LiDAR

LiDAR (detecção e medição de distâncias por luz) é uma tecnologia de sensoriamento ativo que usa luz laser para medir distâncias e capturar a geometria de um ambiente. Um scanner LiDAR fornece a própria iluminação, o que permite medir superfícies no escuro. Em visão computacional, essas medições fornecem informações espaciais às máquinas para localizar objetos, navegar por ambientes e criar mapas tridimensionais.

Como funcionam os scanners LiDAR#

Um sensor LiDAR pulsado emite luz laser e mede quanto tempo a luz refletida leva para retornar. A distância é igual à velocidade da luz multiplicada pelo tempo de percurso de ida e volta, dividida por dois. A combinação de cada distância com a direção do feixe fornece a localização de uma superfície. Medições repetidas formam uma nuvem de pontos: um conjunto de pontos com coordenadas x, y e z, muitas vezes acompanhado da intensidade do retorno, que indica a força do sinal refletido.

O LiDAR baseado em laser se desenvolveu a partir dos primeiros experimentos de radar óptico. Giorgio Fiocco e Louis Smullin demonstraram medições atmosféricas a laser em 1963, detectando camadas de dispersão entre 60 e 140 quilômetros acima da Terra. O experimento estabeleceu uma das primeiras aplicações de ecos de laser para medições remotas.

Um scanner 2D amostra um plano ao redor de um robô; um scanner 3D mede em várias elevações. Sistemas aerotransportados também combinam distâncias medidas por laser com medições de posição e orientação para localizar pontos em coordenadas geográficas. O LiDAR topográfico e batimétrico atende a ambientes distintos: instrumentos topográficos normalmente usam luz infravermelha próxima para mapear áreas terrestres, enquanto instrumentos batimétricos usam luz verde para medir o relevo subaquático.

Transformando medições LiDAR em percepção por IA#

Nuvens de pontos descrevem a geometria. O aprendizado de máquina acrescenta interpretação por meio de tarefas como a detecção de objetos 3D, que estima a localização, as dimensões e a orientação de um objeto. O PointPillars, apresentado por Alex H. Lang e colegas em 2018, agrupa pontos em colunas verticais, aprende características dessas colunas e processa a representação resultante em vista superior com uma rede de detecção. Isso converte medições irregulares em uma estrutura adequada ao processamento convolucional eficiente.

A fusão de sensores combina a geometria do LiDAR com a aparência capturada pela câmera. As imagens fornecem cor, textura e detalhes reconhecíveis; o LiDAR fornece distância e forma medidas. A calibração estabelece a rotação e a translação entre os sensores, enquanto a sincronização alinha os registros de data e hora. Erros em qualquer uma dessas etapas podem associar uma detecção da câmera a pontos que pertencem a outro objeto.

O Ultralytics YOLO oferece suporte a esse fluxo de trabalho, da imagem à geometria, por meio da integração com ROS: as máscaras de segmentação do YOLO26, geradas a partir de imagens RGB alinhadas, podem selecionar os pontos correspondentes em uma nuvem de pontos organizada e com informações de cor, isolando objetos em 3D.

LiDAR, radar e profundidade baseada em câmera#

Essas tecnologias fornecem medições complementares:

• Estimativa de profundidade: métodos baseados em câmera inferem a distância a partir de imagens. O LiDAR mede a distância usando luz laser emitida; um mapa de profundidade é uma representação possível das informações de distância.
• Radar: usa ondas de rádio e normalmente mede a distância e a velocidade radial — a velocidade em direção ao sensor ou para longe dele. Continua sendo útil sob chuva e neblina, que prejudicam o sensoriamento óptico.
• Reconstrução 3D: cria um modelo geométrico de uma cena. O LiDAR fornece medições que os sistemas de reconstrução combinam em mapas ou superfícies.

As nuvens de pontos LiDAR ficam mais esparsas com a distância, fazendo com que pedestres distantes e outros objetos pequenos sejam representados por menos medições. A neblina e a neve também dispersam a luz laser, gerando retroespalhamento que distorce as nuvens de pontos e prejudica a detecção. Esses efeitos ocorrem na percepção automotiva, onde a falta de geometria ou os retornos causados pelo clima podem alterar os obstáculos identificados por um detector.

Aplicações em condução, robótica e mapeamento#

• Condução autônoma: o Waymo Driver combina LiDAR, câmeras e radar para perceber veículos, pedestres e ciclistas. O LiDAR fornece a geometria dos arredores, enquanto o sistema de percepção interpreta os dados dos sensores para identificar usuários da via e suas posições.
• Robótica móvel: o fluxo de trabalho SLAM do TurtleBot3 usa varreduras a laser para criar um mapa enquanto estima a localização do robô. SLAM significa localização e mapeamento simultâneos; observações repetidas relacionam as mudanças de posição do robô às características persistentes do ambiente.
• Mapeamento aéreo e monitoramento ambiental: o LiDAR aerotransportado da National Ecological Observatory Network mede a estrutura das florestas, incluindo a altura do dossel e a densidade da vegetação. Um único pulso pode gerar vários retornos das copas das árvores, dos galhos, do sub-bosque e do solo, pois parte da luz atravessa as aberturas na vegetação.