激光雷达(光检测和测距的首字母缩略词)是一种遥感技术,它使用脉冲光来收集到周围环境中的物体的范围测量。LIDAR传感器发出反射物体的激光脉冲,使它们能够感知周围环境的结构。传感器记录反射的光能,以确定对象的距离,以创建这些周围环境的2D或3D表示。
LIDAR传感器是自主驾驶和机器人应用的主要传感器之一。它们使3D感知工作流程如对象检测,以及语义分割,以及映射,同时定位和映射(SLAM)等导航工作流程以及路径规划。
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:
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。
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。
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。
天线激光雷达应用的例子包括:
接地楣板可以是静止的地面楣和移动楣。
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:
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:
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:
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。
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。
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。
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。
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™。