激光SLAM放弃指南2：激光雷达数据对比和数据集的使用

雷达技术指标

1. 数据的最大最小距离以及扫描的角度范围（视野范围）
2. 2个数据点间的角度（角度分辨率，点数）
3. 发出数据的频率
4. 发出数据的能量强度
5. 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