近年來，自動識別技術(shù)取得了重大突破，并在機(jī)器人技術(shù)、自動駕駛汽車等多個(gè)領(lǐng)域得到了廣泛應(yīng)用。自動駕駛技術(shù)通常依賴于攝像頭和/或激光雷達(dá)（LiDAR）系統(tǒng)來捕捉駕駛環(huán)境中的關(guān)鍵信息，這些信息對于導(dǎo)航和確保行車安全（如規(guī)劃行駛路徑和避障）至關(guān)重要。目前，基于飛行時(shí)間（ToF）技術(shù)的激光雷達(dá)能夠探測到數(shù)米之外的物體，并實(shí)現(xiàn)厘米級的精確測量。結(jié)合人工智能（AI）技術(shù)，自動駕駛激光雷達(dá)系統(tǒng)在安全性和準(zhǔn)確性方面得到了顯著提升。然而，僅依賴形狀信息進(jìn)行物體識別和分類存在一定局限性，例如在路面結(jié)冰或區(qū)分真人和類似人形的物體（如人體模型、平面圖像等）時(shí)可能會出現(xiàn)誤識別。

為了克服這些局限，行業(yè)內(nèi)提出了多光譜激光雷達(dá)系統(tǒng)，這種系統(tǒng)通過提供額外的基于光譜成像的材料信息來增強(qiáng)物體識別能力。特別是短波紅外（SWIR）光譜范圍（波長900-2500 nm）的反射光譜，相比可見光光譜或簡單的顏色成像，能夠提供更為豐富的材料屬性信息。多光譜激光雷達(dá)系統(tǒng)通過同時(shí)捕獲空間和光譜信息，已經(jīng)證明其在提升目標(biāo)識別準(zhǔn)確性方面的有效性。然而，傳統(tǒng)多光譜激光雷達(dá)系統(tǒng)往往采用帶通濾波器或色散光學(xué)系統(tǒng)來實(shí)現(xiàn)光譜分辨檢測，這些方法都存在一定的局限性。隨著所需采樣的波長數(shù)量增加，不僅光學(xué)損耗變得不可避免，而且需要多個(gè)光電探測器以及反射光光譜分離技術(shù)，這導(dǎo)致系統(tǒng)復(fù)雜度增加且成本上升。

基于時(shí)分復(fù)用技術(shù)的多光譜激光雷達(dá)目標(biāo)分類系統(tǒng)示意圖

據(jù)麥姆斯咨詢報(bào)道，韓國釜山大學(xué)的科研團(tuán)隊(duì)開發(fā)了一種創(chuàng)新的多光譜激光雷達(dá)系統(tǒng)，該系統(tǒng)利用時(shí)分復(fù)用（TDM）技術(shù)，能夠同時(shí)獲取空間和光譜信息，從而實(shí)現(xiàn)對物體的語義推斷。TDM技術(shù)通過在時(shí)域中對不同波長的脈沖進(jìn)行采樣來進(jìn)行光譜分析，這種方式不僅減少了色散光譜學(xué)中的光學(xué)損耗，而且還提供了一種簡單、緊湊且成本效益高的系統(tǒng)解決方案。通過最大限度地減少TDM脈沖串中不同波長脈沖之間的時(shí)間延遲，確保所有脈沖在掃描過程中到達(dá)相同位置，從而收集到物體同一點(diǎn)的光譜信息。這種方法簡化了物體分類的數(shù)據(jù)處理，同時(shí)保持了激光雷達(dá)系統(tǒng)的掃描速率。該系統(tǒng)采用納秒脈沖激光器，在670 nm的SWIR波段覆蓋了五種不同的波長（980 nm、1060 nm、1310 nm、1550 nm和1650 nm），以獲得足夠的材料相關(guān)反射光譜差異，從而提高物體識別的準(zhǔn)確性。

TDM多光譜成像與光譜分析

為了實(shí)現(xiàn)空間和光譜可視化，以便對物體進(jìn)行分類，研究人員采用了一種方法，即根據(jù)RGB色彩模型，為每個(gè)波長的空間強(qiáng)度圖分配獨(dú)特的顏色。這種方法能夠?qū)WIR光譜信息轉(zhuǎn)換成RGB顏色，使得人們可以通過顏色差異直觀地識別材料屬性。在概念驗(yàn)證實(shí)驗(yàn)中，研究人員對比了人手、人手模型、織物手套、丁腈橡膠手套和打印人手的RGB顏色編碼圖像，盡管這些圖像在可見光下顏色相似，但在多光譜圖像中由于材料的不同而展現(xiàn)出了顯著的差異。此外，研究人員還利用五個(gè)波長的多光譜數(shù)據(jù)集訓(xùn)練了一個(gè)卷積神經(jīng)網(wǎng)絡(luò)（CNN）框架，以展示其在材料分類方面的性能。驗(yàn)證結(jié)果顯示，系統(tǒng)能夠根據(jù)材料對多光譜圖像進(jìn)行清晰分類，準(zhǔn)確度很高。研究人員還展示了利用TDM技術(shù)的多光譜激光雷達(dá)系統(tǒng)進(jìn)行距離測繪的能力，其測距精度達(dá)到了大約10厘米。這些成果表明，該系統(tǒng)在先進(jìn)的自動駕駛技術(shù)領(lǐng)域具有巨大的應(yīng)用價(jià)值。