iDAR應用仿生技術來擴展人類視覺皮層的人工感知能力。人眼通常只集中看一個區域，而iDAR可以同時（以多種方式）集中在多個區域，同時還可以進行背景掃描以確保不會遺漏任何新進入物體。我們將此功能描述為感興趣區域（ROI）。此外，由于人類完全依賴于來自太陽、月亮或人造照明發出的光，因此人類的“Foveation視覺模型”是“只能接收”的，即是被動的。相比之下，iDAR集中在發射端（激光選擇“繪畫”的區域）和接收端（處理被選擇的關注位置/時間）兩個方面。

圖2是一個示例。圖2顯示了兩種系統，即系統A和系統B。這兩種系統在同一場景中具有相似數量的拍攝次數（左）。系統A代表傳統激光雷達的典型掃描模式，固定的掃描模式會產生固定的幀率，而沒有ROI的概念。系統B顯示了調整后的靈敏掃描模式。系統B中的拍攝次數在正方形內的ROI（小方框）之內和周圍更加密集。此外，背景掃描繼續搜索以確保不會遺漏任何新目標，同時對固定區域增加額外的分辨率以幫助采集。從本質上講，這是利用智能來優化功率和拍攝次數。

查看系統A和B相關圖（右），我們發現系統B（靈敏掃描模式）可以在比系統A（固定掃描模式）短得多的時間間隔內重新訪問ROI。系統B不僅可以完成一次ROI重訪間隔，還能在單幀內實現多個ROI。而系統A無法重新訪問。iDAR實現傳統激光雷達無法完成的事情：實現動態感知，使系統能夠以前所未有的速度專注于特定ROI并收集更全面的數據。

圖2：與傳統掃描模式（A）相比，iDAR（B）的感興趣區域（ROI）和Foveation視覺模型展示。

在“搜索、采集和采取行動”架構中，瞬時分辨率使iDAR系統可以搜索整個場景并獲取多個目標，并捕獲有關它們的更多信息。iDAR還允許在一個場景中創建多個同時的ROI，從而使系統能夠關注并收集特定目標更全面的數據，從而更完整地詢問并更有效地跟蹤目標。

實際用例：目標詢問

識別出感興趣目標后，iDAR可以實現Foveation視覺模型，掃描、收集更多有用信息并采取額外的分類屬性。例如，假設車輛在行進路徑中遇到了一位正在穿過人行橫道的行人。由于iDAR可以動態改變ROI內的時間和空間采樣密度（因此我們稱之為“瞬時分辨率”），該系統可以更多地關注到人行橫道，而較少地關注無關信息，如路邊停放的車輛。ROI使iDAR可以快速、有效和準確地識別有關人行橫道的關鍵信息，例如速度和方向。iDAR系統向域控制器提供最有用、最可執行的數據，以確定最及時的行動方案。

有三種利用瞬時分辨率來實現的用例：

固定ROI：如今，被動系統只能分配更多的水平掃描線，這是一種非常簡單的Foveation視覺技術，受其固定分辨率限制。具有瞬時分辨率的第二代智能激光雷達（如iDAR），可幫助整車廠或Tier 1廠商利用先進仿真程序來測試數百個（甚至數千個）拍攝模式（無論速度、功率和其他限制條件如何變化）以識別將固定ROI與更高瞬時分辨率集成在一起的最佳模式，獲得其所需的結果。

例如，固定ROI可用于優化不同傾斜度前窗玻璃后面的拍攝模式。此外，固定ROI還可以用于相對復雜的城市環境，威脅更可能來自路邊，例如車門打開，行人和其它交通工具橫穿馬路或車輛的前進路徑。增加覆蓋道路兩側和車輛前方路面固定區域的分辨率來定義ROI（請參考圖3B）。這樣可以為ROI提供出色的垂直分辨率和水平分辨率。模式一旦獲得批準，就可以固定以確保功能安全。

觸發式ROI：觸發式ROI需要軟件可定義的系統，該系統可進行編程以接受觸發。感知軟件團隊可以確定，當滿足某些條件時，將在現有掃描模式中生成ROI。例如，地圖或導航系統可能會發出信號通知您正在接近十字路口，在場景的關鍵區域上產生目標ROI更多細節（請參考圖3C）。

動態ROI：動態ROI需要最高智能水平，并利用戰斗機自動瞄準系統（ATS）的相同技術和方法，隨時間推移連續詢問關注目標。當這些目標移近或離開時，ROI的大小和密度會發生變化。例如，可以探測到場景中的行人、自行車騎行者、車輛或其它物體，并自動應用動態ROI來跟蹤其運動（請參考圖3D）。

圖3：圖A展示了車輛接近十字路口時的場景。圖B展示了固定ROI覆蓋道路兩側和緊鄰車輛前方區域的情況。圖C展示了觸發式ROI：導航系統在車輛接近十字路口時觸發特定的ROI。圖D展示了動態ROI：當多個目標在場景中移動時，它們會被探測到并被跟蹤。

傳統指標三：目標探測距離

擴展：目標分類距離（object classification range），擁有足夠的數據來以實現對目標分類的距離