هذا مسموح به أكثر من العمى ، لأن النظام سيعرف أن المستشعر عاطل عن العمل ولن يقبل بياناته. في هذه الحالة ، ستعتمد على أجهزة استشعار في وضع الاستعداد ، أو تسعى جاهدة للابتعاد عن الطريق بأسرع وقت ممكن باستخدام أجهزة استشعار أخرى ، إذا لم يكن ذلك كافيًا. على الرغم من أن هذا يجب ألا يحدث كثيرًا ، إلا أن الناس سوف يتوقفون عن الثقة في النظام.

هناك العديد من أجهزة الاستشعار المهمة للمركبات غير المأهولة ، ولكن الأكثر بحثًا ومناقشتها هي النجوم والكاميرات.



Lidar هو رادار يستند الضوء. يرسل المستشعر نبضات قصيرة من ضوء الليزر غير مرئية للعين ويكتشف طول فترة عودة الضوء المنعكس. وبالتالي ، يتعرف النظام على سطوع ونطاق الهدف بدقة تامة.

Lidar له مزايا رائعة:

• إنها موثوقة للغاية في الكشف عن الكائنات المختلفة ذات الحجم الكافي وتحسب مسافةها وحجمها وموقعها قريب جدًا من الموثوقية بنسبة 100٪.
• نتيجة Lidar هي خريطة ثلاثية الأبعاد حول العالم. من السهل اختيار شيء من الكائنات الموجودة خلف المستشعر (أو أمامه)
• يستخدم Lidar الضوء المنبعث ، لذلك يعمل بغض النظر عن الإضاءة المحيطة. ليلا أو نهارا ، غائم أو مشمس ، السماء ملبدة بالغيوم أو تكون الشمس مشرقة - يراها الغطاء نفسه تقريبًا في جميع الظروف.
• إنه مقاوم للتداخل ولديه دقة أعلى بكثير من الرادار.
• يمكن لبعض الأعمدة تحديد سرعة كائن ما باستخدام تأثير دوبلر.

ومع ذلك ، هناك عيوب:

• في البداية ، كانت اللدارات باهظة الثمن. تم إنتاج ليدرات عالية الدقة بكميات صغيرة وبتكلفة أكثر من السيارات (تظهر طرز جديدة بسعر يقل عن 1000 دولار)
• قرار متواضع جدا. تستقبل أفضل الأجهزة صورة 128 بكسل في المسح الرأسي بتردد 10 هرتز.
• النطاق محدود. ترى الألواح المتوسطة على مسافة 70-100 متر وتتلقى عائدات أقل من الأشياء الكبيرة مثل السيارات على بعد حوالي مائة متر. يدعي البعض أنه يعمل حتى 200 متر ، لكن هذا أمر مشكوك فيه. 1.5 ليدر ميكرون ، والتي هي أكثر تكلفة ، يمكن أن نرى المزيد.
• تحتوي معظم النجوم على أجزاء متحركة لمسح العالم. لا تعمل أغطية الفلاش بدون الأجزاء المتحركة ، لكنها الآن أغلى ثمناً (في الجيل الجديد من أغطية الحالة الصلبة ، يكون عدد الأجزاء المتحركة إلى أدنى حد ممكن ، أو يتم التخلص منها تمامًا).
• معدل التحديث عادة ما يكون أقل. علاوة على ذلك ، بينما يمسح المشهد المشهد ، إلا أنه مشوه نظرًا لحركة السيارات الممسوحة ضوئيًا وغيرها من الكائنات ، وبما أنه يتم مسح حواف المشهد المختلفة في أوقات مختلفة ، يحدث الإزاحة.
• قد تواجه Lidars مشاكل مع الأمطار الغزيرة والثلوج والضباب ، على الرغم من أن أجهزة استشعار الضوء الأخرى ، بما في ذلك الكاميرات ، تتصرف بشكل مشابه. يمكن لليدرات أيضًا أن تؤدي أحيانًا إلى ظهور أشياء غير مرئية مثل أبخرة العادم.
• هي التي شنت أفضل Lidars خارج. إنهم بحاجة إلى كل فوتون ، لذلك لا تضعفهم عن طريق تثبيتها خلف الزجاج الأمامي.

كاميرا

أنظمة الكاميرا القائمة تتصرف مثل البشر. تراقب كاميرا واحدة أو أكثر المشهد ، ويحاول البرنامج القيام بنفس الشيء مثل الشخص - تخيل وفهم عالمًا ثلاثي الأبعاد من صورة ثنائية الأبعاد.

• الكاميرات رخيصة حقا. لا تكلف المعدات سوى عشرات الدولارات ، ويمكن أن تحصل على الكثير منها.
• نظرًا لأن الكاميرات الحساسة للضوء المرئي تستخدم الضوء المنعكس ، فيمكنها رؤية مسافة تعسفية أثناء النهار إذا كان لديها مجال رؤية ضيق إلى حد ما ويمكن توجيهها. في الليل ، يجب أن يستخدموا الضوء المنقول - مثل المصابيح الأمامية.
• يرون الألوان. تدرك Lidars ظلال رمادية في طيف الأشعة تحت الحمراء.
• ما لم يتم توجيه الكاميرات ، ليس لديهم أجزاء متحركة ؛ خلاف ذلك ، قد يتلقون صورة عالية الدقة حتى بالنسبة للكائنات البعيدة. حتى في حالة الوصول الواسع ، توجد كاميرات بدقة عالية للغاية - في حين يرى الغطاء 64 خطًا ، ترى الكاميرا 3000 خطًا.
• بسبب الدقة العالية والألوان ، تستطيع الكاميرات استخلاص استنتاجات حول المشاهد التي لا يمكن الحصول عليها من الصورة منخفضة الدقة التي تم الحصول عليها من الغطاء.
• تستطيع الكاميرات رؤية إشارات المرور والأبعاد وإشارات الانعكاس ومصادر الإضاءة الأخرى المنبعثة. الكاميرات رائعة لقراءة الشخصيات.

ومع ذلك ، تحتوي الكاميرات على بعض العيوب ، وتفسد الأولى الكثير:

• اليوم ، رؤية الكمبيوتر لا تعمل بشكل جيد بما فيه الكفاية للكشف عن جميع الميزات الهامة مع الموثوقية اللازمة للقيادة الآمنة.
• يجب أن تعمل الكاميرات مع تغيير الإضاءة. غالبًا ما تخضع الكائنات التي تمت ملاحظتها لحركة الظلال ، ويمكن أيضًا أن تضاء من أي اتجاه (أو لا تضاء على الإطلاق).
• في الليل ، تحتاج الكاميرات إلى إضاءة إضافية ، وقد لا تكون المصابيح الأمامية كافية.
• تتطلب مهام رؤية الكمبيوتر معالجات عالية الأداء أو شرائح محددة للعمل على مستوى المتطلبات الحالية.

رؤية الكمبيوتر

يمكن تقسيم معالجة الصور من الكاميرا تقريبًا إلى فئتين: "رؤية الكمبيوتر" و "رؤية الماكينة". تشير رؤية الماكينة إلى تحليل محلي بسيط للصور الرقمية. يتضمن مهام مثل البحث عن تفاصيل وحواف صورة ما ، وتحديد الحركة والتناظر في الحركة ، وكذلك تطبيق المنظر على الصور المجسمة لتحديد المسافة. هذه الأساليب راسخة تمامًا ، وكثير منها مفهوم تمامًا. تكون بعض مهام رؤية الماكينة (مثل التعرف على علامات الطرق وقراءتها) أكثر صعوبة ، ولكن سيتم حلها قريبًا.

تشير رؤية الكمبيوتر إلى مجموعة أكثر تعقيدًا من المهام التي تتطلب مهارات شبيهة بالإنسان ، بما في ذلك القدرة على فهم الصور. تتضمن هذه المهام أيضًا مهارات مثل القدرة على تقسيم الصورة إلى مقاطع والتعرف على الكائنات. يمكنك إظهار صورة شخص آخر لشخص في أي وضع تقريبًا وفي أي ضوء ، ويمكن للمراقب تحديد ما هو الشخص الموجود في الصورة بسهولة ، وحتى على بعده. يمكننا حتى تحديد ما يتم توجيه الانتباه إلى وما يفعله الشخص المصور. تتحسن الخوارزميات في هذا المجال بشكل أفضل ، لكنها لم تصل بعد إلى مستوى كافٍ.

وصلت بعض المهام إلى المنطقة الحدودية. تبحث أدوات رؤية الماكينة عن التفاصيل في الصورة ، وتقوم بذلك بغض النظر عن حجم الصورة واتجاهها. يسمح لك هذا باكتشاف السيارات الأخرى والمشاة وحدود الطرق وعلامات الطرق. المشكلة العامة المتمثلة في التحديد الدقيق هي مشكلة يعتقد الكثيرون أنها ستحل في نهاية المطاف ، ولكن من الصعب التنبؤ بموعد حدوث ذلك. تتطلب القيادة من النظام "عدم تفويت" أي شيء يمكن أن يمثل مشكلة أمنية. من الصعب بشكل خاص وجود عقبات ثابتة بعيدة جدًا عن أن الصورة المجسمة لا تعمل ، كما أن تماثل الحركة (الطريقة التي تتحرك بها الكائنات في الخلفية فيما يتعلق بالكائنات الأخرى أثناء حركتك) محدود. (الكائن الذي تتجه إليه مباشرة ، مثل المشاة أو السيارة الواقفة ، سيحظى بحركة صغيرة جدًا)

مشكلة أخرى لأنظمة الرؤية الاصطناعية هي مجموعة متنوعة من الإضاءة والتظليل. يمكن أن تكون مضاءة الكائنات من أي اتجاه. أيضا ، قد تكون الشمس وراءهم. في كثير من الأحيان ، تعبر الظلال الكائن نفسه. في هذه الحالة ، سيكون من الضروري استخدام تقنيات HDR حتى تتمكن من رؤية التفاصيل في كل منطقة من مناطق الصورة ، عندما تقوم حدود الظلال بطمس الميزات المميزة للكائن في صورة التباين.

هناك نوع خاص من الكاميرا ، يُعرف بالأشعة تحت الحمراء الطويلة الموجة أو "الحرارية" ، والتي تستخدم الضوء المنبعث بدلاً من الضوء المنعكس. ستظل الكائنات الموجودة في الظل نسبة إلى ضوء الشمس محجوبة في الصورة ، لكن لن يكون هناك ظلال متحركة بعد الآن. الصور الحرارية أحادية اللون وتعمل بشكل جيد على حد سواء ليلا ونهارا ، على الرغم من أن النتيجة في الليل أفضل قليلاً. يمكن رؤية هذه الكاميرات بشكل أفضل في الضباب وفي بعض الظروف الجوية الأخرى. يمكن أن تكون جيدة للغاية في اكتشاف الكائنات الحية ، إلا عندما تكون درجة حرارة الأرض مساوية لدرجة حرارة جسم الإنسان. لسوء الحظ ، تعد الكاميرات الحرارية باهظة الثمن ، والموديلات ذات الدقة الجيدة أكثر تكلفة. يجب أيضًا تثبيتها خارجيًا لأن موجات الأشعة تحت الحمراء لا تمر عبر الزجاج. حاليًا ، لا توجد تقارير حول الاستخدام العملي لهذه الكاميرات ، ومع ذلك ، يتم إجراء بعض الأبحاث.

هناك بعض الإمكانات في مجال التصوير "الفائق الطيفي" ، حيث لديك كاميرات تعمل في العديد من نطاقات الألوان ، بما في ذلك الأشعة تحت الحمراء والأشعة فوق البنفسجية. باستخدام هذه الصور ، سيكون من الأسهل التعرف على بعض أنواع الكائنات.

يستطيع الناس تحويل الصور ثنائية الأبعاد الملحوظة إلى نموذج ثلاثي الأبعاد في العالم ، وفي الوقت نفسه يفعلون ذلك بشكل أفضل بكثير بعد فحص المشهد ومراقبة تناقض الحركة. أجهزة الكمبيوتر متواضعة حاليًا في تحليل الصور الثابتة وتلجأ أحيانًا فقط إلى استخدام الحركة. يستخدم الأشخاص صورًا مجسمة ، لكن يمكنهم أيضًا القيادة عند إغلاق عين واحدة أو فقدها.

في المقابل ، يمكن لليدر أن ينشئ خريطة ثلاثية الأبعاد كاملة للمشهد في مسار واحد. التمريرات المتعددة يمكنها تحسين الصورة - ومساعدته على تقدير السرعة.

التعلم العميق

يرتبط معظم الضجيج في رؤية الكمبيوتر اليوم بشبكات عصبية تلافيفية ، خاصة تلك التي تم إنشاؤها باستخدام أداة تسمى التعلم العميق ، والتي تحاكي العديد من قدرات الدماغ البيولوجي. يعتقد الكثير من الناس أن هذا الاتجاه سيكون بمثابة تقدم كبير. تعمل شبكات التعلم العميق مع مجموعة تعلم كبيرة (ويمكن أن تعمل إلى حدٍ كبير بدون تدريب خاص) لفهم النظرة إلى العالم واتخاذ الإجراءات اللازمة. ابتكر الناس روبوتات ، تم إجراؤها على أرض وعرة باستخدام تقنيات التعلم العميق ، وبعدها تمكنت هذه الروبوتات من تعلم الحركة في ظروف مماثلة.

هذه مهمة رائعة ، لكننا لا نزال بعيدين عن الدقة العالية المطلوبة للمركبات غير المأهولة. من المقلق أيضًا أنه عند العمل بالتعلم العميق ، لا نعرف بالضبط سبب نجاح ذلك ، فنحن لدينا فقط حقيقة العمل. يمكنك إعادة تدريب الشبكة العصبية لتصحيح الأخطاء ، لكن لا يمكنك التأكد من سبب إعادة التدريب لتصحيح كل شيء. نفس العيب هو سمة من سمات الدماغ البشري ، فقط شخص يمكن أن يشرح لك لماذا تصرف بطريقة أو بأخرى.

هناك وجهات نظر مختلفة حول التدريب العميق في المركبات غير المأهولة من وجهة نظر قانونية. يمكن أن يؤذيك التعلم الآلي لأنك لا تفهم طريقة عمله ، وقد يكون مفيدًا لأنك طبقت أفضل التقنيات بمؤشرات أمان جيدة ولم ترتكب أي أخطاء يمكن أن يطلق عليها اسم قذر.

يميل التعلم الآلي إلى تحسين جودة العمل مع زيادة كمية بيانات التدريب ، وهذا هو السبب في بذل جهود كبيرة لإنشاء كميات كبيرة من هذه البيانات. ومع ذلك ، فإن الشبكات العصبية غير قادرة على التعرف على الأشياء التي لم ترها أبدًا (أو شاهدت أشياء مماثلة).

أجهزة استشعار أخرى

أهم أجهزة الاستشعار الأخرى هو الرادار. الرادار له مزايا رائعة. أولاً ، يرى جيدًا من خلال الضباب ، بينما لا تستطيع أجهزة الاستشعار البصرية مواجهة هذا. ثانياً ، يرى سيارات أخرى بشكل جيد ، وكل ضربة في الرادار تعطي معلومات ليس فقط عن المسافة ، ولكن أيضًا عن السرعة ، بفضل تأثير دوبلر. هذا أكثر من مجرد معلومات من اللدار - طلقة واحدة من الرادار تظهر جميع العقبات المتحركة وسرعاتها. يمكن للرادار تقييم الانعكاسات من الطريق أسفل السيارة أو الشاحنة أمامك وإعطاء معلومات حول تصرفات السيارة في المنطقة العمياء من الشاحنة - هذه خدعة ذكية جدًا.

تقدم الرادارات دقة أقل بكثير. توجد رادارات تجريبية عالية الدقة ، ولكنها تتطلب طيفًا راديويًا كبيرًا (مدى التردد) - أكثر مما ينتجه المنظمون. من غير المرجح أن يخبرك الرادار ما إذا كان الهدف على حارة الخاص بك أم لا ، أو ما إذا كان على جسر أو طريق أمامك.

الكائنات الثابتة تعكس أيضًا إشارات الرادار ، وهذه مشكلة. الأرض ، علامات ، الأسوار - جميعهم يعيدون إشارات أنهم كائنات ثابتة. وبالتالي ، عندما تعكس سيارة قائمة إشارة الرادار ، لا يمكنك التأكد من أن هذه علامة على جانب الطريق أو سيارة متوقفة عليها. تتجاهل معظم رادارات السيارات ببساطة الانعكاسات من الأجسام الساكنة ، والتي كانت أحد الأسباب التي أدت إلى أن التحكم التلقائي في التطواف لم ينجح لفترة طويلة في تدفقات حركة المرور ، والتي تحتاج غالبًا إلى غازاتها وفراملها.

كنتيجة للبحث الجديد ، تم إنشاء رادار عالي الدقة ، كما يجري البحث للتعرف على الأشياء من خلال خصائصها المميزة في انعكاساتها. يمكن للرادارات الرقمية المزودة بمصفوفة متدرجة فحص المشهد ورفع درجة الوضوح بدرجة واحدة. هذا لا يكفي ، لكنه بالفعل تحسن.

رابطة الاستشعار

عندما تستخدم أكثر من جهاز استشعار ، فأنت تريد أن تجمع بين جميع البيانات بحيث يمكنك أن تفهم أن الجهاز الذي يكتشفه الرادار هو نفسه الكاميرا أو الغطاء. يعمل ذلك على تحسين جودة البيانات التي يتم تلقيها ، ولكنه قد يضر أيضًا. مزيج من أجهزة الاستشعار ليست موثوقة بنسبة 100 ٪. ماذا ستفعل إذا أظهر الرادار وجود سيارة أمامك ، وترى الكاميرا أنها (أو العكس)؟ سيكون عليك اختيار ما تصدقه. إذا كان الخيار غير صحيح ، فقد تنشأ مشكلة. إذا كنت تؤمن بالرسالة المتعلقة بالعقبة ، فيمكنك تقليل العمى (وهو أمر مهم للغاية) ، ولكن يمكنك مراعاة العوائق غير الموجودة من كلا المستشعرين. في بعض الأحيان تحصل على أفضل ما في العالمين ، وفي بعض الأحيان الأسوأ.

على الرغم من ذلك ، نظرًا لوجود قيود مختلفة على جميع أجهزة الاستشعار ، يظل تكامل أجهزة الاستشعار هو الهدف الرئيسي لمعظم الفرق المشاركة في الروبوتات.

يمكن إجراء مجموعة من المستشعرات دون تعقيدات ، إذا كان كل مستشعر يتكيف بشكل أفضل مع مهمة محددة أو مجال رؤية منفصل. ثم تثق في أجهزة استشعار العمل الذي يقومون به أفضل.

(تجدر الإشارة إلى أنه يتم إجراء مجموعة جيدة من المستشعرات مع مراعاة البيانات الأولية من جميع المستشعرات - لا تقوم فقط باتخاذ قرارات بناءً على حقيقة أن السيارة موجودة في بيانات الرادار ، ولكن ليس في بيانات الكاميرا. ومع ذلك ، سيتم عرض العديد من الكائنات في واحد مجموعة البيانات من المستشعر أكثر وضوحًا من الأخرى.)

وضع

, (, ). , 3D, , .

GPS, . . GPS ( GPS ), .

, , , ?

, . ?

2020 . – .

. , Velodyne 75 000 $, 32 . . , , 1982 5- 3000 $, , . , , , .

, . , , , . , , . , ,

, , .

. , , . , .

MobilEye, Intel, (, , ), , , , . 4 , .

, . , , . , . .

, . , . , , , VisLab , , , Mercedes 6D MobilEye, .

, , , , – . , .

, , , . , , , .

, “Super Cruise”, , . ( , ) , . , , , , .

, – . , . 99% , 99% 99.9999% . . , , , .

. , , , , . , - . , 10-20% , , - , , . , , , , , , .

- , - . , , 100 000 $, 3000 $ .

?

, , , .

, . , 400 000 . 170 290 . , 3 , 6000 . , .

, . , - ( 80% , ). - . , . - , , – , . - , , , .

, , . , . , , . . .

, , , , , . , , , . - , , , – . , .

. , , , .

. , . , . ( , ) - .

, , , . , , , . , - .

, , , . , . , , ( ), , , . - , , .

, . , “ ” , 40 /. , 3D, .

, , ( Microsoft Kinect). 3D, , , .

, , . , . , – .

, , , . , . , . , , . . , , , . , . , 99.9% , , , , , . , .

, , - . , , . - – , . , 99.99999%, .

, , . , . , 1 10 000 100 000 , -, .

, -, 2017 2019 , . – , . , , , , . , , . , , .

, 2020, , , , , .

( 25 /) , .

, , , – , ?

Tesla

, Tesla , “” , “”. 8 , : . , , . , , .

Tesla , , , . , , , , . , - , .

, , . Velodyne, , , 64 . 10 . 905 (, ) . Velodyne 32 16 10 000 $.

, . , , , , , .

. – , . , , , , DVD. , , .

. 16- Velodyne 10 000 $. Quanergy, , 8 . Valeo/IBEO 250 4 , , Velodyne , 300 . .

, :

• , , , . . 360 , Velodyne . , , .
• ترسل أغطية الفلاش فلاشًا ساطعًا في جميع أنحاء المنطقة ، ثم يتم استلامها بواسطة مجموعة من أجهزة الاستشعار وأجهزة ضبط الوقت التي يمكنها التقاط صورة للمشهد بأكمله مرة واحدة. هناك العديد من المزايا لهذا التصميم - لا توجد أجزاء متحركة ولن تحصل على قطع أثرية متحركة ، لأن كل من العالم والمستشعر يتحركان أثناء المسح. في غطاء المسح الضوئي ، يتم تمديد جميع الكائنات وتشويهها لأنها تتحرك بالنسبة إلى المستشعر. يعد غطاء الفلاش مكلفًا للغاية اليوم - فهو يحتاج إلى شريحة استشعار خاصة ، ويجب أن يكون النبض قويًا للغاية لإلقاء الضوء على مجال الرؤية بالكامل مرة واحدة.
• Microscanners هي المرايا المتحركة رقيقة جدا مصنوعة على أساس رقائق السيليكون. هذه هي الطريقة التي تعمل بها معظم أجهزة عرض الفيديو. على الرغم من وجود أجزاء متحركة ، إلا أنها صغيرة جدًا ويمكن أن تكون خفيفة ومتينة للغاية. تم بناء بعض الألواح القصيرة المدى باستخدام هذه التكنولوجيا.
• إذا كنت تستخدم الضوء في نطاق 1.5 ميكرون (الأشعة تحت الحمراء متوسطة المدى) ، فإن العين البشرية لم تعد تركز عليه. هذا يعني أنه يمكنك إرسال نبضات أكثر إشراقًا دون التسبب في ضرر ، وهذا بدوره يعني أنه يمكنك رؤيته على مسافة أكبر. الأخبار السيئة هي أن ضوء 1.5 ميكرون لا يؤدي إلى تشغيل السيليكون ، مما يعني أنه يجب عليك استخدام أنواع أخرى من الإلكترونيات ، وهي تقنيات لا تملك تكلفة منخفضة لإنتاج واسع مثل السيليكون. وبالتالي ، فإن 1.5 ميكرون ليدرات غالية الثمن في الوقت الحالي.
• تم صنع بعض الطبقات الخاصة لمعرفة المزيد ، وحتى أنها تستخدم تأثير دوبلر ، حتى يعرفوا مدى سرعة تحرك الكائن الذي يتعقبونه. من الصعب القيام بذلك في أغطية للأغراض العامة عالية الدقة.
• تقوم بعض كاميرات وقت الرحلة بدراسة الضوء باستخدام موجة حاملة وإلقاء نظرة على التغييرات الطورية لعودة الانعكاسات لقياس الوقت. يمكن أن تكون هذه الكاميرات رخيصة للغاية ، ولكن لديها نطاق منخفض وضوضاء عند قياس المسافات.

---

اقرأ المزيد من المقالات المفيدة:

• السيارات ذاتية الحكم على المصدر المفتوح
• السيارات المستقلة تأخذ في الاعتبار مستوى أنانية الناس
• ماكينزي: إعادة النظر في هندسة البرمجيات والالكترونيات في السيارات
• حرب OS أخرى هي بالفعل تحت غطاء محرك السيارة
• رمز البرنامج في السيارة
• في السيارة الحديثة ، هناك سطور أكثر من ...