LiDAR jest jednym z najważniejszych czujników wykorzystywanych w robotach mobilnych, czworonożnych, humanoidalnych i autonomicznych. Umożliwia pomiar odległości do obiektów, analizę otoczenia oraz tworzenie przestrzennej reprezentacji obszaru pracy robota. Dane z LiDAR-u mogą być wykorzystywane do wykrywania przeszkód, budowania map, lokalizacji urządzenia oraz planowania bezpiecznej trasy przejazdu.
Czym jest LiDAR?
Nazwa LiDAR pochodzi od angielskiego określenia Light Detection and Ranging. Technologia wykorzystuje światło laserowe do pomiaru odległości pomiędzy czujnikiem a elementami otoczenia. Emitowany impuls lub wiązka światła jest odbijana od powierzchni, a następnie rejestrowana przez odbiornik.
Na podstawie czasu powrotu sygnału albo zmiany jego parametrów obliczana jest odległość do danego punktu. Wielokrotne pomiary wykonywane w różnych kierunkach pozwalają stworzyć obraz otoczenia w formie zbioru punktów przestrzennych.
Jak przebiega pomiar odległości?
- nadajnik emituje wiązkę lub impuls laserowy
- światło dociera do obiektu i odbija się od jego powierzchni
- odbity sygnał wraca do odbiornika czujnika
- elektronika mierzy czas lub zmianę parametrów sygnału
- obliczana jest odległość do badanego punktu
- kolejne pomiary tworzą skan otoczenia lub chmurę punktów
LiDAR 2D a LiDAR 3D – najważniejsze różnice
Czujniki LiDAR stosowane w robotyce mogą tworzyć zarówno dwuwymiarowy przekrój otoczenia, jak i przestrzenną reprezentację 3D. Wybór odpowiedniego rozwiązania zależy od rodzaju robota, środowiska pracy, wymaganej dokładności oraz złożoności systemu nawigacyjnego.
LiDAR 2D skanuje otoczenie w jednej płaszczyźnie. Jest często wykorzystywany w robotach mobilnych poruszających się po względnie równej powierzchni, na przykład w magazynach, budynkach i zakładach produkcyjnych. LiDAR 3D wykonuje pomiary w wielu płaszczyznach i pozwala uzyskać przestrzenną chmurę punktów, dzięki której mogą być wykrywane obiekty znajdujące się na różnych wysokościach. Producenci czujników wskazują, że skanery 2D są prostsze, tańsze i mniej energochłonne, natomiast systemy 3D dostarczają bogatszych danych o otoczeniu.
Porównanie LiDAR-u 2D i 3D
| Cecha | LiDAR 2D | LiDAR 3D |
|---|---|---|
| Zakres pomiaru | Skanowanie otoczenia w jednej płaszczyźnie. | Skanowanie w wielu płaszczyznach i tworzenie przestrzennej reprezentacji otoczenia. |
| Rodzaj danych | Dwuwymiarowy skan lub przekrój otoczenia. | Trójwymiarowa chmura punktów. |
| Typowe zastosowanie | Nawigacja robotów mobilnych w budynkach, magazynach i na równych powierzchniach. | Roboty autonomiczne, czworonożne, humanoidalne, pojazdy oraz systemy inspekcyjne. |
| Wykrywanie przeszkód | Skuteczne dla obiektów przecinających płaszczyznę skanowania. | Możliwość wykrywania przeszkód znajdujących się na różnych wysokościach. |
| Złożoność danych | Mniejsza ilość danych i prostsze przetwarzanie. | Większa ilość danych wymagająca większej mocy obliczeniowej. |
| Koszt i pobór energii | Zwykle niższy koszt, prostsza integracja i mniejsze zużycie energii. | Zwykle wyższy koszt oraz większe wymagania obliczeniowe i energetyczne. |
| Mapowanie | Tworzenie map 2D wykorzystywanych w nawigacji wewnętrznej. | Tworzenie map 3D, modeli przestrzennych i szczegółowych chmur punktów. |
| Środowisko pracy | Najlepiej sprawdza się w uporządkowanych przestrzeniach o względnie stałej geometrii. | Lepiej nadaje się do złożonych, zmiennych i wielopoziomowych środowisk. |
LiDAR 3D nie zawsze jest konieczny. W wielu robotach usługowych i magazynowych poprawnie dobrany LiDAR 2D może zapewnić wystarczające dane do lokalizacji, mapowania i omijania przeszkód. Zastosowanie czujnika 3D staje się szczególnie uzasadnione wtedy, gdy robot musi analizować schody, rampy, wystające elementy, nierówny teren albo przeszkody znajdujące się powyżej lub poniżej standardowej płaszczyzny skanowania.
Czym jest chmura punktów?
Chmura punktów to zbiór punktów opisujących geometrię otoczenia. Każdy punkt ma określone współrzędne przestrzenne, najczęściej X, Y i Z, a w zależności od czujnika może zawierać także dodatkowe informacje, takie jak intensywność odbicia, czas pomiaru, numer wiązki lub inne dane pomocnicze.
W przypadku LiDAR-u kolejne pomiary odległości są przeliczane na położenie punktów względem czujnika. W efekcie powstaje przestrzenna reprezentacja ścian, regałów, maszyn, ludzi, pojazdów i innych obiektów znajdujących się w polu widzenia. Oficjalna dokumentacja ROS 2 opisuje format PointCloud2 jako strukturę przechowującą zbiór punktów wielowymiarowych, który może zawierać również dodatkowe dane, na przykład intensywność lub wektory normalne.
Jakie informacje może zawierać pojedynczy punkt?
| Dana punktu | Znaczenie | Przykładowe wykorzystanie |
|---|---|---|
| Współrzędna X | Położenie punktu w osi poziomej względem układu odniesienia czujnika. | Określenie położenia obiektu po lewej lub prawej stronie robota. |
| Współrzędna Y | Położenie punktu w drugiej osi poziomej. | Określenie odległości punktu przed robotem lub za nim. |
| Współrzędna Z | Wysokość punktu względem czujnika lub przyjętego układu współrzędnych. | Rozróżnianie podłoża, schodów, wystających elementów i przeszkód na różnych wysokościach. |
| Intensywność odbicia | Informacja o sile sygnału powracającego do odbiornika. | Pomoc w rozróżnianiu powierzchni o różnych właściwościach odbijających. |
| Czas pomiaru | Moment wykonania pomiaru danego punktu. | Synchronizacja danych LiDAR-u z kamerami, IMU i ruchem robota. |
| Numer wiązki lub kanału | Informacja, z którego kanału pomiarowego pochodzi dany punkt. | Analiza danych z wielokanałowych czujników LiDAR 3D. |
Chmura punktów może zawierać od kilku tysięcy do setek tysięcy punktów w pojedynczym skanie, dlatego jej przetwarzanie wymaga odpowiedniej mocy obliczeniowej. Dane mogą być filtrowane, grupowane i przekształcane w celu usunięcia szumu, wykrycia podłoża, rozpoznania przeszkód albo zbudowania mapy otoczenia. W ROS 2 chmury punktów są najczęściej przesyłane w formacie sensor_msgs/PointCloud2.
Do czego robot wykorzystuje chmurę punktów?
- wykrywanie przeszkód i wolnej przestrzeni
- rozpoznawanie podłoża, schodów i krawędzi
- tworzenie map 2D i 3D
- lokalizacja robota względem mapy
- planowanie bezpiecznej trasy
- analiza wymiarów i położenia obiektów
- inspekcja konstrukcji i infrastruktury
- łączenie danych LiDAR-u z kamerami i czujnikami IMU
Sama chmura punktów nie jest jeszcze gotową mapą ani informacją o rodzaju obiektu. Dopiero odpowiednie algorytmy filtracji, segmentacji, lokalizacji i klasyfikacji przekształcają surowe pomiary w dane przydatne do sterowania robotem.
LiDAR a SLAM – jak robot tworzy mapę i określa swoją pozycję?
SLAM, czyli Simultaneous Localization and Mapping, oznacza jednoczesne tworzenie mapy otoczenia oraz określanie położenia robota na tej mapie. LiDAR dostarcza kolejnych skanów przestrzeni, natomiast algorytm SLAM porównuje je ze sobą, analizuje ruch robota i aktualizuje jego pozycję względem wcześniej zarejestrowanych elementów otoczenia.
W praktyce robot wykorzystuje dane z LiDAR-u razem z informacjami z enkoderów, czujnika IMU, kamer lub innych źródeł odometrii. Połączenie tych danych pozwala ograniczyć błędy pomiarowe i uzyskać bardziej stabilną estymację pozycji. W środowisku ROS 2 do budowy map 2D oraz lokalizacji może być wykorzystywany m.in. pakiet slam_toolbox, który obsługuje zarówno mapowanie, jak i późniejszą pracę lokalizacyjną na zapisanej mapie.
Jak przebiega proces SLAM?
- LiDAR wykonuje skan otoczenia i mierzy odległości do przeszkód.
- System odometrii szacuje zmianę położenia robota.
- Algorytm porównuje nowy skan z wcześniejszymi pomiarami.
- Wyznaczana jest najbardziej prawdopodobna pozycja robota.
- Nowe dane są dodawane do mapy.
- Wykrywane są wcześniej odwiedzone miejsca.
- Błędy położenia są korygowane przez mechanizm zamknięcia pętli.
- Zaktualizowana mapa i pozycja są przekazywane do systemu nawigacji.
Mapowanie, lokalizacja i nawigacja – czym się różnią?
| Proces | Na czym polega | Rola LiDAR-u |
|---|---|---|
| Mapowanie | Tworzenie reprezentacji przestrzeni na podstawie danych z czujników. | Dostarcza skany otoczenia wykorzystywane do budowy mapy 2D lub 3D. |
| Lokalizacja | Określanie aktualnej pozycji i orientacji robota względem zapisanej mapy. | Porównuje bieżący skan z elementami istniejącej mapy. |
| SLAM | Jednoczesne tworzenie mapy i określanie położenia robota. | Dostarcza kolejne pomiary potrzebne do aktualizacji mapy i pozycji. |
| Nawigacja | Planowanie i realizacja bezpiecznego przejazdu do wskazanego celu. | Pomaga wykrywać przeszkody i aktualizować informacje o wolnej przestrzeni. |
| Omijanie przeszkód | Bieżące reagowanie na ludzi, pojazdy i obiekty pojawiające się na trasie. | Dostarcza aktualnych pomiarów odległości do elementów otoczenia. |
Po utworzeniu mapy robot może przejść z trybu SLAM do trybu lokalizacji. W takim przypadku nie buduje całego otoczenia od początku, lecz dopasowuje aktualne skany do wcześniej zapisanej mapy. W pakiecie slam_toolbox tryb lokalizacji może korzystać z zapisanej mapy i bieżących skanów do dalszego określania pozycji robota.
Jakie czynniki wpływają na dokładność LiDAR-u?
Dokładność pomiarów LiDAR-u zależy nie tylko od parametrów samego czujnika. Na jakość danych wpływają również właściwości obserwowanych powierzchni, odległość od obiektu, warunki atmosferyczne, sposób montażu oraz ruch robota. Dlatego deklarowana przez producenta dokładność nie zawsze oznacza identyczną jakość pomiaru w każdych warunkach pracy.
Szczególnie istotna jest refleksyjność powierzchni. Jasne i dobrze odbijające materiały zwykle generują silniejszy sygnał powrotny, natomiast ciemne, matowe lub pochłaniające światło obiekty mogą być wykrywane z mniejszej odległości albo z większym rozrzutem pomiarów. Dokumentacja czujników LiDAR wskazuje, że zasięg bywa podawany osobno dla obiektów o różnej refleksyjności.
Najważniejsze źródła błędów pomiarowych
| Czynnik | Wpływ na pomiar | Przykład |
|---|---|---|
| Odległość od obiektu | Wraz ze wzrostem odległości sygnał powrotny może być słabszy, a gęstość punktów na obiekcie mniejsza. | Odległa przeszkoda może być reprezentowana przez niewielką liczbę punktów. |
| Refleksyjność powierzchni | Ciemne i matowe materiały mogą odbijać mniej energii w kierunku odbiornika. | Czarny element może zostać wykryty z mniejszej odległości niż jasna ściana. |
| Kąt padania wiązki | Przy bardzo płaskim kącie część światła może zostać odbita poza odbiornik. | Skośna, gładka powierzchnia może generować niepełne dane. |
| Szkło i powierzchnie lustrzane | Mogą przepuszczać, wielokrotnie odbijać lub kierować wiązkę w nieprzewidywalny sposób. | Szklane drzwi mogą być słabo widoczne albo powodować błędne punkty. |
| Deszcz, mgła, pył i śnieg | Cząsteczki znajdujące się w powietrzu mogą odbijać lub rozpraszać światło laserowe. | W chmurze punktów mogą pojawić się dodatkowe punkty niezwiązane ze stałymi przeszkodami. |
| Drgania czujnika | Ruch LiDAR-u podczas wykonywania skanu może powodować przesunięcia punktów. | Luźne mocowanie na robocie może pogorszyć jakość mapy. |
| Ruch robota | Poszczególne fragmenty skanu są rejestrowane w nieco innych położeniach. | Szybki obrót robota może prowadzić do deformacji chmury punktów. |
| Nieprawidłowa kalibracja | Błędne położenie czujnika względem robota powoduje przesunięcie danych w układzie współrzędnych. | Mapa może być obrócona lub przesunięta względem rzeczywistego toru jazdy. |
| Inne źródła światła lub LiDAR-y | W niektórych konstrukcjach mogą występować zakłócenia pochodzące od innych czujników laserowych. | Współpracujące roboty mogą wymagać czujników z mechanizmami ograniczania interferencji. |
Warunki atmosferyczne nie muszą całkowicie uniemożliwiać pracy LiDAR-u, ale mogą zwiększać liczbę zakłóceń i fałszywych odbić. W dokumentacji systemów LiDAR opisuje się filtrowanie danych pochodzących z deszczu, mgły oraz innych czynników środowiskowych, co pokazuje, że odporność zależy również od zastosowanych algorytmów przetwarzania.
Jak poprawić jakość danych LiDAR?
- Umieścić czujnik w stabilnym miejscu, wolnym od drgań i zasłaniania pola widzenia.
- Dokładnie określić położenie i orientację LiDAR-u względem układu współrzędnych robota.
- Połączyć dane LiDAR-u z odometrią, IMU lub systemem wizyjnym.
- Synchronizować znaczniki czasu pomiędzy czujnikami i komputerem sterującym.
- Usuwać punkty znajdujące się poza użytecznym zakresem pomiarowym.
- Stosować filtry redukujące szum, przypadkowe odbicia i punkty odstające.
- Kompensować ruch robota podczas rejestrowania skanu.
- Dobrać częstotliwość skanowania i rozdzielczość do prędkości robota.
- Regularnie kontrolować czystość osłony optycznej czujnika.
- Testować system w rzeczywistym środowisku, w którym robot będzie pracował.
Wysokiej jakości mapa nie zależy wyłącznie od zakupu czujnika o lepszych parametrach. Równie ważne są poprawny montaż, kalibracja, synchronizacja danych oraz konfiguracja algorytmów SLAM. Niski poziom sygnału i słaba refleksyjność mogą powodować większy rozrzut punktów, dlatego sposób filtrowania danych należy dostosować do konkretnego środowiska.
LiDAR a kamera – które rozwiązanie jest lepsze?
LiDAR i kamera dostarczają robotowi innego rodzaju informacji. LiDAR bardzo dobrze mierzy geometrię otoczenia oraz odległość do obiektów, natomiast kamera rejestruje kolor, teksturę, napisy i cechy wizualne potrzebne do rozpoznawania przedmiotów. Z tego powodu nie należy traktować ich wyłącznie jako rozwiązań konkurencyjnych.
W wielu systemach robotycznych najlepsze rezultaty uzyskuje się przez połączenie obu technologii. LiDAR może dokładnie określić położenie przeszkody, a kamera pomóc ustalić, czym jest wykryty obiekt. ROS 2 obsługuje zarówno obrazy z kamer, jak i chmury punktów, a dane głębi z kamer mogą być również przekształcane do postaci wykorzystywanej przez systemy lokalizacji i nawigacji.
Porównanie LiDAR-u i kamery
| Cecha | LiDAR | Kamera |
|---|---|---|
| Podstawowy rodzaj danych | Odległość, geometria otoczenia i chmura punktów. | Obraz, kolor, tekstura i cechy wizualne. |
| Pomiar odległości | Bezpośredni pomiar odległości do punktów otoczenia. | Zwykła kamera nie mierzy odległości bezpośrednio. Głębia może być wyznaczana przez kamerę stereo, ToF lub odpowiednie algorytmy. |
| Rozpoznawanie obiektów | Umożliwia analizę kształtu i położenia, ale zwykle dostarcza mniej informacji o wyglądzie. | Bardzo dobrze nadaje się do rozpoznawania ludzi, znaków, tekstów, kolorów i kategorii przedmiotów. |
| Praca przy słabym oświetleniu | Zwykle nie wymaga oświetlenia światłem widzialnym. | Jakość obrazu może pogarszać się przy zbyt małej ilości światła, chyba że zastosowano dodatkowe doświetlenie lub odpowiedni sensor. |
| Dokładność geometrii | Dobrze odwzorowuje odległości i przestrzenne położenie przeszkód. | Zależy od rodzaju kamery, kalibracji, tekstury sceny i zastosowanego algorytmu głębi. |
| Kolor i tekstura | Standardowy LiDAR nie dostarcza pełnego obrazu kolorowego. | Rejestruje kolor, teksturę i szczegóły powierzchni. |
| Ilość danych | Generuje skany lub chmury punktów wymagające przetwarzania przestrzennego. | Obraz o wysokiej rozdzielczości może wymagać dużej przepustowości i znacznej mocy obliczeniowej. |
| Typowe zastosowania | SLAM, lokalizacja, mapowanie, wykrywanie przeszkód i pomiar przestrzeni. | Rozpoznawanie obiektów, odczytywanie napisów, kontrola jakości, śledzenie ludzi i analiza sceny. |
| Główne ograniczenia | Problemy mogą powodować szkło, powierzchnie lustrzane, słaba refleksyjność i warunki atmosferyczne. | Problemy mogą powodować słabe światło, odblaski, cienie, brak tekstury i zasłanianie obiektów. |
Wybór czujnika powinien wynikać z zadania robota. Do podstawowej nawigacji wewnętrznej może wystarczyć LiDAR 2D. Do rozpoznawania produktów, ludzi, napisów lub elementów wyposażenia potrzebna będzie kamera. Robot działający autonomicznie w złożonym otoczeniu często korzysta jednocześnie z LiDAR-u, kamer, IMU i enkoderów.
Na czym polega fuzja danych z LiDAR-u i kamery?
Fuzja sensoryczna polega na połączeniu informacji z kilku czujników w jeden spójny model otoczenia. Punkty z LiDAR-u można rzutować na obraz z kamery, dzięki czemu dane przestrzenne otrzymują dodatkową informację wizualną. Możliwe jest wtedy określenie nie tylko odległości do obiektu, lecz także jego koloru, kategorii lub znaczenia.
Poprawna integracja wymaga kalibracji położenia czujników, zgodnych układów współrzędnych oraz synchronizacji czasu. Nawet niewielka różnica pomiędzy chwilą wykonania zdjęcia i skanu może powodować błędy, szczególnie gdy robot lub obserwowany obiekt znajduje się w ruchu. ROS 2 posiada standardowe typy wiadomości dla obrazów i chmur punktów, co ułatwia budowę takich systemów.
Jak przebiega połączenie danych?
- LiDAR wykonuje pomiar odległości i tworzy chmurę punktów.
- Kamera rejestruje obraz tego samego obszaru.
- System synchronizuje dane według czasu ich rejestracji.
- Uwzględniane jest wzajemne położenie LiDAR-u i kamery.
- Punkty przestrzenne są przyporządkowywane do odpowiednich miejsc na obrazie.
- Algorytmy wizyjne rozpoznają obiekty, osoby lub elementy otoczenia.
- System łączy informację o rodzaju obiektu z jego odległością i położeniem.
- Wynik jest przekazywany do modułu nawigacji, sterowania lub planowania zadania.
Przykładowo kamera może rozpoznać, że widoczny obiekt jest człowiekiem, natomiast LiDAR określi jego dokładne położenie względem robota. Takie połączenie zwiększa użyteczność systemu percepcji, ale wymaga również większej mocy obliczeniowej oraz starannej konfiguracji.
Zastosowania LiDAR-u w różnych typach robotów
LiDAR może pełnić różne funkcje w zależności od konstrukcji robota i środowiska jego pracy. W robotach mobilnych jest zwykle elementem systemu lokalizacji i nawigacji. W robotach czworonożnych pomaga analizować nierówny teren, natomiast w systemach inspekcyjnych umożliwia tworzenie modeli przestrzennych obiektów i infrastruktury.
Ten sam czujnik może jednocześnie wspierać lokalizację, wykrywanie przeszkód, planowanie trasy i rejestrowanie danych pomiarowych. Zakres jego wykorzystania zależy jednak od pola widzenia, liczby kanałów, częstotliwości skanowania, zasięgu oraz zastosowanego oprogramowania. LiDAR-y 2D są powszechnie stosowane do lokalizacji i nawigacji platform mobilnych, natomiast czujniki 3D znajdują zastosowanie między innymi w robotyce, autonomicznych pojazdach, dronach i mapowaniu przestrzennym.
Przykładowe zastosowania według rodzaju robota
| Rodzaj robota | Rola LiDAR-u | Przykładowe zadania |
|---|---|---|
| Roboty mobilne AMR | Lokalizacja względem mapy, wykrywanie przeszkód i planowanie przejazdu. | Transport materiałów, dostawy wewnętrzne, obsługa magazynów i zakładów produkcyjnych. |
| Roboty AGV | Określanie pozycji względem konturów otoczenia i kontrola bezpiecznej trasy. | Przewóz palet, wózków, pojemników oraz komponentów pomiędzy stanowiskami. |
| Roboty usługowe | Mapowanie pomieszczeń, omijanie ludzi i mebli oraz dojazd do wyznaczonych punktów. | Obsługa hoteli, restauracji, szpitali, biur i obiektów publicznych. |
| Roboty sprzątające | Rozpoznawanie granic pomieszczeń, lokalizacja i planowanie pokrycia powierzchni. | Automatyczne sprzątanie hal, galerii handlowych, magazynów i budynków biurowych. |
| Roboty czworonożne | Analiza przestrzeni, wykrywanie przeszkód i wspieranie nawigacji w nierównym terenie. | Inspekcja obiektów przemysłowych, energetycznych, budowlanych i terenów trudnodostępnych. |
| Roboty humanoidalne | Tworzenie przestrzennego modelu otoczenia oraz określanie położenia przeszkód. | Poruszanie się w budynkach, wykonywanie zadań logistycznych i współpraca z innymi systemami percepcji. |
| Drony | Pomiar odległości, mapowanie 3D, omijanie przeszkód i analiza ukształtowania terenu. | Inspekcje, geodezja, monitoring infrastruktury, leśnictwo i dokumentacja przestrzenna. |
| Roboty inspekcyjne | Rejestrowanie geometrii obiektów i porównywanie kolejnych pomiarów. | Kontrola tuneli, hal, instalacji, konstrukcji stalowych, kopalń i infrastruktury technicznej. |
| Pojazdy autonomiczne | Wykrywanie obiektów, określanie odległości i budowanie modelu przestrzeni wokół pojazdu. | Autonomiczny transport, pojazdy przemysłowe, maszyny robocze i systemy dostawcze. |
| Roboty badawcze | Dostarczanie danych do testowania algorytmów SLAM, percepcji i autonomicznej nawigacji. | Badania uczelniane, laboratoria robotyki, rozwój algorytmów i projekty dydaktyczne. |
Obecność LiDAR-u w specyfikacji robota nie oznacza automatycznie, że użytkownik otrzyma dostęp do pełnej chmury punktów lub możliwość samodzielnego wykorzystania danych. Producent może udostępniać jedynie gotowe funkcje nawigacyjne albo ograniczony interfejs programistyczny. Przed wyborem robota warto więc sprawdzić dostępność sterowników, ROS 2, SDK, dokumentacji oraz formatów publikowanych danych.
Jak LiDAR wspiera autonomiczne zadanie robota?
- Robot uruchamia czujnik i rozpoczyna skanowanie otoczenia.
- Dane pomiarowe są przekształcane w skan 2D albo chmurę punktów 3D.
- System odrzuca błędne pomiary i punkty znajdujące się poza użytecznym zakresem.
- Algorytm lokalizacji określa aktualną pozycję robota względem mapy.
- Moduł nawigacyjny wyznacza trasę prowadzącą do wskazanego celu.
- Bieżące skany są wykorzystywane do wykrywania nowych lub ruchomych przeszkód.
- Robot koryguje prędkość albo zmienia tor ruchu.
- Po osiągnięciu celu rozpoczyna właściwe zadanie, na przykład transport, inspekcję lub dostawę.
W środowisku ROS 2 dane pochodzące z czujnika 3D mogą zostać przekształcone z komunikatu PointCloud2 do postaci skanu laserowego LaserScan, co umożliwia ich wykorzystanie przez komponenty pracujące na danych dwuwymiarowych. Pokazuje to, że sposób użycia LiDAR-u zależy nie tylko od konstrukcji sprzętowej, ale również od architektury oprogramowania robota
Jak dobrać LiDAR do robota?
Dobór LiDAR-u powinien wynikać z zadania robota, warunków jego pracy oraz sposobu wykorzystania danych. Czujnik o największym zasięgu lub najwyższej liczbie punktów nie zawsze będzie najlepszym rozwiązaniem. W robocie poruszającym się po niewielkich pomieszczeniach ważniejsze mogą być szerokie pole widzenia, niewielka strefa martwa i dokładność pomiarów na krótkim dystansie.
W przypadku robotów pracujących na zewnątrz większe znaczenie mają zasięg, odporność środowiskowa, możliwość wykrywania słabo odbijających powierzchni oraz działanie w deszczu, pyle i zmiennym oświetleniu. Należy również uwzględnić ilość generowanych danych, dostępne interfejsy komunikacyjne i moc obliczeniową komputera robota.
Producenci oferują osobne konstrukcje przeznaczone do pracy krótkiego, średniego i dalekiego zasięgu. Różnią się one między innymi polem widzenia, rozdzielczością kątową, liczbą kanałów, częstotliwością skanowania i liczbą generowanych punktów.
Najważniejsze parametry przy wyborze LiDAR-u
| Parametr | Co oznacza? | Dlaczego jest ważny? |
|---|---|---|
| Rodzaj czujnika | LiDAR 2D tworzy skan w jednej płaszczyźnie, a LiDAR 3D rejestruje przestrzenną chmurę punktów. | Decyduje o rodzaju informacji dostępnych dla systemu nawigacji i percepcji. |
| Zasięg pomiarowy | Minimalna i maksymalna odległość, w której czujnik może wykrywać obiekty. | Powinien odpowiadać prędkości robota i wielkości przestrzeni roboczej. |
| Pole widzenia | Zakres kątowy obserwowany przez czujnik w poziomie i, w przypadku LiDAR-u 3D, również w pionie. | Wpływa na wielkość obszaru kontrolowanego bez obracania robota. |
| Rozdzielczość kątowa | Odstęp kątowy pomiędzy kolejnymi punktami pomiarowymi. | Mniejszy odstęp pozwala dokładniej odwzorować niewielkie i odległe obiekty. |
| Częstotliwość skanowania | Liczba pełnych skanów wykonywanych w ciągu sekundy. | Wyższa częstotliwość umożliwia szybsze wykrywanie zmian i lepiej sprawdza się przy dynamicznym ruchu. |
| Liczba kanałów | Liczba pionowych warstw pomiarowych w LiDAR-ze 3D. | Wpływa na gęstość chmury punktów i zdolność odwzorowania obiektów na różnych wysokościach. |
| Dokładność i precyzja | Dokładność określa zgodność pomiaru z rzeczywistą odległością, a precyzja jego powtarzalność. | Ma znaczenie przy lokalizacji, mapowaniu, inspekcji i pomiarach geometrycznych. |
| Refleksyjność obiektu | Producenci mogą podawać zasięg osobno dla powierzchni odbijających różną ilość światła. | Ciemne i matowe obiekty mogą być wykrywane z mniejszej odległości niż jasne powierzchnie. |
| Strefa martwa | Najbliższy obszar wokół czujnika, w którym pomiar jest niedostępny lub mniej wiarygodny. | Jest szczególnie ważna w małych robotach oraz podczas jazdy blisko ścian i przeszkód. |
| Odporność środowiskowa | Odporność na pył, wodę, temperaturę, wibracje i warunki atmosferyczne. | Decyduje o możliwości pracy w halach przemysłowych i na zewnątrz. |
| Interfejs komunikacyjny | Sposób przesyłania danych, na przykład Ethernet, UDP, CAN lub interfejs szeregowy. | Musi być zgodny z komputerem robota i wymaganą przepustowością transmisji. |
| Obsługa ROS 2 i SDK | Dostępność sterowników, bibliotek, API i dokumentacji programistycznej. | Ułatwia integrację oraz pozwala uzyskać dostęp do surowych danych pomiarowych. |
| Pobór mocy i masa | Zapotrzebowanie energetyczne oraz ciężar czujnika. | Ma szczególne znaczenie w dronach, robotach mobilnych i konstrukcjach zasilanych bateryjnie. |
| Przepływ danych | Ilość danych generowanych w ciągu sekundy. | Wpływa na obciążenie sieci, pamięci i procesora odpowiedzialnego za analizę chmury punktów. |
Częstotliwość skanowania, rozdzielczość kątowa i maksymalny zasięg mogą być wzajemnie zależne. W niektórych czujnikach zmiana jednego z tych ustawień wpływa na pozostałe parametry pracy, dlatego nie należy porównywać urządzeń wyłącznie na podstawie pojedynczej wartości z karty katalogowej.
Jak przeprowadzić dobór krok po kroku?
- Określić podstawowe zadanie czujnika: lokalizacja, mapowanie, omijanie przeszkód, inspekcja albo pomiar przestrzeni.
- Ustalić, czy wystarczy skan 2D, czy konieczna jest przestrzenna chmura punktów 3D.
- Przeanalizować wielkość przestrzeni oraz minimalną i maksymalną odległość wykrywania.
- Dobrać pole widzenia tak, aby ograniczyć martwe strefy wokół robota.
- Uwzględnić maksymalną prędkość robota i wymaganą częstotliwość aktualizacji danych.
- Sprawdzić działanie czujnika na ciemnych, błyszczących i przezroczystych powierzchniach występujących w miejscu pracy.
- Zweryfikować odporność na pył, wilgoć, temperaturę, drgania i warunki atmosferyczne.
- Sprawdzić dostępność sterowników ROS 2, SDK, dokumentacji oraz przykładowego kodu.
- Oszacować przepustowość sieci i moc obliczeniową potrzebną do przetwarzania danych.
- Wykonać test czujnika w środowisku możliwie zbliżonym do docelowego miejsca pracy robota.
Test praktyczny jest szczególnie ważny, gdy w otoczeniu występują szklane powierzchnie, czarne elementy, pył, intensywne opady albo szybko przemieszczające się obiekty. Dane katalogowe pozwalają zawęzić wybór, ale nie zastępują próby przeprowadzonej w rzeczywistych warunkach.
Jakie są zalety i ograniczenia LiDAR-u?
LiDAR jest ceniony w robotyce za możliwość szybkiego i bezpośredniego pomiaru odległości. Dostarcza danych geometrycznych, które mogą być wykorzystywane niezależnie od obrazu z kamery, dlatego dobrze sprawdza się w lokalizacji, mapowaniu i wykrywaniu przeszkód.
Technologia ma jednak również ograniczenia. Jakość pomiarów może zależeć od rodzaju powierzchni, kąta padania wiązki, warunków atmosferycznych oraz parametrów konkretnego czujnika. Powierzchnie przezroczyste, lustrzane lub bardzo słabo odbijające mogą powodować brak pomiaru albo pojawienie się nieprawidłowych punktów. Dokumentacja producentów wskazuje również, że deszcz, śnieg, mgła i pył mogą generować dodatkowe odbicia, choć bardziej zaawansowane czujniki wykorzystują filtrowanie wielu ech w celu ograniczenia takich zakłóceń.
Najważniejsze zalety LiDAR-u
- bezpośredni pomiar odległości do obiektów
- wysoka dokładność odwzorowania geometrii otoczenia
- możliwość tworzenia map 2D i 3D
- skuteczne działanie bez światła widzialnego
- szybkie wykrywanie przeszkód
- możliwość pracy w czasie rzeczywistym
- wsparcie lokalizacji i algorytmów SLAM
- szerokie pole widzenia wielu konstrukcji
- łatwe łączenie danych z odometrią, IMU i kamerami
- dostępność sterowników i narzędzi dla ROS 2
Jedną z najważniejszych zalet LiDAR-u jest to, że wynik pomiaru ma bezpośrednią postać geometryczną. System otrzymuje informację o kierunku i odległości punktu, dzięki czemu nie musi wyznaczać całej geometrii wyłącznie na podstawie cech obrazu. Ułatwia to budowanie map oraz określanie położenia przeszkód względem robota.
Najważniejsze ograniczenia LiDAR-u
- Możliwość nieprawidłowych pomiarów na szkle i powierzchniach lustrzanych.
- Mniejszy zasięg dla ciemnych i słabo odbijających materiałów.
- Zakłócenia powodowane przez deszcz, śnieg, mgłę lub pył.
- Brak pełnej informacji o kolorze i teksturze obiektu.
- Duża ilość danych generowanych przez LiDAR-y 3D.
- Wyższe wymagania dotyczące mocy obliczeniowej i przepustowości sieci.
- Konieczność prawidłowej kalibracji i synchronizacji danych.
- Możliwość występowania martwych stref wokół czujnika.
- Wyższy koszt zaawansowanych czujników 3D.
- Ograniczona możliwość rozpoznania rodzaju obiektu bez kamery lub dodatkowych algorytmów.
Powierzchnie silnie refleksyjne mogą skierować większość wiązki poza odbiornik, a czujnik może wtedy zarejestrować obiekt znajdujący się za powierzchnią odbijającą zamiast samej powierzchni. Zjawisko to zostało opisane również w instrukcjach przemysłowych skanerów LiDAR.
Czy LiDAR może być jedynym czujnikiem robota?
W prostych i uporządkowanych środowiskach LiDAR może dostarczać wystarczających danych do lokalizacji i podstawowej nawigacji. Dotyczy to szczególnie robotów mobilnych poruszających się po równych powierzchniach, w których głównym zadaniem jest wykrywanie ścian, regałów i innych przeszkód.
W bardziej złożonych zastosowaniach LiDAR zwykle współpracuje z innymi czujnikami. Enkodery pomagają określać przebytą drogę, IMU dostarcza informacji o ruchu i orientacji, natomiast kamera umożliwia rozpoznawanie ludzi, napisów, kolorów i konkretnych przedmiotów. Połączenie tych danych zwiększa odporność systemu na błędy pojedynczego źródła informacji.
LiDAR nie zastępuje całego systemu percepcji. Jest jednym z jego najważniejszych elementów, ale skuteczność autonomicznego robota zależy również od pozostałych czujników, algorytmów, jakości kalibracji oraz warunków środowiskowych.
Czy LiDAR jest bezpieczny dla ludzi i wzroku?
LiDAR wykorzystuje promieniowanie laserowe, dlatego bezpieczeństwo urządzenia zależy od jego konstrukcji, mocy emitera, długości fali oraz sposobu kierowania wiązki. W robotyce powszechnie stosuje się czujniki sklasyfikowane jako urządzenia laserowe klasy 1, które przy prawidłowym użytkowaniu są uznawane za bezpieczne dla wzroku w przewidywalnych warunkach eksploatacji.
Klasyfikacja urządzeń laserowych jest określana między innymi przez normę IEC 60825-1 dotyczącą bezpieczeństwa produktów laserowych. Producenci LiDAR-ów powinni podawać klasę lasera w dokumentacji technicznej, instrukcji obsługi lub na tabliczce znamionowej urządzenia.
Co oznacza klasa lasera 1?
Klasa 1 oznacza, że dostępna emisja promieniowania laserowego nie przekracza limitów określonych dla tej klasy podczas normalnej pracy urządzenia oraz w warunkach przewidzianych przez producenta. Nie oznacza to jednak, że czujnik można dowolnie rozmontowywać, modyfikować albo uruchamiać bez obudowy ochronnej.
Przykładowo producent Ouster określa swoje czujniki jako zgodne z klasą 1 i bezpieczne dla wzroku, ale jednocześnie zaleca, aby nie wpatrywać się z bliska w okno optyczne działającego urządzenia. Firma SICK również opisuje wiele swoich czujników LiDAR jako urządzenia klasy 1 zgodne z wymaganiami EN/IEC 60825-1.
Zasady bezpiecznego użytkowania LiDAR-u
- Sprawdzić klasę lasera w dokumentacji technicznej urządzenia.
- Używać czujnika wyłącznie w konfiguracji przewidzianej przez producenta.
- Nie demontować obudowy ani zabezpieczeń optycznych podczas pracy urządzenia.
- Nie patrzeć z bliskiej odległości bezpośrednio w okno emitera.
- Nie uruchamiać uszkodzonego czujnika lub urządzenia po silnym uderzeniu.
- Przestrzegać zaleceń dotyczących montażu, zasilania i temperatury pracy.
- Nie dokonywać samodzielnych modyfikacji źródła światła lub układu optycznego.
- Podczas prac serwisowych odłączyć czujnik od zasilania.
- Chronić okno optyczne przed uszkodzeniem, zabrudzeniem i niewłaściwym czyszczeniem.
- W zastosowaniach publicznych stosować urządzenia posiadające kompletną dokumentację bezpieczeństwa.
Szczególną ostrożność należy zachować w przypadku urządzeń prototypowych, samodzielnie modyfikowanych oraz czujników bez jednoznacznie podanej klasy lasera. Brak widocznej wiązki nie oznacza braku promieniowania, ponieważ wiele LiDAR-ów pracuje w zakresie podczerwieni niewidzialnym dla ludzkiego oka.
Czy kilka LiDAR-ów pracujących jednocześnie jest niebezpiecznych?
Jednoczesna praca kilku prawidłowo zaprojektowanych i certyfikowanych czujników klasy 1 nie oznacza automatycznie zagrożenia dla wzroku. Każde urządzenie powinno jednak pracować zgodnie z warunkami określonymi przez producenta. Większym problemem praktycznym może być wzajemna interferencja czujników, która prowadzi do pojawiania się błędnych punktów lub pogorszenia jakości pomiaru.
Niektórzy producenci stosują mechanizmy ograniczające zakłócenia pomiędzy wieloma LiDAR-ami. Jest to istotne w zakładach produkcyjnych, magazynach, pojazdach autonomicznych i środowiskach, w których jednocześnie działa kilka robotów.
Przed zakupem LiDAR-u należy zawsze sprawdzić jego klasę bezpieczeństwa laserowego. Informacja „eye-safe” powinna wynikać z dokumentacji producenta i odpowiedniej klasyfikacji, a nie wyłącznie z opisu marketingowego.
Najczęściej zadawane pytania o LiDAR w robotyce
Czy LiDAR działa w całkowitej ciemności?
Tak. LiDAR emituje własne promieniowanie laserowe, dlatego do pomiaru odległości nie potrzebuje światła widzialnego. Może wykonywać pomiary również w ciemnych pomieszczeniach i nocą. Trzeba jednak pamiętać, że jakość danych nadal zależy od właściwości powierzchni, zasięgu czujnika oraz warunków środowiskowych.
Czy LiDAR widzi szkło?
Nie zawsze prawidłowo. Szkło może przepuszczać część promieniowania, odbijać je pod innym kątem albo powodować powstawanie nieprawidłowych punktów. Skuteczność wykrywania zależy od rodzaju szkła, kąta ustawienia powierzchni, długości fali oraz konstrukcji czujnika. Z tego powodu robot poruszający się w otoczeniu szklanych drzwi i ścian powinien korzystać również z dodatkowych czujników lub odpowiednio przygotowanej mapy.
Czy LiDAR rozpoznaje ludzi i przedmioty?
Sam pomiar LiDAR-u dostarcza przede wszystkim informacji o odległości, położeniu i geometrii obiektu. Określenie, czy wykryty kształt jest człowiekiem, pojazdem albo konkretnym przedmiotem, wymaga zastosowania dodatkowych algorytmów klasyfikacji. W takich systemach często łączy się chmurę punktów z obrazem z kamery.
Czy LiDAR 3D jest zawsze lepszy od LiDAR-u 2D?
Nie. LiDAR 3D dostarcza bardziej rozbudowanych danych przestrzennych, ale jest zwykle droższy i wymaga większej mocy obliczeniowej. W wielu robotach poruszających się po równych powierzchniach LiDAR 2D może być wystarczający do lokalizacji, mapowania i wykrywania przeszkód.
Czy robot może nawigować wyłącznie za pomocą LiDAR-u?
W uporządkowanym środowisku jest to możliwe, szczególnie gdy robot porusza się po zapisanej mapie 2D. W praktyce system nawigacyjny często wykorzystuje również enkodery, IMU, kamerę albo inne czujniki. Połączenie kilku źródeł danych zwiększa stabilność lokalizacji i odporność na chwilowe błędy pomiarowe.
Czym różni się LiDAR od czujnika ToF?
Obie technologie wykorzystują światło do określania odległości, ale mogą różnić się sposobem skanowania oraz formą danych. LiDAR zwykle wykonuje pomiary w wielu kierunkach i tworzy skan lub chmurę punktów. Kamera ToF rejestruje natomiast obraz głębi, w którym poszczególne piksele zawierają informację o odległości.
Czy dane z LiDAR-u można wykorzystać w ROS 2?
Tak. ROS 2 posiada standardowe formaty wiadomości przeznaczone do danych ze skanerów laserowych i chmur punktów. Skan z planarnego czujnika może być publikowany jako sensor_msgs/msg/LaserScan, a dane 3D jako sensor_msgs/msg/PointCloud2. Dostępne są również pakiety umożliwiające przekształcanie chmury punktów do skanu laserowego.
Czy każdy LiDAR współpracuje z ROS 2?
Nie. Konieczny jest odpowiedni sterownik, pakiet producenta albo możliwość samodzielnego odczytania danych przez udostępnione SDK. Przed zakupem warto sprawdzić, czy sterownik obsługuje używaną dystrybucję ROS 2 oraz czy producent udostępnia dokumentację formatów danych i przykładowe projekty.
Czy LiDAR jest bezpieczny dla wzroku?
Zależy to od klasyfikacji konkretnego urządzenia. W robotyce często stosuje się czujniki klasy 1, ale informację tę należy każdorazowo zweryfikować w dokumentacji producenta. Norma IEC 60825-1 określa zasady klasyfikacji i wymagania bezpieczeństwa dla produktów laserowych.
Czy można samodzielnie zamontować dodatkowy LiDAR na robocie?
Technicznie jest to możliwe, jeżeli robot udostępnia odpowiednie zasilanie, interfejs komunikacyjny oraz możliwość integracji oprogramowania. Konieczne są jednak poprawne mocowanie, kalibracja położenia czujnika, synchronizacja czasu oraz konfiguracja układów współrzędnych. Należy również uwzględnić wpływ dodatkowej masy, poboru energii i ilości generowanych danych.
Podsumowanie
LiDAR jest jednym z najważniejszych czujników wykorzystywanych w nowoczesnej robotyce. Umożliwia bezpośredni pomiar odległości, tworzenie skanów 2D i chmur punktów 3D, a także wspiera lokalizację, mapowanie, SLAM oraz autonomiczną nawigację.Wybór odpowiedniego LiDAR-u powinien wynikać z rodzaju robota, środowiska pracy, wymaganej dokładności, pola widzenia, zasięgu oraz dostępnej mocy obliczeniowej. LiDAR 3D nie zawsze będzie lepszym rozwiązaniem od czujnika 2D. W wielu robotach mobilnych prostszy skaner może zapewnić wystarczające dane do bezpiecznego poruszania się po budynku.
Trzeba również pamiętać o ograniczeniach tej technologii. Szkło, powierzchnie lustrzane, ciemne materiały, deszcz, mgła i pył mogą wpływać na jakość pomiarów. Dlatego w bardziej złożonych systemach LiDAR współpracuje z kamerami, IMU, enkoderami i innymi czujnikami.
Skuteczność całego rozwiązania zależy nie tylko od parametrów sprzętu, ale również od poprawnego montażu, kalibracji, synchronizacji danych oraz zastosowanych algorytmów. Przed wyborem robota lub czujnika warto sprawdzić także dostępność ROS 2, sterowników, SDK oraz dostępu do surowych danych pomiarowych.
Więcej informacji o środowisku wykorzystywanym do integracji czujników, mapowania i autonomicznej nawigacji znajdziesz w artykule ROS 2 w robotyce – czym jest i jak działa?
Szukasz robota wyposażonego w LiDAR i otwarte środowisko programistyczne?
LEDIO Robotics pomaga firmom, szkołom, uczelniom i zespołom badawczym w doborze robotów wyposażonych w LiDAR, kamery 3D, ROS 2, SDK oraz narzędzia umożliwiające tworzenie własnych aplikacji.
Pomagamy analizować dostęp do danych z czujników, możliwości programowania, dokumentację techniczną oraz przydatność konkretnego robota do nawigacji, mapowania, edukacji, badań i wdrożeń przemysłowych.