3D成像在自动驾驶汽车的环境感知方面发挥着关键作用

据麦姆斯咨询介绍，随着3D传感模组价格的下降和性能的提升，3D视觉或深度传感正不断赋能各种新应用，包括帮助机器人创建环境地图并完成任务，比方如何最好地避让人类。其他应用还包括物体取放、组合装配和检测，以及将物品从一个位置移动到另一个位置等。

这些应用都依赖于经济且强大的3D视觉传感器，目前，该领域存在多种竞争型技术。所有这些技术都有各自的优点和缺点，具有不同的工作距离、分辨率、处理能力以及成本。每种技术都有其重要的市场价值，大体因为目前还没有能够应对所有应用场景的单一最佳解决方案。

3D成像在自动驾驶汽车的环境感知方面发挥着关键作用

“根据各种应用所需要的性能和市场限制，这些技术都可以找到各自的用武之地，” Yole光电子技术和市场分析师Alexis Debray说道。对于3D视觉，竞争技术包括许多种类的激光雷达（LiDAR）和飞行时间（time-of-flight，ToF）传感器，它们发出光线并通过测量返回信号所需要的时间来获得距离信息。还有结构光技术，该方案通过测量投射到物体上的光图案的变形来确定距离（也是三角测距法）。另一种技术是激光三角测量，通过激光点出现在相机视场中的位置提取深度。最后，还有一种技术方案是立体深度视觉传感，通过使用两个相机图像特征点的差异来计算距离。

3D视觉或深度成像解决方案的发展演变。上图是三种性能大致相当的解决方案，使用了两种不同的技术方案（结构光和飞行时间）。十年来，尺寸都大约缩小了十倍。受益于这些技术的进步，新应用才能层出不穷，例如大型仓库中移动排架的机器人。深度传感可以帮助机器人识别哪些是货架，并帮助它们跟踪架子上的物体。美国宾夕法尼亚州ifm efector公司的机器人感知业务开发负责人Garrett Place表示，深度传感技术在机器人领域的应用越来越多。这家美国公司是德国ifm electronic的子公司，ifm electronic是拥有pmd的自动化解决方案供应商。得益于更好的3D视觉，一项新应用得以实现，那便是卸垛。顾名思义，这项应用包括利用机器人从托盘上取下货物，并将它们放在传送带上。这在工厂进货时很常见。3D相机的使用能够更快地定位货物，从而提高操作效率。“除了机器人本身的移动之外，在完成一件搬运到拾取下一件之间没有任何延时，”Place说，“这太强大了，平均每件货物可以节省3~5秒。”另一个新应用案例是自动叉车。在这项任务中，自动驾驶叉车必须精确定位它需要移动叉起的货物。使用3D相机收集所需要的信息，可以更快、更准确地完成任务，从而提高操作的速度和安全性。在服务业也可以找到3D模组价格下跌所带来的新兴应用。例如，利用机器人手臂为人提供饮料或其他物体，深度传感可以确保物品被安全地传送。但是当机器人手臂接近目的位置时，手臂、物体或两者都可能阻挡机器人“视线”。

采用结构光技术的手持式扫描仪，可在4.5m外捕捉精确的3D数据

收集此类数据的成本已经大幅下降，从几年前基于激光雷达解决方案的数万美元下降到今天的几百美元。Assoolin表示，使用其他3D传感技术的解决方案甚至更便宜，可能只需数十美元。成本还会持续下降，甚至可能加速下降，因为3D成像将很快出现在每部智能手机中。这种技术还不能直接应用于工业环境，但是芯片的大规模上量，意味着非消费类应用的价格也会跟着下降。至于这些新的深度传感解决方案可以有哪些应用，一种可能是检测，Assoolin说。目前，先进的传感器可以在相对较近的距离，进行几个点的线捕捉。Newsight现在提供的芯片可以大幅改善检测，并可以在更广泛的环境中进行部署。

价格下降和性能提升使新的3D成像应用成为可能，例如门禁控制

以色列Mantis Vision公司首席商务官Shabtay Negry称，在工业环境中考量3D视觉应用时，环境会对应用和性能产生重大影响。Mantis Vision提供3D扫描、成像和视频捕捉解决方案。这些都是基于结构光的专利算法，可在数据质量方面提供最精准的模型，Negry说。温度和振动影响3D传感精度温度变化和振动会降低3D传感精度，而这两种情况在工厂车间或其他工业环境中很常见。温度变化一般趋于连续变化，而发动机启动、关闭或物体相互撞击时，振动往往会引起剧烈的干扰。两者都会引起结构光图案偏移，从而可能导致3D传感结果的不准确。

关于新兴应用，用于游戏和娱乐目的的实时3D流媒体应用，也可以用于工业培训和模拟。例如，指导人员可以演示如何执行一项任务，利用多个3D传感器和其他传感器捕获每一个动作。然后系统可以进行远距离复制演示。“使用多个同步传感器的实时3D流媒体，开辟了新的交流方式和新的市场，”Negry说。Teledyne DALSA工业事业部项目和产品经理Raymond Boridy说，3D系统性能的改进确实扩大了可能的应用领域。这家总部位于蒙特利尔的系统制造商正在推出一系列激光三角测量产品。这种性能在某些环境非常有用。不过，大部分应用不需要这样的精细检测。但确实需要检测结果的可重复性，发现缺陷的能力和速度。自动驾驶汽车应用的深度感知激光雷达技术，就能很好的说明这一点。“激光雷达的数据必须通过人工智能计算、转译并与其他传感器融合。这是一项重要挑战，如果没有得到妥善解决，会使激光雷达失去意义，”Yole的Debray谈到这种情况时，强调了完整解决方案的必要性。