最近做了一些关于激光雷达的实验，并了解了一些雷达点云配准的算法在这里给大家分享一下，也算是记录一下学习的过程，留下一点自己的理解。1.为什么要点云配准因为雷达采集到的点云信息需要进行数据融合，得到效果更好的点云数据。这里点云信息的不同主要体现在三个方面：不同的时间不同视角不同设备目前应用最广泛的点云精配准算法是：迭代最近点（ICP）和正态分布变化算法(NDT)2.点云配准的过程通过一定
激光点云语义分割算法：RangeNet++RangeNet++简介RangeNet++是一篇发表在IROS 2019上的论文《RangeNet++: Fast and Accurate LiDAR Semantic Segmentation》中提出的一个激光点云语义分割算法，该算法将激光点云通过球面投影转换为距离图像（Range Images），然后在距离图像上用二维卷积神经网络提取特征进行语义分
转载
2023-12-01 20:10:19
51阅读
点云帧数据激光雷达点云数据会以一定频率从激光雷达传输到接收器，比如10Hz，就是每间隔0.1秒发送一帧点云数据。激光SLAM接收到每帧点云数据后，需要提取特征点，然后进行点云配准得到帧间位姿变换，累计变换得到里程计。点云特征数据点云特征点的提取，主要目的是为了配准，然而过滤掉大量非特征点数据，起到了减少数据量的作用。因为点云本身是稀疏的，所以点云的主要是特征是面特征，其次是线特征，很难利用点特征。
转载
2023-11-26 10:40:07
146阅读
机载激光雷达（LiDAR）是一种新型主动式航空传感器，通过集成定姿定位系统（POS）和激光测距仪，能够直接获取高精度点云数据，激光雷达测绘技术正广泛应用于各个领域，在高精度三维地形数据（数字高程模型(DEM)）的快速、准确提取方面，具有传统手段不可替代的独特优势。尤其对于一些测图困难区的高精度DEM数据的获取，如植被覆盖区、海岸带、岛礁地区、沙漠地区等，LiDAR的技术优势更为明显。本文主要介绍激
转载
2023-12-26 22:42:16
19阅读
激光雷达点云的特征表达简介激光雷达成像原理离散化BEV图Camera view图点对点特征（point-wise feature）提取特征融合 简介激光雷达的稀疏点云成像与稠密像素点的图像成像不同，点云都是连续的，图像是离散的；点云可以反应真实世界目标的形状、姿态信息，但是缺少纹理信息；图像是对真实世界的目标离散化后的表达，缺少目标的真实尺寸；图像可以直接作为cnn网络的输入，而稀疏则需要做一些
转载
2023-12-24 13:46:46
142阅读
为什么用一种新的文件格式？PCD文件格式并非白费力气地做重复工作，现有的文件结构因本身组成的原因不支持由PCL库引进n维点类型机制处理过程中的某些扩展，而PCD文件格式能够很好地补足这一点。PCD不是第一个支持3D点云数据的文件类型，尤其是计算机图形学和计算几何学领域，已经创建了很多格式来描述任意多边形和激光扫描仪获取的点云。包括下面几种格式：l PL
转载
2023-12-13 12:50:39
217阅读
无人驾驶传感器融合系列（三）——真实激光雷达点云数据流的处理本章摘要：在前两章中，讲解了激光雷达点云的分割、聚类基础原理以及实现。这一章主要介绍真实点云情况下的一些预处理，比如点云的导入、过滤、裁剪。然后根据单帧障碍物检测的pipeline，处理点云数据流。真实激光点云的导入将file中的点云文件（比如data文件下的 0000000000.pcd ）导入到cloud。template<ty
转载
2024-03-31 15:39:15
80阅读
无人驾驶传感器融合系列（一）——激光雷达点云的分割原理及实现本章摘要：激光雷达扫描得到的点云含有大部分地面点，这对后续障碍物点云的分类、识别和跟踪带来麻烦，所以需要将其分割掉。本章主要讲解点云的基础分割算法—RANSAC算法，通过例子分析其基本原理，然后讲解如何运用PCL实现RANSAC算法。RANSAC算法原理RANSAC (Random Sample Consensus) 随机采样一致性算法，
转载
2024-04-29 14:20:52
231阅读
目前，前期大多数自动驾驶公司采用高精度惯导（imu+gnss+rtk）来实现高精度定位，但存在应用场景缺陷，无法应用隧道、高楼、林阴路等非开阔场景。所以感知定位方式应运而生，感知定位方式大多分为两种：视觉定位、激光雷达定位，本文将采用激光雷达定位方式。 硬件现在市面上激光雷达很多种：velodyne、速腾、禾赛、北科天绘。低成本考虑，本文将采用velodyne v
文章目录1.1 激光雷达硬件平台1.2 激光雷达原理1.3 三维激光系统研发难点1.4 点云应用方向1.5 点云分类，点云分割，点云特征提取（pointnet++）1.6 点云补全（PF-Net）1.7 点云配准（RPM-Net）1.8 点云算法项目应用 1.1 激光雷达硬件平台1.2 激光雷达原理脉冲式激光测距由激光发射器发射出的激光经被测量物体的反射后又被接收。测距仪同时记录激光往返的时间。
转载
2024-01-17 09:41:06
329阅读
基于深度学习的算法现在在激光雷达数据目标检测中最常用的算法是基于深度学习的算法，其效果与传统学习算法相比要好很多，其中很多算法都采用了与图片目标检测相似的算法框架。早期的激光点云上的目标检测和图片上的目标检测算法并不一样，图片数据上常见的HOG、LBP和ACF【10，11，12】等算法并没有应用到点云数据中。这是因为激光点云数据与图片具有不同的特点，例如图片中存在遮挡和近大远小的问题而点云上则没有
转载
2023-12-24 19:25:54
152阅读
随着科技的进步，自动驾驶、不断发展，自动驾驶相关车企对3D点云数据标注的需求量逐渐提高。 3D点云标注是一种非常高精度的标注方式，自动驾驶汽车，无人机、农业技术，地图等都使用这项技术。 作为自动驾驶汽车最重要的服务之一，激光雷达在自动驾驶技术中有着非常重要的作用。点云标记在使用深度学习算法时非常重要，因为它需要标记大量的训练数据，且分辨率低，标注过程复杂，这些特性使得激光雷达点云数
转载
2023-10-12 21:02:16
191阅读
ADAS巨卷干货，即可获取最近一直在搞激光雷达相关东西，今天把了解的激光雷达知识做一个框架整理，顺便梳理了一下行业里面激光雷达相关公司，一起学习，欢迎交流！一、基础知识激光雷达成像可以简单理解为使用激光发射部件向一定视场角FOV（Field Of View）内发射光线，同时使用接收部件接收范围内反射回的光线，利用已知和获取的发射光线与反射光线的相关信息，直接计算或推导出反射点的信息（速度、距离、高
转载
2023-11-03 12:45:53
291阅读
voxnet 的本质就是三位卷积加 softmax 多分类而已model = Sequential()model.add(Reshape((30, 30, 30, 1), input_shape=(30, 30
原创
2023-01-20 09:33:04
102阅读
激光雷达(LiDAR)已经成为一种主流的技术手段，现在也有很多专业的工具和资源帮助人们更高效、更智能地处理激光雷达获取的点云数据。下文介绍的这几种工具就是它们之中的一些代表，刚接触激光雷达的用户可以考虑。 LizarTech激光雷达数据压缩工具 LiDAR Compressor 这家公司拥有众多与激光雷达有关的解决方案，可以帮助用户富有成效地利用雷达数据，这其中就包括了他们的激光雷达数据压
转载
2024-01-03 10:27:55
68阅读
文章目录前言一、为什么选用点云处理而不是opencv？二、点云基本知识1.什么是点云？2.怎么获得点云数据？3.怎么处理点云数据？4.PCL基础功能5.点云数据格式总结 前言最近闲下来了，更更博。研究生方向是机器人控制，但还是对激光雷达点云处理这些更感兴趣一些。刚好最近在清华这边实习也是做点云处理的，记录一下自己的学习历程，本文仅仅是对相关概念进行介绍，帮助想入门的同学建立大致的了解，本人菜狗勿
由于采集的点云数据存在噪声，这些噪声不利于对点云后续特征的提取，因此需要通过相应的滤波算法去除噪声数据。常用的点云滤波算法有：体素网格滤波、直通滤波、半径滤波、统计滤波器，双边滤波器，卷积滤波，高斯滤波，条件滤波等。（1） 体素网格滤波体素网格滤波用于对稠密点云进行降采样，其首先把 3D 空间划分成多个很小的体素， 然后将每个体素网格的中心点作为该网格内的唯一点，体素网格滤波可以在减少数据量的同时
转载
2023-11-28 11:42:13
101阅读
三维激光扫描仪点云数据处理软件需求说明点云数据处理软件是专用扫描软件、数据处理软件、CAD软件接口及应用于检测监测、对比分析的软件。基本描述点云数据处理软件能够用于海量点云数据的处理(点云数量无限制，先进内存管理)及三维模型的制作。支持模型的对整、整合、编辑、测量、检测监测、压缩和纹理映射等点云数据全套处理流程。能够基于点云进行建模，拥有规则组建智能自动建模功能(一键自动建模)要求能够精细再现还原
转载
2023-11-08 07:24:36
78阅读
前言在之前的博客中，介绍过图像标注工具labelme和labelimg，今天带来能同时标注图像和点云的工具Semantic Segmentation Editor。 从 demo 中可以看出来操作非常炫酷，有很多工具可以使用，尤其是魔法工具，在特殊场景下非常方便。 在标注点云时，可以用图像作对照，但好像没有标注后投影到图像的功能。Semantic Segmentation Editor介绍基于
转载
2023-12-10 16:09:18
187阅读
激光SLAM是目前机器人定位导航的主流技术手段，激光雷达的作用自然是不言而喻的，目前除了机器人行业，激光雷达还被广泛应用于 无人驾驶、AGV小车等领域， 为帮助从业者更智能高效的处理激光雷达数据，市面上孕育了多种激光雷达数据处理软件，以下主要为接触激光雷达不久的用户推荐几款常用软件。1.Global Mapper LiDAR Module用“瑞士×××”形容Global Mapper LiDAR
转载
2024-01-04 14:37:19
81阅读
