0

0

南方科技大学马宣刘晓光研究团队在i-TOF LiDAR精度提升领域取得重要突破

蓮花仙者

蓮花仙者

发布时间:2025-06-23 22:04:02

|

342人浏览过

|

来源于php中文网

原创

近日,南方科技大学深港微电子学院马宣刘晓光团队联合奥比中光在国际权威期刊《ieee transactions on instrumentation and measurement》上发表了题为《systematic error reduction of i-tof lidars using flexible trapezoidal waveforms》的研究论文。该论文提出了一种基于灵活梯形波形的新方法,成功将i-tof(间接飞行时间)lidar系统的测距误差降低至亚毫米级别,为高精度3d测量技术的发展提供了重要的理论和工程支持。

研究背景与挑战

i-TOF LiDAR技术因其高效、低成本的特性,近年来广泛应用于智能终端、AR/VR设备、自动驾驶和服务机器人等多个领域。然而,受系统误差与随机误差的影响,现有i-TOF系统的测距精度通常仅能达到数十毫米,难以满足如面部识别支付、高端制造和智能医疗等对高精度要求的应用场景。

研究表明,系统误差中最难处理的是被称为“wiggling”的复杂周期性误差。这种误差来源于激光发射信号偏离理想正弦波,引入了高次谐波,导致测距误差随距离呈周期性波动。更复杂的是,wiggling误差与其他系统误差及随机误差之间存在非线性耦合,难以独立分离和补偿,成为提升i-TOF测距精度的关键障碍。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

南方科技大学马宣刘晓光研究团队在i-TOF LiDAR精度提升领域取得重要突破

图1 i-TOF测距原理及误差产生机理示意图。(a) i-TOF模块框图及测距。(b) 四抽头像素i-TOF激光雷达模块原理图,测距过程中出现系统性和随机误差。(c)、(d)分别为调制后的理想信号光和实际信号光的测距效果。环境和信号光引入散粒噪声和随机误差,当与内部模块误差相结合时,通过四步相移采样和计算产生两个不同的点云。理想正弦波无wiggling,允许系统误差补偿,而实际光信号偏离正弦波,引入wiggling,阻碍补偿,导致测距点云失真。

创新技术与解决方案

针对这一难题,研究团队提出了一种全新的策略,利用灵活设计的梯形光信号波形,有效抑制复杂的wiggling误差,并实现系统误差的整体优化。

不同于传统方法直接采用正弦波进行光信号调制,该方案通过调整光信号的占空比(Duty Ratio, DR)和上升/下降沿比例(Rising/Falling Edge Ratio, RFER),间接消除wiggling误差,使反相信号的差分结果接近理想正弦波。这种方法不仅避免了复杂且昂贵的正弦波调制电路,还显著降低了硬件实现难度。

南方科技大学马宣刘晓光研究团队在i-TOF LiDAR精度提升领域取得重要突破

XAnswer
XAnswer

XAnswer是一款可以生成思维导图的AI搜索工具,聚合全网优质信息源,结合LLM能力和RAG技术, 为用户提供实时性的搜索结果、个性化的答案呈现。

下载

图2 基于所提方法设计了wiggling的遍历仿真示意图。(a)合并多频AoW(wiggling振幅)。(b)用于优化wiggling的谷线和谷点。(c) 100 MHz的AoW分布。(d) 最优RFER和DR组与对应的拟合曲线共同形成谷线和谷点。可选区域满足在不同频率下小于4 mm AoW的要求。(e)最优波形调制和在谷点和100 MHz实现全局最小wiggling的测量过程。

研究结果显示,通过对光信号的DR和RFER进行全局优化,可以将i-TOF系统中的wiggling误差从±19 mm压缩至±4.5 mm;进一步优化RFER至13%后,理论上可将wiggling误差控制在±0.58 mm以内。

实际验证与成果

研究团队开发了一套优化的光信号驱动电路,并基于自主研发的i-TOF LiDAR模块进行了实验验证。实验中,研究人员测试并分析了多种光信号波形参数,结果表明优化后的梯形光信号波形能显著减少系统误差,大幅提升测距点云的准确性。特别是在距离测量精度方面,该方法明显优于现有的正弦波直接调制技术和占空比优化方法。

南方科技大学马宣刘晓光研究团队在i-TOF LiDAR精度提升领域取得重要突破

图3 对测量得到的白板三维点云进行摆动消除验证,垂直距离为2000 mm,点云无wigggling补偿

此外,该方法在简化驱动电路结构、增强系统抗干扰能力以及适应温度变化等方面也表现出明显优势,有望为未来小型化、低功耗、高精度LiDAR模块的研发提供技术支持。

未来展望

本项研究在i-TOF LiDAR精度提升方面取得重要进展,为高精度3D测量技术在智能制造、医疗影像、AR/VR等前沿领域的广泛应用提供了坚实的技术基础。未来,研究团队将进一步优化驱动电路设计,并探索灵活梯形波形调制在更高频率下的应用潜力,推动i-TOF技术向更高精度、更低功耗和更广应用方向发展。

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

通义千问
通义千问

阿里巴巴推出的全能AI助手

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
JavaScript浏览器渲染机制与前端性能优化实践
JavaScript浏览器渲染机制与前端性能优化实践

本专题围绕 JavaScript 在浏览器中的执行与渲染机制展开,系统讲解 DOM 构建、CSSOM 解析、重排与重绘原理,以及关键渲染路径优化方法。内容涵盖事件循环机制、异步任务调度、资源加载优化、代码拆分与懒加载等性能优化策略。通过真实前端项目案例,帮助开发者理解浏览器底层工作原理,并掌握提升网页加载速度与交互体验的实用技巧。

1

2026.03.06

Rust内存安全机制与所有权模型深度实践
Rust内存安全机制与所有权模型深度实践

本专题围绕 Rust 语言核心特性展开,深入讲解所有权机制、借用规则、生命周期管理以及智能指针等关键概念。通过系统级开发案例,分析内存安全保障原理与零成本抽象优势,并结合并发场景讲解 Send 与 Sync 特性实现机制。帮助开发者真正理解 Rust 的设计哲学,掌握在高性能与安全性并重场景中的工程实践能力。

21

2026.03.05

PHP高性能API设计与Laravel服务架构实践
PHP高性能API设计与Laravel服务架构实践

本专题围绕 PHP 在现代 Web 后端开发中的高性能实践展开,重点讲解基于 Laravel 框架构建可扩展 API 服务的核心方法。内容涵盖路由与中间件机制、服务容器与依赖注入、接口版本管理、缓存策略设计以及队列异步处理方案。同时结合高并发场景,深入分析性能瓶颈定位与优化思路,帮助开发者构建稳定、高效、易维护的 PHP 后端服务体系。

106

2026.03.04

AI安装教程大全
AI安装教程大全

2026最全AI工具安装教程专题:包含各版本AI绘图、AI视频、智能办公软件的本地化部署手册。全篇零基础友好,附带最新模型下载地址、一键安装脚本及常见报错修复方案。每日更新,收藏这一篇就够了,让AI安装不再报错!

50

2026.03.04

Swift iOS架构设计与MVVM模式实战
Swift iOS架构设计与MVVM模式实战

本专题聚焦 Swift 在 iOS 应用架构设计中的实践,系统讲解 MVVM 模式的核心思想、数据绑定机制、模块拆分策略以及组件化开发方法。内容涵盖网络层封装、状态管理、依赖注入与性能优化技巧。通过完整项目案例,帮助开发者构建结构清晰、可维护性强的 iOS 应用架构体系。

87

2026.03.03

C++高性能网络编程与Reactor模型实践
C++高性能网络编程与Reactor模型实践

本专题围绕 C++ 在高性能网络服务开发中的应用展开,深入讲解 Socket 编程、多路复用机制、Reactor 模型设计原理以及线程池协作策略。内容涵盖 epoll 实现机制、内存管理优化、连接管理策略与高并发场景下的性能调优方法。通过构建高并发网络服务器实战案例,帮助开发者掌握 C++ 在底层系统与网络通信领域的核心技术。

27

2026.03.03

Golang 测试体系与代码质量保障:工程级可靠性建设
Golang 测试体系与代码质量保障:工程级可靠性建设

Go语言测试体系与代码质量保障聚焦于构建工程级可靠性系统。本专题深入解析Go的测试工具链(如go test)、单元测试、集成测试及端到端测试实践,结合代码覆盖率分析、静态代码扫描(如go vet)和动态分析工具,建立全链路质量监控机制。通过自动化测试框架、持续集成(CI)流水线配置及代码审查规范,实现测试用例管理、缺陷追踪与质量门禁控制,确保代码健壮性与可维护性,为高可靠性工程系统提供质量保障。

79

2026.02.28

Golang 工程化架构设计:可维护与可演进系统构建
Golang 工程化架构设计:可维护与可演进系统构建

Go语言工程化架构设计专注于构建高可维护性、可演进的企业级系统。本专题深入探讨Go项目的目录结构设计、模块划分、依赖管理等核心架构原则,涵盖微服务架构、领域驱动设计(DDD)在Go中的实践应用。通过实战案例解析接口抽象、错误处理、配置管理、日志监控等关键工程化技术,帮助开发者掌握构建稳定、可扩展Go应用的最佳实践方法。

61

2026.02.28

Golang 性能分析与运行时机制:构建高性能程序
Golang 性能分析与运行时机制:构建高性能程序

Go语言以其高效的并发模型和优异的性能表现广泛应用于高并发、高性能场景。其运行时机制包括 Goroutine 调度、内存管理、垃圾回收等方面,深入理解这些机制有助于编写更高效稳定的程序。本专题将系统讲解 Golang 的性能分析工具使用、常见性能瓶颈定位及优化策略,并结合实际案例剖析 Go 程序的运行时行为,帮助开发者掌握构建高性能应用的关键技能。

50

2026.02.28

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
Bootstrap4.x---十天精品课堂
Bootstrap4.x---十天精品课堂

共22课时 | 1.8万人学习

WEB前端教程【HTML5+CSS3+JS】
WEB前端教程【HTML5+CSS3+JS】

共101课时 | 10万人学习

2022大前端凭啥拿高薪?
2022大前端凭啥拿高薪?

共6课时 | 2.1万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号