¿Qué es LiDAR?

 

¿Qué es LiDAR?

3 cosas que es necesario saber

LiDAR (acrónimo de Light Detection and Ranging) es una tecnología de teledetección que utiliza luz pulsada para recopilar mediciones de distancia a los objetos del entorno. Los sensores de LiDAR emiten pulsos de láser que se reflejan en los objetos, lo que les permite percibir la estructura de su entorno. Los sensores registran la energía de luz reflejada para determinar la distancia a un objeto y crear una representación 2D o 3D del entorno.

Los sensores de LiDAR son de los más utilizados para aplicaciones de conducción autónoma y robótica. Permiten flujos de trabajo de percepción 3D tales como detección de objetos y segmentación semántica, así como flujos de trabajo de navegación tales como mapeo, localización y mapeo simultáneos (SLAM) y planificación de trayectorias.

Importancia del LiDAR

Los sistemas autónomos incluyen diversos sensores, tales como cámaras, IMU y radares, dentro de su gama de sensores para la percepción del entorno. El LiDAR puede superar algunos de los inconvenientes de otros sensores, ya que proporciona información sumamente precisa, estructural y en 3D del entorno. Esta ventaja ha contribuido a la introducción de sensores de LiDAR en el mercado de la percepción convencional.

Datos de LiDAR recopilados por un sensor de LiDAR montado en un vehículo terrestre.

La adopción del LiDAR en el mercado está impulsada por tres factores clave:

  1. LiDAR de bajo coste

La introducción de LiDAR de bajo coste, con características mejoradas en cuanto a alcance, tamaño y robustez, han aumentado la disponibilidad de la tecnología para aplicaciones industriales de ingresos comparativamente bajos.

  1. Datos 3D precisos

Los LiDAR pueden recopilar la información 3D de alta densidad del entorno en nubes de puntos con una mayor precisión que otros sensores de alcance, tales como radares y sonares. Esto, a su vez, mejora la precisión de la reconstrucción 3D.

  1. Algoritmos de procesamiento de datos de LiDAR

Los recientes avances en los flujos de trabajo de procesamiento de datos de LiDAR, tales como segmentación semántica, detección y seguimiento de objetos, fusión de datos de cámaras de LiDAR y SLAM de LiDAR, han permitido a los equipos de ingeniería incorporar LiDAR a sus flujos de trabajo de desarrollo. Puede utilizar herramientas como MATLAB® para desarrollar y aplicar algoritmos de procesamiento de datos de LiDAR.

Aplicaciones de LiDAR

El LiDAR se utiliza en una amplia gama de campos, desde conducción autónoma hasta ciencias de la tierra y el mar. Las aplicaciones se agrupan en función de la plataforma en la que se montan los LiDAR.

  1. LiDAR aéreos
  2. LiDAR terrestres
  3. LiDAR de interiores

LiDAR aéreos

Los LiDAR aéreos son sensores de LiDAR montados en vehículos aéreos no tripulados (VANT) o aeronaves. Los LiDAR aéreos capturan datos de nubes de puntos 3D de un espacio extenso que se pueden utilizar para mapeo de LiDAR, extracción de características, identificación de terrenos y otros casos prácticos.

Sensor de LiDAR aéreo.

 Datos de LiDAR aéreo.

Algunos ejemplos de aplicación del LiDAR aéreo son:

  • Agricultura: la tecnología de LiDAR se utiliza ampliamente en la agricultura para cartografiar el área de vegetación, identificar el terreno exacto de una granja y la zona de captación de agua.
  • Planificación urbana: los LiDAR permiten crear modelos digitales de superficie (MDS) o incluso modelos digitales de ciudad (MDC) de un área, que se utilizan para diseñar una ciudad o para construir nuevas infraestructuras en una ciudad existente.
  • Cartografía geológica: los LiDAR permiten crear mapas 3D de la superficie terrestre, que se pueden utilizar en aplicaciones como la minería, la silvicultura de precisión, y la prospección de petróleo y gas.
  • Navegación aérea y planificación de trayectorias: los LiDAR se utilizan ahora en VANT para recopilar datos 3D en vivo para navegar de forma autónoma a través del entorno.

LiDAR terrestres

Los LiDAR terrestres pueden ser estacionarios o móviles.

Sensor de LiDAR móvil.

Datos de LiDAR móvil.

  • LiDAR terrestres estacionarios: LiDAR montados sobre una plataforma estacionaria. Se utilizan comúnmente para estudios topográficos, levantamiento vial, topografía, modelos digitales de elevación (MDE), agricultura y otras aplicaciones. Los LiDAR terrestres estacionarios son adecuados para aplicaciones que requieren una captura de datos detallada y precisa.
  • LiDAR móviles: LiDAR terrestres conectados a una plataforma móvil, como por ejemplo un automóvil o un camión. La aplicación más frecuente del LiDAR móvil es la conducción autónoma. Los LiDAR montados en vehículos capturan datos de nubes de puntos 3D del entorno y se utilizan además en flujos de trabajo de percepción y navegación.

LiDAR de interiores

Los LiDAR se utilizan con mucha frecuencia en aplicaciones de robótica de interiores, montados en robots móviles. Aparte de los LiDAR 3D, también se utilizan LiDAR 2D o escáneres láser en aplicaciones robóticas de interiores, como escaneado y mapeo con LiDAR. Recogen información de profundidad del entorno que luego se procesa en función de los casos prácticos.

Sensor de LiDAR de interiores.

Datos de LiDAR de interiores.

Algunos usos frecuentes del LiDAR de interiores son:

  • Mapeo y SLAM de LiDAR: puede utilizar LiDAR 2D o 3D para crear SLAM y mapeo 2D o 3D, respectivamente.
  • Detección, advertencia de colisión y evasión de obstáculos: los LiDAR 2D se utilizan generalmente para detectar obstáculos. Estos datos se pueden utilizar posteriormente para crear advertencias de colisión o para evitar obstáculos.

Procesamiento de datos de LiDAR en MATLAB

MATLAB y Lidar Toolbox™ simplifican las tareas de procesamiento de datos de LiDAR. Con herramientas y funciones específicas, MATLAB ayuda a superar los desafíos frecuentes del procesamiento de datos de LiDAR, tales como los tipos de datos 3D, la escasez de datos, los puntos no válidos en los datos y el alto nivel de ruido.

Puede importar datos de LiDAR en vivo y grabados en MATLAB, implementar flujos de trabajo de procesamiento de datos de LiDAR, y crear código C/C++ y CUDA para implementarlo en producción.

Algunas de las prestaciones importantes que MATLAB proporciona en el procesamiento de datos de LiDAR en nubes de puntos son:

Streaming, lectura y escritura de datos de LiDAR

El primer paso para procesar cualquier dato de sensor en MATLAB consiste en introducir los datos en el área de trabajo de MATLAB. Puede hacer lo siguiente:

  • Transmitir datos en vivo desde sensores Velodyne con Velodyne Lidar Hardware Support Package.
  • Leer nubes de puntos almacenadas en diferentes formatos de archivo, tales como PCD, PLY, PCAP, Ibeo Data Container, LAS y LAZ.
  • Sintetizar datos de LiDAR en entornos de simulación para probar sus algoritmos de procesamiento. UAV Toolbox y Automated Driving Toolbox™ proporcionan modelos de sensores de LiDAR para simular nubes de puntos de LiDAR.

Transmisión de datos de LiDAR en vivo desde sensores Velodyne Lidar

Procesamiento de datos de LiDAR

Puede preprocesar datos de LiDAR para mejorar la calidad de los datos y extraer información básica de ellos. Lidar Toolbox proporciona funcionalidad para disminuir la tasa de muestreo, filtrar mediana, así como alinear, transformar y extraer características de nubes de puntos.

Calibración de cámaras de LiDAR

MATLAB permite la calibración de cámaras de LiDAR para estimar las transformaciones de LiDAR a cámaras y fusionar los datos de ambos. También puede fusionar información de color en nubes de puntos de LiDAR y estimar cuadros delimitadores 3D en LiDAR utilizando cuadros delimitadores 2D de una cámara ubicada en el mismo sitio.

App Lidar Camera Calibrator.

Deep Learning para LiDAR

Con MATLAB, puede aplicar algoritmos de Deep Learning para detección de objetos y segmentación semántica en datos de LiDAR.

  • Con unas pocas líneas de código de MATLAB, puede importar modelos de segmentación semántica previamente entrenados, incluidos PointSeg y SqueezeSegV2, para segmentar datos de LiDAR. También puede entrenar, evaluar y desplegar sus propios modelos de Deep Learning.
  • MATLAB permite diseñar, entrenar y evaluar detectores robustos, como redes PointPillars. Puede detectar y ajustar cuadros delimitadores orientados alrededor de objetos en nubes de puntos de LiDAR.
  • La app Lidar Labeler de Lidar Toolbox simplifica el etiquetado de nubes de puntos. Puede agregar manualmente cuadros delimitadores alrededor de los objetos y aplicar algoritmos integrados o personalizados para automatizar el etiquetado de nubes de puntos de LiDAR y evaluar el rendimiento del algoritmo de automatización.

Segmentación semántica de nubes de puntos

Seguimiento de objetos en nubes de puntos

MATLAB puede unificar varios dominios integrados en un flujo de trabajo de seguimiento de objetos de extremo a extremo. Esto permite leer datos de LiDAR, procesarlos previamente, aplicar Deep Learning para detectar objetos, rastrear esos objetos mediante un rastreador predefinido, y desplegar esto en una plataforma de hardware.

Detección y seguimiento de objetos.

Registro de nubes de puntos y SLAM

MATLAB proporciona funciones para registrar nubes de puntos de LiDAR y crear mapas 3D usando algoritmos de SLAM. Puede extraer descriptores de histograma de características de punto rápido (FPFH) de nubes de puntos de LiDAR, identificar correspondencias y, luego, registrar nubes de puntos en función de las características coincidentes.

También puede implementar algoritmos de SLAM 3D uniendo secuencias de nubes de puntos de LiDAR a partir de datos de LiDAR terrestres y aéreos.

Mapa creado con datos secuenciales de nubes de puntos de LiDAR.

Para obtener más información sobre el procesamiento de datos de LiDAR, consulte Lidar Toolbox y Computer Vision Toolbox™.


Ejemplos y procedimientos


Referencias de software