LIDAR(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周围物体的物体范围测量。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。
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。
Lidars的市场采用由三个关键因素驱动:
低成本LiDAR的引入,具有增强的范围,尺寸和稳健性,提高了对相对低收入的工业应用的技术的可用性。
Lidars收集周围环境的高密度3D信息点云比其他范围传感器更高的精度,如雷达和声纳。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,激光雷达相机数据融合和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。
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。
室内楣的常见用途包括:
MATLAB和LIDAR Toolbox™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:
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。你可以进一步进一步LIDAR点云中的熔丝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注册点云。
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。