{"id":6246,"date":"2019-10-15T15:13:17","date_gmt":"2019-10-15T13:13:17","guid":{"rendered":"https:\/\/blog.generationrobots.com\/?p=6246"},"modified":"2023-05-05T16:22:37","modified_gmt":"2023-05-05T14:22:37","slug":"experimentellen-studie-mit-dem-lidar-rs-lidar16-von-robosense","status":"publish","type":"post","link":"https:\/\/www.generationrobots.com\/blog\/de\/experimentellen-studie-mit-dem-lidar-rs-lidar16-von-robosense\/","title":{"rendered":"Experimentellen Studie mit dem LiDAR RS-LiDAR16 von Robosense"},"content":{"rendered":"\n\n \n

\n Wir haben verschiedene Tests in Innen- und Aussenumgebung mit dem\n \n LiDAR RS-LiDAR16 von\n \n Robosense\n <\/a>\n <\/strong>\n durchgef\u00fchrt. Anschliessend haben wir die Ergebnisse mit den anderen LiDAR (Quanergy M8-1, Sick 551 und RpLiDAR A3) unter denselben Bedingungen verglichen. Die Distanzmessung bei einem LiDAR kann von mehreren Faktoren sowie internen (Hardware-Komponenten, mathematische Berechnungen, Kommunikationsprotokollen usw.) oder externen Parametern (Sonnenlicht, Temperatur, Feuchtigkeit, Reichweite der Umgebung, Materialien und Einfallswinkel, Hindernissen usw.) beeinflusst werden. Um zu verstehen, wie sich diese Parameter auf die Genauigkeit der Distanzmessung auswirken, haben wir verschiedene Umgebungen betrachtet und analysiert. Hier nun eine Liste der verschiedenen Hypothesen zu den LiDAR-Systemen:\n <\/p>\n \n \n

\n \n \n \n \n \n \n \n \n \n \n \n \n \n \n \n \n \n \n
\n \n Hypothese\n <\/b>\n <\/td>\n \n \n Getestet\n <\/b>\n <\/td>\n \n \n Details\n <\/b>\n <\/td>\n <\/tr>\n
\n Hindernis-Materialien\n <\/td>\n \n Ja\n <\/td>\n \n Zehn unterschiedliche Materialien\n <\/td>\n <\/tr>\n
\n Sonnenlicht\n <\/td>\n \n Ja\n <\/td>\n \n Vier Umgebungsbedingungen (Dunkelheit, k\u00fcnstliche Beleuchtung, Schatten und Sonnenlicht)\n <\/td>\n <\/tr>\n
\n Abweichung in Abh\u00e4ngigkeit von der Zeit\n <\/td>\n \n Ja\n <\/td>\n \n Zwei Umgebungsbedingungen mit jeweils 45-min\u00fctigem Test\n <\/td>\n <\/tr>\n
\n Temperatur\n <\/td>\n \n Ja\n <\/td>\n \n Zwei Umgebungsbedingungen: Schatten und Sonnenlicht\n <\/td>\n <\/tr>\n
\n Feuchtigkeit\n <\/td>\n \n Nein\n <\/td>\n \n <\/td>\n <\/tr>\n
\n Einfallswinkel\n <\/td>\n \n Nein\n <\/td>\n \n <\/td>\n <\/tr>\n
\n Hardware-Komponenten\n <\/td>\n \n Nein\n <\/td>\n \n Tests mit denselben LiDAR\n <\/td>\n <\/tr>\n
\n Kommunikationsprotokolle\n <\/td>\n \n Nein\n <\/td>\n \n Ethernet und USB je nach Spezifikationen\n <\/td>\n <\/tr>\n
\n Mathematische Berechnungen\n <\/td>\n \n Nein\n <\/td>\n \n Lesen des Bruttowerts der Punktwolke\/Laserabtastung\n <\/td>\n <\/tr>\n
\n Unterschiede zwischen Lichtb\u00fcndeln\n <\/td>\n \n Ja\n <\/td>\n \n Mit vertikalen Hindernissen\n <\/td>\n <\/tr>\n
\n Einfluss Tastfrequenz\n <\/td>\n \n Ja\n <\/td>\n \n Bei 5, 10 und 20 Hz\n <\/td>\n <\/tr>\n
\n Unterschiede zwischen kurzen\/langen Distanzen\n <\/td>\n \n Ja\n <\/td>\n \n 6 unterschiedliche Distanzen\n <\/td>\n <\/tr>\n
\n Unterschiede zwischen zwei Winkelbereichen\n <\/td>\n \n Ja\n <\/td>\n \n Phase bei 0\u00b0 und +90\u00b0, +180\u00b0 und +270\u00b0\n <\/td>\n <\/tr>\n
\n Hindernis mit\/ohne Unterbrechungen\n <\/td>\n \n Beobachtet\n <\/td>\n \n Zus\u00e4tzliche Umgebungsbedingungen, die jedoch nicht auf denselben Prozess bezogen wurden\n <\/td>\n <\/tr>\n
\n Kreisf\u00f6rmige\/senkrechte Formen\n <\/td>\n \n Beobachtet\n <\/td>\n \n Zus\u00e4tzliche Umgebungsbedingungen, die jedoch nicht auf denselben Prozess bezogen wurden\n <\/td>\n <\/tr>\n <\/tbody>\n <\/table>\n <\/figure>\n \n \n

\n Es handelt sich hierbei um eine sehr komplette Testreihe, bei der wir versucht haben, die verschiedenen Hypothesen abzudecken. Die Ergebnisse k\u00f6nnen von der bisher untersuchten hohen Wiederholgenauigkeit abweichen, vermitteln jedoch eine gute Vorstellung der Leistungen des RS-LiDAR16. Bei mehreren Versuchen wurde eine h\u00f6here Fehlerrate (zwischen 0 und 4 cm) beim RS-LiDAR16 gegen\u00fcber den anderen LiDAR nachgewiesen. Es ist jedoch darauf hinzuweisen, dass der LiDAR von RoboSense \u00fcber 16 Laserb\u00fcndel verf\u00fcgt und somit bei kartographischen Anwendungen aufgrund der Roboterbewegung diese Fehler durch aufeinanderfolgende Iterationen ausgleichen kann.\n <\/p>\n \n \n

\n 3D-LiDAR: Echtzeit, grosse Reichweite und hohe Genauigkeit\n <\/h2>\n \n \n

\n Heute sind die LiDAR und insbesondere die 3D-LiDAR-Systeme im Bereich der neuen Technologien, wie mobile Robotik und autonome Navigation, weit verbreitet. In der Tat werden sie insbesondere zum Treffen von Entscheidungen f\u00fcr die Navigation ben\u00f6tigt. Dank der letzten technologischen Verbesserungen k\u00f6nnen alle Details einer Umgebung, eines Segments oder eines Hindernisb\u00fcndels erfasst werden. Mehrere Unternehmen entwickeln ihre eigenen Komponenten und Software-Anwendungen f\u00fcr die Kartographie. Sie liefern 3D-Informationen \u00fcber ihre Umgebung in Echtzeit, ohne jeglichen Kontakt, mit grosser Reichweite und hoher Messgenauigkeit. Es gibt zwei Methoden (direkt und indirekt) der Flugzeittechnologie[2]:\n <\/p>\n \n \n