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：

1. 低成本的楣

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。

2. 准确的3D数据

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。

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，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。

激光雷达用于从自动驾驶到地球与海洋科学．应用程序根据安装激光雷达的平台分组。

1. 航空激光雷达
2. 地面激光雷达
3. 室内激光雷达

航空激光雷达

空亮的楣器是安装在潮流的传感器上无人驾驶飞行器（UAV）或飞机。空中引线仪捕获3D点云数据的大型地形，可用于激光雷达映射，特征提取，地形分类等用例。

航空激光雷达应用的例子包括:

• 农业:激光雷达技术在农业中广泛应用，用于绘制植被面积，确定农场和集水区的确切地形。
• 城市规划:激光雷达用于创建一个地区的数字地表模型(dms)甚至数字城市模型(dms)，这些模型用于设计一个城市或在一个现有的城市中建造新的基础设施。
• 地质填图激光雷达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。
• 空中导航与路径规划:激光雷达现在被用于无人机收集实时3D数据，以便在周围环境中自主导航。

地面激光雷达

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。

• 固定地面激光雷达Lidars安装在固定平台上。它们通常用于土地调查，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。
• 移动激光雷达是搭载在移动平台上的地面lidars，如汽车或卡车。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：

• 激光雷达测绘和SLAM：您可以使用2D或3D LIDARS创建2D或3D SLAM和映射。
• 障碍物检测、碰撞预警和避障：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：

流、读和写激光雷达数据

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:

• 从Velodyne传感器采集实时数据Velodyne激光雷达硬件支持包万博1manbetx．
• 读取以不同文件格式存储的点云，如PCD、PLY、PCAP、Ibeo数据容器、LAS和LAZ。
• 在模拟环境中合成激光雷达数据，以测试处理算法。无人机的工具箱和自动化驾驶工具箱™提供激光雷达传感器模型来模拟激光雷达点云。

LIDAR数据处理

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。

激光雷达相机校正

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。

激光雷达的深度学习

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。

• 只用MATLAB中的几行代码，就可以导入预先训练好的语义分割模型，包括PointSeg和SqueezeSegV2来分割激光雷达数据。您还可以培训、评估和部署自己的深度学习模型。
• MATLAB能够设计、训练和评估健壮的探测器，如PointPillars网络．您可以在Lidar Point云中的对象周围检测和适合定向边界框。
• 这LIDAR Labeler App.在激光器工具箱中简化了点云标记。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，并评估自动化算法性能。

基于点云的目标跟踪

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。

点云配准和SLAM

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。

有关LIDAR处理的更多信息，请参阅LIDAR工具箱和计算机视觉工具箱™．

例子和如何做

软件参考

也可以看看：自动驾驶工具箱那导航工具箱™那机器人系统工具箱™那用于自动驾驶系统的MA万博1manbetxTLAB和Simulink那用于机器人和自主系统的万博1manbetxMATLAB和Simulink