自主系统使用传感器套件中的多个传感器，如相机，IMU和雷达进行环境感知。通过提供周围环境的高度准确，结构和3D信息，Lidars可以克服其他传感器的一些缺点。这一优势导致激光雷达传感器引入主流感知市场。

LIDARS的市场采用由三个关键因素驱动：

1. 低成本的灵敏剂

低成本潮流的引入，具有增强的范围，尺寸和稳健性的特性，增加了技术的可用性，用于相对低收入的工业应用。

2. 准确的3D数据

Lidars将周围环境的高密度3D信息作为点云，比雷达和声纳等其他范围传感器更高的精度。反过来，这提高了3D重建的准确性。

3. LIDAR加工算法

LIDAR处理工作流程的最新进展，如语义分割，对象检测和跟踪，LIDAR摄像机数据融合和LIDAR SLAM，使工程团队能够将Lidars添加到其开发工作流程中。您可以使用Matlab等工具^®开发和应用LIDAR处理算法。

Lidars跨越一系列领域自动驾驶到目前为止地球和海洋科学。应用程序根据Lidars安装开启的平台进行分组。

1. 天线楣
2. 地面莱达
3. 室内滑翔机

天线楣

天线楣板是安装在的LIDAR传感器无人驾驶飞行器（UAV）或飞机。空中LIDARS捕获3D点云数据的大型地形可用于LIDAR映射，特征提取，地形分类等用例。

天线激光雷达应用的例子包括：

• 农业：激光雷达技术广泛用于农业，用于映射植被区域，确定农场的确切地形和水集水区。
• 城市规划：Lidars用于创建一个区域的数字表面模型（DSM）甚至是数字城市模型（DCMS），该区域用于设计城市或在现有城市建立新的基础设施。
• 地质映射：Lidars可用于创建地球表面的3D地图，可进一步用于采矿，精密林业和石油和天然气勘探等应用。
• 空中航行和路径规划：Lidars现在用于无人机，以收集Live 3D数据来通过周围的环境自主地导航。

地面莱达

接地楣板可以是静止的地面楣和移动楣。

• 静止的陆地楣Lidars安装在固定平台上。它们通常用于陆地调查，道路调查，拓扑映射，创建数字高度地图（DEMS），农业等应用。固定的地面Lidars适用于需要详细和关闭数据捕获的应用。
• 移动利尔达尔是地面楣是否像汽车或卡车一样附着在移动平台上。最普遍的移动激光雷达应用是自主驾驶。安装在车辆上的LiDars捕获周围环境的3D点云数据，它们进一步用于感知和导航工作流程。

室内滑翔机

Lidars通过将它们安装在移动机器人上广泛用于室内机器人应用。除了3D LIDARS，2D LIDARS或激光扫描仪也用于LIDAR扫描和映射等室内机器人应用。它们收集周围环境的深度信息，然后基于用例进一步处理。

室内楣的常见用途包括：

• 激光雷达映射和猛击：您可以使用2D或3D LIDARS创建2D或3D SLAM和映射。
• 障碍物检测，碰撞警告和避免：2D LIDARS广泛用于检测障碍物。该数据可以进一步用于创造碰撞警告或避免障碍物。

matlab和LIDAR Toolbox™简化LIDAR处理任务。使用专用的工具和功能，MATLAB可帮助您克服处理LIDAR数据，如3D数据类型，数据稀疏性，数据中无效的点，以及高噪声的常见挑战。

您可以将LIVE和录制的LIDAR数据导入MATLAB，实施LIDAR处理工作流程，并创建C / C ++和CUDA代码以部署到生产。

Matlab的一些重要功能在处理Lidar Point云中提供：

流媒体，阅读和编​​写LIDAR数据

处理MATLAB中的任何传感器数据的第一步是将数据放入MATLAB工作区。你可以：

• 使用Velodyne传感器流的实时数据使用Velodene Lidar硬件支持包万博1manbetx。
• 以不同的文件格式阅读存储点云，如PCD，PLY，PCAP，IBE数据容器，LAS和LAZ。
• 在仿真环境中综合LIDAR数据，以测试处理算法。UAV工具箱和自动化驾驶工具箱™提供LIDAR传感器模型来模拟LIDAR点云。

LIDAR数据处理

你可以Preprocess Lidar数据提高数据质量并从中提取基本信息。LIDAR Toolbox为从点云中的下模，中值过滤，对齐，转换和提取功能提供了下式采样，中值滤波，对齐，转换功能的功能。

激光器相机校准

MATLAB使LIDAR相机校准能够估算LIDAR-CAMERA的变换，用于融合相机和LIDAR数据。你可以进一步LIDAR点云中的熔丝颜色信息和使用来自共同定位相机的2D边界框估算LIDAR中的3D边界框。

LIDAR的深度学习

使用MATLAB，您可以在LIDAR数据上应用用于对象检测和语义分割的深度学习算法。

• 只需在MATLAB中只有几行代码，您可以导入预借用语义分段模型，包括POINTEG和SCREEZESEGV2到段LIDAR数据。您还可以培训，评估和部署自己的深度学习模型。
• MATLAB支持设计，培训和评估鲁棒探测器，如PointPillars网络。您可以在Lidar Point云中的对象周围检测和适合定向的边界框。
• 当LIDAR Labeler App.在LIDAR工具箱中简化了点云标签。您可以在对象周围手动添加边界框，并应用内置或自定义算法以自动化Lidar点云标签和评估自动化算法性能。

对象跟踪在点云上

MATLAB可以统一馈送到端到端对象跟踪工作流程的多个域。这使您可以读取LIDAR数据，预处理它，应用深度学习来检测对象，使用预定义的跟踪器跟踪这些对象，并在目标硬件上部署此操作。

点云注册和猛击

MATLAB提供用于注册LIDAR点云并使用SLAM算法构建3D地图的函数。您可以从LIDAR点云中提取和匹配快速点特征直方图（FPFH）描述符，然后根据匹配的功能寄存点云。

您还可以通过从地面和空中激光雷达数据拼接LiDAR点云序列来实现3D SLAM算法。

有关LIDAR处理的更多信息，请参阅LIDAR工具箱和计算机Vision Toolbox™。

例子和如何

软件参考

另请参阅：自动化驾驶工具箱那导航工具箱™那机器人系统工具箱™那MATLAB和SIMU万博1manbetxLINK用于自动化驾驶系统那Matlab和Imul万博1manbetxink用于机器人和自主系统