雷达物位计都有哪些分类？

雷达物位计按应用可分为两类：
（1）用于库存管理或贸易结算的高精度液位计量 主要用于石油成品油及化学用品液体的精度测量，测量精度主要在1MM以内，基本上采用调频连续波原理。价格昂贵，应用量也有限，故只有少数公司生产，有适用于不同场合的喇叭、抛物面及阵列天线。
（2）用于过程物位监测 由于工业过程种类繁多，仪表必须适应各种介质，以及不同的温度、压力范围。精度约为01%FS或者5mm。这几年，过程级微波物位计发展很快，主要是加速普及。在性能提高的同时，价格也相对适中，适用于更多工况。
固态物料料位，特别是气体输送料状料位（烟灰、成品水泥）一直是物位测量中的难题，但是雷达物位计可以稳定、可靠的测量。

无人驾驶汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。
它是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。
集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，也是衡量一个国家科研实力和工业水平的一个重要标志，在国防和国民经济领域具有广阔的应用前景 。

激光雷达发射器先发射激光，经过物体（ O b j e c t ObjectObject ）反射后被 C M O S CMOSCMOS （一种图像传感器，即图中 I m a g e r ImagerImager ）捕捉，设捕捉点为 x 2 x_2x
2
​
。现过焦点 O OO 作一条虚线平行于入射光线，交 I m a g e r ImagerImager 于 x 1 x_1x
1
​
，由于 β \betaβ 已知，所以可得到 x 1 x_1x
1
​
的位置。记 x 1 , x 2 x_1,x_2x
1
​
,x
2
​
之间距离为 x xx，易得左右两个三角形相似，所以有：q f = s x \frac{q}{f}=\frac{s}{x}
f
q
​
=
x
s
​
，又有 s i n β = q d sin\beta=\frac{q}{d}sinβ=
d
q
​
，二者联立可得 d = s f x s i n β d=\frac{sf}{xsin\beta}d=
xsinβ
sf
​

这样就可得到物体到激光发射器的距离 d dd 了，激光雷达将这样的发射器和接收器组装在一起，经过机械旋转360°即可得到一周障碍物的距离。

TOF测距原理
由三角测距的计算公式不难发现，当距离 d dd 很大时，每变化 δ d \delta dδd 引起的 x xx 变化很小，导致精度下降，这就限制了测量范围。
而TOF（Time of flight）原理克服了测量距离这一难点，并且提高了精度：

TOF原理十分简单，就是利用光速测距。首先激光发射器发射激光脉冲，计时器记录发射时间；脉冲经物体反射后由接收器接受，计时器记录接受时间；时间差乘上光速即得到距离的两倍。
TOF原理看似简单，但是实现起来确有很多难点：
计时问题：由于光速过快，测量时间会变得很短。据网上数据得：1cm的测量距离对应65ps的时间跨度。这需要计时器的精确度很高。
脉冲问题：发射器需要发射高质量的脉冲光，接收器接受脉冲光的时候需要尽量保持信号不失真。
对于同一距离的物体测距时，得到的回波信号可能不一样，如下图的黑白纸，这就需要特殊的处理方式来处理。

但总的来说TOF原理的精度远远超过三角测距，只是由于诸多难点导致成本略高。像大一立项时因为没钱，所以用的三角测距的思岚A1，精度不是很高。而ROBOCON战队里的sick激光雷达就是TOF原理，精度非常高，贵是有道理的~
雷达分类
机械激光雷达
机械激光雷达使用机械部件旋转来改变发射角度，这样导致体积过大，加工困难，且长时间使用电机损耗较大。但由于机械激光雷达是最早开始研发的，所以现在成本较低，大多数无人驾驶公司使用的都是机械激光雷达。
MEMS激光雷达
MEMS全称Micro-Electro-Mechanical System，是将原本激光雷达的机械结构通过微电子技术集成到硅基芯片上。本质上而言MEMS激光雷达是一种混合固态激光雷达，并没有做到完全取消机械结构。
主要原理为：通过MEMS把机械结构集成到体积较小的硅基芯片上，并且内部有可旋转的MEMS微振镜，通过微振镜改变单个发射器的发射角度，从而达到不用旋转外部结构就能扫描的效果。
大致原理如下图：

相控阵激光雷达
两列水波干涉时会出现某处高某处低的情形：

光学相控阵原理类似干涉，通过改变发射阵列中每个单元的相位差，合成特定方向的光束。经过这样的控制，光束便可对不同方向进行扫描。雷达精度可以做到毫米级，且顺应了未来激光雷达固态化、小型化以及低成本化的趋势，但难点在于如何把单位时间内测量的点云数据提高以及投入成本巨大等问题。
动态原理图如下：


FLASH激光雷达
FLASH激光雷达原理非常简单：在短时间内发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器，来完成对环境周围图像的绘制。
激光雷达的数据
分成N份
分成M份
N线点云数据
1线点云数据
时间戳
1个点云数据
点云数量M
X方向偏移量
Y方向偏移量
Z方向偏移量
反射强度
激光雷达数据的处理顺序一般为：
数据预处理（坐标转换，去噪声）
聚类（根据点云距离或反射强度）
提取聚类后的特征，根据特征进行分类等后处理工作。
激光雷达数据的处理顺序一般为：
数据预处理（坐标转换，去噪声）
聚类（根据点云距离或反射强度）
提取聚类后的特征，根据特征进行分类等后处理工作。

0上全装摄像头得了，还整什么雷达，传感器一大堆。就算没做过高科技产品，用脚趾头也能想明白雷达比摄像头厉害。华为一辈子都在做通信相关，什么微波毫米波电磁波啥玩意射频控制响比较大，探测精度和距离都会受限。激光雷达无法识别颜色，无法对红绿灯进行识别。

而超声波雷达和毫米波雷达虽然穿透力强，不受环境影响，但是超声波雷达主要是用于近距离探测，而毫米传感一大堆感知目测周围物体的动态，未来更好的智能汽车必须是两者必然装备。通过5G信号把较远和近处的物体功态进依旧是未路黄花，马斯克己经做得够好了，但不代表别人不能做得比它反了？刚刚入场的华为在车用自动驾驶上已经超过特斯拉了，依旧硬刚激光雷达的马斯克底气何在？靠摄像头能比得过激光雷达+摄像头？车贵几万都接受不了就不要上自动驾驶了。

半吊子太危更好，马钢再牛也不一定抵得住中式工业化的洪流，若没有上海特拉斯拉的年产四十万辆，特斯拉或许早已退市了。全自动比较，近处有处理，远处有防备和监视。可保万无一失。5G只有在中国有优势一样低的成本，那就NB，否则，只谈技术没价值。以前文章说过，谷歌自动驾驶的车顶那个360度马斯克不过就是把广告做到了太空，再加上是西方国家的，让人感觉逼，其实没多少太炫的东西。很大成分的媚外的水分在里面。未来的发展方向，如果不改进，不放下高傲的架子，很大可能被激光雷达20多万，这配到车上，市场就太小了。另外，激光雷达谷歌比华为弄得早的多，别太自夸华为，那肯定。

NIVELCO 导波雷达液位计是依据时域反射原理( T D R T i m eDomain Reflectometry)为基础的雷达液位计，时域反射原理首先是用于通讯电缆的故障检测，今天我们将导波雷达液位计HTP-OEM-C成功应用于工业测量领域
NIVELCO调频连续波雷达物位计是首家独有的具备两线制技术的FWCM雷达物位计，FWCM雷达物位计成熟的非接触天线技术，易于维护，取代开关、超声波测量设备和压力变送器，低电缆成本，高精确度和高重复性。具体的可以咨询北京康纳森

---