Mehr \u00fcber die LiDAR-Technologie und ihre Funktionsweise erfahren Sie in diesem Artikel.<\/a><\/p>\n\n\n\n 2019 hat Elon Musk ber\u00fchmterweise auf einer Konferenz den Satz gesagt, dass LiDAR eine Kr\u00fccke sei und den Nutzen der Technologie f\u00fcr autonome Fahrzeuge g\u00e4nzlich verneint, was f\u00fcr viel Verwirrung und Aufregung rund um das Thema sorgte. Musk, und damit Tesla, setzt auf Kameras und erg\u00e4nzende intelligente Algorithmen, die die Kamerabilder auswerten. LiDAR Daten sind f\u00fcr Musk damit \u00fcberfl\u00fcssig.<\/p>\n\n\n\n W\u00e4hrend Kameras f\u00fcr das Farbsehen und etwa das Erkennen von Stra\u00dfenschildern und \u00e4hnlichem ben\u00f6tigt werden, birgt ihre Eigenschaft, nur 2D-Daten zu erfassen, Gefahren: Sie sind anf\u00e4llig f\u00fcr optische T\u00e4uschungen und die Fehleinsch\u00e4tzung von Entfernungen. Wie einige tragische F\u00e4lle gezeigt haben, k\u00f6nnen diese Fehler gef\u00e4hrlich und sogar t\u00f6dlich<\/a> sein. <\/p>\n\n\n\n Im Gegensatz dazu erfassen LiDAR-Sensoren ihre Umwelt, und damit Entfernungen und Dimensionen, zuverl\u00e4ssig in 3D, sodass kein Raum f\u00fcr Interpretation bleibt.<\/p>\n\n\n\n Diese pr\u00e4zisen 3D-LiDAR-Daten helfen in Situationen, in denen Kameras „blind“ werden k\u00f6nnen, z. B. bei starker Ver\u00e4nderung von Lichtverh\u00e4ltnissen nach der Ausfahrt aus einem Tunnel oder bei der Erkennung von Objekten, die durch Hindernisse teilweise verdeckt werden. Zudem reichen die von Kameras generierten 2D-Daten in ihrer Detailtiefe nicht aus, um mit ihnen Machine Learning (ML) Algorithmen f\u00fcr das autonome Fahren zu speisen. Selbstlernende Algorithmen erm\u00f6glichen das autonome Fahren, da sie, auf der Basis von Sensordaten, lernen die Umwelt des Fahrzeugs zu interpretieren und Handlungsanweisungen aus Situationen abzuleiten. Dabei m\u00fcssen sie den so genannten „Long Tail“ abdecken.<\/p>\n\n\n\n Das bedeutet, dass es nicht ausreicht, nur die 95 % der Szenarien abzudecken, mit denen Fahrzeuge tagt\u00e4glich auf der Stra\u00dfe konfrontiert sind. Die ML-basierten autonomen Fahrfunktionen m\u00fcssen auch f\u00fcr die kniffligen 5 % der seltenen, aber m\u00f6glichen, F\u00e4lle trainieren und gleichzeitig ihre Leistung kontinuierlich verbessern, was f\u00fcr ein reines Kamerasystem enorme Mengen an Trainingsdaten erfordert.<\/p>\n\n\n\n LiDAR sammelt sehr detaillierte und zuverl\u00e4ssige 3D-Informationen und gleicht damit Schw\u00e4chen anderer Sensortechnologien aus. Basierend auf der Kategorisierung von Objekten anhand von LiDAR-Daten k\u00f6nnen Kamera-Daten f\u00fcr eine tiefer gehende Analyse und anschauliche Darstellung genutzt werden. In \u00e4hnlicher Weise k\u00f6nnen Entfernungs- und Geschwindigkeitsdaten, die von einem Radar erfasst wurden, mit einem LiDAR verifiziert werden, um eine h\u00f6here Genauigkeit zu erreichen. Das bedeutet, dass alle sensorbasierten Anwendungen von einem Mix aus Kameras, Radarsystemen und LiDAR-Sensoren sowie anderer Sensorik profitieren k\u00f6nnen.<\/p>\n\n\n\n Auch bei schlechten Witterungsbedingungen wie Regen, Nebel, oder Schnee schneiden LiDAR-Sensoren besser ab als andere Sensortechnologien.<\/p>\n\n\n\n Bei Regen beispielsweise, kommt den LiDAR-Sensoren ihr gro\u00dfer optischer Laserstrahl zu Gute: Selbst wenn dieser auf kleine Hindernisse wie Regentropfen oder Schneeflocken trifft, wird nur ein Teil des Laserstrahls blockiert, weshalb die Reichweite von LiDAR zwar beeinflusst wird, der Sensor aber im Regen nicht unbrauchbar wird. Die Reichweite von LiDAR kann dadurch zwar etwas verringert werden, der Sensor bleibt jedoch weiterhin einsatzf\u00e4hig \u2013 eine entscheidende Eigenschaft f\u00fcr Sicherheitssysteme, die rund um die Uhr bei jedem Wetter zuverl\u00e4ssig funktionieren m\u00fcssen. Dies ist unter anderem durch eine Funktion m\u00f6glich, die sich \u201eMultiple Return<\/a>\u201c nennt. Dabei erkennt der Sensor, wenn der Laserstrahl auf mehrere \u201eObjekte\u201c trifft, und verarbeitet nur das Signal mit der st\u00e4rksten R\u00fcckreflexion. So werden beispielsweise die Reflektionen von Schneeflocken ignoriert, w\u00e4hrend reale Objekte korrekt detektiert werden. Im Vergleich dazu ist die Pixelgr\u00f6\u00dfe von Kameras viel kleiner als ein Regentropfen, was dazu f\u00fchren kann, dass deren Sichtfeld bei Niederschlag vollst\u00e4ndig beeintr\u00e4chtigt wird. <\/p>\n\n\n\n Zudem haben LiDAR-Sensoren k\u00fcrzere Expositionszeiten, beziehungsweise eine h\u00f6here Ausl\u00f6segeschwindigkeit (ein Millionstel einer Sekunde), als Kameras (ein Tausendstel einer Sekunde), was bedeutet, dass ein Regentropfen nicht als Streifen \u00fcber mehrere Pixel, sondern in seiner urspr\u00fcnglichen Form erfasst wird.<\/p>\n\n\n\n Da LiDAR ein optisches Messystem ist, wird auch die Lasertechnologie bei Bedingungen wie starkem Regen, Nebel oder Schnee beeintr\u00e4chtigt. Dennoch liefert der Sensor auch in schwierigen Umweltbedingungen mehr wertvolle Daten als manch andere Technologie, wie z.B. die Kamera, wie im Bild oben zu sehen.<\/p>\n\n\n\n Es gab eine Zeit, in der mechanische LiDAR-Sensoren die einzigen auf dem Markt erh\u00e4ltlichen waren. Dieser Sensor-Typ ist sehr teuer, gro\u00df und nicht automatisiert in gro\u00dfen Mengen produzierbar. MEMS (mikroelektromechanische Systeme) basierte Sensoren haben dies grundlegend ge\u00e4ndert. Die MEMS-Komponenten werden aus Silizium gefertigt, was sie produktionsskalierbar und damit sehr kosteneffizient macht. Kombiniert mit anderen Standardkomponenten und einer Technologie, die keine regelm\u00e4\u00dfige Wartung ben\u00f6tigt, werden<\/p>\n\n\n\n Solid-State LiDAR-Sensoren deutlich erschwinglicher. In den letzten Jahren sind die Kosten f\u00fcr diese Sensoren von Tausenden von Dollar auf einige Hundert gesunken, und dieser Trend wird sich in Zukunft fortsetzen. In der Tat k\u00f6nnen Sensoren mit mittlerer Reichweite sogar zu dreistelligen Preisen erh\u00e4ltlich, wenn sie in gro\u00dfen Mengen produziert werden.<\/p>\n\n\n\n Der koaxiale Aufbau<\/a> der Blickfeld-Sensoren erm\u00f6glicht zudem eine sehr effektive r\u00e4umliche Filterung, so dass die Lichtphotonen genau aus der Richtung gesammelt werden, aus der sie ausgesendet wurden. Dies minimiert das Hintergrundlicht und erm\u00f6glicht ein sehr hohes Signal-Rausch-Verh\u00e4ltnis, was die Reichweite noch weiter erh\u00f6ht.<\/p>\n\n\n\n F\u00fcr mehr Information zu den Besonderheiten der von Blickfeld eingesetzten MEMS-Technologie finden Sie in diesem Blogpost<\/a>.<\/p>\n\n\n\n![\"Nummer](\"https:\/\/www.blickfeld.com\/wp-content\/uploads\/2021\/07\/9_Blickfeld-LiDAR-concept.jpg\")
2. Mythos: Autonomes Fahren kann ohne LiDAR-Sensoren umgesetzt werden<\/h2>\n\n\n\n![\"\"](\"https:\/\/www.blickfeld.com\/wp-content\/uploads\/2021\/02\/Street-crossing_chalk-drawing_Beatles_small.png\")
3. Mythos: LiDAR kann durch andere Sensoren ersetzt werden<\/h2>\n\n\n\n
Man h\u00f6rt immer wieder, dass LiDAR-Sensoren durch Kameras oder Radarsensoren ersetzbar sind. Um zu verstehen, warum dies nicht der Fall ist, werfen wir einen Blick darauf, wie unterschiedlich diese Sensortechnologien Objekte klassifizieren. Um die komplement\u00e4ren Funktionen zu sch\u00e4tzen ist es wichtig, die unterschiedlichen St\u00e4rken dieser Sensoren und die Art der erzeugten Daten zu verstehen.<\/p>\n\n\n\n\n
4. Mythos: LiDAR-Sensoren funktionieren nicht in schlechten Umgebungsbedingungen<\/h2>\n\n\n\n
Kameras funktionieren in der Regel nicht ohne ausreichende Umgebungsbeleuchtung, und sicherheitskritischen Bereichen <\/a>wie gro\u00dfen Industrieanlagen oder Au\u00dfenarealen kann eine Kamera beispielsweise nur so weit „sehen“, wie der Bereich beleuchtet ist. Im Gegensatz dazu kann die Reichweite eines LiDAR unabh\u00e4ngig von den Lichtverh\u00e4ltnissen mehrere hundert Meter betragen, da die Technologie auf Infrarot-Laserstrahlen statt auf sichtbares Licht setzt. Das bedeutet, dass ein Sicherheitssystem, das mit einem LiDAR-Sensor ausgestattet ist, bei v\u00f6lliger Dunkelheit genauso gut Objekte erkennen kann wie bei Tageslicht \u2013 selbst wenn keine k\u00fcnstliche Beleuchtung vorhanden ist.<\/p>\n\n\n\n![\"\"](\"https:\/\/www.blickfeld.com\/wp-content\/uploads\/2021\/07\/Fog-camera-vs-LiDAR-scaled.jpg\")
5. Mythos: LiDAR-Sensoren sind teuer<\/h2>\n\n\n\n
6. Mythos: MEMS-basierte LiDAR-Sensoren sind nicht besonders leistungsstark<\/h2>\n\n\n\n
W\u00e4hrend Vorteile wie hohe Skalierbarkeit und niedrige Kosten oft mit MEMS-basierten Sensoren in Verbindung gebracht werden, besagt ein weit verbreiteter Irrglaube, dass diese Ger\u00e4te eine geringe Reichweite haben. Dies r\u00fchrt von der Tatsache, dass MEMS-Spiegel in der Regel sehr klein sind (daher der Begriff „Mikro“ in MEMS). Generell gilt: Je gr\u00f6\u00dfer der Spiegel, desto gr\u00f6\u00dfer der Erfassungsbereich und desto gr\u00f6\u00dfer die Reichweite. Blickfeld hat einen eigenen MEMS-Spiegel mit beeindruckenden Abmessungen von mehr als 10 Millimetern entwickelt, mit dem ein hoher Anteil der Photonen auf den Photodetektor gelenkt werden und somit eine hohe Reichweite erzielt werden kann. <\/p>\n\n\n\n![\"MEMs](\"https:\/\/www.blickfeld.com\/wp-content\/uploads\/2021\/08\/MEMS-Scanning-Module-118_2.jpg\")