能源行业基于 LiDAR 的 PIDS：保护关键基础设施

什么是 LiDAR？

LiDAR 是一种流行的遥感方法，它利用脉冲激光来检测和分类物体。LiDAR 传感器可生成有关周围物体形状及其表面特征的精 确三维信息。该技术使用人眼安全范围内的激光束来创建被测环境的 3D 表示。

LiDAR 是“光检测和测距”的缩写。它也被称为激光扫描或 3D 扫描。

LiDAR 传感器用于什么？

LiDAR 传感器已进入几乎各行各业，应用范围广泛

安全性： 基于 LiDAR 的安全系统更安全，这得益于 LiDAR 的实时数据处理能力和高精度。应用范围从周界保护到外墙检测，甚至人群监视。  

测绘：测绘通常需要 LiDAR 系统来收集 3D 测量数据。LiDAR 用于为所需景观生成数字地形 (DTM) 和数字高程模型 (DEM)。

建筑：激光雷达还可用于勘测建筑环境。这包括建筑物、道路网络和铁路，对于智慧城市应用至关重要。

汽车：由于汽车应用，LiDAR 重新受到欢迎。LiDAR 传感器是实现自动驾驶汽车不可或缺的一部分。

房地产：激光扫描仪可用于测量室内空间并为虚拟旅游创建数字平面图。

建筑业：建筑行业也在使用 LiDAR 来跟踪建筑项目，并为建筑信息模型 (BIM) 应用生成数字孪生。LiDAR 还可以帮助生成用于修复巴黎圣母院等建筑物的 3D 模型、结构的预测性维护和监控，以及供建筑师和工程师使用的 Revit 模型。LiDAR 还有助于测量建筑材料（例如原木甲板）的体积或水泥或沙子的体积。 

环境：激光雷达是一种常用的测绘洪水风险、森林树木密度和监测海岸侵蚀的方法。太空旅行：如果你还不觉得惊讶，激光雷达甚至还有外星应用。美国宇航局和埃隆·马斯克的 SpaceX已经使用激光雷达协助火箭和外星飞行器的着陆和运行。

LiDAR 传感器与其他传感技术有何区别？

LiDAR 传感器已经在许多应用中淘汰了其他几种技术和传感器，例如雷达或红外线，因为它们在检测和数据封装方面不够精 确。对于许多挑战，例如在树木之间扫描，LiDAR 被证明是一种有价值的技术，因为它提供了一种快速、精 确和直接的 3D 测绘方法，同时生成准确且易于分析的数据。

此外，在需要高精度和高可靠性的移动应用中，LiDAR 技术正在迅速普及。

这些特点使 LiDAR 脱颖而出，超越了大多数替代方案，例如难以解读地面高程的摄影测量技术。现代 LiDAR 也基本不受环境因素影响，可以全天候工作，这使其比摄像头等传感器具有显著优势，而摄像头等传感器在黑暗或下雨天几乎毫无用处。

LiDAR 能够实时生成数百万个数据点，提供高分辨率 3D 视觉。这可以创建不断变化的周围环境的精 确地图，从而识别和分类物体。例如，可以轻松区分汽车和骑自行车的人，而仅使用雷达或超声波传感器则无法做到这一点。

LiDAR 性能强劲，探测范围可达 200 米，距离精度可达几厘米，能够快速探测物体。此外，由于固态技术的出现和采用，这些高分辨率 3D 传感器的成本也大幅降低，非常适合各种技术。

LiDAR 有哪些好处？

分辨率和准确性： LiDAR 可产生瞬时、大量测量值，精 确到毫米。

3D 地图绘制： LiDAR 数据可以轻松转换为 3D 地图来解读环境。

低光性能： LiDAR 不受环境光变化的影响，在低光条件下表现良好。

速度： LiDAR 数据是直接距离测量，无需解密或解释，从而可以实现更快的性能并降低处理要求。

匿名检测： LiDAR 可以准确检测物体的类型，但由于点云的性质，它无法检测面部或身份，因此在公共应用中使用时非常适合遵守隐私要求。

3D LiDAR 传感器正在彻底改变发电厂、太阳能园区和变电站等关键基础设施的安全性

PIDS是指专门设计用于检测建筑物或设施物理边界上的未经授权的访问或入侵尝试的安全解决方案

这些安全解决方案的主要功能是提供入侵者的早期预警和检测，使安全人员能够快速有效地对潜在威胁做出反应。然而，尽管采取了这些安全措施，设施运营商和安保公司仍经常面临误报、盗窃企图和隐私问题，导致因人工验证、警报疲劳和其他挑战而产生的高昂成本。

精度有限且依赖天气

PIDS 中使用的现有安全技术。运动传感器和监控摄像头通常被使用，但它们的数据质量在光线不足的情况下会迅速下降，导致动物或植被频繁发出误报。

由于分辨率低，雷达传感器等其他技术在区分和分类物体方面很快就会达到极限。当金属物体出现在其视野范围内时，它们还会提供无效数据，这对变电站等带有架空线路和结构的设施构成了重大问题。

利用 3D LiDAR 数据实现可靠的入侵检测

3D LiDAR 技术通过可靠地检测进入指定安全区域的情况来提供解决方案。强大的激光传感器收集环境数据并将其编译成 3D 点云。得益于内在光源，该技术无论环境光如何都能可靠运行，无论一天中的时间或天气条件如何都能提供连续的数据。

所捕获数据的三维特性确保能够明确检测物体是否位于关键区域

总之，基于 LiDAR 的安全系统为能源领域树立了新标准。它们的精 确度、不受天气条件影响以及最 大限度减少误报的能力使其成为追求安全可靠的能源基础设施不可或缺的组成部分。安全性是重中之重，PIDS 中 3D LiDAR 的集成为保护我们的重要能源设施提供了新的视角。

LiDAR 规格说明

l  LiDAR 探测范围

l  测距精度和准确度

l  视场 (FoV)

l  扫描模式

l  抗串扰

l  LiDAR 探测率

l  多次返回

LiDAR 的探测范围描述了它可以探测到物体的最远距离。

决定范围的因素大致可分为三类：
– LiDAR 的属性（例如，激光类型、激光源功率、光圈大小）
– 外部影响（例如，雨、雾、雪、阳光）
– 物体的属性（例如，大小、距离、反射率、漫反射或镜面反射）

LiDAR 技术已成为许多技术和应用的基础，但也陷入了一些误解和错误假设

iPhone LiDAR 和大型 LiDAR 具有类似的功能

iPhone LiDAR 通过以红外点的形式发送光脉冲波来创建物体、人物和周围环境的小规模 3D 深度图。这些点测量彼此之间的距离，创建一个“点场”，并生成一个维度网格。如果工作原理听起来很熟悉，那是因为这本质上只是对过去使用的 TrueDepth 相机 Face ID 技术的更新。

iPhone LiDAR 采用闪光照明而非扫描技术，这意味着整个视野都使用单个脉冲宽发散激光束照亮。这与传统扫描 LiDAR 形成鲜明对比，后者使用准直激光束一次照亮视野中的单个点。

传统扫描 LiDAR 与 iPhone LiDAR 之间最显著的区别在于其范围：LiDAR 在消费产品以外的用途需要比 iPhone 更高的范围和分辨率性能。例如，Blickfeld 的 Cube 1 的范围可达 250 米，而 iPhone LiDAR 只能测量和分析 5 米至 10 米的范围。

iPhone 大规模商业化 LiDAR 无疑让这项技术备受瞩目，并提高了消费者的熟悉度。就像相机一样，它还将推动整个半导体生态系统为光学和电子领域打造更强大的基础设施，供其他 LiDAR 应用使用。iPhone LiDAR 本身无疑提高了相机在低光条件下的对焦速度和准确性。但目前，它还不能用于任何大规模应用，例如自动驾驶汽车或高清地图生成。

典型扫描式 LiDAR 每秒可以扫描超过 500 条扫描线，生成数十万个数据点，因此具有非常高密度的点云。相比之下，据报道 iPhone LiDAR 每帧只能测量最多 500 个数据点，因此分辨率相对较低

误解三：LiDAR 对人眼不安全

关于 LiDAR 的一个常见误解是它对人眼不安全。相反，所有 LiDAR 产品均按照1 级人眼安全 (IEC 60825-1:2014) 标准制造，确保人眼安全。

LiDAR 的眼睛安全性通常取决于多种因素，而不仅仅是激光的波长。例如，LiDAR 的安全等级在很大程度上取决于激光的峰值功率，而峰值功率又直接影响特定波长的传感器范围。一般来说，眼睛对 905 nm 波长的激光更敏感。因此，这种特定类型的激光以低峰值功率运行，以保持在眼睛安全区域内。

相比之下，波长范围为 1550 nm 的 LiDAR 可以安全地使用更高的功率阈值，并且比 905 nm 激光器具有更长的探测范围，同时仍保持在人眼安全区域内。这是因为眼睛的角膜、晶状体、房水和玻璃体液可以有效吸收任何大于 1400 nm 的波长，从而减轻了较长波长对视网膜造成损伤的风险。

重要的是，这些峰值功率与波长的关系的人眼安全组合由1 级人眼安全 (IEC 60825-1:2014) 标准定义，该标准对波长范围为 180 nm 至 1 mm 的每个激光制造商均具有约束力，从而保证了安全操作。遵守这些规定，每个 LiDAR 都可以是人眼安全的！

网上有很多关于多台 LiDAR 发出相同波长和相位的波的可能性的讨论，例如在道路交叉口。它们会不会组合起来产生更高能量的激光，而这对眼睛不安全？。 从理论上讲，这些激光可以建设性地叠加并增加振幅，这意味着脉冲的峰值功率（振幅）可以增加，甚至可能超出人眼安全区域。

虽然这听起来令人不安，但在现实世界中几乎是不可能的。这是因为其他 LiDAR 传感器必须发送一个激光脉冲，其脉冲持续时间、发散角和曝光方向等因素必须与人眼的位置完美匹配，才能产生这种高能激光。这使得任何两个或多个 LiDAR 波在空间和时间的某一点重叠的可能性极小。

误解 2：LiDAR 对于自动驾驶汽车应用而言是多余的

LiDAR 是自动驾驶汽车应用中不可或缺的一部分，因为它能够在任何光照和天气条件下捕获精 确的 3D 数据。

众所周知，埃隆·马斯克在 2019 年的一次会议上无视了 LiDAR 对自动驾驶汽车的实用性，而这次会议至今仍引发了许多关于 LiDAR 及其相关性的误解。他声称，摄像头和互补的智能算法使 LiDAR 变得多余，并一直坚持自己的立场。
尽管如上所述，摄像头是彩色视觉所必需的，并使用不同的图像识别技术，但仅捕获 2D 数据的明显缺点使其容易受到视觉错觉和误判距离的欺骗。正如一些悲剧性的例子所表明的那样，这些故障可能是危险的，甚至是致命的。 

相比之下，LiDAR 可以可靠地捕获 3D 数据并识别精 确的距离和尺寸，因此无需进行解释。

集成精 确的 3D LiDAR 数据有助于解决摄像机可能“失明”的情况，例如在离开隧道后需要时间来调整光线，或者检测被障碍物隐藏的物体。

此外，摄像头生成的 2D 注释可能表面上看起来足够准确，可以训练自动驾驶汽车的算法。但它们仍存在许多不精 确之处，从而降低了机器学习 (ML) 模型的准确性，从而降低了车辆的感知、预测和规划能力。促进自动驾驶的机器学习能力需要可扩展并解决“长尾”问题。这意味着，仅仅满足道路上车辆面临的 95% 的场景是不够的，基于 ML 的自动驾驶能力还需要针对可能出现的棘手的 5% 情况进行训练，同时不断提高其性能，这需要为仅使用摄像头的系统提供大量训练数据。

相比之下，激光雷达可以提供更具预测性的机器学习模型，同时生成更高精度的训练数据。因此，激光雷达对于更可靠、更强大的自动驾驶系统必不可少。

误区三：LiDAR 可以被其他传感器完全取代

传感器不能互换，而是需要在许多复杂的应用中相互补充。

关于 LiDAR 最常见的误解之一是它可以被摄像头或雷达传感器取代，这源于缺乏对这些传感器技术如何以不同方式对物体进行分类的理解。必须了解这些传感器的不同功能以及产生的数据类型，才能理解它们的互补功能。

l  相机以 2D 图像描绘世界的视觉表现，同时提供灰度或颜色信息、纹理和对比度数据。要分析这些数据以供进一步应用，需要图像识别软件。由于相机采用被动测量原理，因此需要照亮物体才能进行检测。此外，需要两个或更多相机来创建 3D 图像，同时还需要高计算能力。

l  雷达可以测量三维信息，能够精 确地确定物体的距离和速度。但由于分辨率低，它们无法精 确检测（厘米级）或对物体进行分类。

l  LiDAR 可识别 3D 点，并根据传感器数据创建点云。根据这些簇的大小，可以精 确检测物体，甚至可以将其分为各种类别，例如人、汽车、建筑物等。

LiDAR 可以收集高度详细和可靠的 3D 信息，从而弥补其他传感器技术的不足。LiDAR 数据脱颖而出，因为它可以检测并准确分类各种环境中最重要的物体。然后，可以使用摄像头的数据进行更深入的分析和说明性表示。同样，可以使用 LiDAR 验证雷达收集的距离和速度数据，以获得更高的准确性。这意味着未来所有基于传感器的应用都将集成摄像头、雷达系统和 LiDAR 以及其他传感器的组合。

误区四：LiDAR 无法在恶劣的外部条件下工作

在恶劣的天气或光照条件下，激光雷达比摄像头等其他传感器具有明显的性能优势。

通常情况下，摄像头无法在环境光不足的情况下工作，例如在车辆中，摄像头只能看到前灯所及之处。相比之下，LiDAR 的探测范围可以达到数百米，不受光照条件的限制，因为它依靠的是红外激光束而不是可见光。这意味着，配备 LiDAR 传感器的自动驾驶汽车在漆黑一片的环境中行驶时，即使关闭传统前灯，也能像在白天一样正常行驶。 

当谈到雾、雨或雪等恶劣条件时，LiDAR 再次提供了明显的性能优势，并且可以在感知系统中弥补摄像头等其他传感器的不足。

在雨中，由于激光雷达光束较大，其性能通常优于摄像头。这使得光线能够绕过传感器镜上的障碍物（例如雨滴），因此激光雷达的探测范围在一定程度上不受影响。相比之下，摄像头的像素尺寸比雨滴小得多，因此会遮挡其视野。

大光束还使 LiDAR 能够探测来自不同范围的多个回波，并仅处理信号最强的那个。这在恶劣天气条件下也非常有用，例如下雪天，雪花的反射会被忽略，只有来自背景中硬物的回波才会被处理。没有任何机器学习算法的相机无法区分雪花、湿镜头或硬物，会将所有回波合并在一起，形成一张扭曲的最终图片。

此外，与相机（千分之一秒）相比，LiDAR 的曝光时间更短，快门速度更快（百万分之一秒），这意味着雨滴不会被检测为跨越多个像素的条纹，而是以其原始形状呈现。

无人机中的 LiDAR 传感器可实现新的应用

随着无人机的发展和 LiDAR 传感器的进步，大量新的应用领域也应运而生，配备 LiDAR 的飞行物体可以在这些领域创造附加值。现代无人机有可能彻底改变众多工业应用，从简化土地测量到简化货物运输。当与最 新的 LiDAR 技术相结合时，该技术变得越来越紧凑、轻便、坚固，因此非常适合集成到无人机中，它将塑造一个令人兴奋的新应用世界。  

无人机中的激光雷达可实现自主飞行

实现无人机的自主飞行。对于自主飞行，LiDAR 可探测无人机周围环境，类似于自动驾驶，并尽快识别飞行路径中的意外障碍物，以便避开。LiDAR 还可以帮助无人机准确探测着陆点

适合航空用途的轻型、坚固的 LiDAR 传感器

LiDAR 传感器需要具备一组特定的功能才能用于无人机，其中最重要的是其重量。无人机操作对重量极为敏感，尤其是在需要运输额外货物的情况下。此外，由于空间不足，必须优化传感器的尺寸和其他附件（如电池）。因此，传感器越小越轻越好。

空中应用也要求设备具有一定的坚固性。例如，LiDAR 传感器需要能够抵抗机械振动。坚固性对于数据采集也是必要的。传感器暴露在天气和阳光下，因此必须具有针对环境光和因降水而收集的误报的过滤选项。

从牲畜到集装箱再到轨道：多种应用

LiDAR 传感器可以捕获有价值的数据并帮助监控大面积区域。空中监控的能力在速度和视线方面比任何手动地面监控都具有显著优势。

因此，LiDAR 在无人机中的用途非常广泛：

借助 LiDAR 空中探测，地形测绘变得非常简单。以前，人们使用经纬仪和测量杆手动测量面积。这种耗时的方法现在被全自动无人机飞行所取代。LiDAR 传感器测量地形并以厘米级精度创建该区域的数字地图。因此，这种测绘比以前的技术更省时，也更精 确。

在农业领域有多种用例。例如，可以通过在飞行过程中捕捉放牧区域来监控牛群，并实时分析点云。通过定义动物的体积，可以轻松确定它们的数量。同样，无需农民长途驾车前往田地或放牧区，就可以计算饲料水平和作物产量。相反，可以使用配备 LiDAR 的自主无人机无缝记录一切。

在大型港口区域，可以利用无人机飞行记录集装箱的位置、大小和数量，从而优化港口物流并更有效地利用存储空间。

电力线、管道、铁路轨道或风力涡轮机等公用设施的维护也是无人机 LiDAR 传感器提供显著附加值的应用之一。高分辨率 LiDAR 传感器可用于检测电力线或轨道的损坏情况。这可以大幅节省成本和工时，因为技术人员只需在检测到任何异常情况后进行干预即可。此外，及早发现损坏迹象可以进行预测性维护，从而通过完全避免潜在故障节省数百万美元。

另一个例子是激光雷达载人无人机在林业工作中的应用。对树木数量的空中调查可以提供有关森林健康状况的宝贵数据，例如，可以帮助评估暴风雨后的损失

使用 LiDAR 进行物体检测 – 头部进入（点）云

用于物体检测的 LiDAR 数据处理

LiDAR 传感器生成点云，以 3D 形式映射环境。这种由距离点组成的“云”提供了大量有价值的环境信息。然而，对于某些应用来说，这些信息过于复杂，无法进一步处理：例如，人群管理、交通监控或周界保护，更需要在视野范围内检测到的物体列表。如何从 LiDAR 数据中获得这些信息？ LiDAR 数据处理如何进行？

为了弄清这一点，让我们来看一个应用案例：Lidartown 市正在庆祝其一年一度的城市节日。除其他活动外，市中心的一个大型停车场还举办了一场免费音乐会。由于是免费的，观众入场不受门票限制。但是，出于安全原因，场地内最多允许 1000 人。为了确保这一点，该市安装了一个 LiDAR 传感器，可以俯瞰音乐会区域的入口，从而跟踪通过入口的人。入口是一条宽阔的通道，游客也可以通过它离开场地。

通过 3D 数据实现精 确性和匿名性

在执行这项任务时，与摄像头、运动传感器或市政工作人员的手动计数等解决方案相比，LiDAR 具有多项优势。首先，它可以实时、可靠地捕捉场景，并获取大量细节。例如，当几个人同时进入场景时，普通运动传感器就很难生成准确的数字。例如，如果三个人并排行走，可能会发生两个走在外面的人被捕捉到，但中间的人没有被计算在内。其次，LiDAR 通过记录无色 3D 数据（而不是带有人脸的摄像头图像）来保护音乐会观众的隐私。

节日现场有多少人？

随着入场开始，许多人涌入场地。在此过程中，传感器收集了数百万个距离数据，这些数据对于访客计数应用程序来说过于复杂，无法进一步处理。它们包含每个记录点的 x、y 和 z 数据，并组成点云。然而，组织者不需要这些信息的详细信息，而是需要能够告诉他场地上访客总数的数据。基本上，必须实时提供三条信息：组织者需要知道有多少人通过入口。软件将这些识别为点云中的对象。此外，还需要有关已识别人员的确切位置的信息。人们是否已经在入口后面，因此在场地内，还是站在边界外，例如在入口前的队列中？所需的第三项信息是人们的移动方向。这样就可以检测到再次离开场地的人，从而从在场人群中扣除。

需要考虑哪些点？

这些数据究竟是如何从复杂的 LiDAR 点云数据中通过处理获得的？为了理解这一点，我们将研究一种简化的数据评估算法。首先，需要将前景与背景区分开来。为此，需要分析场景并减去背景以识别点簇。为此，在访客到达现场之前，将静态背景记录在点云中。通过记录“现状”，软件可以确定哪些点簇可以忽略，因为它们是静态的并且属于背景。一旦人们进入现场，就会将捕获的每幅图像与捕获的背景图像进行匹配，以检测这些相同的物体。

关于船体和箱子

当访客到达时，点云会发生变化，并且可以将簇识别为新对象。如果与背景图像的比较中不存在这些，则识别出移动物体已进入该区域。遵循凸包原理，现在在物体周围绘制一个所谓的边界框 。凸包通过连接物体最外层的点来描述物体的最小可能周长。边界框将物体封闭在最小的长方体中，以便更好地处理信息。采取这些措施是为了减少数据并使其更易于处理。

该边界框的大小有助于对物体进行粗略分类。例如，在道路交通中，它用于确定检测到的物体是汽车、自行车还是行人。在我们的城市节日音乐会示例中，即使现场不太可能有自行车或汽车，边界框大小的检测也有助于将物体归类为人类。因此，软件将位于入口区域的物体粗略地归类为“人类”，并能够确定这些物体的数量。

人们如何移动？

这样就能确定入口区域内物体的尺寸，接下来我们需要了解物体的位置和运动方向。这些数据是如何得出的？首先，可以从边界框中轻松提取有关人员准确位置的信息，因为这是 LiDAR 信息的核心——LiDAR 传感器最终会测量距离。

另一方面，可以通过观察物体在前几帧中的位置来确定运动方向。由于已知帧的生成速率，因此通过比较几帧之间物体的位置，很容易确定物体的移动位置和移动速度。根据此速度和大致的运动方向，只要在两帧或更多帧中识别出相同的点簇，就可以预测物体的进一步路径。

结果：对象列表

这些信息以所谓的对象列表的形式提供。该表的每一行记录检测到的对象及其属性——在我们的例子中是大小、位置和移动方向。这种形式的数据可以轻松进一步处理，在音乐会示例中，可以随时确定场地内的确切人数。这使系统能够识别何时达到最 大访客数量并必须停止入口。还可以准确地检测出大多数人何时在现场或入口处人群最多时的情况。这些数据对于规划未来的活动非常有用。

通过 LiDAR 数据处理来调节客流

利达敦市对音乐会现场使用 LiDAR 感到非常满意。我们示例中的软件在访客人数超过 900 人时向组织者发出通知。这使得活动管理部门能够从那时起更仔细地查看访客人数，以便他们能够及时停止入场。其余时间他们可以做其他事情或只是听乐队演奏——LiDAR 关注着对他们来说重要的事情。

LiDAR 解决方案助力行业数字化

LiDAR 解决方案推动了工业流程的数字化和优化，从而为各个行业带来了深刻的变革。

工业应用中的 LiDAR 解决方案

l  体积监测：实时测量体积

l  人群分析：分析和控制人流

l  安全性：提高安全系统的可靠性

l  LiDAR解决方案的更多应用领域

实时测量体积

在建筑、物流、废物管理或肥料生产等各种行业中，准确测量物料堆的体积非常重要。准确确定物料体积对于有效规划采购、生产和销售至关重要。由于不规则形状的堆没有简单的公式，公司通常采用人工估算、零星测量和传统方法，如铲子或卡车秤。不幸的是，这些方法很快就达到了极限。它们通常只提供快照数据，而且这些数据也不精 确，不可避免地会导致库存记录出现差异。

此外，这些手动收集的体积数据无法实时访问，也无法轻松数字化，导致仓库管理效率低下。库存水平低可能导致交付能力受限甚至生产停顿。相反，库存过多会占用资金并消耗宝贵的存储空间。

LiDAR 传感器解决方案通过精 确监控货物体积并将数据无缝集成到 IT 系统中，有效地解决了这一挑战。

分析和控制客流

然而，LiDAR 解决方案不仅可以捕捉到数量，还可以帮助统计人数、追踪他们的运动并进行运动分析。利用收集到的实时数据，可以更智能、更安全、更高效地利用交通繁忙的地区。这包括容易过度使用的旅游目的地或节日等大型活动，在这些地方，人群的快速聚集可能会带来风险。即使是机场等繁忙的交通枢纽，由于拥堵和排队现象严重，也常常缺乏可靠的实时数据来积极管理人流。

提高报警系统的可靠性

人们的移动地点和方式对于触发安防系统警报也起着重要作用。现代工业设施和关键基础设施不断致力于加强安防措施，以便及时识别和管理潜在威胁。在这种背景下，基于 LiDAR 的解决方案的重要性日益凸显，这主要是因为它们可以大幅减少安防设置中的误报发生率。即使在弱光、恶劣天气条件（如雨雪）以及具有挑战性的背光场景下，它们仍然能够准确识别侵入物体和个人及其运动模式。这种能力可以大幅减少误报。数据固有的三维特性使隐私敏感的物体和建筑物监控成为可能，使基于LiDAR 的安防系统适用于广泛的行业。

LiDAR解决方案的更多应用领域

此外，LiDAR 传感器还有各种应用，可实现更高效的数字化解决方案。以农业为例，这些传感器有助于实现农业机械的自动化和自主导航，同时还有助于识别环境条件以及播种和施肥等任务。为此，传感器经常被集成到无人机中，在飞行过程中捕获实时数据并取代手动程序。然而，配备 LiDAR 传感器的无人机的意义不仅限于农业，尤其是在物流领域，尤其是具有挑战性的“最后一英里交付”。这个阶段的成本特别高，将从涉及无人机和 LiDAR 的数字化方法中受益匪浅，从而实现更高效、更环保的解决方案。

Blickfeld 感知堆栈旨在用于各种应用，包括人群分析、体积监控、周边安全和综合人群行为分析。Blickfeld 算法可实现物体检测和跟踪、分类和计数以及区域进入检测等功能。