最近の研究では、中国の研究者らが、視野全体にわたって幅広い認識を維持しながら、関心領域（ROI）に高解像度のセンシングを動的に集中させることで、人間の目の中心窩を模倣するチップスケールの LiDAR システムを開発しました。{0}{1}{1}
研究は雑誌に掲載されますネイチャーコミュニケーションズ.
LiDAR システムは、レーザー ビームを発射して 3D シーンをミリメートル単位の精度でマッピングすることで、自動運転車、ドローン、ロボットのマシン ビジョンを強化します。{0}目は中心窩（中心の鋭い視野）に最も密度の高いセンサーを詰め込んで、重要なものに視線を移します。対照的に、ほとんどの LiDAR は、均一な (多くの場合粗い) 解像度をどこにでも広げる剛体平行ビームまたはスキャンを使用します。ディテールを高めるということは、より多くのチャンネルを均一に追加することを意味し、コスト、電力、複雑さが爆発的に増加します。
チームの設計は、ROI で 0.012 度という「網膜を超えた」角度分解能を達成しています。これは、目の限界である約 0.017 度の 2 倍です。{2}これは、システムが、遠くの道路標識の細かい部分を見つけ出すなど、最小の角度で区切られたポイントを識別できることを意味します。オンデマンドで並列センシング チャネルを再割り当てし、コストのかかる強引なスケーリングを回避します。-
Phys.org は、この研究の共著者である北京大学電子学部の Ruixuan Chen 氏と Xingjun Wang 氏に話を聞きました。-
「その動機は、生物学的認識と機械的認識の間の実質的な不一致から来ている」と研究者らは説明した。 「人間の目は、注意を再配分することで高い鋭敏性とエネルギー効率を実現します。-リソースを重要なことに集中させながら、幅広い認識を維持します。対照的に、LiDAR の解像度は、多くの場合、「あらゆる場所でより多くのチャネル」によって追求され、すぐに高価になり、電力を大量に消費します。-
スケーリングの問題
マシン ビジョン システムは、従来のカメラを超えて、正確な距離測定と 3D 環境認識を可能にする LiDAR センサーを含むように拡張されています。ただし、パッシブカメラとは異なり、LiDAR はピクセルごとに発光および受信ハードウェアを必要とし、達成可能な解像度に上限を設けます。
LiDAR の解像度を向上させる現在のアプローチは、重大なボトルネックに直面しています。チャネルの重複により、線形の解像度が向上しますが、複雑さ、電力、コストが超線形に爆発的に増加します。
「第一に、解像度はハードウェアのチャネル数とスキャンの仕組みに密接に関係しています。第二に、LiDARはアクティブセンサーです。すべてのピクセルが実質的に送信と受信の両方のリソースを消費します」と研究者らは説明した。 「そのため、適応焦点合わせはパッシブ イメージングよりも根本的に難しくなります。目の安全性の制約を満たしながら光出力、受信感度、デジタル化帯域幅を管理する必要があるためです。-」
コヒーレント周波数変調連続波 LiDAR の場合、この課題は特に深刻です。{0}各コヒーレント チャネルには、安定した周波数制御、高度な受信ハードウェア、および厳密なキャリブレーションが必要です。これにより、大規模なチャネルの重複を経済的に正当化することがはるかに困難になります。
生体模倣ソリューション
研究者のソリューションは、2 つの主要なテクノロジーを組み合わせたものです。これらには、100 nm 以上の調整範囲を備えた機敏な外部共振器レーザー（ECL）や、薄膜ニオブ酸リチウム（TFLN）プラットフォーム上に構築された再構成可能な電気光学周波数コムなどが含まれます。{{4}
ECL は、コヒーレント測距用の高品質 FMCW チャープ信号を提供し、波長-制御ビーム- ステアリング メカニズムとして機能します。中心波長を調整することにより、システムは広い視野内で視線方向を迅速に変更できます。
次に、電気光学コムは、同じチャープ レーザー源から複数の並列 FMCW キャリアを生成します。{0}重要なのは、高周波駆動条件を調整するとコム間隔が変化することです。
「これが『ズーム』を可能にするものです。{0}光学系を変更したりチャンネルを追加したりすることなく、選択した領域の点密度を高めたり（より細かいサンプリング）、緩和したり（より粗いサンプリング）することができます。」と研究者らは付け加えました。
このシステムは、研究者が「マイクロ並列処理」と呼ぶものを採用しています。-これは、適度な数の物理チャネルを使用して、動的再配置を通じてはるかに多くの走査線と同等の量を実現することを意味します。
実験による検証
チームは 3 つの実験シナリオにわたってシステムの機能を実証し、人間の網膜の公称限界を超える、焦点領域で 0.012 度の角度分解能を達成しました。-
静的シーンのイメージングでは、システムは、全視野スキャンの場合は 54 x 71 ピクセルの解像度、局所的に焦点を当てたスキャンの場合は 17 x 71 ピクセルの解像度でシミュレートされた道路環境をキャプチャしました。これらの集中スキャンにより、垂直方向の詳細密度が 4 倍になり、これまで見えなかった障害物が明らかになり、ポイントの 90% の精度は 1.3 cm 未満でした。
研究者らはまた、正確な 3D ジオメトリと RGB 外観データを組み合わせたカラー化された点群を作成する、LiDAR- カメラ フュージョンのデモンストレーションも行いました。標準スキャンと焦点を絞ったスキャンを比較すると、カラー ヒストグラムの位置合わせが約 10% 改善され、3D ポイントと画像ピクセル間の対応が向上していることがわかりました。
「LiDARとカメラを融合することで、色付きの点群を生成し、シーン表現を豊かにすることで、解釈可能性が向上し、テクスチャとセマンティックキューに依存する下流の認識タスクをサポートします」と研究者らは説明した。
おそらく最も印象的なのは、チームがバスケットボールのトスをリアルタイム 4D- とイメージング-でキャプチャし、各点が位置、回転速度、表面反射率、色を同時に示したことです。広い視野にわたる 8 Hz で、標準の 3D LiDAR では見えない動きのパターンが明らかになりました。
実験作業により、将来の開発経路に影響を与える重要なシステム レベルのトレードオフが明らかになりました。{0}
「最も明確なのは、角度分解能とチャネルごとの測定ヘッドルームとの間の緊張である」と研究者らは述べています。{0} 「私たちの並列コヒーレント読み出しでは、各チャネルが重複しない独自の電気帯域を占有する必要があります。繰り返しレートを下げると、確かに角度サンプリングをより細かくすることができますが、実験では、これによってチャネルごとの読み出し帯域幅も圧縮されることが示されています。-」
チームは、実用的な展開に向けてテクノロジーを前進させるためのいくつかの優先方向を特定しました。これには、TFLN プラットフォームでのより深いモノリシック統合、範囲解像度を向上させるための超広帯域スイープ ソースの開発、-イベント駆動型の知覚のための閉ループ アテンション ポリシーの実装などが含まれます。-
ファイバーリンクを使用した現在の実験では、分極の不安定性が生じ、材料の分類能力が制限されます。
「しかし、モノリシック統合がこのボトルネックを根本的に解決すると我々は考えている」と研究者らは述べた。 「不安定なファイバー経路から閉じ込められたオンチップ導波路に移行することで、安定した偏波回復を達成できます。」-
バイオニック LiDAR システムは、自律走行車、航空および海洋ドローン、ロボット工学、ニューロモーフィック ビジョン システムにわたる潜在的なアプリケーションを提供します。研究者らによると、LiDAR以外にも、再構成可能なコムにより、光通信、コヒーレンストモグラフィー、圧縮センシング、高精度計測などの高速スペクトル分析が可能になるという。
