Startseite > Messen + Testen > Sensorik > So kommen Lidar-Preise zustande

Rahmenbedingungen für die Preisbildung

So kommen Lidar-Preise zustande

15. April 2021, 16:30 Uhr | Nicole Wörner

▶ Diesen Artikel anhören

Fortsetzung des Artikels von Teil 1

Von Punktwolken zur Wahrnehmung

Bei gleicher Bildwiederholrate bedeuten die höheren PPS-Multiplikatoren von Lidar B und C eine wesentlich höhere Anzahl von Punkten auf einem bestimmten Objekt bei gleicher Reichweite (R). Dies führt zu einer wesentlich höheren Genauigkeit bei der Erkennung und Klassifizierung von Objekten. Darüber hinaus ist zu beachten, dass es einen Unterschied zwischen dem einfachen Reichweitenbegriff (R) eines Lidars und dem Bereich gibt, in dem die Wahrnehmungssoftware des Lidars etwas in der Umgebung als Objekt erkennen kann (Rdet). Für einen Lidar-Wahrnehmungsalgorithmus ist ein Objekt eine Ansammlung von Punkten – normalerweise von einigen Punkten in einem bestimmten Abstand zueinander. Wenn wir also versuchen, in der Umgebung Objekte zu erkennen (statt einzelner Punkte), könnte ein R von 120 m in der Praxis viel geringer sein (d. h. Rdet < R). Denn Objekterkennungsalgorithmen benötigen eine bestimmte Mindestanzahl von Punkten, um etwas (oder jemanden) als echtes Objekt zu identifizieren. In so einem Fall können zwei Sensoren mit identisch angegebenen Reichweiten (R) je nach normalisierten PPS innerhalb des spezifizierten FOV de facto ganz unterschiedliche Erkennungs- (Rdet) und Klassifizierungsleistungen (Rcl) für bestimmte Objekte aufweisen. So könnte ein Lidar etwa einen einzelnen Pixel auf einem Fußgänger in einer bestimmten Entfernung ausmachen. Für das Wahrnehmungssystem wäre es jedoch nahezu unmöglich, den Fußgänger zu erkennen. Ein anderer Lidar mit einem signifikanten PPS-Multiplikator könnte hingegen vier Punkte auf dem Fußgänger in gleicher Entfernung melden und damit eine Erkennung des Fußgängers als Objekt durch das Wahrnehmungssystem ermöglichen.

Unserer Erfahrung nach legen viele Kunden – in Märkten von der Automobilbranche über Smart Cities bis hin zu Smart Spaces (z. B. Crowd Analytics und Security) – größten Wert auf diese vielfache PPS-Rate. Ein Sensor, der oberflächlich betrachtet über einen niedrigeren PPS-Wert und ein schmaleres HFOV im Vergleich zu einem 360°-HFOV-Sensor verfügt, kann in der Praxis in verschiedenen Branchen weitaus bessere Ergebnisse bei einer schwierigen Erkennung und Klassifizierung erzielen.

Letztlich sind im Hinblick auf die Preisbildung rotierende Lidare mit 360°-HFOV in der Regel um ein Vielfaches teurer als direktionale Lidar-Sensoren, die sich in vergleichbaren horizontalen Sichtfeldern durch signifikante PPS-Multiplikatoren auszeichnen. Mit anderen Worten: Es gibt einen beträchtlichen Spielraum für erschwinglichere direktionale Lidar-Optionen, die eine wesentlich bessere Objekterkennung und -klassifizierung für zahlreiche Anwendungsszenarien bieten.