用来监督社交距离的激光雷达,竟然还会损害视网膜?!

简介: 用来监督社交距离的激光雷达,竟然还会损害视网膜?!

新冠疫情始终没有散去,口罩和社交距离仍然需要引起我们高度重视。

这对于Home Bargains零售商TJ Morris的创新总监Joe Morris而言,显得尤为困难,“准确计算顾客的社交距离简直是噩梦”,而且这也很昂贵,如果每天在500多家门店里让一个职员监督一个小时,每年要花费约200万英镑。

不过幸好,在Home Bargains商店,Morris将目光转向了LiDAR(激光雷达扫描仪),并且在70家商店中已经安装了Hitachi的3D LiDAR运动传感器,公司还计划在全国550个门店推广。

对于LiDAR,可能大家更多是从今年iPhone 12系列得知这个东西,但其实,这在自动驾驶汽车或者是数字3D建模当中都已经广泛使用了。

但是,就是LiDAR这种算新也不算新的技术,有人指出它可能会对视网膜造成无法修复的损害。

根据航空航天和国防领域的资深人士Dussan表示,他们坚决不会使用900纳米波长的激光,这会带来许多潜在的危害,“很多时候你意识不到自己正在顶着光源看,等你察觉到的时候你的视网膜已经受损了”。

他还补充说到,900纳米波长的激光在美军内部造成了很多伤害,甚至是一些知道潜在风险的专业人士也受到了这种伤害。

激光雷达是如何损害视网膜的

要说这种伤害,我们还得从原理入手。

激光雷达的原理其实很简单,首先传感器会向各个方向发出激光束,等待它们反弹,因为光的传播速度是已知的,那么我们就可以根据往返时间精确估计出与目标位置的距离。

但几乎所有的事都是这样,原理听上去很简单,在执行时就会遇到各种问题。

对于每个激光雷达制造商来说,他们都必须做出三个基本决定:如何将激光指向不同的方向,如何测量往返时间以及使用何种光频率。

我们先来看看重点,光频。

正如上文所说,光频的选择显得尤为重要,现在常用的光频有850纳米,905纳米和1550纳米三种。

一方面,人眼中的液体对于850纳米和905纳米的光是透明的(transparent),因此这种频率的光可以到达眼睛后部的视网膜,在这种情况下,如果激光功率太大,就可能会对你的眼睛造成永久性的伤害。

而对于1550纳米的光而言,处于这个频率的激光雷达能够以更高的功率工作,也不会引起视网膜损伤。在这里需要指出的是,更高的功率水平意味着更广的范围,不过对于自动驾驶汽车而言,功率太高也不是什么好事,因为消耗的能量也会随之增加,从而降低了车辆的行驶距离。

那既然1550纳米的激光雷达对于人眼来说是安全的,为什么不广泛使用呢?原因也很简单,因为850和905纳米的激光雷达可以使用廉价、普遍存在的硅技术,而基于1550纳米的激光器则需要消耗昂贵的原材料,例如砷化铟镓。

不过还需要指出的是,尽管1550纳米的激光雷达可以在更高的功率水平下运行而不会给人眼造成危险,但是这些更高功率的水平仍然会引起其他问题。比如今年,在拉斯维加斯举行的CES展会上,一名男子报告说,来自AEye的1550nm激光雷达损坏了他的相机。
**
激光雷达对于自动驾驶汽车显得尤为重要**

可能研究自动驾驶系统的科技公司,除了使用摄像头和雷达的特斯拉,几乎所有都将目光转向了激光雷达。

但是,考虑到激光雷达的成本问题,制造商们想要让其在商业上尽早落地,就必须降低成本。

比如就像宝马的供应商、以色列创业公司Innoviz所做的那样。

Innoviz成立于2016年,一直在开发基于微机电系统(MEMS)的固态激光雷达系统。该公司目前正在生产其InnovizPro传感器,该传感器设计为可添加到现有车辆中的独立单元。它主要用于自动驾驶开发应用程序,但Innoviz计划继续提供该产品。

与宝马的交易是针对下一代InnovizOne传感器,该传感器专门设计用于汽车级,并已集成到新的车辆中。InnovizOne传感器利用了从InnovizPro传感器那里学到的知识,既提高了性能又大大降低了成本。例如,视野从Pro上的73x20度变为新传感器上的120x25度,帧速率和范围也从20fps和150米提高到25fps和250米。

虽然Innoviz业务开发副总裁Itamar Roth拒绝透露过于详细的成本信息,但他也在多个场合公开承认过,InnovizPro目前的成本为“数千美元”,而InnovizOne的“产品成本将大大低于1000美元”,当然具体成本还要取决于产量。

不过这仍然不算便宜的,但还是要远远低于Velodyne的VLP-16传感器4000美元的定价,通用汽车在其每个自动雪佛兰汽车上都安装了五个Velodyne传感器。

除硬件外,Innoviz还提供了自己的计算机视觉软件平台,该平台将集成到BMW正在开发的核心堆栈中。Innoviz软件旨在分析激光雷达点云并识别感兴趣的目标,对其进行分类并对其进行跟踪。据称,该视觉软件能够在反射率足够的情况下区分车辆、骑自行车的人、行人,甚至是车道标记。

和大多数激光雷达制造商一样,Innoviz使用的是905纳米激光器,成本远低于Luminar使用的1550纳米激光器。考虑到其对人眼的伤害,Roth表示,Innoviz还提供了一种解决方案,可确保其在安全的基础上,保留测距性能。

预计在未来两到三年内,将有许多新型低成本固态激光雷达传感器实现量产。尽管马斯克认为激光雷达是自动驾驶系统的“拐杖”(crutch ),但和特斯拉的方案相比,还是激光雷达能够更好地建立起公众对自动驾驶汽车的信心。

激光雷达监督安全社交距离的同时,还能保护隐私

可能激光雷达自己也没有想到,本来是在汽车上安装自己的,结果现在跑去各大门店监督人们有没有保持安全社交距离去了。

准确性是关键。长期以来,他们一直使用摄像机来计算客流量,但Morris对几台摄像机进行测试后发现,它们的表现太差劲,直到激光雷达的出现,“激光雷达是一项非常可靠的技术,它的成像质量不太容易受到太阳进出窗户的影响”。

但是,激光雷达也不是买了立马就能用。比如,日本的系统就需要进行一些调整,才能在英国购物者身上正常使用。

Hayashi说:“通常由于身高等问题,在日本正常工作的系统在英国工作起来会更困难,而且在冬天,很多英国人倾向于穿着深色的衣服,这也会影响准确性。”当该系统在一个阴雨天正式登陆第一家Home Bargain商店时,潮湿和深色的衣服使系统准确性降低到了96%,但是在更新机器学习系统后,准确率又回到了99%以上。

除了传感器的准确性外,TJ Morris还希望将Hitachi系统集成到其自己的定制管理仪表板中,该仪表板除其他任务外,还将自动控制入口处的交通信号灯,如果希望购物的人可以安全进入商店,则发出绿色信号;如果他们需要等待别人先离开商店,系统就发出红色信号。

的确,虽然激光雷达可以用做监督社交距离,但该系统的设计初衷并非作为一种计数器,而是用于通过构建热图,跟踪顾客在何处徘徊,他们停留在哪些物品上来了解顾客如何在商店中穿梭、顾客被哪些商品吸引,甚至发现潜在的行窃者。

“我们正在考虑将我们的商店转变为一个更加集成的,由传感器驱动的环境,在该环境中,传感器将帮助我们的商店管理人员完成工作,从他们身上进行一些繁重的工作,以便他们能够做更多的增值业务。”Morris说到。

激光雷达内置的隐私保护功能还有助于保护个人信息,因为它无法像相机一样去跟踪捕获任何图像,只能得到一个人的粗略轮廓,“它本质上是黑白点的负载。我无法从中识别出您,也无法在该图像中看到您的脸”。

这也意味着,收集的数据不会带来隐私风险。Tom Morris补充说:“我们不需要像传统摄像头那样,在GDPR上设置多层次的安全措施。”“我们不希望顾客觉得,当我们引入新的安全措施来保护他们时,他们没有保护隐私的选项。”

相关报道:
https://www.forbes.com/sites/samabuelsamid/2018/04/26/bmw-selects-innoviz-solid-state-lidar-for-2021-automated-driving-program/?sh=797f7158381c
https://arstechnica.com/cars/2019/01/man-says-ces-lidars-laser-was-so-powerful-it-wrecked-his-1998-camera/

https://slashdot.org/~omfglearntoplay

相关文章
|
数据采集 存储
【核磁共振成像】观共享重建
【核磁共振成像】观共享重建
|
机器学习/深度学习 传感器 算法
用于准确量化颅面对称性和面部生长的 3D 头影测量方案(Matlab代码实现)
用于准确量化颅面对称性和面部生长的 3D 头影测量方案(Matlab代码实现)
|
算法
基于模态凝聚算法的特征系统实现算法的自然激励技术(Matlab代码实现)
基于模态凝聚算法的特征系统实现算法的自然激励技术(Matlab代码实现)
115 0
|
7月前
|
机器学习/深度学习 算法 自动驾驶
集检测与分类于一身的LVLane来啦 | 正面硬刚ADAS车道线落地的困难点
集检测与分类于一身的LVLane来啦 | 正面硬刚ADAS车道线落地的困难点
190 0
|
7月前
|
移动开发 资源调度 监控
社交网络分析5:社交网络信息传播动力学。信息传播 、传染病模型、博弈模型和物理系统模型 、传播动力学分析 、 未来发展趋势与展望
社交网络分析5:社交网络信息传播动力学。信息传播 、传染病模型、博弈模型和物理系统模型 、传播动力学分析 、 未来发展趋势与展望
526 0
|
传感器 机器学习/深度学习 编解码
单一传感器图像多光谱多分辨率研究附matlab代码
单一传感器图像多光谱多分辨率研究附matlab代码
|
机器学习/深度学习 人工智能 算法
扩散模型还能预测地震和犯罪?清华团队最新研究提出时空扩散点过程
扩散模型还能预测地震和犯罪?清华团队最新研究提出时空扩散点过程
115 0
|
机器学习/深度学习 人工智能 监控
南洋理工提出全场景图生成PSG任务,像素级定位物体,还得预测56种关系
南洋理工提出全场景图生成PSG任务,像素级定位物体,还得预测56种关系
134 0
|
机器学习/深度学习 数据可视化 自动驾驶
最新鱼眼BEV感知 | FPNet:面向泊车场景的失真不敏感多任务算法(TIV 2022)(下)
本文介绍了一种新的大规模鱼眼数据集 FPD,旨在促进对现实环境中各种环视泊车情况的研究。值得注意的是,作者的FPD对不同的环视感知任务都显示出优秀的特点。此外,作者还提出了实时的失真不敏感的多任务鱼眼感知网络(FPNet) ,通过增强鱼眼失真操作和多任务轻量级设计来改善环视鱼眼 BEV 感知。大量的实验验证了作者的方法的有效性和数据集的异常可推广性。
最新鱼眼BEV感知 | FPNet:面向泊车场景的失真不敏感多任务算法(TIV 2022)(下)
|
传感器 机器学习/深度学习 编解码
最新鱼眼BEV感知 | FPNet:面向泊车场景的失真不敏感多任务算法(TIV 2022)(上)
本文介绍了一种新的大规模鱼眼数据集 FPD,旨在促进对现实环境中各种环视泊车情况的研究。值得注意的是,作者的FPD对不同的环视感知任务都显示出优秀的特点。此外,作者还提出了实时的失真不敏感的多任务鱼眼感知网络(FPNet) ,通过增强鱼眼失真操作和多任务轻量级设计来改善环视鱼眼 BEV 感知。大量的实验验证了作者的方法的有效性和数据集的异常可推广性。
最新鱼眼BEV感知 | FPNet:面向泊车场景的失真不敏感多任务算法(TIV 2022)(上)