激光雷达是什么?

3你需要知道的事情

激光雷达(光探测和测距的缩写)是一个遥感技术,使用脉冲光收集范围测量环境中的对象。激光雷达传感器发射激光脉冲反射对象,使他们能够感知周围环境的结构。传感器记录反射光的能量,来确定距离一个对象来创建一个2 d或3 d表示的环境。

激光雷达传感器是自动驾驶的主要传感器和机器人应用程序。它们使3 d工作流对象检测、感知和语义分割,等导航工作流映射,同时定位和地图(大满贯)和路径规划。

为什么它很重要

应用程序

激光雷达在MATLAB处理

激光雷达为何重要

自治系统使用多个传感器,如相机、IMU,雷达环境感知传感器套件。激光雷达可以克服的一些缺点其他传感器通过提供高度精确、结构和环境的三维信息。这种优势导致了激光雷达传感器引入市场主流看法。

激光雷达数据收集的激光雷达传感器安装在地面车辆。

的市场采用激光雷达是由三个关键因素:

低成本的激光雷达

增强特色介绍低成本的激光雷达,用于范围,大小,和健壮性,增加了相对低收益的技术工业应用的可用性。

精确的3 d数据

激光雷达收集高密度环境的三维信息点云更高的精度比其他传感器雷达和声波范围。反过来,这提高了三维重建的准确性。

激光雷达处理算法

近期的事态发展在激光雷达处理工作流等语义分割、目标检测和跟踪,相机激光雷达数据融合,激光雷达大满贯使得工程团队添加激光雷达为他们开发工作流。您可以使用工具,如MATLAB^®开发和应用激光雷达处理算法。

激光雷达的应用

激光雷达使用了一系列的领域自动驾驶来地球和海洋科学。应用程序分组基于激光雷达安装的平台。

航空激光雷达
地面激光雷达
室内激光雷达

航空激光雷达

航空激光雷达是激光雷达传感器安装在无人驾驶飞行器(UAV)或飞机。航空激光雷达捕捉大地形的三维点云数据可以用于激光雷达映射、特征提取、地形分类、和其他用例。

航空激光雷达传感器。

航空激光雷达数据。

航空激光雷达应用的例子包括:

农业:激光雷达技术广泛应用于农业植被映射区域,确定准确的地形的农场和汇水区。
城市规划:激光雷达用于创建数字表面模型(dsm)甚至数字城市模型(DCMs)的一个区域,用于设计一个城市或在现有的城市建立新的基础设施。
地质填图:激光雷达可用于创建3 d地图的地球表面,可进一步用于采矿、林业、精度和石油和天然气勘探。
空中导航和路径规划:激光雷达正在用于无人机自主导航实时3 d数据收集通过环境。

地面激光雷达

地面激光雷达可以固定地面激光雷达和移动激光雷达。

移动激光雷达传感器。

移动激光雷达数据。

固定地面激光雷达激光雷达安装在固定平台。它们通常用于土地调查、道路调查、拓扑映射,建立数字高程地图(民主党),农业和其他应用程序。固定地面激光雷达是适合需要详细的应用程序并关闭数据捕获。
移动激光雷达地面激光雷达连接在移动平台上像一辆汽车或卡车。最普遍的移动激光雷达应用是自动驾驶。激光雷达安装在车辆上捕捉三维点云数据中使用的环境,进一步感知和导航工作流。

室内激光雷达

激光雷达广泛应用于室内机器人应用程序安装在移动机器人。除了3 d激光雷达,2 d激光雷达或激光扫描仪也用于室内机器人应用激光雷达扫描和映射。他们收集周围环境的深度信息,然后基于用例的进一步处理。

室内激光雷达传感器。

室内激光雷达数据。

常见的室内使用激光雷达包括:

激光雷达映射和大满贯:您可以使用2 d或3 d激光雷达创建2 d或3 d分别大满贯和映射。
障碍检测、碰撞预警和规避:2 d激光雷达广泛用于检测障碍。这些数据可以进一步用于创建碰撞警告或避免障碍。

激光雷达在MATLAB处理

MATLAB和激光雷达工具箱™简化激光雷达处理任务。用专用工具和功能,MATLAB可以帮助你克服共同挑战像3 d激光雷达数据处理的数据类型,稀疏的数据,无效数据点,和高噪音。

你可以记录生活和激光雷达数据导入MATLAB,实现激光雷达处理工作流,并创建C / c++和CUDA代码部署到生产环境中。

MATLAB的一些重要功能提供了在激光雷达点云处理包括:

流媒体,阅读,和写作激光雷达数据

在MATLAB处理任何传感器数据的第一步是获取数据到MATLAB工作区。您可以:

实时数据流从调速发电机传感器使用调速发电机激光雷达硬件支持包金宝app。
读点云存储在不同的文件格式和纤毛运动一样,厚度,PCAP, Ibeo数据容器,拉斯维加斯,有没有。
合成激光雷达数据处理算法在仿真环境中进行测试。无人机的工具箱和自动驾驶工具箱™提供激光雷达传感器模型来模拟激光雷达点云。

实时激光雷达数据流从调速发电机激光雷达传感器

激光雷达数据处理

你可以预处理激光雷达数据提高数据的质量和提取的基本信息。激光雷达工具箱提供了将采样功能,中值滤波,调整,转变,从点云提取特征。

激光雷达相机校正

MATLAB实现激光相机校准估计lidar-camera变换相机和激光雷达数据融合。您可以进一步融合颜色信息在激光雷达点云和估计3 d边界框在激光雷达从共存的相机使用2 d边界框。

激光雷达相机校准器应用。

深度学习的激光雷达

使用MATLAB,您可以应用深度学习算法对激光雷达数据对象检测和语义分割。

在MATLAB只有几行代码,您可以导入pretrained语义分割模型,包括PointSeg和SqueezeSegV2段激光雷达数据。你也可以训练、评估和部署自己的深度学习模型。
MATLAB实现设计、培训和评估健壮的探测器等PointPillars网络。你可以检测并符合方向包围盒对象在激光雷达点云。
的激光雷达贴标签机应用在激光雷达工具箱简化点云标签。您可以手动添加边界框的对象和内置的或自定义算法应用于自动化激光雷达点云标签和评估自动化算法性能。