几十年来，激光雷达一直是许多行业中非常有用的工具，但直到最近，随着人工智能（AI）解决方案的引入，我们才开始认识到它的真正潜力。激光雷达，又称光探测和测距，是一种遥感技术。它利用激光扫描器，测量传感器与建筑物或行人等目标物体之间的距离和尺寸。随着AI与激光雷达的结合使用，技术团队正在针对各种场景优化技术，以达到超乎想象的速度和精度。 20世纪60年代，激光雷达第一次问世，当时人们把它安装在飞机上扫描地形。上世纪80年代，GPS（全球定位系统）的应用中，人们使用激光雷达扫描收集数据建立3D模型，在这个过程中，激光雷达开始受欢迎。如今，随着成本的降低，和可用激光雷达数据的广度增加，激光雷达最近与人工智能和机器学习（ML）的结合正在释放巨大的创新机遇。
激光雷达的构成和工作原理
激光雷达系统一般包括四个关键元件：
- 激光：向目标物体（可能是建筑物、车辆或行人）发送光脉冲。光波通常是紫外线、可见光或近红外；所使用的激光类型将取决于使用的雷达类型。
- 扫描器：调节激光扫描目标物体的速度和激光可到达的距离。
- 传感器：计算光从目标物体反射并返回到激光雷达系统所需要的时间。
- GPS：跟踪激光雷达系统的位置，确保目标物体和系统之间的测量距离精确。
现代激光雷达系统每秒可以发送500,000个脉冲。系统把这些脉冲聚集成一个代表物体在空间中的坐标点的数据集，即点云。然后，我们就可以用点云来创建3D空间模型。
激光雷达的类型
激光雷达主要有两类：
机载激光雷达（Airborne LiDAR）
顾名思义，机载激光雷达系统安装在无人机或飞机等飞行设备上。这样，激光雷达就可以通过向地面发送脉冲来监测相关情况。航空激光雷达有两种类型：
- 深海测深：利用绿光穿透水体，测量水体深度。
- 地形测量：用于陆地表面测绘。
地面型激光雷达（Terrestrial LiDAR）
该激光雷达系统安装在移动车辆或固定在地面的三脚架上。它可以实现全方位扫描并从点云中生成3D模型。地面型激光雷达有两种类型：
- 移动型：这种激光雷达安装在火车、轮船或汽车上，非常适合观察道路、行人、标识、条件和其他相关的基础设施。
- 固定型：这类激光雷达固定在地面上的某一点上，扫描周围区域或某一特定情景，如建筑物内部结构。
激光雷达与AI相结合
激光雷达和AI可以说是天作之合：激光雷达用于收集3D点创建点云，而AI擅长处理数据。激光雷达的脉冲频率范围通常在每秒10,000到200,000个脉冲之间，并且可以从同一激光脉冲产生多次回波。激光雷达回波的结果可以由AI模型处理，以了解和检测给定的环境（如创建地形图）。 在过去，技术团队通过人工标注激光雷达所生成的数据识别扫描的关键目标。毫无疑问，这项工作费时又耗力，且需要专业人员来进行。随着计算机视觉和图像处理技术的发展，AI可以帮助自动完成标注过程。如今，人工智能能够处理非结构化数据输入，并准确输出目标物体（例如，附近的车辆或基础设施）以供进一步分析。 AI帮助我们节省时间，使我们有能力开发出高精度且随时更新的3D环境模型。由于这些进步，现在各主要行业都开始大范围应用激光雷达和AI技术。
AI驱动激光雷达的实际应用
在许多工业领域，激光雷达是必不可少的：建筑、制造、海洋学、3D打印、虚拟现实等。以下是几个非常重要的应用实例：
自动驾驶汽车
自动驾驶汽车在公路上也许并不常见，但是这一天终将到来。自动驾驶汽车需要AI驱动的激光雷达来扫描周围区域，创建空间的3D模型，同时结合雷达和摄像头输入的数据，几乎可以瞬间决定车辆应该如何行驶。激光雷达是否准确对于确保汽车乘客的安全至关重要。 查看我们的AI汽车解决方案电子书，了解以客户为中心的AI如何应用于自动驾驶汽车和智能汽车。
农业
在农业领域，技术团队利用安装在无人机上的AI驱动激光雷达系统快速创建农田地形图。这些地图帮助农民根据海拔和日照情况确定种植作物的理想区域，施用化肥和喷洒杀虫剂。播种后，农民还可以利用激光雷达跟踪作物产量。
军事、基建等领域的安全问题
许多军队利用激光雷达侦察边界并识别可疑物体，这一做法已有几十年之久。随着人工智能带来更多的可能性，我们可以预见AI将对环境的潜在危险实现自动检测。自主式机器人还可以帮助保护建筑业或其他进行危险工作的人。 计算机处理能力的提升，以及AI受到的投资，都让AI和激光雷达之间的合作方式变得更加多种多样。随着激光雷达广泛应用于各行各业，创新必然会进入我们生活的各个方面，在我们迈向AI驱动的世界中，塑造我们体验技术的方式。
澳鹏激光雷达专家Kuo-Chin Lien的见解
在澳鹏，我们的专家团队可以帮助您运用激光雷达技术建立尖端模型。澳鹏数据科学总监Kuo-Chin Lien致力于帮助运用激光雷达技术的客户成功构建模型。他对激光雷达的主要见解包括：
空间计算应用：从智能汽车到智能手机
利用激光雷达可以获取扫描物体及其环境的完整3D信息。这就为许多应用创造了机会，尤其当空间信息（如深度、距离、几何形状和尺寸）对您的使用场景非常重要时。例如，在零售业，用例可以是库存管理；或者在建筑业，用例可以是质量保证，将交付的工作与批准的计划进行比较。今年受到广泛关注的另一个很好的用例是，汽车公司已经开始使用激光雷达来检测道路上的物体，从而改进其ADAS（高级驾驶员辅助系统）应用程序；甚至智能手机也可使用激光雷达，iPhone 12 Pro配备了激光雷达来帮助它区分前景和远处的背景，并在人像模式下提供更聚焦的照片。激光雷达可应用于各种不同的行业，上面提到的只是冰山一角，我们还可以发掘更多的应用。
3D深度学习增强空间计算能力
各行各业的专家都依赖深度学习（Deep Learning）技术来理解3D扫描数据。没有它，几乎不可能理解所有的数据点，而AI具备超人的能力来理解大量的2D图像内容。在分析语音识别或2D图像信号这样的单独维度数据时，DL算法可以在引入更多维的情况下，保持实时性能和较低的内存占用。专家们正在尝试利用稀疏和不规则的数据来达成高精度，但这并非易事。怎样才能设计出一个能从不完整的扫描结果中即时产生可靠结论的AI，并支持我们期待的新的使用场景？这些都是值得继续探索的有趣主题，它们将进一步提高激光雷达DL模型的可用性。
