LiDAR
LiDAR è una tecnologia di rilevamento basata sul laser che misura le distanze e acquisisce la geometria 3D, rendendo possibili nuvole di punti, rilevamento degli oggetti, robotica e mappatura.
LiDAR (rilevamento e misurazione della distanza tramite luce) è una tecnologia di rilevamento attivo che usa la luce laser per misurare le distanze e acquisire la geometria di un ambiente. Uno scanner LiDAR fornisce la propria illuminazione, consentendo di misurare le superfici al buio. Nella visione artificiale, queste misurazioni forniscono alle macchine informazioni spaziali per localizzare gli oggetti, navigare negli ambienti e creare mappe tridimensionali.
Come funzionano gli scanner LiDAR#
Un sensore LiDAR a impulsi emette luce laser e misura il tempo impiegato dalla luce riflessa per tornare. La distanza è pari alla velocità della luce moltiplicata per il tempo di percorrenza di andata e ritorno, divisa per due. Combinando ogni distanza con la direzione del fascio si ottiene la posizione di un punto sulla superficie. Misurazioni ripetute formano una nuvola di punti: un insieme di punti con coordinate x, y e z, spesso accompagnate dall'intensità del ritorno, cioè la forza del segnale riflesso.
Il LiDAR basato sul laser si è sviluppato a partire dai primi esperimenti con il radar ottico. Giorgio Fiocco e Louis Smullin dimostrarono misurazioni atmosferiche con il laser nel 1963, rilevando strati di diffusione tra 60 e 140 chilometri sopra la Terra. Il loro esperimento stabilì una delle prime applicazioni degli echi laser alla misurazione a distanza.
Uno scanner 2D campiona un piano attorno a un robot; uno scanner 3D misura su più elevazioni. I sistemi aviotrasportati combinano inoltre le distanze laser con misurazioni di posizione e orientamento per collocare i punti in coordinate geografiche. Il LiDAR topografico e batimetrico si adatta a contesti diversi: gli strumenti topografici usano in genere luce nel vicino infrarosso per mappare il territorio, mentre quelli batimetrici usano luce verde per misurare i fondali.
Dalle misurazioni LiDAR alla percezione basata sull'IA#
Le nuvole di punti descrivono la geometria. Il machine learning aggiunge capacità interpretative attraverso attività come il rilevamento di oggetti 3D, che stima la posizione, le dimensioni e l'orientamento di un oggetto. PointPillars, introdotto da Alex H. Lang e colleghi nel 2018, raggruppa i punti in colonne verticali, apprende le caratteristiche di queste colonne ed elabora la rappresentazione risultante dall'alto con una rete di rilevamento. Questo trasforma misurazioni irregolari in una struttura adatta all'efficiente elaborazione convoluzionale.
La fusione dei sensori combina la geometria LiDAR con l'aspetto acquisito dalle telecamere. Le immagini forniscono colore, texture e dettagli riconoscibili; il LiDAR fornisce misurazioni di distanza e forma. La calibrazione determina la rotazione e la traslazione tra i sensori, mentre la sincronizzazione allinea i relativi timestamp. Gli errori in uno dei due passaggi possono associare un rilevamento della telecamera a punti appartenenti a un altro oggetto.
Ultralytics YOLO supporta questo flusso di lavoro dall'immagine alla geometria tramite la integrazione ROS: le maschere di segmentazione di YOLO26 generate da immagini RGB allineate possono selezionare i punti corrispondenti in una nuvola di punti organizzata e dotata di colore, isolando gli oggetti in 3D.
LiDAR, radar e profondità basata sulle telecamere#
Queste tecnologie forniscono misurazioni complementari:
- Stima della profondità: i metodi basati sulle telecamere deducono la distanza dalle immagini. Il LiDAR misura la distanza usando luce laser emessa; una mappa di profondità è una possibile rappresentazione delle informazioni sulla distanza.
- Radar: usa onde radio e misura comunemente la distanza e la velocità radiale, ovvero la velocità verso il sensore o in direzione opposta. Rimane utile in caso di pioggia e nebbia, che degradano il rilevamento ottico.
- Ricostruzione 3D: crea un modello geometrico di una scena. Il LiDAR fornisce misurazioni che i sistemi di ricostruzione combinano per creare mappe o superfici.
Le nuvole di punti LiDAR diventano più rade con la distanza, quindi i pedoni lontani e altri oggetti piccoli sono rappresentati da un numero inferiore di misurazioni. Anche la nebbia e la neve diffondono la luce laser, generando retrodiffusione che distorce le nuvole di punti e compromette il rilevamento. Questi effetti si verificano nella percezione automobilistica, dove la geometria mancante o i ritorni causati dalle condizioni meteorologiche possono modificare gli ostacoli identificati da un rilevatore.
Applicazioni nella guida, nella robotica e nella mappatura#
- Guida autonoma: il Waymo Driver combina LiDAR, telecamere e radar per rilevare veicoli, pedoni e ciclisti. Il LiDAR fornisce la geometria circostante, mentre il sistema di percezione interpreta i dati dei sensori per identificare gli utenti della strada e le loro posizioni.
- Robotica mobile: il flusso di lavoro SLAM di TurtleBot3 usa scansioni laser per creare una mappa e stimare contemporaneamente la posizione del robot. SLAM significa localizzazione e mappatura simultanee; osservazioni ripetute collegano la posizione variabile del robot alle caratteristiche persistenti dell'ambiente.
- Mappatura aerea e monitoraggio ambientale: il LiDAR aviotrasportato della National Ecological Observatory Network misura la struttura delle foreste, compresi l'altezza della chioma e la densità della vegetazione. Un singolo impulso può produrre più ritorni dalle cime degli alberi, dai rami, dal sottobosco e dal terreno, perché parte della luce attraversa le aperture nella vegetazione.
