激光雷达(光探测和测距的首字母缩写)是一种遥感技术,利用脉冲光收集对周围物体的距离测量。激光雷达传感器发射激光脉冲,反射物体,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,从而创建周围环境的2D或3D表示。
激光雷达传感器是自动驾驶和机器人应用的主要传感器之一。它们支持物体检测、语义分割等3D感知工作流程,以及绘图、同步定位和绘图(SLAM)和路径规划等导航工作流程。
自主系统在其传感器套件中使用多个传感器,如摄像机、IMU和雷达,用于环境感知。激光雷达可以克服其他传感器的一些缺点,提供高度精确的、结构的和三维的环境信息。这一优势促使激光雷达传感器进入主流感知市场。
市场对激光雷达的采用受到三个关键因素的推动:
低成本激光雷达的引入,增强了距离、尺寸和坚固性的特点,增加了该技术在收入相对较低的工业应用中的可用性。
激光雷达收集周围环境的高密度三维信息点云具有比雷达和声纳等其他距离传感器更高的精度。这反过来又提高了三维重建的准确性。
激光雷达处理工作流程的最新进展,如语义分割、目标检测和跟踪、激光雷达摄像机数据融合和激光雷达SLAM,使工程团队能够将激光雷达添加到他们的开发工作流程中。您可以使用诸如MATLAB之类的工具®开发和应用激光雷达处理算法。
航空激光雷达应用的例子包括:
地面激光雷达可以是静止的地面激光雷达和移动的激光雷达。
激光雷达通过安装在移动机器人上而广泛应用于室内机器人应用。除了3D激光雷达,2D激光雷达或激光扫描仪也用于室内机器人应用,如激光雷达扫描和测绘。它们收集周围环境的深度信息,然后基于用例进行进一步处理。
室内激光雷达的常见用途包括:
MATLAB和激光雷达工具箱™简化激光雷达处理任务。MATLAB利用专用的工具和功能,帮助您克服处理激光雷达数据的常见挑战,如3D数据类型、数据稀疏、数据中的无效点和高噪声。
您可以将实时和记录的激光雷达数据导入MATLAB,实现激光雷达处理工作流程,并创建C/ c++和CUDA代码部署到生产中。
MATLAB在处理激光雷达点云方面提供的一些重要功能包括:
在MATLAB中处理任何传感器数据的第一步是将数据输入到MATLAB工作空间。您可以:
你可以预处理激光雷达数据提高数据质量,从中提取基本信息。激光雷达工具箱提供向下采样、中值滤波、对齐、转换和从点云提取特征的功能。
MATLAB使激光雷达摄像机校准估计激光摄像机转换为融合摄像机和激光雷达数据。您可以进一步融合激光雷达点云中的颜色信息和使用来自同一位置的相机的2D边界框估计激光雷达中的3D边界框。
通过MATLAB,可以应用深度学习算法对激光雷达数据进行目标检测和语义分割。
MATLAB可以统一多个领域,为端到端对象跟踪工作流提供信息。这使您能够读取激光雷达数据,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,并将其部署到目标硬件上。
MATLAB提供了用SLAM算法配准激光雷达点云和构建三维地图的功能。从激光雷达点云中提取和匹配快速点特征直方图(FPFH)描述子,然后根据匹配的特征进行点云配准。
您还可以通过拼接地面和航空激光雷达数据的激光雷达点云序列来实现3D SLAM算法。