Анализ данных • 16 декабря 2024 • 5 мин чтения

Технология лидаров: как работает, где используют, как будет развиваться

У дронов и беспилотных автомобилей тоже есть «глаза», но выглядят и работают они иначе, чем у людей. Рассказываем, как лидары помогают сканировать дороги, почву и даже морское дно.

Что такое лидар и каков принцип его работы

Лидар — это технология, которая использует импульсы (чаще всего лазерные) для измерения расстояния до объектов. Название происходит от английского light detection and ranging — «обнаружение и определение дальности с помощью света».

Устройство испускает лазерные лучи, которые отражаются от объектов и возвращаются к датчику. У света постоянная скорость, поэтому лидар может зафиксировать время, за которое луч вернулся, и рассчитать точное расстояние до объекта.

Чтобы собрать как можно больше данных, лидар вращается или использует массив лазеров, чтобы исследовать пространство. Современные модели могут фиксировать от сотен тысяч до 10 миллионов точек в секунду. В результате формируется облако точек — будущая цифровая модель окружающей среды, например участка леса.

Основные компоненты лидара — источник и детектор. У вращающегося лидара, как на рисунке ниже, есть третий компонент — сканер. Источник генерирует свет, который попадает на объект и отражается от него. Сканер (например, вращающееся зеркало) ловит отражённый свет и направляет его на детектор.

Схема работы вращающегося лидара

Лидар только генерирует «сырые» данные — для их обработки нужны алгоритмы машинного обучения. Например, на крышу беспилотного автомобиля Яндекса устанавливают один или несколько лидаров — они сканируют пространство и создают облако точек. Чтобы интерпретировать эти данные и принимать на их основе решения, подключают машинное обучение и дополнительные инструменты.

● Нейросети обучают на миллионах изображений — дорог, людей, зданий. Эти знания помогают алгоритму анализировать облако точек и классифицировать объекты — например, отделять пешеходов от машин, определять границы тротуаров.
● Лидары часто работают в связке с другими устройствами — камерами и радарами. Камеры помогают точнее распознавать людей, знаки, светофоры и препятствия, а радары — определять скорость пешеходов, велосипедистов, самокатчиков и машин.

Таким образом, лидар и другие датчики — это глаза, а модель машинного обучения — мозг, который интерпретирует полученные данные.

Так с помощью лидара «видят» мир беспилотные автомобили Яндекса. Источник: Яндекс

С данными от лидаров чаще всего работают специалисты по Data Science, инженеры данных и ML-инженеры. Например, дата-инженер может обработать сырые данные, дата-сайентист или ML-инженер — классифицировать облака точек с помощью алгоритмов машинного обучения. Затем — построить модели, которые могут анализировать окружающую среду и помогают в навигации автономных автомобилей или создании карт высокой точности.

ML-инженеры работают не только с технологией LiDAR. Например, студенты курса «Инженер машинного обучения» разрабатывают модели для персональных рекомендаций музыки на стриминге или модели для оценки маркетинговых коммуникаций.

История развития технологии LiDAR

Первые лидары появились в 1960-х годах, после изобретения лазера. Это были громоздкие и дорогостоящие устройства, поэтому массово их не применяли. Кроме того, данные с этих лидаров были не очень точными, и системы могли сканировать только небольшие участки.

В 1970-х разработали твердотельные лидары — в них лазерный луч создаётся в твёрдом материале, например в кристалле. В отличие от ранних газовых или жидкостных лазеров, они компактнее, надёжнее и проще в использовании, поскольку не требуют сложных систем охлаждения и циркуляции. Твердотельные лазеры работают практически без механики, что снижает износ и делает их практичнее.

Лидар, который применяли для измерения расстояния от космического корабля «Аполлон-15» до Луны в 1971 году. Источник

В 1980–1990-х годах системы LiDAR стали более компактными и удобными для использования в полевых условиях. После десятилетий разработок в военной сфере лидары начали использовать в гражданских проектах — для картографирования местности и экологического мониторинга. NASA и другие организации внедряли лидары в спутниковые и авиационные системы для исследования атмосферы и земной поверхности.

В 1994 году в NASA впервые использовали лидар на орбите для изучения атмосферы Земли в рамках проекта LITE (Lidar In-space Technology Experiment). Источник

Советский лидар «Балкан» в 1995–1996 годах использовали для создания топографических карт Земли, определения высотного уровня и рельефа. Источник

В это же время в лидарах стали использовать инфракрасные лазеры. Технология повысила точность измерений и позволила использовать лидары в условиях плохой видимости — например, если нужно проанализировать поверхность земли в густом лесу. Так, 1996 году лидар помог обнаружить скрытый разлом на острове Бейнбридж в штате Вашингтон. Эта зона долгое время оставалась незаметной из-за плотной растительности.

Сканирование острова с помощью лидара выявило перепад высот, который указал на разлом. Источник

Позже учёные подтвердили: этот разлом — часть Сиэтлской зоны, где за последние 2500 лет произошло как минимум три крупных землетрясения. Благодаря этим данным регион получил более точную оценку сейсмических рисков.

Кроме того, лидары начали устанавливать на штативах для сканирования зданий, инфраструктуры и археологических объектов. Такие системы позволяли создавать детализированные 3D-модели.

С нулевых LiDAR стал ещё надёжнее, доступнее и точнее. Технологию стали использовать не только в государственных, но и в коммерческих проектах. Например, Яндекс с 2019 года использует в беспилотных авто и роботах лидары собственной разработки.

Применение лидара

Лидары бывают бортовыми и наземными. У каждого вида своё применение.

Бортовые устанавливают на дроны, самолёты и другие летательные объекты. Их используют в картографии, геодезии, археологии, сельском хозяйстве. Например, NASA и Google используют лидары для создания карт, которые помогают исследовать природные территории и строить топографические модели.

DSM-изображение сельскохозяйственных угодий в районе Уиллоубридж, Новая Зеландия, из набора данных Кентербери, Новая Зеландия, 2016 г. (ссылка доступна, если сменить локацию в браузере)

C помощью лидаров археологи изучают ландшафты, которые не видны невооружённым глазом. Сканируя густые леса, LiDAR может выявить скрытые руины, древние дорожные сети и другие археологические памятники. Так, в 2018 году с помощью лидара в джунглях Гватемалы нашли древнее городище цивилизации майя.

В сельском хозяйстве лидары помогают собирать данные о состоянии почвы и рельефа местности. Фермеры могут использовать эту информацию для оптимизации полива и удобрения.

Наземные лидары устанавливают на штативы для статического сканирования, например зданий или археологических памятников, а также на машины и роботов — для мобильного сканирования улиц, туннелей или строительных объектов.

Наземные лидары часто используют, чтобы улучшить инфраструктуру городов. Они помогают определить точные размеры зданий или строительных площадок, чтобы планировать ремонт или проектирование, сканируют мосты, дороги или туннели, чтобы проверять их состояние, собирают данные для карт.

Лидары используют для мониторинга пассажиропотока внутри терминалов аэропорта, например в зоне получения багажа. Источник: Sensor solutions

Лидары в повседневной жизни: примеры применения

Лидары кажутся высокотехнологичными устройствами, но на самом деле их уже используют в быту.

1. Смартфоны. Некоторые модели, например iPhone Pro, оснащены лидаром для улучшения фотографий: датчик помогает камере быстро определять расстояние до объектов и улучшать фокусировку, особенно в условиях слабого освещения. Этот же принцип используют в приложениях дополненной реальности (AR).

Так работает приложение для сканирования комнаты

2. Современные модели роботов-пылесосов используют лидары для создания карт помещения и навигации. Лидар сканирует пространство и определяет, где находятся стены и препятствия. Когда пылесос начинает уборку, то объезжает их.
3. Системы безопасности в домах иногда используют лидар, чтобы обнаруживать подозрительные движения в помещениях. В отличие от обычных датчиков движения, которые могут сработать ошибочно, лидары «видят» точнее и отличат порыв ветра из окна от движения человека.
4. Игры, виртуальная реальность. Лидары в VR-шлемах направляют лазерные импульсы на предметы вокруг игрока и засекают, сколько времени проходит, пока они не вернутся обратно. Эти данные собираются в облако точек, которое и становится 3D-моделью комнаты. Шлем использует эту модель, чтобы понять, где безопасно играть, подстроить виртуальный мир под реальную комнату и следить за движениями игрока. Например, лидар помогает точно определить, где стены и мебель, чтобы в VR были видны «безопасные границы». Это делает игру комфортнее и помогает избежать случайных столкновений.

Перспективы развития технологии LiDAR

По данным Expert Market Research, в 2023 году объём мирового рынка лидаров оценивался в 1,93 млрд долларов США с прогнозируемым среднегодовым темпом роста (CAGR) 22,9% на период 2024–2032 гг. К 2032 году рынок может достигнуть 12,3 млрд долларов.

Прогноз роста рынка лидаров. Источник: Grand View Research

Рынок лидаров растёт, потому что в разных сферах есть запрос на повышение производительности без участия человека либо на технологии, которые помогают человеку работать эффективнее. Например:

● Города становятся больше и сложнее. Одни лидары собирают данные, которые помогают планировать транспортную инфраструктуру мегаполисов и управлять ею. Другие делают вождение безопасным. Их используют в системах помощи водителю и автономных автомобилях.
● Лидары упрощают картографирование территорий, мониторинг лесов, анализ изменений климата и управление природными ресурсами. Например, в Австралии лидары используют для контроля углеродных выбросов в лесах.
● В энергетике лидары используют для измерения скорости и направления ветра на ветряных фермах. Лидар может измерить поле ветра, который приближается к лопастям ветряных турбин. Данные параметров ветра помогают системе управления турбиной повысить выход энергии и уменьшить нагрузку.

Совет эксперта

Анатолий Бардуков
Для работы с данными от лидаров в первую очередь важно разобраться, как работает современный deep learning, а именно свёрточные нейронные сети (CNN). Для обработки и визуализации специфичных массивов данных — облаков точек — познакомиться со специальными инструментами, например с MeshLab и Cloud Compare.
Статью подготовили:
Анатолий Бардуков
Яндекс Практикум
Эксперт по машинному обучению
Александра Патрушева
Яндекс Практикум
Редактор
Анастасия Павлова
Яндекс Практикум
Иллюстратор

Дайджест блога: ежемесячная подборка лучших статей от редакции

Поделиться
Вакансии, зарплаты, навыки в 2025 году: бесплатный вебинар с экспертами ведущих IT-компаний 28 января в 19:00
Tue Jan 14 2025 19:56:22 GMT+0300 (Moscow Standard Time)