激光雷达处理概述
介绍
激光雷达是光探测和测距的缩写。它是一种主动传感系统，可用于高级驾驶辅助系统(ADAS)、机器人和无人机(uav)的感知、导航和绘图。
激光雷达是一种主动遥感系统。在有源系统中，传感器自己产生能量。激光雷达传感器发射激光脉冲，通过物体反射，使它们能够感知周围环境的结构。传感器记录反射的光能，以确定到物体的距离。距离的计算是基于飞行时间(TOF)原理。激光雷达传感器可与发射无线电波的雷达传感器相媲美。
大多数现代自动或半自动驾驶汽车都配备了传感器套件，其中包含多个传感器，如摄像头、IMU和雷达。激光雷达传感器可以解决一些其他传感器的缺点。雷达传感器可以提供恒定的距离和速度测量，但结果缺乏分辨率，而且它们在较远距离的反射能量和精度方面存在问题。相机传感器会受到环境和照明条件的显著影响。激光雷达传感器通过提供长距离深度感知能力来解决这些问题，即使是在恶劣的天气和光照条件下。
业内有各种各样的激光雷达传感器，如Velodyne、Ouster、Quanergy和Ibeo等公司。这些传感器生成各种格式的激光雷达数据。Lidar Toolbox™目前支持PLY、PCA万博1manbetxP、PCD、LAS、LAZ和Ibeo传感器格式的数据读取。有关更多信息，请参见I / O．有关Velodyne流数据的更多信息®传感器,看到激光雷达工具箱支持的硬件万博1manbetx．
点云
一个点云表示来自激光雷达传感器的输出数据，类似于图像表示来自相机的输出数据。它是描述传感器周围环境的三维地图的大量点的集合。你可以用pointCloud对象来存储点云数据。Lidar Toolbox提供点云的基本处理，如下采样、中值滤波、对齐、变换和从点云中提取特征。有关更多信息，请参见预处理．完成后添加链接到org到unorg页面．
以下是一些主要的激光雷达处理应用:
标记点云数据—在点云中标记对象有助于组织和分析数据。标记点云可以用来训练目标分割和检测模型。要了解更多关于标签的知识，请看开始使用激光雷达标签．
语义分割—语义分割是将点云的特定区域标记为属于某一对象的过程。该过程的目标是将点云中的每个点与其相应的类或标签相关联，如汽车、卡车或驾驶场景中的植被。它不区分来自同一类的多个对象实例。语义分割模型可以用于自动驾驶应用程序来解析车辆的环境。要了解关于语义分割工作流的更多信息，请参见基于SqueezeSegV2深度学习网络的激光雷达点云语义分割．
目标检测与跟踪-目标检测和跟踪通常遵循点云分割。点云中的物体可以用长方体包围盒来检测和表示。跟踪是在点云序列的一帧中识别被检测对象的过程。有关分割、检测和跟踪的完整工作流的详细信息，请参见使用激光雷达探测、分类和跟踪车辆．
激光雷达相机校正—由于传感器套件中传感器的位置不同，每个传感器记录的数据在不同的坐标系中。为了校准和融合来自这些传感器的数据，需要进行旋转和平移变换。有关更多信息，请参见什么是激光雷达相机校准?．
相关的话题
你也可以从以下列表中选择一个网站:
