二维激光雷达常用公式介绍

点数N:单线雷达一般是一个电机转动获得反射距离,离散采样(与电机速度,雷达设计有关)点数一般是固定的,或者几种可选
角分辨率angle_increment:由激光厂商决定,大部分是固定分辨率,比如点数1800个点,360度,那么角度分辨率就是360/1800=0.2度固定值
范围: 雷达范围一部分是出厂决定,比如有些雷达只能扫描270度,有些雷达能扫描360度,如果厂商不提供设置范围的接口,我们可以自己滤波,截取想要的数据, 范围一般是有两个值来标称,min_angle, max_angle(最大,最小角度)
最大距离: range的最大值,出厂决定
实际距离: 雷达每个点的距离

公式一:
  点数计算: range_size = round(max_angle-min_angle)/angle_increment+1
  注意可能与实际点数多一个或者两个,由取整以及+1决定
公式二:
   第i个点的角度:
   angle_i = angle_min+ i * angle_increment

公式三:
      第i个点和第j个点的角度差:
      d_angle = (j-i)*angle_increment


公式四: 滤波重选择有效范围内数据
        int start = round((angle_min_new-angle_min)/scan.angle_increment);
        size_new = roun

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
激光雷达深度相机都是常用的三维感知设备,它们可以提供不同类型的三维数据。激光雷达通过激光束扫描得到物体的距离信息,而深度相机则是通过发射红外光并测量其返回时间来计算物体的距离信息。融合这两种数据可以提高三维感知的精度和鲁棒性。 一般来说,激光雷达数据的稠密度较高,但是其受到环境光、雨雪等因素的影响较大,而深度相机数据受环境光影响较小,但是其稠密度较低。因此,将两种数据进行融合可以得到更加精确的三维信息。 常见的激光雷达深度相机数据融合算法包括: 1. 点云融合法:将激光雷达得到的点云和深度相机得到的点云进行融合。该方法的优点是能够处理稠密的点云,但是需要对两种点云进行配准,且需要较高的计算能力。 2. 深度图融合法:将深度相机得到的深度图和激光雷达得到的二维激光数据进行融合。该方法的优点是计算速度较快,但是需要对深度图和激光数据进行配准。 3. 传感器融合法:将激光雷达深度相机的原始数据进行融合。该方法的优点是能够处理多种类型的数据,但是需要处理大量的数据,且需要较高的计算能力。 以上算法都需要进行数据配准和融合,因此需要使用相关的配准算法和融合算法。常用的配准算法包括ICP(Iterative Closest Point)算法,常用的融合算法包括加权平均法、最大值法、最小值法等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值