LiDAR

LiDAR (detección y medición de distancias por luz) es una tecnología de detección activa que utiliza luz láser para medir distancias y capturar la geometría de un entorno. Un escáner LiDAR proporciona su propia iluminación, lo que le permite medir superficies en la oscuridad. En visión artificial, estas mediciones proporcionan a las máquinas información espacial para localizar objetos, navegar por entornos y crear mapas tridimensionales.

Cómo funcionan los escáneres LiDAR#

Un sensor LiDAR pulsado emite luz láser y mide cuánto tarda la luz reflejada en regresar. La distancia es igual a la velocidad de la luz multiplicada por el tiempo de ida y vuelta, dividida entre dos. Al combinar cada distancia con la dirección del haz se obtiene la ubicación de una superficie. Las mediciones repetidas forman una nube de puntos: un conjunto de puntos con coordenadas x, y y z, a menudo acompañadas de la intensidad de retorno, es decir, la fuerza de la señal reflejada.

El LiDAR basado en láser se desarrolló a partir de los primeros experimentos con radar óptico. Giorgio Fiocco y Louis Smullin demostraron mediciones atmosféricas con láser en 1963, al detectar capas de dispersión entre 60 y 140 kilómetros sobre la Tierra. Su experimento estableció una de las primeras aplicaciones de los ecos láser para la medición remota.

Un escáner 2D toma muestras de un plano alrededor de un robot; un escáner 3D mide a distintas alturas. Además, los sistemas aerotransportados combinan las distancias medidas por láser con mediciones de posición y orientación para situar los puntos en coordenadas geográficas. El LiDAR topográfico y batimétrico se utiliza en entornos distintos: los instrumentos topográficos suelen usar luz infrarroja cercana para cartografiar el terreno, mientras que los batimétricos usan luz verde para medir el relieve submarino.

De las mediciones LiDAR a la percepción mediante IA#

Las nubes de puntos describen la geometría. El aprendizaje automático añade interpretación mediante tareas como la detección de objetos 3D, que estima la ubicación, las dimensiones y la orientación de un objeto. PointPillars, presentado por Alex H. Lang y sus colaboradores en 2018, agrupa los puntos en columnas verticales, aprende características de esas columnas y procesa la representación resultante en vista aérea con una red de detección. Así, transforma mediciones irregulares en una estructura adecuada para el procesamiento convolucional eficiente.

La fusión de sensores combina la geometría LiDAR con la apariencia capturada por la cámara. Las imágenes aportan color, textura y detalles reconocibles; LiDAR aporta distancias y formas medidas. La calibración establece la rotación y la traslación entre los sensores, mientras que la sincronización alinea sus marcas de tiempo. Los errores en cualquiera de estos pasos pueden asociar una detección de la cámara con puntos que pertenecen a otro objeto.

Ultralytics YOLO permite este flujo de trabajo de imagen a geometría mediante su integración con ROS: las máscaras de segmentación de YOLO26 obtenidas de imágenes RGB alineadas pueden seleccionar los puntos correspondientes en una nube de puntos organizada y con información de color, aislando objetos en 3D.

LiDAR, radar y profundidad basada en cámaras#

Estas tecnologías proporcionan mediciones complementarias:

• Estimación de profundidad: Los métodos basados en cámaras infieren la distancia a partir de imágenes. LiDAR mide distancias mediante luz láser emitida; un mapa de profundidad es una posible representación de la información de distancia.
• Radar: Utiliza ondas de radio y suele medir la distancia y la velocidad radial, es decir, la velocidad hacia el sensor o alejándose de él. Sigue siendo útil con lluvia y niebla, que degradan la detección óptica.
• Reconstrucción 3D: Crea un modelo geométrico de una escena. LiDAR proporciona mediciones que los sistemas de reconstrucción combinan para crear mapas o superficies.

Las nubes de puntos LiDAR se vuelven más dispersas con la distancia, por lo que los peatones lejanos y otros objetos pequeños quedan representados por menos mediciones. La niebla y la nieve también dispersan la luz láser y generan retrodispersión, que distorsiona las nubes de puntos y dificulta la detección. Estos efectos se producen en la percepción automovilística, donde la falta de geometría o los retornos causados por las condiciones meteorológicas pueden cambiar los obstáculos que identifica un detector.

Aplicaciones en conducción, robótica y cartografía#

• Conducción autónoma: El Waymo Driver combina LiDAR, cámaras y radar para percibir vehículos, peatones y ciclistas. LiDAR proporciona la geometría del entorno, mientras que el sistema de percepción interpreta los datos de los sensores para identificar a los usuarios de la vía y sus posiciones.
• Robótica móvil: El flujo de trabajo SLAM de TurtleBot3 utiliza escaneos láser para crear un mapa mientras estima la ubicación del robot. SLAM significa localización y mapeo simultáneos; las observaciones repetidas relacionan los cambios de posición del robot con elementos persistentes del entorno.
• Cartografía aérea y vigilancia medioambiental: El LiDAR aerotransportado de la National Ecological Observatory Network mide la estructura forestal, incluida la altura de las copas y la densidad de la vegetación. Un solo pulso puede producir varios retornos de las copas de los árboles, las ramas, el sotobosque y el suelo, porque parte de la luz atraviesa los huecos de la vegetación.