阅读说明：本技术 材料感测式光成像、检测和测距(lidar)系统 (Material sensing type light imaging, detecting and distance measuring (L IDAR) system ) 是由 尼古拉斯·A·科托夫 沙伦·格洛策 布赖恩·沙赫巴济安 瑞安·布兰奇 许利志 崔元镇 车 于 2018-10-12 设计创作，主要内容包括：材料感测式光成像、检测和测距(LIDAR)系统可选地包括：激光器,被配置成生成光脉冲；光束转向器,被配置成产生朝向对象发射的偏振调整光脉冲；至少一个偏振器,被配置成使从对象返回的反射光、散射光或发射光偏振；以及处理器,被配置成基于来自对象的偏振反射光、散射光或发射光的强度和偏振来检测对象的至少一种材料。光束转向器可以包括剪纸技术纳米复合材料。还提供了一种方法,该方法例如包括：生成光脉冲；调整光脉冲的偏振以产生朝向对象发射的偏振调整光脉冲；使从对象返回的反射光、散射光或发射光偏振；以及基于来自对象的偏振反射光、散射光或发射光的强度和偏振来检测对象的至少一种材料。(A material sensing light imaging, detection, and ranging (L IDAR) system optionally includes a laser configured to generate light pulses, a beam redirector configured to produce polarization adjusted light pulses emitted toward an object, at least one polarizer configured to polarize reflected, scattered, or emitted light returning from the object, and a processor configured to detect at least one material of the object based on an intensity and polarization of the polarized reflected, scattered, or emitted light from the object.)

材料感测式光成像、检测和测距(LIDAR)系统

政府支持

本发明是在国家科学基金会所授予的1240264的政府支持下做出的。政府享有本公开内容中的某些权利。

相关申请的交叉引用

本申请要求于2017年10月13日提交的美国临时申请第62/571,986号的权益。以上申请的全部公开内容通过引用并入本文中。

技术领域

本公开内容涉及光成像、检测和测距(LIDAR)系统，并且更具体地，涉及材料感测式LIDAR系统以及用于制造和使用该系统的方法。

背景技术

本部分提供了与本公开内容有关的背景信息，该背景信息不一定是现有技术。

LIDAR是通过利用脉冲激光照射对象并且利用传感器测量反射脉冲来测量到对象的距离的勘测方法。然后可以使用激光返回时间以及波长的差来作出所检测的对象的数字3D表示。LIDAR可以用于产生高分辨率地图，并应用于大地测量学、测绘学、考古学、地理学、地质学、地貌学、地震学、林业学、大气物理学、激光制导、机载激光测绘图(ALSM)和激光测高学。LIDAR技术还可以用于自动驾驶汽车的控制和导航。

常规的LIDAR装置可以如下操作。激光源产生特定波长的偏振或非偏振光的脉冲。当首次发射光时，飞行时间传感器记录初始时间。飞行时间用于通过使用光行进的速度来确定光从源行进至检测器的总距离。

然后将所发射的光以给定角度“转向”。该“转向”还可以包括将光脉冲分离成针对不同角度的多个脉冲分量。转向角将随着时间而变化，以获得特定的视野以用于环境的全面测绘。在瞄准之后，光可以在发射之前和发射之后穿过线性偏振光学器件。这些类型的LIDAR被称为偏振LIDAR，并且可以在配准步骤处使用偏振光学器件。

常规的LIDAR装置通常采用笨重且昂贵的光学透镜。此外，由于常规LIDAR装置中使用的光学透镜对水分的敏感性，因此光学透镜需要大量的保护性封装，这增加了采用光学透镜的LIDAR装置的重量、尺寸和复杂性。在自动驾驶交通工具和机器人中实现具有旋转光学器件的LIDAR系统(例如，Velodyne-HDL64^TM模型)的一个公知的问题是LIDAR系统的大尺寸和高成本。旋转整个装置以使激光束转向会降低可靠性、限制微型化并且增加能耗。基于固态光束转向的LIDAR系统解决了该问题，但是由于准确性和范围不足阻碍了其实现。另一问题是LIDAR和所有其他传感器在恶劣天气下的性能。当前使用的波长约在900nm至940nm的激光束可能会被雨、雾和雪强烈散射，使得在这种情况下其读数可能变得非常不确定。

另外，常规的LIDAR装置及其附属分析系统已经被证明在其准确地执行对象识别的能力方面受到限制。例如，已知LIDAR点云仅基于从激光源至对象的距离读数。在人类世界的这种表示中，坐在长凳上的人和其雕像是相同的。对于正在睡觉的婴儿和躺在婴儿旁边的大小类似的塑料玩偶，或者当试图区分在远处的黑色汽车与人行道时，该问题也是真实存在的。区分这些对象和辨认周围环境的负担通过这些3D地图的计算处理来承担。

基于对象的几何形状对对象进行充分分类并不是小问题，需要复杂的算法和大的计算能力，尤其是考虑到各种环境的高度动态性。此外，典型的LIDAR硬件使充分的对象识别和分类更加困难，这是因为当前的光束转向方法会导致LIDAR云中的点的群集和分组，这导致3D图像及其各个点的模糊性解释。因此，基于几何形状对周围环境的感知需要高计算成本、大能耗和长处理时间。

因此，期望改进的LIDAR系统和方法，特别是提供识别形成对象的材料的能力的LIDAR系统和方法。

发明内容

本部分提供了本公开内容的总体概要，而不是对其全部范围或其所有特征的全面公开。

在某些方面，本公开内容提供了一种系统，该系统包括：激光器，被配置成生成光脉冲；光束转向器，被配置成产生朝向对象发射的偏振调整光脉冲；至少一个偏振器，被配置成使从对象返回的反射光、散射光或发射光偏振；以及处理器，被配置成基于来自对象的偏振反射光、散射光或发射光的强度和偏振来检测对象的至少一种材料。

在一个方面，光束转向器包括剪纸技术纳米复合材料。

在一个方面，至少一个偏振器包括剪纸技术纳米复合材料。

在一个方面，处理器还被配置成基于所检测到的对象的至少一种材料来对对象进行分类。

在另一方面，处理器被配置成通过应用机器学习算法基于所检测到的对象的至少一种材料来对对象进行分类。

在另一方面，机器学习算法包括人工神经网络算法。

在一个方面，光束转向器被配置成调整光脉冲的偏振以产生偏振调整光脉冲。

在一个方面，光束转向器被配置成通过如下中的至少一者来调整光脉冲的偏振：给非偏振光脉冲赋予偏振以及改变偏振光脉冲的偏振。

在一个方面，光束转向器被配置成通过施加以下类型的偏振中的至少一种来调整光脉冲的偏振：线性偏振、圆偏振以及椭圆偏振。

在另一方面，施加线性偏振包括施加s型线性偏振和p型线性偏振中的至少一种。

在一个方面，至少一个偏振器被配置成通过施加以下类型的偏振中的至少一种来使从对象所返回的反射光、散射光或发射光偏振：线性偏振、圆偏振以及椭圆偏振。

在另一方面，施加是施加线性偏振，该线性偏振包括施加s型线性偏振和p型线性偏振中的至少一种。

在一个方面，至少一个偏振器包括多个偏振器。

在一个方面，该系统还包括连接至至少一个偏振器和处理器的至少一个偏振检测器，其中，所述至少一个偏振检测器被配置成检测来自对象的偏振反射光、散射光或发射光的强度。

在另一方面，至少一个偏振检测器包括多个偏振检测器。

在另一方面，至少一个偏振检测器被配置成检测与来自对象的偏振反射光、散射光或发射光相关联的入射角。

在另一方面，处理器还被配置成基于与来自对象的偏振反射光、散射光或发射光相关联的入射角来检测对象的至少一种材料。

在其他变型中，本公开内容提供了一种方法，该方法包括：生成光脉冲；调整光脉冲的偏振以产生朝向对象发射的偏振调整光脉冲；使从对象返回的反射光、散射光或发射光偏振；以及基于来自对象的偏振反射光、散射光或发射光的强度和偏振来检测对象的至少一种材料。

在一个方面，通过包括剪纸技术纳米复合材料的光束转向器来执行调整光脉冲的偏振。

在一个方面，经由真空辅助过滤(VAF)工艺来制造剪纸技术纳米复合材料。

在一个方面，经由逐层(LBL)沉积工艺来制造剪纸技术纳米复合材料。

在一个方面，该方法还包括基于所检测到的对象的至少一种材料来对对象进行分类。

在一个方面，对对象进行分类包括通过应用机器学习算法来对对象进行分类。

在一个方面，机器学习算法包括人工神经网络算法。

根据本文中提供的描述，其他适用领域将变得明显。该发明内容中的描述和特定示例仅旨在出于说明的目的，并不旨在限制本公开内容的范围。

附图说明

本文中描述的附图仅出于所选择的实施方式而非所有可能的实现方式的说明目的，并且不旨在限制本公开内容的范围。

图1是示出根据本公开内容的某些方面的M-LIDAR系统的功能图；

图2a至图2b是根据本公开内容的某些方面的被配置成在M-LIDAR系统中使用的纳米剪纸技术(nano-kirigami)的纳米复合材料片的扫描电子显微镜(SEM)图像；

图3a至图3c是描绘了根据本公开内容的某些方面的来自基于纳米剪纸技术石墨烯复合材料在各种应变水平(图3a中的0％、图3b中的50％以及图3c中的100％)下的激光衍射图案的图像；

图4a至图4d示出了根据本公开内容的某些方面的用于制造基于纳米剪纸技术光学元件的代表性简化工艺；

图5a至图5c示出了根据本公开内容的某些方面的在晶片上制造的纳米剪纸技术纳米复合材料光学元件。根据本公开内容的某些方面，图5a示出了纳米剪纸技术纳米复合材料光学元件的照片，图5b示出了图5a的纳米剪纸技术纳米复合材料光学元件在0％应变下的SEM图像，而图5c示出了图5a的纳米剪纸技术纳米复合材料光学元件在100％应变下的SEM图像；

图6示出了根据本公开内容的某些方面的使用人工智能算法和偏振信息的用于MST的混淆矩阵；

图7示出了根据本公开内容的某些方面的与其他材料相比较的用于模拟黑冰的检测的混淆矩阵；

图8示出了根据本公开内容的某些方面的包括M-LIDAR系统的黑冰检测单元的一个示例；

图9是示出了根据本公开内容的某些方面的使用M-LIDAR系统执行对象分类的方法的流程图；

图10是具有以线性图案形成在其中的代表性的多个剪纸技术切口的平面复合材料的示意图；以及

图11是示出根据本公开内容的某些方面的用于安装在交通工具上的M-LIDAR系统的图。

遍及附图的若干视图，对应的附图标记指示对应的部件。

具体实施方式

提供示例实施方式，使得本公开内容将是透彻的，并且将向本领域技术人员充分地传达范围。阐述了许多具体细节，例如具体组成、部件、装置和方法的示例，以提供对本公开内容的实施方式的透彻的理解。对于本领域技术人员将明显的是，不需要采用具体细节，示例实施方式可以以许多不同的形式来体现，并且示例实施方式也不应当被解释为限制本公开内容的范围。在一些示例实施方式中，并未详细描述公知的处理、公知的装置结构和公知的技术。

本文中所使用的术语仅用于描述特定示例实施方式的目的，而不旨在是限制性的。如本文中所使用的，除非上下文另有明确指示，否则单数形式“一”、“一个”和“该”可以旨在也包括复数形式。术语“包括”、“包含”、“含有”和“具有”是包括性的，并且因此指定所述特征、元件、组成、步骤、整数、操作和/或部件的存在，但是不排除一个或更多个其他特征、整数、步骤、操作、元件、部件和/或它们的组的存在或添加。尽管开放式术语“包括”应当理解为用于描述和要求本文中所阐述的各种实施方式的非限制性术语，但是在某些方面，该术语可以替选地被理解为更具限制性和约束性的术语，例如“由……组成”或“基本上由……组成”。因此，对于引用组成、材料、部件、元件、特征、整数、操作和/或处理步骤的任何给定实施方式，本公开内容还具体地包括由这样的所引用的组成、材料、部件、元件、特征、整数、操作和/或处理步骤组成的实施方式，或者基本上由这样的所引用的组成、材料、部件、元件、特征、整数、操作和/或处理步骤组成的实施方式。在“由……组成”的情况下，替选实施方式排除任何附加的组成、材料、部件、元件、特征、整数、操作和/或处理步骤，而在“基本上由……组成”的情况下，实质上影响基本且新颖的特性的任何附加的组成、材料、部件、元件、特征、整数、操作和/或处理步骤从这样的实施方式中排除，但是不会在实质上影响基本且新颖的特性的任何组成、材料、部件、元件、特征、整数、操作和/或处理步骤可以包括在实施方式中。

除非具体地标识为执行顺序，否则本文中描述的任何方法步骤、处理和操作不应当被解释为必须要求它们以所讨论或示出的特定顺序执行。还应当理解，除非另有指示，否则可以采用附加的或替选的步骤。

当部件、元件或层被称为“在另一元件或层上”或者“接合至”、“连接至”或“耦合至”另一元件或层时，该部件、元件或层可以直接在其他部件、元件或层上或者直接接合至、连接至或耦合至其他部件、元件或层，或者可以存在中间元件或层。相比之下，当元件被称为“直接在另一元件或层上”或者“直接接合至”、“直接连接至”或“直接耦合至”另一元件或层时，可以不存在中间元件或层。用于描述元件之间的关系的其他词语(例如，“在……之间”与“直接在……之间”、“相邻”与“直接相邻”等)应当以相似的方式来解释。如本文中所使用的，术语“和/或”包括相关联的列出项目中的一个或更多个的任何及所有组合。

尽管在本文中可以使用术语第一、第二、第三等来描述各种步骤、元件、部件、区域、层和/或部分，但是除非另有指示，否则这些步骤、元件、部件、区域、层和/或部分不应当由这些术语所限制。这些术语仅可以用于将一个步骤、元件、部件、区域、层或部分与另一步骤、元件、部件、区域、层或部分进行区分。当在本文中使用术语例如“第一”、“第二”和其他数值术语时，除非由上下文明确指示，否则不意味着顺序或次序。因此，在不脱离示例实施方式的教导的情况下，下面讨论的第一步骤、元件、部件、区域、层或部分可以被称为第二步骤、元件、部件、区域、层或部分。

在本文中可以使用空间或时间关系术语例如“在……之前”、“在……之后”、“内部”、“外部”、“在……之下”、“在……下面”、“在……下方”、“在……上面”、“在……上方”等，用于简化对描述如附图所示的一个元件或特征与另一元件或特征的关系的描述。除了附图中描绘的取向之外，空间或时间关系术语还可以旨在涵盖使用或操作中的装置或系统的不同取向。

遍及本公开内容，数值表示对范围的近似测量或限制，以涵盖与给定值的微小偏差以及约具有提及的值的实施方式和正好具有提及的值的实施方式。除了在具体实施方式的结尾处提供的工作示例中，包括所附权利要求书的本说明书中的参数(例如，数量或条件)的所有数值应当理解为在所有情况下都由术语“约”来修饰，而无论“约”实际上是否出现在数值之前。“约”指示所述数值允许一些轻微的不精确性(对于值的精确性使用一些方法；近似地或合理地接近该值；接近)。如果由“约”提供的不精确性在本领域中没有以这种普通含义理解，则本文中所使用的“约”至少指示可能由测量和使用这样的参数的普通方法引起的变化。例如，“约”可以包括以下变化：小于或等于5％、可选地小于或等于4％、可选地小于或等于3％、可选地小于或等于2％、可选地小于或等于1％、可选地小于或等于0.5％、并且在某些方面可选地小于或等于0.1％。

另外，范围的公开包括整个范围内的所有值和进一步划分的范围的公开，包括针对范围给出的端点和子范围。

现在将参照附图更充分地描述示例实施方式。

本公开内容提供了被配置成不仅检测对象的距离而且检测对象的材料组成的LIDAR系统和方法。根据一些示例，可以借助于使用机器学习算法处理的偏振分析来实现材料组成分类。

本文中描述的系统的光学元件可以被配置成使从光源(例如，激光器)发射的所有光变成已知的偏振状态，使得稍后可以准确地测量偏振的改变。然后，该光行进直至其到达对象界面(该对象由一种或更多种材料组成)，在该点处，一部分光将被漫反射回去。

本公开内容尤其描述了经由通过在LIDAR云的每个点处添加材料和表面纹理(MST)分类创建3D空间的语义地图来感知周围环境的新方法。从返回的光子的偏振特征推断出的MST分类可以降低3D点云的模糊性，并且有助于各种对象(金属点、玻璃点、粗糙的介电点等)的识别。偏振分类可以先于表面切平面估计，并且因此可以通过对具有类似偏振特征的点进行分组来预先识别对象。配备有MST分类的LIDAR在本文中将被称为M-LIDAR。

根据本公开内容的一个示例，M-LIDAR技术可以被配置成通过使用剪纸技术光学器件而不是常规的笨重的光学器件例如近红外光学器件等而变得轻便且适合。根据一个示例，本文中描述的M-LIDAR系统和方法可以用于针对具有不同自动化程度的交通工具的黑冰检测。

现在参照图1，提供了代表性的简化M-LIDAR系统100。M-LIDAR系统100可以包括激光器102、光束转向器106、第一偏振器114、第二偏振器116、第一偏振检测器122、第二偏振检测器124和处理器126。尽管图1示出了第一偏振器114和第二偏振器116以及第一偏振检测器122和第二偏振检测器124，但是根据一些实现方式，在不脱离本公开内容的教导的情况下，可以包括仅单个偏振器(例如，第一偏振器114)和单个偏振检测器(例如，第一偏振检测器122)作为系统100的一部分。此外，根据某些示例，在不脱离本文中的教导的情况下，可以包括多于两个偏振器和/或多于两个偏振检测器作为系统100的一部分。

出于简化和说明的目的，遍及本公开内容的其余部分，第一偏振器114将被视为s偏振线性偏振器114。类似地，出于简化和说明的目的，第二偏振器116将被视为p偏振线性偏振器116。此外，第一偏振检测器122将被视为p偏振检测器122，并且第二偏振检测器将被视为s偏振检测器124。

然而，如本领域普通技术人员将理解的，在不脱离本文中的教导的情况下，偏振器114、116可以被配置成用于各种不同类型的偏振。例如，给定的偏振器可以被配置成执行线性偏振(例如，s型或p型线性偏振)、右旋圆偏振、左旋圆偏振、椭圆偏振或本领域中已知的任何其他合适类型的偏振。类似地，给定的检测器可以被配置成检测线性偏振光(例如，s型或p型线性偏振光)、右旋圆偏振光、左旋圆偏振光、椭圆偏振光或本领域中已知的任何其他类型的偏振光。根据一些示例，可以以脉冲为单位调制光束(即，两个或更多个光脉冲的组合)的偏振，以获得关于一个或更多个正在考虑的对象的附加信息。

如下面另外详细讨论的，系统100可以被配置成检测构成对象110的一种或更多种材料，并且至少部分地基于所检测到的材料来对对象110进行分类。根据一些示例，可以使用一种或更多种人工智能算法来执行对象分类，所述人工智能算法包括但不限于基于神经网络的人工智能。

在工作中，系统100可以如下面所描述的起作用。激光器102可以被配置成生成(即，发射)一个或更多个偏振或非偏振光脉冲，所述一个或更多个偏振或非偏振光脉冲共同形成偏振/非偏振光束104。根据图1所示的示例，每个脉冲包括s偏振分量(在图1中由沿着光束104的点表示)和横向p偏振分量(在图1中由沿垂直方向穿过光束104的双向箭头表示)。替选地(并且结合前面关于不同类型的偏振光的讨论)，脉冲可以包括例如左旋圆偏振序列和右旋圆偏振序列、椭圆偏振序列、前述的任何组合或任何其他合适的偏振光序列。

根据一些示例，激光器102可以被配置成一秒生成从一个脉冲至超过一百万个脉冲的任何脉冲。此外，根据一些实现方式，在不脱离本公开内容的教导的情况下，激光器102可以构成550纳米(nm)、808nm、905nm或1550nm的脉冲激光器，或者任何其他合适波长的激光器。例如，用于家庭机器人技术、自动驾驶交通工具和机器视觉的实现方式可以采用具有高于800nm的眼睛安全频率的激光器。对于室外应用，可以适当地采用在水透明度窗口例如约900nm至1550nm中的光束。根据一些实现方式，在由激光器102生成给定的脉冲后，执行可执行指令的处理器126可以记录生成脉冲的初始时间。该“飞行时间”信息可以随后用于通过使用光速来计算与对象110的距离。

光束104可以由激光器102定向以穿过光束转向器106。光束转向器106可以被配置成产生偏振调整光脉冲。在某些方面，通过光束转向器106来调整偏振/非偏振光束104的每个偏振/非偏振脉冲的偏振。如本文中使用的，调整偏振可以包括赋予偏振或改变偏振。因此，光束转向器106可以调整偏振/非偏振光束104的每个偏振/非偏振脉冲的偏振，以产生一个或更多个线性偏振光脉冲(线性偏振光脉冲共同形成线性偏振光束108)。虽然前述示例设想了线性偏振，但是根据一些示例，光束转向器106可以对光束104进行圆偏振(例如，左旋或右旋)或椭圆偏振。根据另一示例，光束转向器106可以不对光束施加任何偏振。例如，如果光束104在进入光束转向器106时已经被偏振，则光束转向器106还可以修改所产生的偏振调整光脉冲的特性(例如，分离或调制脉冲)，但是可能不需要调整先前偏振光脉冲的偏振。此外，根据一些示例，光束转向器106可以根据第一类型的偏振来使光束的第一脉冲偏振，并且根据不同的第二类型的偏振来使相同光束的第二脉冲偏振。附加至执行光束104的偏振或作为对执行光束104的偏振的替选方案，光束转向器106还可以控制从其发射的任何光束(例如，光束108)的方向。此外，光束转向器106可以将光束(例如，光束104)分离成若干不同的光束，由此以限定的角度发射光束中的一个或更多个，以一次使多个光束转向。该构思在图1中作为从光束转向器106发出的许多发散的箭头示出。

附加地或替选地，在一些示例中，光束转向器106可以被配置成调制线性偏振光束108。在一个示例中，光束转向器106可以包括剪纸技术纳米复合材料光束转向器等。根据该示例，并且如下面另外详细讨论的，光束转向器106可以被配置成通过增加或减少施加至剪纸技术纳米复合材料光束转向器的应变的量来使线性偏振光束108线性偏振和/或调制线性偏振光束108。

此外，根据一个示例，光束转向器106可以被配置成通过使非偏振光束104的每个非偏振脉冲偏振成p偏振来使非偏振光束104的每个非偏振脉冲线性偏振。该示例在图1中示出，在图1中可以看到，光束104在穿过光束转向器106之后不再包括任何s偏振分量(即，线性偏振光束108中不存在光束104中所示的“点”分量)。在替选方面，线性偏振光束108可以替代地是p偏振的。此外，在某些方面，光束转向器106可以对朝向对象110发射的线性偏振光束108进行修改、控制及转向，如本文中将进一步讨论的。光束转向器106可以实现电磁波的动态、依赖于波长的光束转向和振幅调制。

继续参照图1，线性偏振光束108可以从对象110漫反射。一个或更多个光脉冲共同形成光束112，光束112构成线性偏振光束108的反射型式。根据一些示例，反射的线性偏振光束112可以与线性偏振光束108(即，从对象110反射前的光束)具有不同的偏振。这种状态上的差异借助于光束112包括p偏振分量和s偏振分量两者(分别由沿着光束112的路径的点和双向箭头来体现)而光束108仅示出为包括p偏振分量来示出。此外，对象110可以包括由期望被检测的一种或更多种不同材料构成的任何合适的对象(或目标)。尽管在上面和随后的部分中作为反射“线性”偏振光束112进行了讨论，根据某些示例，在不脱离本文中的教导的情况下，反射光束112可以以各种不同方式偏振，包括圆偏振或椭圆偏振。

从对象112漫反射、散射或以其他方式发射的反射线性偏振光束112可以穿过系统100的s偏振线性偏振器114和/或p偏振线性偏振器116。在某些方面，反射、散射或以其他方式发射的线性偏振光束112的各个部分穿过系统100的s偏振线性偏振器114和/或p偏振线性偏振器116两者。s偏振线性偏振器114被配置成使构成光束112一个或更多个光脉冲线性偏振成s偏振，以产生一个或更多个反射s偏振光脉冲(一个或更多个反射s偏振光脉冲共同形成反射s偏振光束118)。类似地，p偏振线性偏振器116被配置成使构成光束112的一个或更多个光脉冲线性偏振成p偏振，以产生一个或更多个反射p偏振光脉冲(一个或更多个反射p偏振光脉冲共同形成反射p偏振光束120)。根据一些示例，s偏振线性偏振器114和/或p偏振线性偏振器116可以包括剪纸技术纳米复合材料等，例如上面关于光束转向器106和/或下面关于图4a至图4d以及图5a至图5c讨论的类型的剪纸技术纳米复合材料。然而，本领域普通技术人员将认识到，根据一些示例，在不脱离本文中的教导的情况下，可以采用非剪纸技术纳米复合材料或其他光学装置作为系统100的一部分。

根据一些示例，偏振器114、116的类似布置可以用于从对象110/被对象110反射、散射或以其他方式发射的左旋圆偏振光和右旋圆偏振光或椭圆偏振光的偏振。

s偏振检测器122可以被配置成检测形成反射s偏振光束118的一个或更多个反射s偏振光脉冲中的每个反射s偏振光脉冲的强度。另外，根据一些实现方式，s偏振检测器122可以被配置成检测与反射s偏振光束118相关联的入射角。所检测到的形成反射s偏振光束118的一个或更多个反射s偏振光脉冲的强度以及/或者所检测到的与反射s偏振光束118相关联的入射角可以由处理器126利用以执行材料类型检测(使用例如MST分类)，如下面另外详细讨论的。

类似地，p偏振检测器124可以被配置成检测形成反射p偏振光束120的一个或更多个反射p偏振光脉冲中的每个反射p偏振光脉冲的强度。另外，根据一些实现方式，p偏振检测器124可以被配置成检测与反射p偏振光束120相关联的入射角。所检测到的形成反射p偏振光束120的一个或更多个反射p偏振光脉冲的强度以及/或者所检测到的与反射p偏振光束120相关联的入射角也可以由处理器126利用以执行材料类型检测，如下面另外详细讨论的。

处理器126被配置成基于下述来检测对象110的至少一种材料：(i)所检测到的形成光束118和/或120的一个或更多个光脉冲的强度；以及/或者(ii)所检测到的与反射s偏振光束118和/或反射p偏振光束120相关联的入射角。更具体地，根据一些示例，处理器126被配置成应用机器学习算法来检测构成对象110的一种或更多种材料。如本文中所使用的，“应用机器学习学习算法”可以包括但不限于执行存储在存储器中并且可由处理器访问的可执行指令。另外，根据一个示例，用于材料检测的特定机器学习算法可以包括人工神经网络。然而，在不脱离本公开内容的教导的情况下，可以适当地采用本领域中已知的其他机器学习算法。

此外，根据一些示例，处理器126可以被配置成通过应用机器学习算法基于对象110的所检测到的一种或多种材料来对对象110进行分类。同样，用于对象分类的机器学习算法可以包括人工神经网络。然而，在不脱离本公开内容的教导的情况下，可以适当地采用本领域中已知的其他机器学习算法。

在转向图2之前，以下反映了用于利用M-LIDAR系统例如图1所示的系统100来检测对象的一种或多种材料的处理的概述。

如上所述，本公开内容的一个目的是通过在点云中的每个点处获得更多数据来使检测对象材料成为可能并且减少现代LIDAR装置所需的数据处理。这些附加的偏振数据在与机器学习算法结合时使材料检测成为可能，这简化了针对各种应用的对象识别，所述应用包括但不限于自动驾驶交通工具、机器视觉、医疗应用(例如，辅助盲人的装置)和先进的机器人技术。

根据本公开内容的示例实现方式的M-LIDAR系统可以如下操作。可以使用具有垂直取向的线性偏振器(例如，偏振器114、116)的一对检测器(例如，检测器122、124)来测量返回光(例如，构成线性偏振光束112的反射型式的一个或更多个光脉冲)。反向漫散射光(例如，反射光112)中的一些可以被定向在检测器(例如，检测器122、124)处并且穿过放置在每个检测器对(例如，检测器对122/124)前面的窄带干涉滤光片(例如，线性偏振器114、116)。窄带干涉滤光片可以仅允许小范围波长通过(例如，1nm至2nm)，这可以减少来自环境照明或外部源的不期望的噪声。

根据前述系统的其他示例，该系统可以被配置成对从对象反射、散射或以其他方式发射的圆偏振和/或椭圆偏振光进行检测并且执行机器学习处理。

由于这种选择性，根据本公开内容的M-LIDAR系统(例如，系统100)可以被配置成完全独立地同时测量多个波长。然后可以使用例如共偏振器和/或交叉偏振器使相干光偏振。随着光行进穿过偏振器，光的强度可能会降低一定量，这取决于从对象(例如，对象110)反射时偏振的改变。光束聚焦光学器件(例如，偏振器114、116)可以将相干的偏振光(例如，光束118、120)朝着检测表面(例如，检测器122、124的表面)定向，并且可以基于光在检测屏幕上的照射位置来检测返回光行进的角度(即，入射角)。

一旦检测器识别出光，飞行时间传感器(例如，在处理器126中实现的飞行时间传感器)就可以记录该光脉冲的行进时间。每个光脉冲可以具有针对共偏振检测器和交叉偏振检测器两者测量的光脉冲强度，并且这两个值的组合使得能够量化在反射期间引起的偏振效应。

在该处理之后，可以检测以下参数：(i)光束被转向处的初始角度；(ii)反向散射光返回的角度；(iii)从发射至检测的飞行时间；以及(iv)每个检测器处的强度。

注意，由于检测器位于不同的位置处，因此单个光脉冲到达每个检测器所花费的时间量可能略微不同。通过了解系统的几何形状以及强度与距离之间的关系，可以补偿该差异，并且精确地调整一个检测器处的强度。可以使用飞行时间数据来确定源(例如，激光器102)与对象(例如，对象110)之间的距离，并且可以结合初始角度和返回角度来确定该点在空间中相对于M-LIDAR系统的特定位置。这些补偿的强度值可以包含指示反射光脉冲的材料的信息。利用这些值，机器学习算法可以提供稳健而全面的材料识别功能。

上面描述的发射光脉冲，从对象漫反射光，由检测器测量反射的光以及确定对象相对于源的位置的处理可以每秒重复大约一至百万次。每次生成点，并且将这些点映射至同一坐标系上以创建点云。

一旦生成点云，就可以使用一种或更多种机器学习算法将点群集至至对象中，并且最终表征每个对象(例如，其中检测到多个对象)的相应一种或多种材料。可以基于例如测量强度的一个或更多个值、在一些示例中还基于类似点的接近度来对点进行群集。

一旦使用强度值确定了集群，就可以使用机器学习算法将测量值与已知材料的数据库相关，以对该集群点的材料进行分类。可以对系统中的所有集群重复该处理。对周围环境材料的了解使系统(例如，如在汽车、机器人、无人机等中实现的系统)能够对对象本身可能是什么做出更快、更专业的决定。由此，可以评估因素例如所涉及的风险，并且随后可以做出决定(例如，在系统检测到交通工具前方有黑冰的情况下)。随着该处理时间随继续，可以从感知到的变化中提取更多的信息，并且甚至更好地了解周围环境发展。

MST分类技术还适用于检测下述对象，该对象的表面经过修改以增强检测，例如，该对象的表面被涂有或纹理化有宏观尺度、微观尺度、纳米尺度或分子图案以产生具有特定光学响应的反射光束，适于由LIDAR进行的快速MST分类。这样的表面处理的示例包括含有添加剂的涂料，该添加剂产生具有特定线性偏振、圆偏振或椭圆偏振的反射、散射或以其他方式发射的光。在一种情况下，将纳米尺度/微米尺度/宏观尺度的金属线或轴向碳纳米材料添加至基础涂料。对准图案可以是随机的、线性的、螺旋的、人字形的或产生特定偏振特征的任何其他图案，从而能够快速识别特定对象。通过非限制性示例的方式，这可以用于在道路、路标、障碍物、塔架、护栏、交通工具、自行车、衣物和其他对象上创建标记。

促进MST分类的表面处理的另一实现方式可以包括向用于涂覆上述这样的对象例如道路标记、交通工具、自行车、衣物等的基础涂料添加手性无机纳米粒子。手性纳米粒子可以呈现对由LIDAR使用的光束的特定且非常强的圆偏振响应。可以将手性纳米粒子以特定比例混合在涂料中，以针对特定对象创建偏振特征(例如，“条形码”)。

对象的偏振标记化的另一示例可以包括使用创建特定偏振响应的表面纹理。这样的纹理的一个示例可以包括创建具有特定几何特性的金属、半导体、绝缘体或陶瓷纳米粒子的纳米尺度图案，得到对LIDAR中的激光的限定的偏振响应。这样的图案的两个示例包括(a)得到从对象反射、散射或发射的光的线性偏振的线性纳米尺度或微观尺度表面特征；以及(b)金属表面上的平面外凸起手性图案，得到特定的手性以及相应的从对象反射、散射或发射的光的圆偏振。

根据一些示例，可以采用前述系统和方法来准确地识别用于自动驾驶交通工具、机器学习、医学应用和先进的机器人技术的材料。

现有的常规LIDAR系统主要经由典型地使用飞行时间数据或相移测量对象与激光源之间的距离来工作。在这种情况下，基于云中的点的布置中的几何形状和图案来对对象进行分类。一些更先进的LIDAR点云分类方法使用了附加参数：总体强度。

基于返回的光脉冲的信号强度有多强，系统可以有效地检测颜色方面的差异。该附加的数据段使识别点云内的对象边界更加容易，从而减少了对所有点进行分类所需的处理量。然而，如自动驾驶交通工具的应用可能需要总体强度无法实现的更高程度的确定性。此外，可以通过利用MST分类的单点检测而不是在常规LIDAR系统中采用的类型的多点检测和处理来实现对远距离对象的检测。

因此，本文中描述的方法改变了机器视觉当前对于对象识别所采取的方法。代替仅依靠几何形状、运动和颜色来确定对象的本性，本文中描述的系统考虑了又一参数：偏振。在材料界面反射后，光会经历一些偏振变化。通过测量光穿过共偏振滤光片和交叉偏振滤光片两者之后的强度，可以量化该偏振变化。可以将该附加数据与机器学习方法配对，以显著改善群集化，并且进而提高对象识别功能。传统的对象识别方法非常计算昂贵。本文中描述的方法可以通过使用基于材料的方法而不是当前的基于几何形状的方法来显著地降低LIDAR所需的处理能力。

除了传统的距离测量之外，由即时系统收集的偏振数据还允许机器学习算法确定组成对象的一种或多种材料。当前的LIDAR系统缺乏关于周围环境中材料的认知或信息。这样的信息在实现时提供了用于更好的情况了解和更明智的决定的背景。在自动驾驶交通工具的情况下，对环境的这种增强的了解可能导致改善的乘客的安全性，原因是对潜在危险的准确及时检测产生了改善的决策能力。

现在转向图2a至图2b，示出了纳米剪纸技术片的扫描电子显微镜(SEM)图像，所述片可以用于形成被结合至M-LIDAR系统中的纳米剪纸技术纳米复合材料光学部件。根据本公开内容的一些示例，光学活性的剪纸技术片例如图2a至图2b所示的光学活性的剪纸技术片可以由具有长度为0.5μm至5μm的切割图案的超强纳米尺度复合材料制成。在某些方面，复合材料(包括高导电性复合材料)可以通过使用称为“剪纸技术”的来自古代日本剪纸艺术的构思进行修改。因此，本公开内容提供了通过使用多个切口或凹口来设计弹性的剪纸技术方法，所述切口或凹口在平面聚合物材料例如复合材料或纳米复合材料上创建网络。这样的切口(例如在聚合或复合材料中的材料从一侧延伸至另一侧)可以通过自上而下的图案化技术例如光刻法进行，以在聚合或纳米复合材料内均匀地分布应力并且抑制不受控制的高应力奇异性。通过非限制性示例的方式，该方法可以防止不可预测的局部失效，并且将刚性片的极限应变从4％增加至370％。

通过使用微观尺度的剪纸技术图案化，可以使刚性纳米复合材料片获得高延展性。此外，与大多数可拉伸的导电材料显著相对地，剪纸技术切割图案化的复合材料片在整个应变状态内维持其电导。剪纸技术结构可以包括复合材料，例如纳米复合材料。在某些方面，剪纸技术结构可以是具有至少两层的多层结构，其中至少一层是聚合物材料。聚合物材料可以是复合材料或纳米复合材料。复合材料包括基质材料例如聚合物、聚合物电解质或其他基质(例如，纤维素纸)，以及分布在其中的至少一种增强材料。在某些方面，纳米复合材料特别适合用于剪纸技术结构，该剪纸技术结构是包括增强纳米材料例如纳米粒子的复合材料。在某些变型中，复合材料可以采取片或膜的形式。

“纳米粒子”是可以具有多种形状或形态的固体或半固体材料，然而，本领域技术人员通常将其理解为是指该粒子具有小于或等于约10μm(10,000nm)的至少一个空间尺寸。在某些方面，纳米粒子具有以下相对低的长宽比(AR)(定义为最长轴的长度除以该部分的直径)：小于或等于约100，可选地小于或等于约50，可选地小于或等于约25，可选地小于或等于约20，可选地小于或等于约15，可选地小于或等于约10，可选地小于或等于约5，并且在某些变型中，等于约1。在其他方面，具有管或纤维形状的纳米粒子具有以下相对高的长宽比(AR)：大于或等于约100，可选地大于或等于约1,000，并且在某些变型中，可选地大于或等于约10,000。

在某些变型中，纳米粒子的最长尺寸小于或等于约100nm。在某些实施方式中，被选择包含在纳米复合材料中的纳米粒子是产生导电纳米复合材料的导电纳米粒子。纳米粒子可以是基本上圆形的纳米粒子，其具有如上限定的低的长宽比，并且具有包括球形、类球形、半球形、盘形、球状、环形、环状、圆柱形、平圆形、圆顶形、蛋形、椭圆形、圆形(orbed)、卵形等的形态或形状。在某些优选的变型中，纳米粒子的形态具有球形形状。替选地，纳米粒子可以具有替选的形状，例如细丝、纤维、棒、纳米管、纳米星或纳米壳。纳米复合材料还可以包括任何这样的纳米粒子的组合。

此外，在某些方面，用于根据本教导的特别合适的纳米粒子具有大于或等于约10nm至小于或等于约100nm的粒子尺寸(针对存在的多个纳米粒子的平均直径)。导电纳米粒子可以由包括具有多种形状的金属、半导体、陶瓷和/或聚合物纳米尺度粒子的各种导电材料形成。纳米粒子可以具有磁性或顺磁性。纳米粒子可以包括导电材料，例如碳、石墨烯/石墨、氧化石墨烯、金、银、铜、铝、镍、铁、铂、硅、镉、汞、铅、钼、铁及其合金或化合物。因此，合适的纳米粒子可以例示但不限于为氧化石墨烯、石墨烯、金、银、铜、镍、铁、碳、铂、硅、籽金属、CdTe、CdSe、CdS、HgTe、HgSe、HgS、PbTe、PbSe、PbS、MoS₂、FeS₂、FeS、FeSe、WO_3-x以及本领域技术人员已知的其他类似材料的纳米粒子。氧化石墨烯是特别适合用作复合材料中的增强材料的导电材料。例如，在某些变型中，纳米粒子可以包括碳纳米管例如单壁纳米管(SWNT)或多壁纳米管(MWNT)。SWNT由单片石墨或石墨烯形成，而MWNT包括以同心方式布置的多个圆柱形。SWNT的典型直径可以在从约0.8nm至约2nm的范围，而MWNT可以具有超过100nm的直径。

在某些变型中，纳米复合材料可以包括多个纳米粒子的总量，所述多个纳米粒子的总量为纳米复合材料中的纳米粒子的总量的大于或等于按重量计约1％至小于或等于按重量计约97％，可选地大于或等于按重量计约3％至小于或等于按重量计约95％，可选地大于或等于按重量计约5％至小于或等于按重量计约75％，可选地大于或等于按重量计约7％至小于或等于按重量计约60％，可选地大于或等于按重量计约10％至小于或等于按重量计约50％。当然，复合材料中纳米粒子的适当量取决于针对具体基质材料中特定类型的纳米粒子的材料性能、渗透阈值和其他参数。

在某些变型中，纳米复合材料可以包括聚合基质材料的总量，所述聚合基质材料的总量为纳米复合材料中基质材料的总量的大于或等于按重量计约1％至小于或等于按重量计约97％，可选地大于或等于按重量计约10％至小于或等于按重量计约95％，可选地大于或等于按重量计约15％至小于或等于按重量计约90％，可选地大于或等于按重量计约25％至小于或等于按重量计约85％，可选地大于或等于按重量计约35％至小于或等于按重量计约75％，可选地大于或等于按重量计约40％至小于或等于按重量计约70％。

在某些变型中，纳米复合材料包括多个导电纳米粒子，并且具有大于或等于约1.5×10³S/cm的电导率。在某些其他方面，纳米复合材料可以包括作为增强纳米材料的多个导电纳米粒子，并且因此可以具有小于或等于约1x 10^-4Ohm·m的电阻率。在某些其他变型中，包括多个纳米粒子的导电纳米复合材料的阻抗(Z)可以小于或等于约1×10⁴Ohm(例如，使用幅值为25mV的AC正弦信号测量，其中在1kHz的频率下测量阻抗值)。

聚合或纳米复合材料可以在初始状态(在被切割之前)下呈诸如片的平面形式，但是可以在切割工艺之后被折叠或成形为三维结构，并且因此用作结构部件。通过示例的方式，图10中示出了结构220，结构220包括示例性纳米复合材料片230的一部分，纳米复合材料片230具有带有棋盘格的切割图案的表面。片230包括第一行232的第一不连续切口242(延伸穿过片230以创建开口)，第一不连续切口242的图案在不连续切口242之间限定了第一未切割区域252。不连续切口是在片中形成的局部或分立的切口，其使整个片保持其原始尺寸不变，而不是被分成单独的较小的片或部分。如果存在多个不连续切口242，则切口中的至少一些是非邻接的且彼此不连接的，使得至少一个未切割区域保持在片上作为不连续片之间的桥。虽然许多切割图案是可能的，但是在本文中将如图10所示的以居中的矩形布置的直线的简单的剪纸技术图案用作示例性图案。第一未切割区域252具有长度“x”。每个不连续切口242具有长度“L”。

在某些方面，每个不连续切口(例如，不连续切口242)的长度可以在微观尺度、中尺度、纳米尺度和/或宏观尺度上。宏观尺度通常被认为具有大于或等于约500μm(0.5mm)的尺寸，而中尺度大于或等于约1μm(1,000nm)至小于或等于约500μm(0.5mm)。微观尺度通常被认为小于或等于约100μm(0.5mm)，而纳米尺度通常小于或等于约1μm(1,000nm)。因此，常规的中尺度、微观尺度和纳米尺度尺寸可以被认为是交叠的。在某些方面，每个不连续切口的长度可以在微观尺度上，例如，长度小于约100μm(即，100,000nm)，可选地小于约50μm(即，50,000nm)，可选地小于约10μm(即，10,000nm)，可选地小于或等于约5μm(即，5,000nm)，并且在某些方面小于或等于约1μm(即，1,000nm)。在某些方面，不连续切口42可以具有以下长度：小于约50μm(即，50,000nm)，可选地小于约10μm(即，10,000nm)，并且可选地小于约1μm(即，小于1,000nm)。

在某些其他变型中，这些尺寸可以减小至少100倍至纳米尺度，例如切口具有以下长度：小于或等于约1μm(1,000nm)，可选地小于或等于约500nm，并且在某些变型中，可选地小于或等于约100nm。

应当注意，“x”和“L”在行内可以根据形成的图案而变化，但是在优选的方面，这些尺寸保持恒定。

还在片230上图案化形成第二行234的第二不连续切口244。第二不连续切口244在第二不连续切口244之间限定第二未切割区域254。还在片230上图案化形成第三行236的第三不连续切口246。第三不连续切口246在第三不连续切口246之间限定第三未切割区域256。应当注意，第一行232、第二行234和第三行236用于示例性和命名目的，但是可以看出，片230的表面上的棋盘格的图案具有超过三个不同的行。第一行232与第二行234间隔开，如由附图标记“y”所示。第二行234同样与第三行236间隔开。应当注意，“y”可以在行之间变化，但是在某些方面，“y”在行之间保持恒定。如上所述，行之间的这样的间隔同样可以在微观尺度、中尺度、纳米尺度和/或宏观尺度上。

注意，第一行232中的第一不连续切口242与第二行234中的第二不连续切口244沿横向方向(沿着示出为“x”的尺寸/轴)偏移，从而形成棋盘格的图案。同样，第二行234中的第二不连续切口244与第三行236中的第三不连续切口246沿横向方向偏移。因此，每个相应的行中的第一未切割区域252、第二未切割区域254和第三未切割区域256协作以形成结构桥260，结构桥260从第一行232延伸穿过第二行234并且延伸至第三行236。

在这方面，具有带有多个不连续切口(例如，242、244和246)的图案化的棋盘格表面的片230可以沿至少一个方向(例如，沿着示出为“y”或“x”的尺寸/轴)拉伸。因此，由纳米复合材料形成的片230表现出包括增强的应变的某些有利性能。

在各个方面，设想了包括由剪纸技术工艺形成的可拉伸的多层聚合物材料或复合材料的光学装置。“可拉伸”是指材料、结构、部件和装置能够承受应变而不会断裂或其他机械失效。可拉伸材料是可延伸的，并且因此能够至少在某种程度上拉伸和/或压缩，而不会损坏、机械失效或性能显著降低。

“杨氏模量”是机械性质，指的是对于给定材料的应力与应变之比。杨氏模量可以由下式提供：

其中，工程应力为σ，拉伸应变为∈，E为杨氏模量，L_O为平衡长度，ΔL为施加应力下的长度变化，F为施加的力，以及A为在其上施加力的面积。

在某些方面，可拉伸复合材料、结构、部件和装置可以经受至少约50％的最大拉伸应变而不会断裂；可选地大于或等于约75％而不会断裂，可选地大于或等于约100％而不会断裂，可选地大于或等于约150％而不会断裂，可选地大于或等于约200％而不会断裂，可选地大于或等于约250％而不会断裂，可选地大于或等于约300％而不会断裂，可选地大于或等于约350％而不会断裂，并且在某些实施方式中，大于或等于约370％而不会断裂。

除了可拉伸之外，可拉伸材料还可以是柔性的，并且因此能够沿着一个或多个轴显著伸长、挠曲、折弯或其他变形。术语“柔性”可以指的是在不经受永久变形的情况下使材料、结构或部件变形(例如，变形成弯曲形状)的能力，该永久变形引入了显著的应变，例如指示材料、结构或部件的失效点的应变。

因此，本公开内容在某些方面提供了可拉伸的聚合物材料。在其他方面，本公开内容提供了包括聚合物和多个纳米粒子或其他增强材料的可拉伸复合材料。该聚合物可以是弹性体或热塑性聚合物。通过非限制性示例的方式，一种合适的聚合物包括聚乙烯醇(PVA)。

例如，对于某些材料，根据本公开内容的某些方面，创建具有图案化的剪纸技术切口的表面可以将初始刚性片的极限应变从任何切割之前的初始极限应变增加至大于或等于约100％，可选地大于或等于约500％，可选地大于或等于约1,000％，并且在某些变型中，可选地大于或等于约9,000％。

注意，基于所使用的切割图案的几何形状，可以实现大范围的最大可达到的应变或扩展水平。因此，极限应变由几何形状确定。极限应变(％应变)是在拉伸至结构破裂之前的点时的最终可实现的长度与原始或初始长度(Li)之间的比：

其中，L_c是切口的长度，x是不连续切口之间的间距，以及y是不连续切口的分立行之间的距离。因此，在某些变型中，根据本公开内容的某些方面，具有带有图案化切口的表面的聚合物材料例如纳米复合材料可以将极限应变增加至大于或等于约100％，可选地大于或等于约150％，可选地大于或等于约200％，可选地大于或等于约250％，可选地大于或等于约300％，可选地大于或等于约350％，并且在某些变型中，可选地大于或等于约370％。关于剪纸技术复合材料及其制备方法的附加讨论在Kotov等人于2016年4月7日提交的题为“Kirigami Patterned Polymeric Materials and Tunable Optic Devices MadeTherefrom”的提交为美国申请序列第15/092,885号的美国公开第2016/0299270号中进行了描述，其相关部分通过引用并入本文中。

在某些方面，剪纸技术纳米复合材料可以形成可调谐的光栅结构，该光栅结构即使在100％拉伸下也可以在宏观长度尺度上维持稳定的周期性。衍射图案中的横向间距与拉伸量呈负相关，这与衍射图案中的尺寸与对应光栅的间距之间的倒数关系一致。由于具有横向拉伸的纵向周期性相对较小的变化，因此衍射图案中的纵向间距表现出对拉伸量的低的依赖性。衍射图案还示出对入射激光的波长的显著依赖性。聚合物可拉伸可调谐光栅结构随着拉伸呈现出弹性行为，并且在循环机械驱动下去除拉伸时自发恢复至松弛的(即，未拉伸的)几何形状。衍射光束形成与聚合物可拉伸可调谐光栅结构的变形一致地改变的清晰的图案。该行为指示用于动态的、依赖于波长的光束转向的优异能力。

因此，由于平面外表面特征，三维(3D)剪纸技术纳米复合材料为传统的反射和折射光学器件提供了新的维度，如图2a至图2b所示。例如，由图2a至图2b示出的纳米剪纸技术片中所示的切口形成的可重新配置的翅片和狭缝允许通过剪纸技术切口片的可逆扩展(或应变水平)来有效地调制光。因此，可以将纳米剪纸技术片例如图2a至图2b所示的纳米剪纸技术片包括至在此描述的M-LIDAR系统的一个或更多个光学部件中。更具体地，这些轻、薄且便宜的光学部件可以用于例如光谱的红色和红外部分，以实现光束转向和/或偏振调制。根据一些实现方式，图2a至图2b所示类型的剪纸技术纳米复合材料可以用于形成图1所示的系统的光束转向器106、s偏振线性偏振器114和/或p偏振线性偏振器116。

在某些变型中，剪纸技术纳米复合材料可以形成由超强的逐层(LbL)组装的纳米复合材料制造的剪纸技术光学模块。这些纳米复合材料具有例如约650MPa的高强度以及例如约350GPa的弹性模量(E)，从而提供优异的机械性能、环境稳健性以及宽的操作温度范围(例如，从-40°至+40℃)和经证实的可扩展性。LbL复合材料的高弹性使其可重新配置，并且其高温回弹力使得能够与不同类型的致动器集成并具有CMOS兼容性。在某些方面，纳米复合材料可以涂覆有等离子体膜例如氮化钛、金等，以增强与目标波长的光子例如其中激光源具有1550nm的波长的1550nm光子的相互作用。

在某些其他变型中，剪纸技术纳米复合材料片可以包括分布在其中或涂覆于其上的磁性材料。例如，镍层可以沉积在超强复合材料上。镍层可以用作磁性和反射层，从而提供了磁活性剪纸技术元件。因此，剪纸技术单元可以与LIDAR部件直接集成在一起，并且用作光束转向器(例如，使用一阶和二阶衍射光束)或用作偏振器(例如，使用一阶衍射光束)。

现在参照图3a至图3c，示出描绘了来自基于纳米剪纸技术石墨烯复合材料的激光衍射图案的图像。作为参照，图3a至图3c的右上角中示出的比例尺表示25mm。图3a描绘了针对0％应变(松弛状态)的基于纳米剪纸技术石墨烯复合材料的激光衍射图案。图3b描绘了来自针对50％应变的基于纳米剪纸技术石墨烯复合材料的激光衍射图案。最后，图3c描绘了来自针对100％应变的基于纳米剪纸技术石墨烯复合材料的激光衍射图案。

LIDAR光束的偏振调制和返回光子的偏振分析将使得能够获取关于当前在例如汽车安全和机器人视觉装置中缺乏的对象材料的信息。可以训练机器学习(ML)算法来识别不同的材料，并且可以基于材料的独特的偏振特征来实现MST分类。通过材料对对象进行MST分类的优点之一是可以加快对象识别并且提高机器对周围环境的感知的准确性。

在转向图4a至图4d的细节之前，需要注意，根据本公开内容的一些示例，可以使用非纳米剪纸技术光学元件来执行图1的系统100以及对应的材料检测和对象分类方法。实际上，对于某些应用(例如，其中尺寸和重量不是主要问题)，这样的基于非纳米剪纸技术光学元件的M-LIDAR系统可以是优选的。因此，在不脱离本文中的教导的情况下，不使用纳米剪纸技术光学元件的当前公开的M-LIDAR系统的实现方式可以等同地采用其他传统的光学部件例如(i)IR偏振器；(ii)分束器；(iii)由CdS、ZnS、硅制成的透镜；和/或(iv)类似地合适的光学元件。然而，纳米剪纸技术光学元件通常对于受益于轻且小的M-LIDAR系统是有利的。

以上述为背景，图4a至图4d示出了用于制造基于纳米剪纸技术光学元件例如分束器或线性偏振器的逐步光刻型工艺。根据一个示例，图4a至图4d中阐述的用于制造基于纳米剪纸技术光学元件的工艺可以包括使用真空辅助过滤(VAF)，由此可以将纳米复合材料作为层沉积在适合于光刻图案化的刚性(例如，塑料)基板上。如上所述，美国公开第2016/0299270号描述了制备这样的纳米复合材料的方法，该方法包括通过真空辅助过滤(VAF)和逐层(LBL)沉积工艺技术。已知根据该工艺制造的纳米复合材料显示出高韧性和强的光吸收。

图4a是工艺400的第一步骤的简化图示，其中，经由VAF、逐层沉积(LBL)或本领域中已知的任何其他合适的沉积方法将纳米复合材料层404a沉积在基板402上。图4b示出了工艺400中的第二步骤，图4的纳米复合材料404a被图案化以产生穿过纳米复合材料404a的选择区域的图案化剪纸技术纳米材料层404b，所述图案化在基板402的顶部上例如经由光刻切割工艺进行。图4c示出了工艺400中的第三步骤，其中，从基板402释放(例如，提起)经切割或图案化的剪纸技术纳米复合材料404b。最后，图4d示出了工艺400的最后步骤，其中，至少一部分图案化的剪纸技术纳米复合材料408已经被包括至被配置成用于光束转向和/或调制等的子组件中。

图4d所示的子组件包括图案化剪纸技术纳米复合材料部分408、微制造的硅层406壳体以及一个或更多个弯曲光束致动器410。双侧箭头412示出了致动器410移动的可能方向。如下面另外详细讨论的，弯曲光束致动器410可以被配置成在剪纸技术纳米复合材料部分408上施加可逆应变，以例如调整构成剪纸技术纳米复合材料部分408的图案的各种狭缝和/或翅片的尺寸和/或取向。因此，可以将剪纸技术纳米复合材料部分408因此以从0％至100％范围的应变水平可逆地拉伸。

接下来是图4a至图4d所示的工艺400的图案化方面的更详细讨论。剪纸技术透射光学模块的制造可以遵循图4a至图4d所示的步骤图。LIDAR激光束在可见的和IR范围内的调制可能需要在0.1cm至1cm宽度上创建的例如3μm的特征尺寸。这样的图案的可行性已经被证明。可以基于在拉伸或拉紧时图案的2D至3D重新配置的计算机模拟来选择图案的2D几何形状。可以对3D几何形状进行建模以获取光学性能，例如，在所期望的波长范围内进行偏振调制。光刻可以是主要的图案化工具，其通过上述VAF复合材料的化学反应实现。图案化协议可以与当前用于大规模微制造的协议基本上类似。例如，在使用商用常规的掩模对准器进行图片图案化之后，可以用标准的SU8光致抗蚀剂涂覆在玻璃基板上的VAF复合材料。图5a至图5c中示出了制备的剪纸技术图案的示例，下面将对此进行更详细的讨论。

可以通过将剪纸技术纳米复合材料片与例如如图4d所示的商用微机电致动器集成在一起来制造剪纸技术光学元件。可以将微机电系统(MEMS)剪纸技术单元与LIDAR部件直接集成在一起，并且用作光束转向器(使用例如一阶和二阶衍射光束)和/或偏振器(使用例如一阶衍射光束)。考虑到几乎无限数目的剪纸技术图案和各种各样的2D至3D重新配置，在本文中的教导内设想了具有光束转向和偏振功能两者以及其他光学功能的剪纸技术光学元件。

简要参照图5a至图5c，示出了示例剪纸技术光学元件的各种图像。例如，图5a是根据上面关于图4a至图4d描述的工艺400在晶片上制造的剪纸技术光学元件例如在本文中描述的剪纸技术光学元件的图像。图5b是图5a的剪纸技术光学元件在0％应变下的SEM图像。最后，图5c是图5a的剪纸技术光学元件在100％应变下的SEM图像。图5a至图5c的右上角中描绘的比例尺为50μm。

光刻技术可以用于制造剪纸技术透射式或反射式光学模块/元件。通过示例的方式，对具有约1550nm的波长的LIDAR激光束的调制可以具有从大于或等于约1μm至小于或等于约2μm的特征尺寸，并在宽度范围从大于或等于约0.1cm至小于或等于由图5a至图5c中的当前图案例示的约1cm上创建。可以基于在拉伸时图案的二维(2D)至三维(3D)重新配置的计算机模拟来选择图案的2D几何形状。可以对3D几何形状进行建模以获取光学性能，例如，在所期望的波长范围内进行偏振调制。

光刻是可以与LbL复合材料结合使用以形成剪纸技术光学元件的主要图案化技术。在一个示例中，图案化协议可以包括在玻璃基板上提供LbL复合材料，该LbL复合材料由标准SU-8光致抗蚀剂涂覆，然后使用商用掩模对准器(UM Lurie NanofabricationFacility，LNF)进行光图案化。这样的工艺可以形成如图5a至图5c示出的那些剪纸技术元件。

图11中提供了用于交通工具例如自动驾驶交通工具中的另一代表性的简化的紧凑型M-LIDAR系统300。在某种程度上，M-LIDAR系统300中的部件与图1的M-LIDAR系统100中的部件类似，为简洁起见，本文中将不再重复部件的功能。M-LIDAR系统300可以包括激光器310、光束转向器312、一个或更多个偏振器(未示出，但是与图1的上下文中描述的第一偏振器114和第二偏振器116类似)以及处理器(未示出，但是与图1所示的处理器126类似)。在M-LIDAR系统300中，脉冲发生器312连接至激光器310，并且生成偏振或非偏振的第一光脉冲314以及偏振或非偏振的第二光脉冲316。脉冲发生器312连接至示波器324。由激光器310生成的第一光脉冲314和第二光脉冲316被导向光束转向器318，光束转向器318在某些方面可以是如上面先前讨论的基于剪纸技术光束转向器。光束转向器318连接至伺服电机/Arduino 352并且由其控制。通过非限制性示例的方式，伺服电机/Arduino 352连接至可以是MATLAB^TM控件的控制器350。如上所述，光束转向器318可以通过如上所述的非限制性示例来偏振、修改、分离和/或调制第一光脉冲314和第二光脉冲316中的一个或两者。然后将第一光脉冲314和第二光脉冲316导向要检测的对象340。

第一光脉冲314和第二光脉冲316可以从对象110漫反射。一个或更多个光脉冲共同形成构成第一光脉冲314和第二光脉冲316的反射型式的第一反射光束342和第二反射光束344。根据一些示例，第一反射光束342和第二反射光束344可以具有与第一光脉冲314和第二光脉冲316(即，在从对象340反射之前)不同的偏振。在从对象340反射之后，第一反射光束342和第二反射光束344可以朝着离轴抛物线反射器/镜330定向，离轴抛物线反射器/镜330将第一反射光束342和第二反射光束344朝着分束器360重新定向。

因此，第一反射光束342被分离并且被定向至第一检测器362和第二检测器364两者。第一检测器362和第二检测器364可以连接至示波器324。第一检测器362可以是被配置成检测形成第一反射光束342的一个或更多个反射的s偏振光脉冲的强度的s偏振检测器。同样，第二检测器364可以被配置成检测形成第一反射光束342的一个或更多个反射的p偏振光脉冲的强度的p偏振检测器。在通过分束器360之后，第二反射光束344被定向至第一检测器362和第二检测器364两者，其中可以从第二反射光束344中检测s偏振光脉冲和/或p偏振光脉冲的强度。第一检测器362和第二检测器364可以连接至处理器(未示出)，该处理器如上所述进一步分析从处理器接收的信息。通过非限制性示例的方式，M-LIDAR系统300是紧凑型的并且可以具有约7英寸×12英寸的尺寸，从而使其特别适合于安装在交通工具中。

如上面所介绍的，MST分类可以通过使用基于光源的MST分类以及添加至点云的光偏振分类器根据本公开内容的示例来实现。在一个示例中，对于点云的每个3D范围测量，可以获取返回的光子的线性/圆偏振。另外，尽管表面性能与偏振状态之间的关系可能在一些情况下由于表面粗糙度而是杂乱的，但是可以基于返回的光子的偏振状态直接确定局部曲率和局部散射条件。

现在参照图6，通过神经网络算法使用AI数据处理对反射的激光执行MST偏振分析，以产生图6的混淆矩阵。更具体地，基于对s偏振光束和p偏振光束(例如图1所示的s偏振光束118和p偏振光束120)的分析来产生混淆矩阵。沿着x轴，识别针对经受了本文中描述的M-LIDAR系统和处理方法的测试对象的预测的材料类型。沿着y轴，识别针对测试对象的真实的材料类型。针对各种材料类型的AI算法的各种预测的准确性反映在预测的材料类型和真实的材料类型的交叉处。如示出的，可以使用这些偏振光束以高准确度(在一些情况下包括99％或99％以上)来实现M-LIDAR系统的材料检测功能。

现在参照图7，示出了与其他材料相比较的用于模拟黑冰的检测的混淆矩阵。同样，可以以高准确度(在一些情况下包括100％)来实现M-LIDAR系统的材料检测功能。

图8示出了用于例如黑冰检测(例如，当安装在交通工具等中时)的M-LIDAR装置800的一个示例。虽然本示例着重于黑冰检测应用，但是本领域普通技术人员将认识到装置800不限于黑冰检测，并且可以适当地用于广泛的材料检测和对象分类应用，包括自动驾驶交通工具。装置800包括壳体802、发射器804(即，用于发射构成激光束的光脉冲的发射器)、第一检测器806a和第二检测器806b。根据一个示例，检测器806a、806b中的一个或更多个包括正交偏振分析器。此外，根据一个示例，发射器804、检测器806a和/或检测器806b中的一个或更多个可以用剪纸技术光学元件制成。尽管该装置的主要示例是在汽车内使用，但是该装置也可以例如在诸如无人机等的飞行器内使用。

现在参照图9，提供了示出使用M-LIDAR系统执行对象分类的方法900的流程图。方法900在902处开始，在902处生成非偏振光脉冲。在904处，使非偏振光脉冲线性偏振以产生线性偏振光脉冲。线性偏振光脉冲可以朝向对象发射并且从对象反射回以产生反射线性偏振光脉冲。在906处，可以将反射线性偏振光脉冲线性偏振为s偏振，以产生反射s偏振光脉冲。

在908处，可以使反射线性偏振光脉冲线性偏振成p偏振，以产生反射p偏振光脉冲。在910处，可以检测反射s偏振光脉冲的强度。在912处，可以检测反射p偏振光脉冲的强度。在914处，可以基于反射s偏振光脉冲的强度和反射p偏振光脉冲的强度来检测对象的至少一种材料。最后，在916处，可以基于检测到的至少一种材料来对对象进行分类。在916之后，方法900结束。

最后，根据一些示例，剪纸技术图案可以用作MST标签，以用于基于偏振的对象检测。也可以将大量生产的剪纸技术组分添加至涂料，以在路标、衣物、标记、交通工具、家居用品或任何其他合适的对象中赋予特定的偏振响应。

在某些变型中，本公开内容的LIDAR系统可以提供对透射光束和反射光束的调制。可以将基于剪纸技术光学元件添加至LIDAR的发射器侧以用作光束转向器，从而可以替代常规的体旋转的或液晶相阵列的光束转向器。磁性致动模块可以与1550nm激光源集成。为了减小光束转向器的体积，可以将光纤直接与模块耦合。

在某些变型中，由本公开内容提供的LIDAR系统可以在降水和/或潮湿大气条件下提供增强的检测。例如，通过非限制性示例的方式，通过采用具有约1550nm的波长的激光，由本公开内容所设想的LIDAR系统可以特别适合在低可见度的条件下使用，这在包括伴随雾、雨和雪的低可见度的条件下的恶劣天气条件期间提供了增强的检测和性能。这样的LIDAR系统可以使例如高达200米的远程警告成为可能，这对于高速公路行驶条件特别有用。常规的LIDAR使用具有约900nm的波长的激光，这对于基于硅的检测器很方便。然而，这些常规的激光束在潮湿的大气条件下会经历相对强的散射。以1550nm操作的LIDAR可以利用高透明度的湿空气，这对于从接近警告至辅助驾驶以及完全自动驾驶驾驶形态的各种不同水平的自主性都是有利的。然而，由于高重量和近红外光学器件的成本，这样的LIDAR可能笨重且昂贵。根据本公开内容的某些方面，基于剪纸技术光学元件可以通过利用对于图案化的剪纸技术片可行的空间电荷和亚波长效应来解决该问题，参见例如图2a至图2b。如图3a至图3b所示，这样的剪纸技术片可以使用剪纸技术片的可重新配置的平面外图案来有效地调制并且光束转向近红外光激光器。包括这样的基于剪纸技术光学元件的1550nm光束转向装置可以用作薄、轻且便宜的固态LIDAR。此外，剪纸技术的多功能性允许人们可以使图案适应特定应用，例如，针对特定交通工具定制LIDAR系统，以及/或者使其适应汽车零件的不同曲率的表面。

在某些方面，本公开内容可以通过使用两阶段对象提议和检测方法来为LIDAR系统提供相对快的检测，而不牺牲延迟的准确性。例如，用于分类模型的改进的模型准确性和通用性可以包括通过向数据添加材料尺寸来增强静态对象分类器。包含塑料、木材和砖块的带有材料特有标记的对象极不可能移动，而带有金属或织物特有标记的对象更可能是行人和交通工具。此外，由于材料尺寸对场景变化更稳健，因此这些模型被更好地推广至罕见且复杂的案例，例如建筑工地和具有复杂节日装饰的街道。因此，材料特有标记极大地提高了点云相关联模型的模型准确性，从而影响跟踪和自动驾驶交通工具地图。例如，点云的材料尺寸可以使检测和分类更加可靠，如可以将骑自行车的行人拾取为点云，所述点云具有下侧的金属材料和来自行人的一些织物或皮肤特征。然后，自动驾驶系统更容易地将骑自行车的行人与纯粹的行人分辨出。同样，对象的材料指纹使系统更容易将点云与正确的对象分类相关联，从而有助于维持正确且一致的复合对象分类。

因此，本公开内容提供了具有增强的对象识别的便宜且紧凑的LIDAR系统，包括区分材料类型、提供更早的检测和警告系统的能力，包括在毫秒内识别对象的能力以及在低可见度条件下的高效率等。

出于说明和描述的目的，已经提供了实施方式的前述描述。其不旨在穷举或限制本公开内容。特定实施方式的各个元件或特征通常不限于该特定实施方式，而是在适用的情况下是可互换的，并且可以用于所选择的实施方式，即使未具体示出或描述也是如此。特定实施方式的各个元件或特征还可以以许多方式变化。这样的变化不应当被视为脱离本公开内容，并且所有的这样的修改旨在包括在本公开内容的范围内。