Coursera self-driving2, State Estimation and Localization Week4, LIDAR

 

 

operating principles 工作原理

Velodyne 加州，Hokuyo 日本，SICK 德国

TOF 就是用发出去收到的时间差和光速算距离

 

basic LIDAR models （2D, 3D）

球面坐标系和笛卡尔直角坐标系的转化：

 

 

 　　

 

 

cloud point 点云

1. 点云数据结构

　　

 

 

2. 点云空间操作

translation, rotation, scaling, plane-fitting (主要用来识别路面，拿点云来拟合路面的平面，用最小二乘法)

 　　

 

 

localization via point cloud registration

 pose estimation via point cloud data - 也就是解决 cloud set registration problem

1. 什么是 cloud set registration problem? 怎样用来做state estimation?

2. Iterative Closest Point (ICP) algo

 　　在图像领域，有特征匹配算法来匹配对应点，针对点云可以用ICP算法。基本思想就是用两次点云数据的变化来推出motion是怎么变化的， 但是对移动物体来说可能造成激光的测距不变（同样速度下），这样就误认为是静止的. 这个问题可以通过 Robust cost function 来减弱影响，也可以通过和GPS sersor 信息做 sersor fusing.

　　ICP有两种 Point-to-Point ICP, 和 Point-to-Plain ICP