cuda xavier点云处理分析

1. GPU&CPU版本passthrough的时间统计

每一帧有2万个点的情况下：

这么看还是CPU快，因为哪怕是cuda一个维度的filter都要3ms,3个维度怎么也大于CPU的5ms.

后面的GPU版本的lidar处理的比较快，是因为打印了 none of input points.return directly.

CPU版本的处理了点云。

1. 统计激光雷达过程中的时间

lidar_process_->Process 总共56ms

roi_filter_->Filter 16ms

segmentation_->Segment 48.5-16.3=32ms

object_builder_->Build 52.2-48.5=4ms

tracker 54.9-52.2 =3ms

可以看到耗时时间最长的是 segmentation.用的时间是 52.8791-16.15 = 32ms

把这一部分再弄出来看看时间：7000个点

VoxelGrid 1ms

project #cloud into XY-space 0.5ms

RadiusOutlierRemoval 10ms

Region 20ms  主要的耗时在这里

总共是32ms基本符合

Segmentation 一共有32ms

总结一下，

1. 现在库版本的cuda耗时太大，哪怕是不进行内存操作，耗时也比较大，CUDA在这块不适合加入。
2. 目前耗时最严重的是region的处理，这里占用了激光雷达时间（50ms）处理2/5。另外半径滤波那里也占用了1/5。
3. 体素滤波加入，参数设置大一些，会大幅降低计算。我认为主要是region的计算。

1. Parmater 和 getparmater 的区别

Parmater：需要默认参数 ：（参数名字（launch文件中的），值，默认值），如果是两个的话（参数名字（launch文件中的），默认值），就是默认值。

Getparmater：直接获取参数（参数名字（launch文件中的），值）

1. std::chrono’ has not been declared

加入头文件，

#include <chrono>