雷达技术指标
- 数据的最大最小距离以及扫描的角度范围(视野范围)
- 2个数据点间的角度(角度分辨率,点数)
- 发出数据的频率
- 发出数据的能量强度
- 点的跳动成都(精度)等等
视野范围
激光雷达的视野范围决定了这款雷达的应用场景,墙距离20m的屋子里不能可能使用视野范围为4米的雷达,根本扫不到东西。
角度分辨率
雷达的角度分辨率决定了激光雷达每帧数据点的个数。如果是0.25度的分辨率,360度视角的激光雷达,那其一帧最多有1441个点。每帧数据的点数越多,越能更好的表征环境的细节信息。当然,点数也不是越多越好,点数越多,计算成本也越高。
频率
雷达的频率是一个十分重要的指标,雷达的频率越高,雷达2帧数据的间隔就越小。假设雷达的频率是20Hz,也就是50ms来一次数据。当我进行定位的时候,这50ms时间内的机器人的运动,只能通过估计来获得,所以雷达的频率越高,我们通过估计的距离也就越小,定位也就越准确。
数据的强度
激光雷达的激光点是有能量的,不同品牌激光点的能量也不同。当能量太小时,远距离情况下可能存在返回不了数据的情况。
数据的精度
这是最重要的一个指标,如果一个激光雷达的数据跳动特别大,那这个雷达就没法用了。现在一般厂商的雷达的精度都是2%。也就是100m的情况下,点的跳动幅度为2cm。但是,实际感觉能达到这个精度的雷达不是很多。
数据集的使用
做算法,首先要先搞数据,开源代码自然用公开的数据集最好,在这里,我建议大家使用KITTI数据集,由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办,是目前国际上最大的专门面向自动驾驶的数据集
KITTI转ROS的bag文件
转换是通过一个开源工具kitti2bag来实现,它可以通过pip安装。
安装kitti2bag要求numpy版本>=1.12,ubuntu 16.04默认的是1.11,
如果numpy版本达不到要求,可以先升级。
sudo pip install -U numpy
安装 kitti2bag
sudo pip install kitti2bag
下载了KITTI包之后,运行转换命令,raw_synced 表示下载的数据集是否是同步过的,不过基本都是用同步的:
kitti2bag -t 2011_09_26 -r 0020 raw_synced