激光雷达

仿真机器人-深度学习CV和激光雷达感知(项目2)day6【数学基础-坐标变换】

文章目录前言坐标变换的作用旋转与平移二维变换旋转平移推广到三维齐次坐标问题引入定义用法变换矩阵旋转的其他表示方法*前言你好，我是辰chen，本文旨在准备考研复试或就业本文内容是我为复试准备的第二个项目欢迎大家的关注，我的博客主要关注于考研408以及AIoT的内容预置知识：基本Python语法，基本linux命令行使用
辰chen·2024-01-26 05:45

激光雷达3D目标检测模型调研

基于激光雷达点云的3D目标检测主要基于视图、基于体素、基于Pillar、基于点和基于点-体素方法，目前使用目标检测算法PointPillars，由于推理速度快，移植方便，广泛应用于工业界，但PointPillars
奔袭的算法工程师·2024-01-25 17:11

华为产业链之车载激光雷达

一、智能汽车NOA加快普及，L3上路利好智能感知硬件1、感知层是ADAS最重要的一环先进驾驶辅助系统（ADAS，Advanceddriver-assistancesystem）分“感知层、决策层、执行层”三个层级，其中感知层是最重要的一环，即收集、识别各种场景，主要包括车辆运动感知（感知车辆行驶中速度、角度及高精度定位等信息）和环境感知（感知车辆行驶中交通路况和车身环境等信息）。其中，环境感知的感
奔袭的算法工程师·2024-01-25 17:37

雷达里程计中需要扫描匹配吗？

摘要：目前，正见证着4D多普勒雷达和激光雷达测距传感器的蓬勃发展，它们产生的3D点云包含了有关每个点相对于传感器的径向速度信息。
点云兔子·2024-01-25 14:30

LIO-SAM 论文阅读

论文链接LIO-SAM0.Abstract提出了一种通过平滑和映射进行紧耦合激光雷达惯性里程计的框架LIO-SAM，它实现了高精度、实时的移动机器人轨迹估计和地图构建LIO-SAM在因子图上制定激光雷达惯性里程计
KrMzyc·2024-01-25 08:39

仿真机器人-深度学习CV和激光雷达感知(项目2)day7【ROS关键组件】

文章目录前言Launch文件了解XML文件Launch文件作用Launch文件常用标签实例--作业1的Launch文件TFTree介绍发布坐标变换--海龟例程获取坐标变换--海龟自动跟随例程rqt_工作箱前言你好，我是辰chen，本文旨在准备考研复试或就业本文内容是我为复试准备的第二个项目欢迎大家的关注，我的博客主要关注于考研408以及AIoT的内容预置知识：基本Python语法，基本linux命
辰chen·2024-01-25 01:15

激光雷达行业梳理2-产业链、公司、未来展望

四、产业链及竞争格局激光雷达产业链可以分为上游（光学和电子元器件）、中游（集成激光雷达）、下游（不同应用场景）。
奔袭的算法工程师·2024-01-24 11:15

激光雷达行业梳理1-概述、市场、技术路线

激光雷达作为现代精确测距和感知技术的关键组成部分，在近几年里取得了令人瞩目的发展。
奔袭的算法工程师·2024-01-24 11:11

仿真机器人-深度学习CV和激光雷达感知(项目2)day03【机器人简介与ROS基础】

文章目录前言机器人简介机器人应用与前景机器人形态机器人的构成ROS基础ROS的作用和特点ROS的运行机制ROS常用命令前言你好，我是辰chen，本文旨在准备考研复试或就业本文内容是我为复试准备的第二个项目欢迎大家的关注，我的博客主要关注于考研408以及AIoT的内容预置知识：基本Python语法，基本linux命令行使用以下的几个专栏是本人比较满意的专栏(大部分专栏仍在持续更新)，欢迎大家的关注：
辰chen·2024-01-24 03:31

MATLAB - 激光雷达 - 相机联合标定（Lidar-Camera Calibration）

系列文章目录前言一、激光雷达-相机标定建立了三维激光雷达点和二维相机数据之间的对应关系，从而将激光雷达和相机输出融合在一起。激光雷达传感器和相机被广泛用于自动驾驶、机器人和导航等应用中的三维场景重建。
kuan_li_lyg·2024-01-23 23:32

喜报|超维防爆轮式智能巡检机器人荣获防爆合格证书

此次防爆测试的产品部件包括：防爆激光雷达、防爆型无线充电器、防爆拾音器、防爆TOF探测器、防爆按钮、隔爆声光报警器、AGV动
超维机器人·2024-01-23 07:26

PSEUDO-LIDAR++：自动驾驶中 3D 目标检测的精确深度

现有方法很大程度上依赖昂贵的激光雷达传感器来获取准确的深度信息。虽然最近推出了伪激光雷达作为一种有前
飞大圣·2024-01-23 07:53

机器人世界

例如，无人驾驶汽车使用视频、雷达与激光雷达来观察周围的世界。
徐凯_xp·2024-01-22 18:19

4D毫米波雷达——RADIal数据集、格式、可视化 CVPR2022

采集设备包括：摄像头、激光雷达和高清雷达等，并且还包括了车辆的GPS位置和行驶信息。总共有91个视频序列，每个视频时长从1分钟到4分钟不等，加起来一共是2小时。
一颗小树x·2024-01-22 16:22

3D目标检测（教程+代码）

以下是该技术的介绍：1.技术原理：3D目标检测使用激光雷达、摄像头等传感器采集场景信息，并将其转换为点云数据。通过对点云数据进行处理和分析，可以检测出场景中的物体，并确定其位置和姿态信息。
毕设阿力·2024-01-22 10:28

仿真机器人-深度学习CV和激光雷达感知(项目2)day5【作业1与答案1】

文章目录前言作业1答案1前言你好，我是辰chen，本文旨在准备考研复试或就业本文内容是我为复试准备的第二个项目欢迎大家的关注，我的博客主要关注于考研408以及AIoT的内容预置知识：基本Python语法，基本linux命令行使用以下的几个专栏是本人比较满意的专栏(大部分专栏仍在持续更新)，欢迎大家的关注：ACM-ICPC算法汇总【基础篇】ACM-ICPC算法汇总【提高篇】AIoT(人工智能+物联网
辰chen·2024-01-22 06:03

激光雷达标定入门（2）安装Autoware

这里以docker版本为例，在新版本下会更加稳定1安装Docker首先，你需要按照Docker官方的教程，安装dockerhttps://gitlab.com/autowarefoundation/autoware.ai/autoware/-/wikis/docker-installation不想看的话直接看这里#####OldDockerCleanup$sudoapt-getremovedock
马上到我碗里来·2024-01-21 22:33

激光雷达标定入门（5）Docker网络配置

1前言这一步是对之前专栏中一键安装介绍的一点扩展，是因为在后续的部署中，特别是雷达的驱动中，发现在docker的容器中无法接到雷达的数据，但是在容器外功能包能正常收到雷达的信号，后面发现是容器的IP没有在雷达的IP网段，即使主机设置的网段跟雷达一致！根本原因：这是因为使用的小鱼一键配置是从网络端直接拉过来的，所以在配置完了之后其实已经在系统里生成好了容器，并且这个容器会一直在，后面dockerst
马上到我碗里来·2024-01-21 22:33

激光雷达标定入门（3）Autoware官方Demo运行

============================================================这一步可以根据自己情况省略============================================================1ROSBAGDemo之前搜了一些教程，发现那些数据包都不能下载，还是官方教程靠谱。链接如下https://gitlab.com/au
马上到我碗里来·2024-01-21 22:03

Ubuntu1804 使用calibration_camera_lidar 实现激光雷达和相机联合标定【安装calibration教程】

感谢博主的提示Autoware1.10以上的软件都需要单独安装这个calibration标定工具箱1.nlopt安装新开一个终端：gitclonegit://github.com/stevengj/nlopt.gitcdnloptmkdirbuildcdbuildcmake..makesudomakeinstall2.calibration_camera_lidar安装新开一个终端：mkdirca
FYY2LHH·2024-01-21 22:32

激光雷达标定入门（4）Autoware标定工具安装

在最开始我们提一个问题，标定工具也得安装在docker内？思路是这样的，在这里基于docker的autoware，后续的标定包应该放在工作空间，那工作空间是project的，那肯定不能放在docker里面，所以是否意味着每次nlopt这些都得重新安装和编译？在这里，最开始的思路是用docker安装autoware，然后再安装标定工具，但是这样有不少问题：1.比如docker每次关闭容器就会删除，改
马上到我碗里来·2024-01-21 22:01

使用pcl::fromROSMsg()函数报错Failed to find match for field ‘intensity‘

使用LGSVL创建了激光雷达传感器，其中的原始点云PointCloud2类型的话题中含有intensity数据，并且在Rviz中可以将强度信息显示出来。
少年独剑倚清秋·2024-01-21 21:38

Ouster激光雷达使用PTP时间同步

Ouster官方参考链接激光雷达与系统PTP时间同步+-------------------------------------+|Ubuntu18.04System|
晓晨的博客·2024-01-21 21:08

ouster激光雷达数据包丢包问题解决（Linux线程指定CPU，锁定CPU频率）

目录设备及运行环境问题描述问题解决网络速度问题线程绑定CPU核心查看线程/进程运行在哪个CPU核心设置线程/进程运行在指定CPUCPU定频参考设备及运行环境激光雷达：ousterOS1-128硬件平台：
wk930523·2024-01-21 21:07

【ouster】ubuntun18.04安装ouster三维激光雷达ros版本驱动

1、下载驱动文件需先创建一个ros工作区间，如何将代码下载至src文件夹mkdircatkin_ws_ouster/srccdcatkin_ws_ouster/srccatkin_init_workspacecd..sourcedevel/setup.shsudogedit~/.bashrc#将下列代码添加至打开的文件source~/catkin_ws_ouster/devel/setup.bas
gmf0327·2024-01-21 21:05

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】

文章目录前言简单例程运行小海龟仿真启动节点查看计算图发布Topic调用Serviece用Python发布和接收Topic创建工作空间创建功能包，编译编写TopicPublisher节点编写TopicSubscriber节点运行节点自定义消息类型用Python注册和调用Serviece新建功能包在srv文件夹下，创建AddTwoNum.srv文件同上节,修改package.xml和CMakeList
辰chen·2024-01-21 12:07

点云从入门到精通技术详解100篇-基于点云和图像融合的智能驾驶目标检测(中)

摄像头和惯性测量单元：利用惯性测量单元的特性加强摄像头在运动状态下的抗干扰能力，可以有效提高感知算法在高速行驶场景下的检测精度，但依旧是依靠摄像头数据进行3D目标的检测，受环境及天气状况影响较大；（2）激光雷达和惯性测量单元
格图素书·2024-01-21 08:57

RF-LIO：面向高动态场景的紧耦合LiDAR惯导融合里程计（IROS 2021）

面向高动态场景的紧耦合LiDAR惯导融合里程计单位：西安交通大学针对问题：实际场景中动态因素的引入造成基于静态假设的LIO严重位姿漂移提出方法：提出基于自适应的多分辨率RangeImage的动态点移除算法，并使用紧耦合的激光雷达惯导里程计
Tom Hardy·2024-01-21 04:11

智能汽车如何实现自主感知、决策和控制

以下将分别介绍这些方面：感知环境信息智能汽车通过各种传感器来感知周围环境的信息，包括但不限于：雷达、激光雷达、摄像头、超声波等。
道亦无名·2024-01-20 19:43

4.实时存取点云的pcd文件（C++）

读取雷达的点云数据的方法可以参我写的另一篇博文11.2PCL从ROS获取激光雷达的点云数据及处理-CSD
YANQ662·2024-01-19 23:37

11.1 pcl_ros的点云学习

引用的博文路径如下（本人也是刚开始看PCL的运用，本文是完全抄下面博主的内容，觉得这位博主写的很详细很清楚，并且自己运行了一遍有效）：ROS入门——PCL激光雷达点云处理（1）_pcl::torosmsg-CSDN
YANQ662·2024-01-19 23:36

11.2 PCL从ROS获取激光雷达的点云数据及处理

其实很简单，分三步走就可以：首先是通过ROS打开激光雷达，查看PCL配置需要的信息。然后是用PCL通过ROS发布的topic获取激光雷达的数据。最后将ROS和PCL结合。
YANQ662·2024-01-19 23:36

[论文阅读]DeepFusion

DeepFusionLidar-CameraDeepFusionforMulti-Modal3DObjectDetection用于多模态3D物体检测的激光雷达相机深度融合论文网址：DeepFusion论文代码
一朵小红花HH·2024-01-19 08:43

概率论在激光雷达的目标检测和跟踪中的应用

概率论在激光雷达的目标检测和跟踪中发挥着重要的作用，通过建立概率模型和应用贝叶斯推断，可以处理激光雷达数据的不确定性，并提供准确的目标检测和跟踪结果。概率模型是激光雷达目标检测和跟踪的基础。
weixin_30777913·2024-01-19 06:22

4D毫米波雷达——原理、对比、优势、行业现状

4D毫米波雷达被视为未来车载雷达的一种可能的标准配置，因为它在多方面优于传统的毫米波雷达和低线激光雷达，能与高线激光雷达互补。预计这种雷达将被广泛应用于各种车型中。
一颗小树x·2024-01-18 23:20

ROS---传感器集成

ROS—传感器集成  对于ROS机器人，如果想让其启动，我们需要逐一启动底盘控制与激光雷达，操作有点冗余。
Nav.·2024-01-18 20:41

点云数据从入到arcgis平台、发布场景服务到前端调用

激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达系统。
gislaozhang·2024-01-18 18:33

HiEV独家|蔚来子品牌切换纯视觉路线：将基于单Orin，去掉激光雷达

多名知情人士告诉HiEV，蔚来内部代号为阿尔卑斯的第二品牌，在智驾方案方面将基于单颗NVIDIAOrinX芯片，且去掉了激光雷达，采用类似特斯拉的纯视觉方案。
HiEV·2024-01-18 17:40

AT512，禾赛发布性能王牌产品 | CES 2024

拉斯维加斯当地时间1月8日，时值本届CES开幕前夕，禾赛科技发布面向智驾量产车市场的「性能王牌」产品——512线远距激光雷达AT512，内部称其为「禾赛AT系列的综合性能巅峰之作」。
HiEV·2024-01-18 17:10

激光雷达植被叶片入射角效应/地基高光谱激光雷达植被叶片入射角效应

文章目录激光雷达入射角效应地基高光谱激光雷达入射角效应激光雷达入射角效应模型简要发展历史（还有其他模型，在此简要列举五种）1.朗伯余弦定律。
B博士·2024-01-18 14:29

激光雷达距离效应/地基高光谱激光雷达距离效应

有关激光雷达植被叶片入射角效应总结，请查看激光雷达植被叶片入射角效应/地基高光谱激光雷达植被叶片入射角效应。
B博士·2024-01-18 14:28

高斯函数半高宽FWHM、拐点差值绝对值一半以及标准差σ的关系

激光雷达/高光谱激光雷达距离效应半高宽（Full-widthatthehalfofthemaximum,FWHM）是指回波波峰一半所对应的时间全宽，是时间概念，单位一般为ns等。
B博士·2024-01-18 14:58

无人机测绘助力实现高效、安全的城市规划

传统的地面测量方法耗时费力，而无人机搭载的相机和激光雷达等设备能够快速、准确地获取大面积的地形、建筑和植被等数据。这些数据
成都远石·2024-01-18 01:08

【开源项目】超经典开源项目实景三维数字孪生智慧博物馆

飞渡科技基于文博机构核心业务需求的智能管理，利用数字孪生技术、激光雷达扫描技术、3D虚拟成像技术等，打造具有“透彻感知、泛在互联、智慧融合”为特征的博物馆系统，实现信息和知识，在博物馆的人、物和活动三者之间动态循环的数字孪生博物馆体系
万象工作室·2024-01-17 18:13

线性代数在处理激光雷达的数据处理和图像处理中的应用

线性代数在激光雷达数据处理和图像处理中具有广泛的应用，包括矩阵运算和特征值分解等。这些应用可以帮助我们对数据进行变换、合并。提取和降维等操作，从而实现更高效、准确的数据处理和图像处理。
weixin_30777913·2024-01-17 13:13

云层高度方法总结：激光雷达信号反演/遥感数据估计

目录激光雷达数据反演方法用于反演云层高度的记忆式滑动窗口积分算法2008激光雷达探测合肥云层高度方法研究及分析2010用于反演云底高度的峰值面积积分算法-杨成武-2012卫星遥感-基于机器学习基于随机森林算法的
7个隆咚锵·2024-01-17 13:13

用于激光雷达的 APD，SPAD 和 SiPM 分析

用于激光雷达的APD，SPAD和SiPM分析1.术语及定义1.1激光雷达，LightDetectionAndRange,LiDAR发射激光光束，并接收回波以获取目标三维和/或速度信息的系统；1.2机械旋转激光雷达
masust·2024-01-17 13:12

FMCW激光雷达科普（上）：基本概念、技术路线、优势及争议和误解

在相当长的一段时间里，我们对激光雷达“技术路线”的讨论，都停留在ToF激光雷达“按扫描架构如何分类”，却忽略了一个更高维度的分类：以测距方式为依据，激光雷达可分为ToF与FMCW两个大类。
Feng.Z.H·2024-01-17 13:12

微积分在激光雷达的信号处理和数据分析中的应用

微分和积分等数学工具在激光雷达信号处理中被广泛应用，以提取目标的速度、距离和位置信息，并分析目标的运动态。这些研究为激光雷达在目标检测、跟踪和环境感知等领域的应用提供了理论基础和技术支持。
weixin_30777913·2024-01-17 13:42

PolarNet: 一种改进的时实激光雷达点云语义分割网格表示方法

PolarNet介绍github工程代码：https://github.com/edwardzhou130/PolarSeg点云语义分割在自动驾驶领域的感知模块占据重要地位,从多年前基于传统的点云聚类和分割,到近些年基于深度学习的点云语义分割方法,技术逐渐成熟已经进入实时端到端的阶段.前有基于球面投影映射出二维深度图的SqueezeSeg,后又百度的Apollo和Autoware中开源的基于鸟瞰图
AI松子666·2024-01-17 10:12
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他