Принцип работы LIDAR (кратко)
- Источник коротких импульсов света (обычно в ближнем ИК) посылает луч; детектор измеряет время пролёта $t$ до отражения от объекта. Расстояние вычисляется по закону: $$d=\frac{ct}{2},$$ где $c$ — скорость света.
- Сканирование/формирование облака точек: поворотный/матричный/фазовый приём формирует набор точек с координатами и интенсивностью отражённого сигнала; для каждого возврата записывают дальность, интенсивность и иногда угол/время.
- Упрощённое уравнение приёма (оптическая «рад. уравнение» LIDAR): $$P_r(d)=P_t\frac{A_r}{d^2}\rho (\theta )e^{-2{\int }_0^d\alpha (s)ds},$$ где $P_t$ — мощность посылки, $A_r$ — эффективная площадь приёмника, $\rho (\theta )$ — эффективная отражательная способность/BRDF цели под углом $\theta$, $\alpha (s)$ — коэффициент экстинкции (поглощение+рассеяние) на пути.
Физические механизмы рассеяния и поглощения
- Размер частиц vs. длина волны: если радиус частицы $r$ сопоставим с длиной волны $\lambda$, доминирует Mie-рассеяние; при $r\ll \lambda$ — Rayleigh. Для LIDAR с $\lambda =905\text{nm}$ или $\lambda =1550\text{nm}$ дождевые капли и пыль обычно в диапазоне, где действует Mie-эффект → сильное рассеяние и вперед/обратное рассеяние.
- Ослабление по закону Бэра–Ламберта: интенсивность спадаeт экспоненциально: $$I(d)=I_0{e}^{-\alpha d}.$$
Основные ограничения и типичные ошибки в дождь, туман и пыль
1) Снижение дальности и плотности точек (ослабление)
- Частицы увеличивают коэффициент экстинкции $\alpha$ → экспоненциальное снижение принятой мощности: дальность обнаружения существенно сокращается. Примерно часто используют аппроксимацию связи видимости $V$ (км) и $\alpha$: $$\alpha \approx \frac{3.91}{V}.$$ - Следствие: уменьшение SNR ($\text{SNR}\propto \frac{P_r}{P_n}$), падение точности измерений и потеря слабых отражений (тёмные/удалённые объекты).
2) Обратное рассеяние от капель/аэрозолей (близкие ложные эхо)
- Капли и взвеси дают сильные локальные отклики (backscatter), часто ближе к сенсору, создавая «занавес» из ложных точек. Это приводит к ложным препятствиям и завышению плотности точек вблизи сенсора.
- Множественные отражения и множественная рассеяние приводят к размытию сигнала и ложным мульти-реверсам.
3) Сдвиг по дальности и увеличение разброса (range bias и jitter)
- Из-за рассеяния и растяжения импульса профиль возврата меняется → пик смещается, что даёт систематическую погрешность дальности (bias).
- Увеличивается дисперсия измерения: ${\sigma }_r$ растёт при падении SNR (приблизительно ${\sigma }_r\propto 1/\sqrt{\text{SNR}}$).
4) Уменьшение точности отражённой интенсивности и классификации
- Интенсивность возвращаемого сигнала нарушается за счёт частиц и мокрых поверхностей (спекулярные отражения), что затрудняет распознавание материалов и классификацию объектов.
5) Затруднения при мокрых/глянцевых поверхностях
- Влажные дороги и бликующие поверхности дают зеркальные отражения, возможна потеря возврата (промах) или неожиданные дальние отскоки.
6) Спектральные и размерные эффекты (выбор длины волны)
- При одинаковой мощности рассеяние зависит от $\lambda$. Для туманно-дождевых условий влияние Mie-рассеяния делает преимущество длины волн сложным: $\lambda =1550\text{nm}$ даёт более низкую опасность для глаз (позволяет большую мощность), но не обязательно меньшее рассеяние; зависимость σ рассеяния от размера/λ нельзя свести к тривиальному правилу.
7) Пыль и аэрозоли — длительная фоновая засорённость
- Пыль создаёт длительное пониженное SNR на больших дистанциях и стабильно повышает уровень шума; мелкая пыль может приводить к многократному рассеянию и «завесе» на средних дальностях.
Практические эффекты для автономного вождения
- Снижение дальности обнаружения пешеходов и мелких объектов, увеличение ложных тревог (ближайшие точки-капли).
- Неправильная оценка скорости/позиций из-за смещений по дальности и пропадания точек.
- Нарушение работоспособности алгоритмов семантической сегментации/детекции, которые полагаются на плотное облако и стабильную интенсивность.
Коротко о методах смягчения (без деталей реализации)
- Сенсорная избыточность: фьюжн с радаром и камерами.
- Обработка сигналов: фильтрация распознавание и удаление ближних «капельных» возвратов, использование множественных возвращений, адаптивные пороги.
- Выбор/комбинация длин волн (учёт рабочего диапазона частиц) и модуляции/ширины импульса (короткие импульсы уменьшают размытие).
- Увеличение мощности/чувствительности и апертуры (снижение шума), но с учётом нормативов безопасности глаз.
- Алгоритмы учёта многократного рассеяния и коррекции bias на основе модели атмосферы/видимости.
Заключение (одно предложение)
- В дождь, туман и пыль LIDAR ограничен главным образом экстинкцией, обратным рассеянием и множественными эффектами, что ведёт к сокращению дальности, ложным эхо и увеличению погрешностей; практическая надёжность требует комбинации аппаратных мер и алгоритмических компенсаций.