加载中…
个人资料
孤峰乔木
孤峰乔木
  • 博客等级:
  • 博客积分:0
  • 博客访问:39,480
  • 关注人气:24
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
相关博文
推荐博文
谁看过这篇博文
加载中…
正文 字体大小:

第一本无人驾驶技术书---lidar+高清地图定位简介

(2017-08-22 15:21:06)
分类: 《第一本无人驾驶技术书》

智能驾驶--激光雷达

1.作用:

(1)绘制高清地图。

(2)基于点云定位。

(3)障碍物检测。

 

2.组件:

(1)激光发射器:发射激光束。

(2)扫描与光学器件:搜集反射点距离与该点发生的时间与水平角度。

(3)感光器件:返回光强度。

 

3.架构示意图:

第一本无人驾驶技术书---lidar+高清地图定位简介

(1)利用rotating mirror的旋转,实现360度的扫描。

(2)测量距离:反映了激光雷达的应用场景,一般有一个最小距离和最大距离。

(3)测量精度:测量的精准度。

(4)扫描频率:应该就是rotating mirror的旋转频率。

(5)角度分辨率:包括水平分辨率和垂直分辨率。

(6)单点发射速度:单点发射速度越快,则接收到的信息数据就越多,构造的3D场景更为精细。

 

4.工作原理简介:

(1)激光发射器打出激光束。

(2)激光束遇到障碍物之后,返回光束。

(3)激光雷达中的接收器收到返回的光束后,根据时间,计算出障碍物的距离,由此感知周围环境。

 

5.返回数据:

(1)单点数据:激光雷达返回的每个点都包含一个坐标信息和一个光强度信息,坐标信息表示点在雷达坐标系下的坐标。

(2)点云:雷达每旋转一周,搜集到的所有点构成一个点云,点云是建图和定位的基本数据单元。

 

6.高清地图绘制(是否采用slam_gmapping?):

(1)安装lidar的地图数据采集车收集道路点云数据。

(2)人工标注,清理错误信息,电子墙。

(3)对齐拼接,形成地图。

 

7.定位:

(1)局部估计:根据前后两帧的点云数据,借助几何推导,进行位置估计。

(2)全局估计:利用当前帧的点云和与高清地图做匹配,进行位置估计。

 

8.障碍物检测:

(1)相比较视觉传感器,激光雷达的点云数据可以障碍物的远近,高低以及形态,且算法复杂度较低。

 

9.缺点:

(1)容易受到天气的影响。

(2)计算量大。

(3)成本高。

 


更多ROS文章,可以关注微信公众号:ROS编程,每周不定期更新

第一本无人驾驶技术书---lidar+高清地图定位简介



0

阅读 评论 收藏 转载 喜欢 打印举报/Report
  • 评论加载中,请稍候...
发评论

    发评论

    以上网友发言只代表其个人观点,不代表新浪网的观点或立场。

      

    新浪BLOG意见反馈留言板 电话:4000520066 提示音后按1键(按当地市话标准计费) 欢迎批评指正

    新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

    新浪公司 版权所有