激光雷达是什么?

你需要知道三件事

激光雷达传感器(“光探测和测距”的缩写)是一种距离测量传感器，类似于雷达和声纳。传感器发射激光脉冲反射物体，使它们能够感知周围环境的结构。传感器记录反射光能量，以确定与物体的距离，从而创建周围环境的2D或3D表示。激光雷达正在成为多个行业开发感知系统的主要传感器之一。它们支持3D感知工作流，如对象检测、语义分割，以及导航工作流，如映射、同步定位和映射(SLAM)和路径规划。

为什么它很重要

应用程序

MATLAB中的激光雷达处理

激光雷达为何重要

自主系统在其传感器套件中使用多个传感器，如相机、IMU和雷达，用于环境感知。激光雷达可以克服其他传感器的一些缺点，提供高度准确的、结构的和三维环境信息。这一优势促成了激光雷达传感器进入主流感知市场。

道路场景的激光雷达点云。

激光雷达的市场采用主要有三个原因:

低成本的激光雷达

低成本激光雷达的引进，增强了诸如射程、尺寸和坚固性等特性，增加了该技术在收入相对较低的工业应用方面的可用性。

精确的3 d数据

激光雷达收集周围环境的高密度三维信息点云具有比其他测距传感器如雷达和声纳更高的精度。这反过来又提高了三维重建的准确性。

激光雷达处理算法

最近的发展在激光雷达处理工作流，如语义分割，目标检测和跟踪，激光雷达相机数据融合，和激光雷达大满贯使该行业能够将激光雷达添加到他们的开发工作流程中。您可以使用MATLAB等工具来开发和应用激光雷达处理算法。

激光雷达的应用

激光雷达被广泛应用于各行各业自动驾驶地球科学。我们可以根据安装它们的平台将这些应用程序大致分为三组。

航空激光雷达
地面激光雷达
室内激光雷达

航空激光雷达

航空激光雷达是安装在上面的激光雷达传感器无人驾驶飞行器(UAV)或飞机。航空激光雷达捕获大型地形的3D点云数据，可用于激光雷达制图、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，用于测绘植被面积和确定农场的确切地形和集水区。
城市规划:激光雷达用于创建一个地区的数字表面模型(dms)甚至数字城市模型(dcm)，这可以帮助设计一个城市或在现有的城市建设新的基础设施。
地质填图激光雷达可以用来创建地球表面的3D地图，它可以进一步用于采矿、精密林业和石油和天然气勘探等应用。
空中导航和路径规划:激光雷达现在被用于无人机收集实时3D数据，以便在周围环境中自主导航。

参见使用MATLAB的示例^®航空激光雷达处理:

地面激光雷达

有两种地面激光雷达:固定式地面激光雷达和移动式激光雷达。

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的平台上。它们通常用于土地测量、道路测量、拓扑绘图、创建数字高程地图(dem)、农业和其他应用。这些更适合于需要详细和更紧密的数据捕获的应用程序。
移动激光雷达地面激光雷达安装在移动平台上，如汽车或卡车。最重要的移动激光雷达应用是自动驾驶。安装在车辆上的激光雷达捕获周围环境的3D点云数据，并进一步用于感知和导航工作流程。这些工作流将在下一节中详细描述。

参见使用MATLAB进行地面激光雷达处理的示例:

室内激光雷达

激光雷达通过安装在移动机器人上，广泛应用于室内机器人应用。除了3D激光雷达，2D激光雷达或激光扫描仪也用于室内机器人应用，如激光雷达扫描和测绘。它们收集周围环境的深度信息，然后根据用例进一步处理。

室内激光雷达传感器。

室内激光雷达数据。

室内激光雷达的常见用途包括:

激光雷达测绘和SLAM:您可以使用2D或3D激光雷达分别创建2D或3D SLAM和映射。
障碍物检测、碰撞警告和避障:二维激光雷达被广泛用于探测障碍物。这些数据可以进一步用于创建碰撞警告或避开障碍物。

参见使用MATLAB进行地面激光雷达处理的示例:

MATLAB中的激光雷达处理

MATLAB和激光雷达工具箱™简化激光雷达处理任务。通过专用的工具和函数，MATLAB帮助您克服处理激光雷达数据的常见挑战，如3D数据类型、数据稀疏性、数据中的无效点和高噪声。

可以将实时和记录的激光雷达数据导入MATLAB中，实现激光雷达处理工作流，并创建C/ c++和CUDA^®要部署到生产环境中的代码。

MATLAB在处理激光雷达点云方面提供的一些重要功能将在以下部分中描述。

流媒体，读取和写入激光雷达数据

在MATLAB中处理任何传感器数据的第一步是将数据放入MATLAB工作区。您可以:

实时数据流从Velodyne传感器使用Velodyne激光雷达硬件支持包以及从乌斯特传感器使用Ouster激光雷达硬件支持包．
读取存储的点云不同的文件格式，如PCD、PLY、PCAP (Velodyne、Ouster和Hesai Pandar)、Ibeo数据容器、LAS和LAZ。
写点云不同的文件格式，如PCD, PLY, LAS和LAZ。
模拟激光雷达数据，允许您在部署到实际系统之前测试算法和工作流。在MATLAB中，通过定义用于测试处理算法的传感器参数，您可以在仿真环境中合成3D或2D激光雷达数据。激光雷达的工具箱，无人机的工具箱,自动驾驶的工具箱提供激光雷达传感器模型，模拟激光雷达点云。

来自Velodyne的实时激光雷达数据流^®激光雷达传感器。

三维激光雷达数据模拟。

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，并从中提取基本信息。Lidar Toolbox™提供了下采样、中值滤波、对齐、转换和从点云提取特征的功能。

激光雷达相机校正

MATLAB使激光雷达相机标定估计激光雷达-相机变换融合相机和激光雷达数据。您可以进一步融合激光雷达点云中的颜色信息而且利用共定位相机的2D边界盒估计激光雷达中的3D边界盒。

激光雷达相机校准器应用。

激光雷达的深度学习

通过MATLAB，您可以应用深度学习算法对激光雷达数据进行目标检测和语义分割。

只需在MATLAB中使用几行代码，就可以导入预先训练好的语义分割模型，包括激光雷达数据上的PointSeg和SqueezeSegV2。您还可以训练、评估和部署您自己的深度学习模型。
MATLAB支持设计、训练和评估鲁棒检测器，如PointPillars而且ComplexYolo-V4网络。你可以在激光雷达点云的物体周围检测和适应定向边界框。
的激光雷达贴标签机应用在激光雷达工具箱简化点云标记任务。您可以手动标记点云用于对象检测和语义分割，应用内置或自定义算法自动化激光雷达点云标记，并评估自动化算法的性能。