激光雷达

激光雷达分类

三角法：近距离测距精度较高（原理相似三角形）　　抗干扰能力较差　　适用室内

TOF法：

　　脉冲型TOF（DTOF+ITOF）　　连续型FMCW（通过发射波的相干性计算距离，测量速度慢，精度高）　　

　　TOF激光雷达：将光均匀打到周围，方法：机械式、MEMS的微震镜、光学相位阵列OPA、FlshLidar（将所有光同一时间打出去，应用在车上）

激光雷达用途：

　　车载、无人机、水质调查、地图构建、建筑物3d结构搭建

激光雷达安装、标定、同步：

硬件平台：（例子：速腾聚创）RS-Function

应用案例及选型：LiDAR在智能驾驶中的应用案例：waymo、Renesas、Ford……

多激光雷达数据融合：耦合　　

多传感器融合：GPS、RTK、IMU融合得到位姿、速度、加速度

激光雷达系统方案：

硬件：RS-Fusion-P3车载方案：RS-LiDar-16主雷达，两个PS-LiDar-32B辅式雷达+GPS及惯导设备+IPC工控机+激光雷达安装支架+显示器+交换机+网线+多雷达模拟时间同步板

　　　　

激光雷达参数：激光雷达线束、精度、测量距离、分辨率（垂直角分辨率+水平角分辨率）

多雷达模拟时间同步板：

时间同步，保证多个雷达的时间处于同一时间计时标准（不进行时间同步时，每个雷达以启动时刻计时，使用自身内部独立的计时系统）

外部时间源：GPS或网络时间源

时间输入：GPS通过UART接入雷达，发送GPRMC消息；PPS通过IO接入雷达，发送1PPS脉冲信号

　　　　   网络时间通过以太网UDP指令发送时间，进行同步

多传感器标定：

空间同步，保证所有的雷达数据转换到一个统一的坐标系下

统一坐标系：选择位置最核心的一个雷达的坐标系作为雷达耦合的统一坐标系

空间位置标定：平移量（x,y,z）　　旋转量（roll, pitch, yaw)----无法直接测量

软件：

障碍物检测：通过bounding box来添加或者多边形来描述

障碍物分类识别：在检测基础上得到类别信息

运动物体追踪：估计物体运动状态

可行驶区域检测：在场景中分割出可以行驶的区域，相关任务：路沿检测、车道线检测、地面检测、路面检测

SLAM建图：精度高满足定位算法厘米级要求；

　　　　　　大场景稳定性高，精度不随地图增大而降低；

　　　　　　人工干预少，重复精度高；

　　　　　　框架：

　　　　　　　　　　

重定位：

　　场景1：小型移动机器人

　　特点：经常发生灵活机动、角速度较大、视角比较低

　　场景2：开放城市道路

　　特点：速度较快、会出现被大车包围的情况

激光雷达数据采集

 激光雷达硬件平台：

　　

　　 

注：GPRMC：

　　双天线优势：

激光雷达ROS驱动与采集：

通过节点通信（TCP）

 有什么不对的，可不可以在评论区告诉我，好不好~~~